Penerangan Produk

Kajian Kes: Menganalisis Sentimen & Ramalan Lalai Pinjaman

Dalam kajian kes kami untuk menganalisis sentimen, anda akan membuat model yang meramalkan kelas (sentimen positif / negatif) daripada ciri input (teks ulasan, maklumat profil pengguna, ...). Dalam kajian kes kedua kami untuk kursus ini, ramalan ingkar pinjaman, anda akan menangani data kewangan, dan meramalkan apabila pinjaman mungkin berisiko atau selamat untuk bank. Tugas-tugas ini adalah contoh klasifikasi, salah satu bidang pembelajaran mesin yang paling banyak digunakan, dengan pelbagai aplikasi, termasuk penargetan iklan, pengesanan spam, diagnosis medis dan klasifikasi imej.

Dalam kursus ini, anda akan membuat pengklasifikasian yang memberikan prestasi canggih pada pelbagai tugas. Anda akan terbiasa dengan teknik yang paling berjaya, yang paling banyak digunakan dalam amalan, termasuk regresi logistik, pokok keputusan dan peningkatan. Di samping itu, anda akan dapat merekabentuk dan melaksanakan algoritma asas yang dapat mempelajari model-model ini pada skala, menggunakan pendakian kecerunan stokastik. Anda akan melaksanakan teknik-teknik ini di dunia nyata, tugas pembelajaran mesin berskala besar. Anda juga akan menangani tugas penting yang akan anda hadapi dalam aplikasi dunia nyata ML, termasuk mengendalikan data yang hilang dan mengukur ketepatan dan mengingat untuk menilai pengelas. Kursus ini adalah secara langsung, penuh aksi, dan penuh visualisasi dan ilustrasi bagaimana teknik-teknik ini akan bertindak pada data sebenar. Kami juga memasukkan kandungan pilihan dalam setiap modul, meliputi topik lanjutan untuk mereka yang ingin pergi lebih mendalam!

Objektif Pembelajaran: Pada akhir kursus ini, anda akan dapat:
-Menyatakan input dan output model klasifikasi.
-Tangani masalah klasifikasi binari dan multiclass.
-Menerapkan model regresi logistik untuk klasifikasi berskala besar.
-Buat model non-linear menggunakan pokok keputusan.
-Meningkatkan prestasi mana-mana model menggunakan meningkatkan.
-Mencapai kaedah anda dengan pendakian kecerunan stokastik.
-Menyatakan sempadan keputusan yang mendasari.
-Buat model klasifikasi untuk meramalkan sentimen dalam dataset tinjauan produk.
-Analisis data kewangan untuk meramalkan mungkir pinjaman.
-Menggunakan teknik untuk mengendalikan data yang hilang.
-Menghitung model anda menggunakan metrik-semula metrik.
-Mengimplementasikan teknik ini dalam Python (atau dalam bahasa pilihan anda, walaupun Python sangat disyorkan).

Harga: Mendaftar Percuma!

Pembelajaran Mesin: Klasifikasi - Universiti Washington