In this course, you’ll be learning various supervised ML algorithms and prediction tasks applied to different data. You’ll learn when to use which model and why, and how to improve the model performances. We will cover models such as linear and logistic regression, KNN, Decision trees and ensembling methods such as Random Forest and Boosting, kernel methods such as SVM.
Este curso forma parte de Programa especializado: Machine Learning: Theory and Hands-on Practice with Python
5962 ya inscrito

Acerca de este Curso
27.900 vistas recientes
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Laboratorios de Coursera
Incluye proyectos de aprendizaje prácticos.
Obtén más información sobre los laboratorios de Coursera Nivel intermedio
Calculus, Linear algebra, Python
Aprox. 40 horas para completar
Inglés (English)
Qué aprenderás
Use modern machine learning tools and python libraries.
Compare logistic regression’s strengths and weaknesses.
Explain how to deal with linearly-inseparable data.
Explain what decision tree is & how it splits nodes.
Habilidades que obtendrás
- Hyperparameter
- Decision Tree
- ensembling
- sklearn
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Laboratorios de Coursera
Incluye proyectos de aprendizaje prácticos.
Obtén más información sobre los laboratorios de Coursera Nivel intermedio
Calculus, Linear algebra, Python
Aprox. 40 horas para completar
Inglés (English)
Ofrecido por
Comienza a trabajar para obtener tu maestría
Este curso es parte del Master of Science in Data Science completamente en línea de Universidad de Colorado en Boulder.
Si te aceptan en el programa completo, tus cursos cuentan para tu título de grado.
Programa - Qué aprenderás en este curso
7 horas para completar
Introduction to Machine Learning, Linear Regression
7 horas para completar
5 videos (Total 67 minutos), 11 lecturas, 6 cuestionarios
6 horas para completar
Multilinear Regression
6 horas para completar
4 videos (Total 44 minutos), 5 lecturas, 3 cuestionarios
7 horas para completar
Logistic Regression
7 horas para completar
4 videos (Total 63 minutos), 6 lecturas, 3 cuestionarios
7 horas para completar
Non-parametric Models
7 horas para completar
5 videos (Total 66 minutos), 6 lecturas, 3 cuestionarios
Reseñas
- 5 stars22,72 %
- 4 stars27,27 %
- 3 stars9,09 %
- 2 stars13,63 %
- 1 star27,27 %
Principales reseñas sobre INTRODUCTION TO MACHINE LEARNING: SUPERVISED LEARNING
por MH20 de may. de 2022
This was an excellent introductory course that allowed me to get into the world of Data Science and Machine Learning.
Acerca de Programa especializado: Machine Learning: Theory and Hands-on Practice with Python

Preguntas Frecuentes
¿Cuándo podré acceder a las lecciones y tareas?
¿Qué recibiré si me suscribo a este Programa especializado?
¿Hay ayuda económica disponible?
¿Tienes más preguntas? Visita el Centro de Ayuda al Estudiante.