免费课程

介绍了机器学习课程

学校 人工智能

埃斯塔班会教你通过机器学习镜片调查数据的终端到终端的过程。在线学习,与Udacity。

nanodegree示例程序

  • AI产品经理
  • 介绍机器学习
  • 机器学习工程师
探索学校

这个课程

免费课程
介绍了机器学习课程
行业相关的内容
项目评审
导师
证明
就业服务/工作援助

相关nanodegree

nanodegree程序
编程简介
行业相关的内容
项目评审
导师
证明
就业服务/工作援助
学到更多

课程详情

课程详情 自由
时间线 约。 10周
技能等级 中间

计入产品

  • 丰富的学习内容
  • 由业内专业人士教
  • 学生支持社区
  • 互动问答
  • 自学

介绍了机器学习课程

机器学习是一个一流的票数据分析当今最令人兴奋的职业生涯。数据源激增为随着计算能力来处理他们,直行到的数据是最直接的方式来获得洞察力和迅速做出预测之一。

汇集了机器学习计算机科学和统计线束预测能力这一点。这是所有有抱负的数据分析师和数据科学家必须具备的技能,或其他任何人谁愿意搏斗所有的原始数据转化为精炼的趋势和预测。

这是一类将教你通过机器学习镜片调查数据的终端到终端的过程。它会教你如何提取有用的功能,并确定你的数据代表最好,几个最重要的机器学习算法,以及如何评价你的机器学习算法的性能。

另外这当然是一部分我们 数据分析 nanodegree。

当然线索

凯蒂·马龙
讲师
塞巴斯蒂安·史朗
讲师

教学大纲

第一课

欢迎到机器学习

  • 了解什么是机器学习和满足塞巴斯蒂安史朗!
  • 凡发现机器学习技术和科学应用。
教训2

朴素贝叶斯

  • 随着scikit使用朴素贝叶斯学习蟒蛇。
  • 拆分数据集培训和测试scikit集之间的了解。
  • 计算单分布的后验概率和先验概率。
第3课

支持向量机

  • 了解支持向量机背后的简单直觉。
  • 实现SVM分类中sklearn / scikit学习。
  • 确定如何选择适合您的SVM和RBF正确的内核和了解线性内核。
第4课

决策树

  • 在Python代码自己决策树。
  • 了解熵和信息增益,以及如何计算它们的公式。
  • 实现一个小型项目,您在使用Python中的决策树电子邮件的主体识别作者。
第五课

选择你自己的算法

  • 决定如何选择合适的机器学习算法在K-手段的AdaBoost和决策树。
第6课

数据集和问题

  • 机器学习通过寻找安然邮件数据集的模式运用的知识。
  • 你将调查美国历史上最大的诈骗案之一!
第7课

回归

  • 了解如何学习不断为监督学习分立不同。
  • 代码在Python和线性回归scikit学习。
  • 理解不同的指标的错误:如SSE,和r在线性回归的上下文中的平方。
第8课

离群

  • 除去异常值,提高你的线性回归预测的质量。
  • 在一个小型项目,您删除真实数据集的残差,并重新实现你的回归应用的学习。
  • 应用您在安然邮件语料库异常值和残差相同的理解。
第9课

集群

  • 确定无监督学习和监督学习之间的差异。
  • 实现K-均值在Python和scikit学会找集群的中心。
  • 应用在安然财务数据你的知识,找到真正的集簇。
第10课

缩放功能

  • 了解如何使用缩放功能,数据预处理,以提高你的算法。
  • 使用sklearn MX min的定标器。