|
所在平台: Coursera |
课程主页: https://www.coursera.org/learn/machine-learning-with-python-ru
课程评论：没有评论
课程名称：使用 Python 的机器学习 概述：本课程专注于使用广泛应用的编程语言 Python 学习机器学习的基础知识。课程包含两个主要部分。首先，您将了解机器学习的目标和任务，以及如何应用这一技术解决实际问题。其次，您将全面了解自由学习与监督学习的区别、模型评估以及机器学习算法。 在本课程中，您将探索机器学习技术的实际应用，并意识到这些技术对周围世界的影响超出您想象的程度！为此，您需要每周投入几个小时的时间进行学习，持续几周。 主要内容： 1) 新技能提升简历：包括回归、系统化、聚类、Scikit-learn 和 SciPy。 2) 为您的作品集增加新项目，包括癌症诊断、经济趋势预测、客户流失预测、推荐系统等领域的项目。 3) 课程完成证书「机器学习」，证实您的专业资格，可以线下和线上展示，例如在 LinkedIn 等社交网络个人资料中添加。 完成课程并获得 Coursera 证书后，您还将获得 IBM 的数字徽章。 课程大纲： 1. **机器学习概论**：了解机器学习在医疗、金融、电信等领域的应用，区分自由学习与监督学习，学习 Python 库在实现机器学习模型中的优势。 2. **回归**：掌握简单和多重回归、线性和非线性回归的概念，并进行实践，包括在实验中评估回归模型的准确性。 3. **分类**：学习分类方法，掌握 k 最近邻、决策树、逻辑回归和支持向量机等分类算法的应用及其优缺点。 4. **聚类**：了解不同的聚类方法，应用聚类技术进行客户细分、相似交通工具分组和天气站聚类。 5. **推荐系统**：学习推荐系统的概念，了解基于内容的推荐和协同过滤的两种主要推荐系统类型。 6. **最终项目**：基于所学材料完成一个项目，项目完成后将提交报告供课程同学评审。 通过这一课程，您将能够掌握机器学习的基础知识，并在多个实际应用领域中加以运用。
Part: 1
Title:Введение в машинное обучение
Description: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.
Part: 2
Title:Регрессия
Description: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.
Part: 3
Title:Классификация
Description: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.
Part: 4
Title:Кластеризация
Description: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.
Part: 5
Title:Рекомендательные системы
Description: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.
Part: 6
Title:Заключительный проект
Description:При изучении этого модуля вы выполните проект на основе изученного ранее материала. По завершению проекта вы отправите отчет на рассмотрение коллегам по курсу.
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.
