- De www.coursera.org
Machine Learning: Regression
You can't access an archived course
- Individualizado
- Acesso livre
- Certificado pago
- 6 sequências
- Introductive Level
- Legendas em Arabic
Detalhes do curso
Programa de Estudos
- Week 1 - Welcome
Regression is one of the most important and broadly used machine learning and statistics tools out there. It allows you to make predictions from data by learning the relationship between features of your data and some observed, continuous-valued response. Re... - Week 1 - Simple Linear Regression
Our course starts from the most basic regression model: Just fitting a line to data. This simple model for forming predictions from a single, univariate feature of the data is appropriately called "simple linear regression".In this module, we describe the...
- Week 2 - Multiple Regression
The next step in moving beyond simple linear regression is to consider "multiple regression" where multiple features of the data are used to form predictions.More specifically, in this module, you will learn how to build models of more complex relationsh...
- Week 3 - Assessing Performance
Having learned about linear regression models and algorithms for estimating the parameters of such models, you are now ready to assess how well your considered method should perform in predicting new data. You are also ready to select amongst possible models ... - Week 4 - Ridge Regression
You have examined how the performance of a model varies with increasing model complexity, and can describe the potential pitfall of complex models becoming overfit to the training data. In this module, you will explore a very simple, but extremely effective ... - Week 5 - Feature Selection & Lasso
A fundamental machine learning task is to select amongst a set of features to include in a model. In this module, you will explore this idea in the context of multiple regression, and describe how such feature selection is important for both interpretability ... - Week 6 - Nearest Neighbors & Kernel Regression
Up to this point, we have focused on methods that fit parametric functions---like polynomials and hyperplanes---to the entire dataset. In this module, we instead turn our attention to a class of "nonparametric" methods. These methods allow the complexity of ... - Week 6 - Closing Remarks
In the conclusion of the course, we will recap what we have covered. This represents both techniques specific to regression, as well as foundational machine learning concepts that will appear throughout the specialization. We also briefly discuss some import...
Pré-requisito
Nenhum.
Instrutores
Emily Fox
Amazon Professor of Machine Learning
Statistics
Carlos Guestrin
Amazon Professor of Machine Learning
Computer Science and Engineering
Editor
A Universidade de Washington é uma universidade pública de investigação em Seattle, Washington. Fundada em 4 de novembro de 1861 como Universidade Territorial, Washington é uma das universidades mais antigas da Costa Oeste e foi estabelecida em Seattle cerca de uma década após a fundação da cidade.
A universidade tem um campus principal de 703 acres localizado no Distrito Universitário da cidade, bem como campus em Tacoma e Bothell. No total, a UW tem mais de 500 edifícios e mais de 20 milhões de pés quadrados brutos de espaço, incluindo um dos maiores sistemas de bibliotecas do mundo, com mais de 26 bibliotecas académicas, centros de arte, museus, laboratórios, salas de conferências e estádios.
Washington é a principal instituição das seis universidades públicas do Estado de Washington. É conhecida pela sua investigação médica, técnica e científica.
Plataforma
A Coursera é uma empresa digital que oferece um curso on-line massivo e aberto, fundado pelos professores de computação Andrew Ng e Daphne Koller Stanford University, localizado em Mountain View, Califórnia.
O Coursera trabalha com as melhores universidades e organizações para disponibilizar alguns dos seus cursos on-line e oferece cursos em várias disciplinas, incluindo: física, engenharia, humanidades, medicina, biologia, ciências sociais, matemática, negócios, ciência da computação, marketing digital, ciência de dados. e outros assuntos.Cours
Este conteúdo é classificado como 5 de 5
(nenhuma revisão)Este conteúdo é classificado como 5 de 5
(nenhuma revisão)Conclua este recurso para fazer uma avaliação