이 강좌에 대하여

최근 조회 494,462
유연한 마감일
일정에 따라 마감일을 재설정합니다.
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
중급 단계

A working knowledge of Python and Data Analysis and Visualization techniques. A minimum of high school math.  

완료하는 데 약 13시간 필요
영어

배울 내용

  • Describe the various types of Machine Learning algorithms and when to use them 

  • Compare and contrast linear classification methods including multiclass prediction, support vector machines, and logistic regression 

  • Write Python code that implements various classification techniques including K-Nearest neighbors (KNN), decision trees, and regression trees 

  • Evaluate the results from simple linear, non-linear, and multiple regression on a data set using evaluation metrics 

귀하가 습득할 기술

  • SciPy and scikit-learn
  • Machine Learning
  • regression
  • classification
  • Hierarchical Clustering
유연한 마감일
일정에 따라 마감일을 재설정합니다.
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
중급 단계

A working knowledge of Python and Data Analysis and Visualization techniques. A minimum of high school math.  

완료하는 데 약 13시간 필요
영어

제공자:

Placeholder

IBM 기술 네트워크

학사 학위 취득 시작

이 강좌은(는) IBM 기술 네트워크의 100% 온라인 Bachelor of Science in Computer Science 중 일부입니다. 전체 프로그램을 수료하면 귀하의 강좌가 학위 취득에 반영됩니다.

강의 계획표 - 이 강좌에서 배울 내용

콘텐츠 평가Thumbs Up94%(23,105개의 평가)
1
1
완료하는 데 1시간 필요

Introduction to Machine Learning

완료하는 데 1시간 필요
5개 동영상 (총 29분)
2
2
완료하는 데 2시간 필요

Regression

완료하는 데 2시간 필요
5개 동영상 (총 43분)
3
3
완료하는 데 4시간 필요

Classification

완료하는 데 4시간 필요
5개 동영상 (총 35분), 1 개의 읽기 자료, 7 개의 테스트
4
4
완료하는 데 3시간 필요

Linear Classification

완료하는 데 3시간 필요
4개 동영상 (총 46분), 1 개의 읽기 자료, 5 개의 테스트

검토

PYTHON을 통한 머신 러닝의 최상위 리뷰

모든 리뷰 보기

자주 묻는 질문

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.