Name: Học có giám sát với scikit-learn
Rating: 4.800208357448779 (8639 reviews)

Mô tả khóa học

Nâng cao kỹ năng Machine Learning của bạn với scikit-learn và khám phá cách dùng thư viện Python phổ biến này để huấn luyện mô hình bằng dữ liệu gán nhãn. Trong khóa học này, bạn sẽ học cách tạo ra những dự đoán mạnh mẽ, như khách hàng có rời bỏ doanh nghiệp của bạn hay không, một cá nhân có mắc tiểu đường hay không, và thậm chí phân loại thể loại của một bài hát. Với các bộ dữ liệu thực tế, bạn sẽ biết cách xây dựng mô hình dự đoán, tinh chỉnh tham số, và đánh giá khả năng mô hình hoạt động với dữ liệu chưa từng thấy. Video có bản chép lời trực tiếp; bạn có thể hiển thị bằng cách nhấp vào "Show transcript" ở góc dưới bên trái của video. Thuật ngữ của khóa học nằm ở phần tài nguyên bên phải. Để nhận tín chỉ CPE, bạn cần hoàn thành khóa học và đạt tối thiểu 70% ở bài đánh giá đủ điều kiện. Bạn có thể truy cập bài đánh giá bằng cách nhấp vào phần giới thiệu tín chỉ CPE ở bên phải.

Yêu cầu tiên quyết

Introduction to Statistics in Python

Chương trình học

Đề cương khóa học

Phân loại (Classification)

Trong chương này, bạn sẽ được giới thiệu về bài toán phân loại và cách giải quyết bằng các kỹ thuật học có giám sát. Bạn sẽ học cách chia dữ liệu thành tập huấn luyện và kiểm tra, fit mô hình, dự đoán và đánh giá độ chính xác. Bạn sẽ khám phá mối quan hệ giữa độ phức tạp mô hình và hiệu năng, rồi áp dụng vào bộ dữ liệu churn để phân loại trạng thái rời bỏ của khách hàng một công ty viễn thông.

Bắt đầu chương

Hồi quy (Regression)

Trong chương này, bạn sẽ được giới thiệu về hồi quy và xây dựng mô hình để dự đoán doanh số bằng một bộ dữ liệu về chi tiêu quảng cáo. Bạn sẽ học cơ chế của hồi quy tuyến tính và các thước đo hiệu năng phổ biến như R-squared và sai số bình phương trung bình căn (RMSE). Bạn sẽ thực hiện k-fold cross-validation và áp dụng regularization cho mô hình hồi quy để giảm rủi ro overfitting.

Bắt đầu chương

Tinh chỉnh mô hình

Sau khi đã huấn luyện mô hình, giờ bạn sẽ học cách đánh giá chúng. Trong chương này, bạn sẽ được giới thiệu một số chỉ số cùng kỹ thuật trực quan hóa để phân tích hiệu năng mô hình phân loại bằng scikit-learn. Bạn cũng sẽ học cách tối ưu mô hình phân loại và hồi quy thông qua tinh chỉnh siêu tham số (hyperparameter tuning).

Bắt đầu chương

Tiền xử lý và Pipeline

Học cách bù khuyết dữ liệu thiếu, chuyển dữ liệu phân loại thành giá trị số, chuẩn hóa dữ liệu, đánh giá đồng thời nhiều mô hình học có giám sát, và xây dựng pipeline để tinh gọn quy trình làm việc của bạn!