After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Mô tả khóa học
Các mô hình Machine Learning dựa trên cây có thể phô bày những mối quan hệ phi tuyến phức tạp trong dữ liệu và thường thống trị các cuộc thi Machine Learning. Trong khóa học này, bạn sẽ dùng gói tidymodels để khám phá và xây dựng nhiều mô hình dựa trên cây — từ cây quyết định đơn giản đến rừng ngẫu nhiên phức tạp. Bạn cũng sẽ học cách dùng boosted trees, một kỹ thuật Machine Learning mạnh mẽ sử dụng học tập tổ hợp để xây dựng các mô hình dự đoán hiệu quả cao. Xuyên suốt khóa học, bạn sẽ làm việc với dữ liệu y tế và rủi ro tín dụng để dự đoán tỷ lệ mắc tiểu đường và khả năng khách hàng rời bỏ.
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Cây phân loại
Sẵn sàng xây dựng một pipeline Machine Learning thực thụ? Hoàn thành các bài tập từng bước để học cách tạo cây quyết định, tách dữ liệu và dự đoán bệnh nhân nào có khả năng mắc tiểu đường cao nhất. Cuối cùng nhưng không kém phần quan trọng, bạn sẽ xây dựng các thước đo hiệu năng để đánh giá mô hình và kiểm định dự đoán của mình.
- Chào mừng bạn đến với khóa học!50 XP
- Vì sao dùng phương pháp dựa trên cây?100 XP
- Xác định cây đó100 XP
- Huấn luyện mô hình đó100 XP
- Cách phát triển cây của bạn50 XP
- Chia train/test100 XP
- Tránh mất cân bằng lớp100 XP
- Từ số 0 đến người hùng100 XP
- Dự đoán và đánh giá50 XP
- Tạo dự đoán100 XP
- Giải mã ma trận100 XP
- Bạn dự đoán có chính xác không?100 XP
2
Cây hồi quy và Cross-Validation
Sẵn sàng cho chút ngọt ngào? Sử dụng bộ dữ liệu đánh giá sô-cô-la để xây dựng cây hồi quy và đánh giá hiệu năng của chúng bằng các thước đo lỗi phù hợp. Bạn sẽ vượt qua sự bất ổn thống kê của việc chỉ chia train/test một lần bằng cách áp dụng các kỹ thuật “ngọt” như cross-validation, rồi đào sâu hơn nữa với việc làm chủ trade-off giữa độ chệch và phương sai.
3
Siêu tham số và Mô hình Tổ hợp
Đến lúc nghiêm túc tinh chỉnh siêu tham số và diễn giải đường cong ROC (receiver operating characteristic). Trong chương này, bạn sẽ tận dụng “trí tuệ đám đông” với các mô hình tổ hợp như bagging hoặc random forests và xây dựng các tổ hợp dự báo khách hàng thẻ tín dụng nào có khả năng rời bỏ cao nhất.
4
Boosted Trees
Sẵn sàng bước vào “giới thượng lưu” của các mô hình dựa trên cây? Áp dụng gradient boosting để tạo ra các tổ hợp mạnh mẽ có hiệu năng vượt trội so với mọi thứ bạn đã thấy hoặc từng xây dựng. Tìm hiểu cách tinh chỉnh chúng và so sánh các mô hình để chọn ra ứng viên tốt nhất đưa vào sản xuất.
R
Machine Learning với Mô hình Dựa trên Cây trong R
Hoàn
thành khóa học
