Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

IBM

Машинное обучение с использованием Python

IBM via Coursera

Overview

Этот курс посвящен основам машинного обучения с использованием распространенного языка программирования — Python. \Курс включает два основных раздела.
Во-первых, вы узнаете о целях и задачах машинного обучения и способах применения этой технологии для решения реальных задач.
Во-вторых, вы получите общее представление об отличиях между свободным и контролируемым машинным обучением, оценке моделей и алгоритмах машинного обучения.

В рамках этого курса вы рассмотрите возможности применения технологий машинного обучения на практике и убедитесь в том, что они влияют на окружающий мир больше, чем вы могли себе представить!

Для этого вам понадобится посвятить курсу всего несколько часов в неделю на протяжении нескольких недель.
1) Новые навыки для резюме: регрессия, систематизация, кластеризация, Scikit-learn и SciPy
2) Новые проекты для вашего портфолио, в том числе в сферах диагностики рака, прогнозирования экономических тенденций, прогнозирования оттока клиентов, рекомендательных систем и многое другое.
3) Сертификат о прохождении курса «Машинное обучение», подтверждающий вашу квалификацию который можно предъявлять физически и виртуально, например добавить к профилю в LinkedIn и других социальных сетях.

Если вы пройдете этот курс и получите сертификат Coursera, то также получите цифровой значок IBM.

Syllabus

  • Введение в машинное обучение
    • На этой неделе вы узнаете о способах применения технологий машинного обучения в различных сферах: здравоохранении, банковском деле, телекоммуникациях и т. д. Вы получите общее представление об отличиях между свободным и контролируемым машинным обучением и способах использования каждого из описанных алгоритмов. Также вы узнаете о преимуществах библиотек Python для реализации моделей машинного обучения.
  • Регрессия
    • На этой неделе вы получите общее представление о регрессии. Вы узнаете, что такое простая и множественная, линейная и нелинейная регрессия, и как их применять на практике. Затем вы примените полученные знания на практике: на двух наборах данных в рамках лабораторной работы. Также вы узнаете, как проводить оценку созданной регрессионной модели и рассчитывать ее точность.
  • Классификация
    • На этой неделе вы узнаете, что такое методы классификации. Вы получите навыки работы с различными классификационными алгоритмами, в том числе методом k-ближайших соседей, деревом принятия решения, логистической регрессией и методом опорных векторов. Кроме того, вы узнаете о преимуществах и недостатках каждого из представленных методов и ознакомитесь с различными показателями точности классификации.
  • Кластеризация
    • В этом разделе описаны различные методы кластеризации. Вы научитесь использовать кластеризацию для сегментирования клиентов, группировать схожие транспортные средства и создавать кластеры погодных станций. Вы ознакомитесь с 3 основными типами кластеризации: кластеризацией на основе неиерахического разделения, иерархической кластеризацией и кластеризацией на основе плотности.
  • Рекомендательные системы
    • В этом модуле вы изучите рекомендательные системы. Сначала вы ознакомитесь с понятием «рекомендательные системы», затем рассмотрите два основных типа рекомендательных систем: основанные на контенте и с коллаборативной фильтрацией.
  • Заключительный проект
    • При изучении этого модуля вы выполните проект на основе изученного ранее материала. По завершению проекта вы отправите отчет на рассмотрение коллегам по курсу.

Taught by

SAEED AGHABOZORGI and Joseph Santarcangelo

Related Courses

Reviews

Start your review of Машинное обучение с использованием Python

Never Stop Learning!

Get personalized course recommendations, track subjects and courses with reminders, and more.

Sign up for free