In this course, you’ll be learning various supervised ML algorithms and prediction tasks applied to different data. You’ll learn when to use which model and why, and how to improve the model performances. We will cover models such as linear and logistic regression, KNN, Decision trees and ensembling methods such as Random Forest and Boosting, kernel methods such as SVM.
이 강좌는 Machine Learning: Theory and Hands-on Practice with Python 특화 과정의 일부입니다.
5,976명이 이미 등록했습니다.
이 강좌에 대하여
최근 조회 28,442회
유연한 마감일
일정에 따라 마감일을 재설정합니다.
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
Coursera 연구실
실습 프로젝트가 포함되어 있습니다.
Coursera 연구실에 대해 자세히 알아보세요. 다음 특화 과정의 3개 강좌 중 1번째 강좌:
중급 단계
Calculus, Linear algebra, Python
완료하는 데 약 40시간 필요
영어
배울 내용
Use modern machine learning tools and python libraries.
Compare logistic regression’s strengths and weaknesses.
Explain how to deal with linearly-inseparable data.
Explain what decision tree is & how it splits nodes.
귀하가 습득할 기술
- Hyperparameter
- Decision Tree
- ensembling
- sklearn
유연한 마감일
일정에 따라 마감일을 재설정합니다.
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
Coursera 연구실
실습 프로젝트가 포함되어 있습니다.
Coursera 연구실에 대해 자세히 알아보세요. 다음 특화 과정의 3개 강좌 중 1번째 강좌:
중급 단계
Calculus, Linear algebra, Python
완료하는 데 약 40시간 필요
영어
제공자:
석사 학위 취득 시작
이 강좌은(는) 콜로라도 대학교 볼더 캠퍼스의 100% 온라인 Master of Science in Data Science 중 일부입니다.
전체 프로그램을 수료하면 귀하의 강좌가 학위 취득에 반영됩니다.
강의 계획표 - 이 강좌에서 배울 내용
완료하는 데 7시간 필요
Introduction to Machine Learning, Linear Regression
완료하는 데 7시간 필요
5개 동영상 (총 67분), 11 개의 읽기 자료, 6 개의 테스트
완료하는 데 6시간 필요
Multilinear Regression
완료하는 데 6시간 필요
4개 동영상 (총 44분), 5 개의 읽기 자료, 3 개의 테스트
완료하는 데 7시간 필요
Logistic Regression
완료하는 데 7시간 필요
4개 동영상 (총 63분), 6 개의 읽기 자료, 3 개의 테스트
완료하는 데 7시간 필요
Non-parametric Models
완료하는 데 7시간 필요
5개 동영상 (총 66분), 6 개의 읽기 자료, 3 개의 테스트
Machine Learning: Theory and Hands-on Practice with Python 특화 과정 정보

자주 묻는 질문
강의 및 과제를 언제 이용할 수 있게 되나요?
이 전문 분야를 구독하면 무엇을 이용할 수 있나요?
재정 지원을 받을 수 있나요?
궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.