バーチャルコース「機械学習:分類 - バーチャルコース - Coursera」は、約21分の動画授業を提供する、内容の異なるコースです。 完成までXNUMX時間。 その重要な機能を調べ、オレンジ色のボタンをクリックして、Coursera e-Learning プラットフォームの詳細情報を入手してください。
ケース スタディ: 感情分析とローンのデフォルト予測 感情分析のケース スタディでは、入力特性 (レビューのテキスト、ユーザー名のプロファイル情報、.
.
.
).
このコースの XNUMX 番目のケース スタディであるローンのデフォルト予測では、財務データに取り組み、銀行にとってローンが危険または安全になる時期を予測します。
これらのタスクは、機械学習の最も広く使用されている分野の XNUMX つである分類の例であり、広告のターゲティング、スパム検出、医療診断、画像分類など、幅広い用途があります。
このコースでは、さまざまなタスクで最先端のパフォーマンスを提供する分類子を作成します。
ロジスティック回帰、デシジョン ツリー、ブースティングなど、実際に最もよく使用されている最も成功した手法に慣れることができます。
さらに、確率的勾配上昇を使用して、これらのスケール モデルを学習できる基礎となるアルゴリズムを設計および実装できるようになります。
これらの手法を、現実世界の大規模な機械学習タスクに実装します。
また、欠落データの処理、精度の測定、分類器を評価するためのリコールなど、ML の実際のアプリケーションで直面する重要なタスクにも対処します。
このコースは実践的でアクション満載で、これらの手法が実際のデータでどのように機能するかを視覚化および図解で示しています。
各モジュールにはオプションのコンテンツも含まれており、さらに深く掘り下げたい人のために高度なトピックをカバーしています! 学習目標: このコースを修了すると、次のことができるようになります。 -分類モデルの入力と出力を説明する。
-バイナリとマルチクラスの分類問題の両方に対処します。
-大規模な分類のためのロジスティック回帰モデルを実装します。
-決定木を使用して非線形モデルを作成します。
-ブーストを使用して、あらゆるモデルのパフォーマンスを向上させます。
-確率的勾配上昇でメソッドをスケーリングします。
-根底にある決定境界を説明します。
-ランキング モデルを作成して、製品レビュー データセットのセンチメントを予測します。
-財務データを分析して、ローンのデフォルトを予測します。
-欠損データを処理するためのテクニックを使用します。
-精度リコール メトリックを使用してモデルを評価します。
-これらの手法を Python (またはお好みの言語、ただし Python を強くお勧めします) で実装します。
-大規模な分類のためのロジスティック回帰モデルを実装します。
-決定木を使用して非線形モデルを作成します。
-ブーストを使用して、あらゆるモデルのパフォーマンスを向上させます。
-確率的勾配上昇でメソッドをスケーリングします。
-根底にある決定境界を説明します。
-ランキング モデルを作成して、製品レビュー データセットのセンチメントを予測します。
-財務データを分析して、ローンのデフォルトを予測します。
-欠損データを処理するためのテクニックを使用します。
-精度リコール メトリックを使用してモデルを評価します。
-これらの手法を Python (またはお好みの言語、ただし Python を強くお勧めします) で実装します。
-大規模な分類のためのロジスティック回帰モデルを実装します。
-決定木を使用して非線形モデルを作成します。
-ブーストを使用して、あらゆるモデルのパフォーマンスを向上させます。
-確率的勾配上昇でメソッドをスケーリングします。
-根底にある決定境界を説明します。
-ランキング モデルを作成して、製品レビュー データセットのセンチメントを予測します。
-財務データを分析して、ローンのデフォルトを予測します。
-欠損データを処理するためのテクニックを使用します。
-精度リコール メトリックを使用してモデルを評価します。
-これらの手法を Python (またはお好みの言語、ただし Python を強くお勧めします) で実装します。
-ランキング モデルを作成して、製品レビュー データセットのセンチメントを予測します。
-財務データを分析して、ローンのデフォルトを予測します。
-欠損データを処理するためのテクニックを使用します。
-精度リコール メトリックを使用してモデルを評価します。
-これらの手法を Python (またはお好みの言語、ただし Python を強くお勧めします) で実装します。
-ランキング モデルを作成して、製品レビュー データセットのセンチメントを予測します。
-財務データを分析して、ローンのデフォルトを予測します。
-欠損データを処理するためのテクニックを使用します。
-精度リコール メトリックを使用してモデルを評価します。
-これらの手法を Python (またはお好みの言語、ただし Python を強くお勧めします) で実装します。
世界で最も権威のある大学で自宅から準備してください。
Courseraのコースの質は、多くの場合学部長で博士号を取得しているインストラクターによってサポートされています。
Courseraの学生の85%以上が、昇進や昇給などのキャリア上のメリットを報告しています。
世界中の何百万人もの学生が、Courseraで個人的および専門的な目標を達成しています。
Courseraは、世界中のオンライン学習を提供するために、200を超える主要な大学や企業からのコースを提供しています。 CourseraPlusサブスクリプション付き, すべてのコースの 90% 以上に無制限にアクセスでき、Coursera で最も人気のある専門資格と専門分野にアクセスできます。
データサイエンス、ビジネス、自己啓発。 一度に複数のコースに登録し、無制限の証明書を取得し、キャリアを開始、成長、さらには変更するための需要の高い仕事のスキルを学ぶことができます。
COURSERA PLUS の年間サブスクリプションで、最大限に活用し、500 米ドル以上節約する方法を発見してください*
*500 米ドルの月額サブスクリプションから、プロモーションを利用した年間サブスクリプションに移行すると、12 か月で最大 59 米ドル節約できます。 通常の年間サブスクリプションは 399 米ドルです。 このプロモーションでは、299 米ドルしかお支払いいただけません。 黄色いボタンをクリックして、すべてを調べてください。
ワシントン大学
こんにちは。どうすればお手伝いできますか? コースに興味がありますか? 何の主題についてですか?
レビューを追加