Descrizione

Questo corso è incentrato sui dati e su come è fondamentale per il successo del modello di apprendimento automatico applicato. Il completamento di questo corso darà agli studenti le competenze per:
Comprendere gli elementi critici dei dati nelle fasi di apprendimento, formazione e funzionamento
Comprendere i pregiudizi e le fonti di dati
Implementa tecniche per migliorare la generalità del tuo modello
Spiegare le conseguenze dell'eccessivo adattamento e identificare le misure di mitigazione
Implementare misure di test e validazione appropriate.
Dimostrare in che modo è possibile migliorare l'accuratezza del modello con una progettazione ingegnosa delle funzionalità.
Esplora l'impatto dei parametri dell'algoritmo sulla forza del modello

Per avere successo in questo corso, dovresti avere almeno un background di livello principiante nella programmazione di Python (ad esempio, essere in grado di leggere e tracciare il codice del codice esistente, avere dimestichezza con condizionali, loop, variabili, elenchi, dizionari e array). Dovresti avere una conoscenza di base dell'algebra lineare (notazione vettoriale) e delle statistiche (distribuzioni di probabilità e media / mediana / modalità).

Questo è il terzo corso della specializzazione di apprendimento automatico applicato offerto da Coursera e dall'Alberta Machine Intelligence Institute.

Prezzo: Iscriviti gratuitamente!

Dati per l'apprendimento automatico - Alberta Machine Intelligence Institute