大学ネットワーク

Pythonでの応用機械学習

説明

このコースでは、学習者に応用機械学習を紹介し、これらの方法の背後にある統計よりも手法と方法に重点を置きます。 このコースでは、機械学習が記述統計とどのように異なるかを説明し、scikit学習ツールキットをチュートリアルで紹介します。 データの次元の問題について説明し、データをクラスタリングするタスクとそれらのクラスタを評価するタスクに取り組みます。 予測モデルを作成するための教師ありアプローチについて説明し、学習者はデータの一般化可能性に関連するプロセスの問題(クロス検証、オーバーフィッティングなど)を理解しながら、scikit学習予測モデリング手法を適用できます。 このコースの最後には、アンサンブルの構築などのより高度な手法と、予測モデルの実際的な制限について見ていきます。 このコースの終わりまでに、生徒は教師あり(分類)手法と教師なし(クラスタリング)手法の違いを特定し、特定のデータセットとニーズに適用する必要がある手法を特定し、そのニーズを満たすために機能を設計し、分析を実行するPythonコードを記述します。

このコースは、Pythonでのデータサイエンスの概要と、Pythonでの応用プロット、グラフ作成、データ表現の後で、Pythonでの応用テキストマイニングとPythonでの応用社会分析の前に受講する必要があります。

価格:無料で登録!

言語: 英語

字幕: 英語、韓国語

Pythonでの応用機械学習 - ミシガン大学