รายละเอียด

กรณีศึกษา: การวิเคราะห์ความเชื่อมั่นและการคาดคะเนสินเชื่อเริ่มต้น

ในกรณีศึกษาของเราเกี่ยวกับการวิเคราะห์ความรู้สึกคุณจะสร้างแบบจำลองที่ทำนายชั้นเรียน (ความคิดเห็นเชิงบวก / เชิงลบ) จากคุณลักษณะการป้อนข้อมูล (ข้อความของบทวิจารณ์ข้อมูลโปรไฟล์ผู้ใช้ ... ) ในกรณีศึกษาที่สองของเราสำหรับหลักสูตรนี้การทำนายการผิดนัดชำระหนี้คุณจะจัดการกับข้อมูลทางการเงินและคาดการณ์ว่าเมื่อใดที่เงินกู้มีแนวโน้มที่จะมีความเสี่ยงหรือปลอดภัยสำหรับธนาคาร งานเหล่านี้เป็นตัวอย่างของการจัดหมวดหมู่ซึ่งเป็นหนึ่งในพื้นที่ที่ใช้กันอย่างแพร่หลายในการเรียนรู้ของเครื่องโดยมีแอปพลิเคชันมากมายรวมถึงการกำหนดเป้าหมายโฆษณาการตรวจจับสแปมการวินิจฉัยทางการแพทย์และการจัดประเภทรูปภาพ

ในหลักสูตรนี้คุณจะต้องสร้างตัวแยกประเภทที่ให้ประสิทธิภาพที่ล้ำสมัยสำหรับงานต่างๆ คุณจะคุ้นเคยกับเทคนิคที่ประสบความสำเร็จมากที่สุดซึ่งใช้กันอย่างแพร่หลายในทางปฏิบัติ ได้แก่ การถดถอยโลจิสติกต้นไม้การตัดสินใจและการส่งเสริม นอกจากนี้คุณจะสามารถออกแบบและใช้อัลกอริทึมพื้นฐานที่สามารถเรียนรู้โมเดลเหล่านี้ในระดับขนาดโดยใช้การไล่ระดับสีแบบสุ่ม คุณจะนำเทคนิคเหล่านี้ไปใช้กับงานแมชชีนเลิร์นนิงขนาดใหญ่ในโลกแห่งความจริง นอกจากนี้คุณยังจะจัดการกับงานสำคัญที่คุณจะต้องเผชิญในการใช้งาน ML ในโลกแห่งความเป็นจริงรวมถึงการจัดการข้อมูลที่ขาดหายไปและการวัดความแม่นยำและการเรียกคืนเพื่อประเมินตัวจำแนก หลักสูตรนี้เป็นหลักสูตรภาคปฏิบัติเต็มไปด้วยการแสดงภาพและภาพประกอบว่าเทคนิคเหล่านี้จะทำงานอย่างไรกับข้อมูลจริง นอกจากนี้เรายังรวมเนื้อหาเสริมในทุกโมดูลซึ่งครอบคลุมหัวข้อขั้นสูงสำหรับผู้ที่ต้องการเจาะลึกยิ่งขึ้น!

วัตถุประสงค์การเรียนรู้: ในตอนท้ายของหลักสูตรนี้คุณจะสามารถ:
- อธิบายอินพุตและเอาต์พุตของโมเดลการจัดหมวดหมู่
- จัดการปัญหาการจำแนกทั้งแบบไบนารีและมัลติคลาส
- ใช้โมเดลการถดถอยโลจิสติกส์สำหรับการจำแนกขนาดใหญ่
- สร้างโมเดลที่ไม่ใช่เชิงเส้นโดยใช้ต้นไม้การตัดสินใจ
- ปรับปรุงประสิทธิภาพของรุ่นใด ๆ โดยใช้การเพิ่มประสิทธิภาพ
- ชั่งวิธีการของคุณด้วยการไล่ระดับสีแบบสุ่ม
- อธิบายขอบเขตการตัดสินใจพื้นฐาน
- สร้างรูปแบบการจัดหมวดหมู่เพื่อทำนายความเชื่อมั่นในชุดข้อมูลการตรวจสอบผลิตภัณฑ์
- วิเคราะห์ข้อมูลทางการเงินเพื่อทำนายค่าเริ่มต้นของสินเชื่อ
เทคนิคการใช้งานสำหรับการจัดการข้อมูลที่ขาดหายไป
- ประเมินโมเดลของคุณโดยใช้เมตริกการเรียกคืนที่แม่นยำ
- ใช้เทคนิคเหล่านี้ใน Python (หรือในภาษาที่คุณเลือกแม้ว่า Python จะแนะนำเป็นอย่างยิ่ง)

ราคา: ลงทะเบียนฟรี!

การเรียนรู้ของเครื่อง: การจำแนกประเภท - มหาวิทยาลัยวอชิงตัน