Chevron Left
Machine Learning: Classification(으)로 돌아가기

워싱턴 대학교의 Machine Learning: Classification 학습자 리뷰 및 피드백

3,682개의 평가

강좌 소개

Case Studies: Analyzing Sentiment & Loan Default Prediction In our case study on analyzing sentiment, you will create models that predict a class (positive/negative sentiment) from input features (text of the reviews, user profile information,...). In our second case study for this course, loan default prediction, you will tackle financial data, and predict when a loan is likely to be risky or safe for the bank. These tasks are an examples of classification, one of the most widely used areas of machine learning, with a broad array of applications, including ad targeting, spam detection, medical diagnosis and image classification. In this course, you will create classifiers that provide state-of-the-art performance on a variety of tasks. You will become familiar with the most successful techniques, which are most widely used in practice, including logistic regression, decision trees and boosting. In addition, you will be able to design and implement the underlying algorithms that can learn these models at scale, using stochastic gradient ascent. You will implement these technique on real-world, large-scale machine learning tasks. You will also address significant tasks you will face in real-world applications of ML, including handling missing data and measuring precision and recall to evaluate a classifier. This course is hands-on, action-packed, and full of visualizations and illustrations of how these techniques will behave on real data. We've also included optional content in every module, covering advanced topics for those who want to go even deeper! Learning Objectives: By the end of this course, you will be able to: -Describe the input and output of a classification model. -Tackle both binary and multiclass classification problems. -Implement a logistic regression model for large-scale classification. -Create a non-linear model using decision trees. -Improve the performance of any model using boosting. -Scale your methods with stochastic gradient ascent. -Describe the underlying decision boundaries. -Build a classification model to predict sentiment in a product review dataset. -Analyze financial data to predict loan defaults. -Use techniques for handling missing data. -Evaluate your models using precision-recall metrics. -Implement these techniques in Python (or in the language of your choice, though Python is highly recommended)....

최상위 리뷰


2020년 6월 14일

A very deep and comprehensive course for learning some of the core fundamentals of Machine Learning. Can get a bit frustrating at times because of numerous assignments :P but a fun thing overall :)


2016년 10월 15일

Hats off to the team who put the course together! Prof Guestrin is a great teacher. The course gave me in-depth knowledge regarding classification and the math and intuition behind it. It was fun!

필터링 기준:

Machine Learning: Classification의 578개 리뷰 중 326~350

교육 기관: Itrat R

2017년 1월 22일

교육 기관: Roger S

2016년 9월 4일

교육 기관: Ankit S

2016년 6월 8일

교육 기관: N P

2020년 7월 20일

교육 기관: Mrs. G A D

2020년 5월 13일

교육 기관: Sandeep J

2016년 9월 4일

교육 기관: Kurt K

2016년 4월 16일

교육 기관: DEEPAK P

2020년 6월 6일

교육 기관: Aparna g

2020년 1월 30일

교육 기관: Germanno T

2019년 12월 4일

교육 기관: Miguel Á B P

2019년 5월 21일

교육 기관: parv j

2019년 3월 3일

교육 기관: Mayank C

2018년 4월 12일

교육 기관: Matt Y

2018년 3월 10일

교육 기관: Jonathan H

2017년 6월 16일

교육 기관: Le D L

2017년 5월 2일

교육 기관: Prabal T

2016년 10월 5일

교육 기관: André F d A F C

2016년 7월 25일

교육 기관: V S

2016년 4월 28일

교육 기관: Huynh L D

2016년 3월 10일

교육 기관: VijayaLakshmi A

2021년 8월 10일

교육 기관: Sukhvir S

2020년 7월 10일

교육 기관: Phan T B

2016년 4월 17일

교육 기관: Michelle B

2021년 7월 15일

교육 기관: PUNEET K G

2020년 8월 1일