รายละเอียด
ถ้าคุณต้องการที่จะบุกเข้าไปในวิทยาศาสตร์ข้อมูลการแข่งขันแล้วหลักสูตรนี้เหมาะสำหรับคุณ! การมีส่วนร่วมในการแข่งขันการสร้างแบบจำลองการคาดการณ์สามารถช่วยให้คุณได้รับประสบการณ์จริงปรับปรุงและควบคุมทักษะการสร้างแบบจำลองข้อมูลของคุณในโดเมนต่าง ๆ เช่นเครดิตประกันภัยการตลาดการประมวลผลภาษาธรรมชาติการพยากรณ์การขายและการมองเห็นคอมพิวเตอร์ ในเวลาเดียวกันคุณจะต้องทำมันในบริบทการแข่งขันกับผู้เข้าร่วมนับพันที่แต่ละคนพยายามสร้างอัลกอริทึมที่สามารถคาดเดาได้มากที่สุด การผลักดันซึ่งกันและกันให้ถึงขีด จำกัด อาจส่งผลให้เกิดประสิทธิภาพที่ดีขึ้นและข้อผิดพลาดในการทำนายที่น้อยลง ความสามารถในการบรรลุระดับสูงอย่างต่อเนื่องสามารถช่วยให้คุณเร่งงานในด้านวิทยาศาสตร์ข้อมูล
ในหลักสูตรนี้คุณจะได้เรียนรู้การวิเคราะห์และแก้ปัญหาการสร้างแบบจำลองการทำนายการแข่งขัน
เมื่อคุณเรียนจบหลักสูตรนี้คุณจะ:
- ทำความเข้าใจวิธีแก้ปัญหาการแข่งขันแบบจำลองเชิงทำนายอย่างมีประสิทธิภาพและเรียนรู้ว่าทักษะใดที่ได้รับสามารถใช้ได้กับงานในโลกแห่งความเป็นจริง
- เรียนรู้วิธีประมวลผลข้อมูลล่วงหน้าและสร้างคุณสมบัติใหม่จากแหล่งต่างๆเช่นข้อความและรูปภาพ
- ได้รับการสอนเทคนิควิศวกรรมคุณลักษณะขั้นสูงเช่นการสร้างการเข้ารหัสค่าเฉลี่ยโดยใช้การวัดทางสถิติแบบรวมหรือการค้นหาเพื่อนบ้านที่ใกล้ที่สุดเพื่อปรับปรุงการคาดการณ์ของคุณ
- สามารถสร้างวิธีการตรวจสอบความถูกต้องข้ามที่เชื่อถือได้ซึ่งช่วยให้คุณสามารถเปรียบเทียบโซลูชันของคุณและหลีกเลี่ยงการติดตั้งมากเกินไปหรือน้อยเกินไปเมื่อทดสอบกับข้อมูลที่ไม่ได้สังเกต
- รับประสบการณ์ในการวิเคราะห์และตีความข้อมูล คุณจะตระหนักถึงความไม่สอดคล้องกันระดับเสียงรบกวนสูงข้อผิดพลาดและปัญหาอื่น ๆ ที่เกี่ยวข้องกับข้อมูลเช่นการรั่วไหลและคุณจะได้เรียนรู้วิธีเอาชนะปัญหาเหล่านี้
- รับความรู้เกี่ยวกับอัลกอริทึมที่แตกต่างกันและเรียนรู้วิธีปรับแต่งไฮเปอร์พารามิเตอร์อย่างมีประสิทธิภาพและบรรลุประสิทธิภาพสูงสุด
- ฝึกฝนศิลปะการผสมผสานโมเดลแมชชีนเลิร์นนิงที่แตกต่างกันและเรียนรู้วิธีการรวมกลุ่ม
- สัมผัสกับโซลูชันและรหัสที่ผ่านมา (ชนะ) และเรียนรู้วิธีการอ่าน
คำเตือน: นี่ไม่ใช่หลักสูตรการเรียนรู้ของเครื่องโดยทั่วไป หลักสูตรนี้จะสอนวิธีการรับโซลูชั่นระดับสูงกับคู่แข่งนับพันโดยมุ่งเน้นที่การใช้งานจริงของวิธีการเรียนรู้ของเครื่องมากกว่าการสนับสนุนเชิงทฤษฎี
ที่ต้องการ:
- Python: ทำงานร่วมกับ DataFrames ในแพนด้าพล็อตตัวเลขใน matplotlib นำเข้าและฝึกโมเดลจาก scikit-learn, XGBoost, LightGBM
- การเรียนรู้ของเครื่อง: ความเข้าใจพื้นฐานเกี่ยวกับแบบจำลองเชิงเส้น K-NN ป่าสุ่มการเพิ่มการไล่ระดับสีและเครือข่ายประสาท
คุณมีปัญหาทางเทคนิคหรือไม่? เขียนถึงเรา: coursera@hse.ru
ราคา: ลงทะเบียนฟรี!
ÀÒÉÒ: ภาษาอังกฤษ
คำบรรยาย: ภาษาอังกฤษ, เกาหลี
TUN ช่วยนักศึกษา!
ทุนการศึกษา
สังคม
ลิขสิทธิ์ 2024 – TUN, Inc