Deskripsi

Kursus ini adalah semua tentang data dan bagaimana hal ini penting untuk keberhasilan model pembelajaran mesin yang Anda terapkan. Dengan menyelesaikan kursus ini, peserta akan diberi keterampilan untuk:
Memahami elemen penting data dalam fase pembelajaran, pelatihan, dan operasi
Memahami bias dan sumber data
Terapkan teknik untuk meningkatkan generalitas model Anda
Jelaskan konsekuensi dari overfitting dan identifikasi langkah-langkah mitigasi
Terapkan tes dan validasi yang sesuai.
Tunjukkan bagaimana keakuratan model Anda dapat ditingkatkan dengan rekayasa fitur yang bijaksana.
Jelajahi dampak parameter algoritma pada kekuatan model

Agar berhasil dalam kursus ini, Anda harus memiliki setidaknya latar belakang tingkat pemula dalam pemrograman Python (misalnya, dapat membaca dan melacak kode kode yang ada, merasa nyaman dengan persyaratan, loop, variabel, daftar, kamus dan array). Anda harus memiliki pemahaman dasar tentang aljabar linier (notasi vektor) dan statistik (distribusi probabilitas dan mean / median / mode).

Ini adalah kursus ketiga Spesialisasi Pembelajaran Mesin Terapan yang dibawakan kepada Anda oleh Coursera dan Alberta Machine Intelligence Institute.

Harga: Daftar Gratis!

Data untuk Pembelajaran Mesin - Institut Kecerdasan Mesin Alberta