|
所在平台: Coursera |
课程主页: https://www.coursera.org/learn/aprendizaje-automatico-con-python
课程评论：没有评论
课程名称：使用Python进行机器学习 概述：本课程深入探讨了机器学习的基本概念，使用一种易于接触的编程语言——Python。在课程中，我们将回顾两个主要组件：首先，您将学习机器学习的目的及其在现实世界中的应用；其次，您将获得机器学习主题的概述，例如监督学习与非监督学习、模型评估和机器学习算法。 通过参与真实生活中的机器学习实例，您将看到机器学习如何以您可能未曾想象的方式影响社会。每周只需花费若干小时，在接下来的几周内，您将能够获得以下成果： 1) 增强简历的新技能，包括回归、分类、聚类、Sci-kit学习和SciPy。 2) 可在您的作品集中添加的新项目，包括癌症检测、经济趋势预测、客户流失预测、推荐引擎等。 3) 一份机器学习证书，以证明您的能力，您可以将其在线或离线分享，例如在LinkedIn和社交网络中。 如果您选择参加本课程并获得Coursera的证书，成功完成课程后，您还将获得IBM的数字徽章。 课程大纲： 第一部分：机器学习简介 您将学习机器学习在健康、银行、电信等不同领域的应用，并了解监督学习与非监督学习的主题及各算法的使用，还将理解使用Python库实现机器学习模型的优势。 第二部分：回归 您将简要介绍回归，了解线性回归、非线性回归、简单回归和多重回归及其应用，并在实验部分应用这些方法于两个不同的数据集，学习如何评估回归模型并计算其精度。 第三部分：分类 您将学习分类技术，实践不同的分类算法，例如KNN、决策树、逻辑回归和支持向量机（SVM），同时了解每种方法的优缺点及不同的分类精度指标。 第四部分：聚类 您将学习不同的聚类方法，运用聚类进行客户细分、车辆聚类和气象站聚类，理解三种主要的聚类类型，包括基于划分的聚类、层次聚类和基于密度的聚类。 第五部分：推荐系统 您将学习推荐系统，了解推荐引擎的主要思想，并深入理解两种类型的推荐引擎，即基于内容的过滤和协同过滤。 第六部分：最终项目 您将基于所学内容完成一个项目，并提交项目报告以供同伴评价。
Part: 1
Title:Introduction to Machine Learning
Description:En esta semana, aprenderás acerca de las aplicaciones de Aprendizaje Automático en distintos campos como salud, bancario, telecomunicaciones, entre otros. Tendrás una visión general de los temas de Aprendizaje Automático, como el aprendizaje supervisado versus el no supervisado y el uso de cada algoritmo. Además, comprenderás la ventaja de usar las librerías de Python para implementar modelos de Aprendizaje Automático.
Part: 2
Title:Regresión
Description:En esta semana, tendrás una breve introducción a la regresión. Aprenderás acerca de la Regresión Lineal, No Lineal, Simple y Múltiple al igual que sus aplicaciones. Aplicarás todos estos métodos en dos conjuntos de datos diferentes en la sección de laboratorio. También aprenderás a evaluar tu modelo de regresión y calcular su precisión.
Part: 3
Title:Clasificación
Description:En esta semana, aprenderás acerca de la técnica de clasificación. Realizarás prácticas con distintos algoritmos de clasificación, tales como KNN, Árboles de Decisiones, Regresión Logística y SVM (Máquina de Vector de Soporte). Igualmente aprenderás sobre los pros y los contras de cada método y las distintas métricas de precisión de la clasificación.
Part: 4
Title:Agrupación
Description:En esta sección, aprenderás acerca de los diferentes enfoques de agrupación (clustering). Aprenderás a usar la agrupación para la segmentación de clientes, agrupación de los mismos vehículos y agrupación de estaciones meteorológicas. Entenderás 3 tipos principales de agrupación, incluyendo la agrupación basada en la División, Jerárquica y la basada en Densidad.
Part: 5
Title:Sistemas de Recomendación
Description:En este módulo, aprenderás acerca de los sistemas de recomendación. Primero, se te enseñará la idea principal de los motores de recomendación y después comprenderás dos tipos de motores de recomendación, es decir, el filtrado basado en contenido y el colaborativo.
Part: 6
Title:Proyecto Final
Description:En este módulo, realizarás un proyecto basado en lo que has aprendido hasta ahora. Presentarás un reporte de tu proyecto para que sea calificado por tus compañeros.
Este curso se sumerge en los conceptos básicos del aprendizaje automático mediante un lenguaje de programación accesible y conocido, Python. En este curso, repasaremos dos componentes principales: Primero, aprenderá sobre el propósito del aprendizaje automático y dónde se aplica al mundo real. En segundo lugar, obtendrá una descripción general de los temas del aprendizaje automático, como el aprendizaje supervisado o no supervisado, la evaluación de modelos y los algoritmos del aprendizaje automático. En este curso, practicarás con ejemplos de la vida real de aprendizaje automático y verás cómo afecta a la sociedad de formas que quizás no hayas adivinado. Con solo dedicar unas horas a la semana durante las próximas semanas, esto es lo que obtendrá. 1) Nuevas habilidades para agregar a su currículum, como regresión, clasificación, agrupamiento, aprendizaje de sci-kit y SciPy 2) Nuevos proyectos que puede agregar a su cartera, incluida la detección de cáncer, la predicción de tendencias económicas, la predicción de la rotación de clientes, los motores de recomendación y muchos más. 3) Y un certificado en aprendizaje automático para demostrar su competencia y compartirlo en cualquier lugar que desee en línea o fuera de línea, como perfiles de LinkedIn y redes sociales. Si elige tomar este curso y obtener el certificado del curso de Coursera, también obtendrá una insignia digital de IBM al completar con éxito el curso.
