Este curso forma parte de Programa especializado: ciencia de los datos a escala

4.1
estrellas
308 calificaciones

Bill Howe

34.984 ya inscrito

ofrecido por

Programa especializado: ciencia de los datos a escalaUniversidad de Washington

Acerca de este Curso

3637 vistas recientes

Statistical experiment design and analytics are at the heart of data science.  In this course you will design statistical experiments and analyze the results using modern methods.  You will also explore the common pitfalls in interpreting statistical arguments, especially those associated with big data.  Collectively, this course will help you internalize a core set of practical and effective machine learning methods and concepts, and apply them to solve some real world problems.
Learning Goals: After completing this course, you will be able to:
Design effective experiments and analyze the results
Use resampling methods to make clear and bulletproof statistical arguments without invoking esoteric notation
Explain and apply a core set of classification methods of increasing complexity (rules, trees, random forests), and associated optimization methods (gradient descent and variants)
Explain and apply a set of unsupervised learning concepts and methods
Describe the common idioms of large-scale graph analytics, including structural query, traversals and recursive queries, PageRank, and community detection

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.

Curso 2 de 4 en

Programa especializado: ciencia de los datos a escala

Aprox. 7 horas para completar

Inglés (English)

Subtítulos: Francés (French), Portugués (europeo), Coreano, Ruso (Russian), Inglés (English), Español (Spanish)

Habilidades que obtendrás

Random Forest
Predictive Analytics
Machine Learning
R Programming

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.

Curso 2 de 4 en

Programa especializado: ciencia de los datos a escala

Aprox. 7 horas para completar

Inglés (English)

Subtítulos: Francés (French), Portugués (europeo), Coreano, Ruso (Russian), Inglés (English), Español (Spanish)

Instructor

Bill Howe

Director of Research

Scalable Data Analytics

83.869 alumnos

4 cursos

ofrecido por

Universidad de Washington

Founded in 1861, the University of Washington is one of the oldest state-supported institutions of higher education on the West Coast and is one of the preeminent research universities in the world.

Programa - Qué aprenderás en este curso

Semana

Semana 1

2 horas para completar

Practical Statistical Inference

Learn the basics of statistical inference, comparing classical methods with resampling methods that allow you to use a simple program to make a rigorous statistical argument. Motivate your study with current topics at the foundations of science: publication bias and reproducibility.

2 horas para completar

28 videos (Total 121 minutos)

28 videos

Appetite Whetting: Bad Science5m

Hypothesis Testing5m

Significance Tests and P-Values3m

Example: Difference of Means4m

Deriving the Sampling Distribution6m

Shuffle Test for Significance4m

Comparing Classical and Resampling Methods3m

Bootstrap6m

Resampling Caveats6m

Outliers and Rank Transformation3m

Example: Chi-Squared Test3m

Bad Science Revisited: Publication Bias4m

Effect Size4m

Meta-analysis5m

Fraud and Benford's Law4m

Intuition for Benford's Law2m

Benford's Law Explained Visually3m

Multiple Hypothesis Testing: Bonferroni and Sidak Corrections3m

Multiple Hypothesis Testing: False Discovery Rate4m

Multiple Hypothesis Testing: Benjamini-Hochberg Procedure3m

Big Data and Spurious Correlations4m

Spurious Correlations: Stock Price Example3m

How is Big Data Different?3m

Bayesian vs. Frequentist4m

Motivation for Bayesian Approaches3m

Bayes' Theorem2m

Applying Bayes' Theorem4m

Naive Bayes: Spam Filtering4m

Semana

Semana 2

3 horas para completar

Supervised Learning

Follow a tour through the important methods, algorithms, and techniques in machine learning. You will learn how these methods build upon each other and can be combined into practical algorithms that perform well on a variety of tasks. Learn how to evaluate machine learning methods and the pitfalls to avoid.

3 horas para completar

26 videos (Total 111 minutos), 1 lectura, 1 cuestionario

26 videos

Statistics vs. Machine Learning4m

Simple Examples3m

Structure of a Machine Learning Problem5m

Classification with Simple Rules5m

Learning Rules4m

Rules: Sequential Covering3m

Rules Recap2m

From Rules to Trees2m

Entropy4m

Measuring Entropy4m

Using Information Gain to Build Trees6m

Building Trees: ID3 Algorithm2m

Building Trees: C.45 Algorithm4m

Rules and Trees Recap3m

Overfitting7m

Evaluation: Leave One Out Cross Validation5m

Evaluation: Accuracy and ROC Curves5m

Bootstrap Revisited4m

Ensembles, Bagging, Boosting4m

Boosting Walkthrough5m

Random Forests3m

Random Forests: Variable Importance5m

Summary: Trees and Forests2m

Nearest Neighbor4m

Nearest Neighbor: Similarity Functions4m

Nearest Neighbor: Curse of Dimensionality3m

1 lectura

R Assignment: Classification of Ocean Microbes10m

1 ejercicio de práctica

R Assignment: Classification of Ocean Microbes30m

Semana

Semana 3

1 hora para completar

Optimization

You will learn how to optimize a cost function using gradient descent, including popular variants that use randomization and parallelization to improve performance. You will gain an intuition for popular methods used in practice and see how similar they are fundamentally.

1 hora para completar

11 videos (Total 41 minutos)

Semana

Semana 4

1 hora para completar

Unsupervised Learning

A brief tour of selected unsupervised learning methods and an opportunity to apply techniques in practice on a real world problem.

1 hora para completar

4 videos (Total 21 minutos)

Reseñas

4.1

59 reseña

5 stars
48,22 %
4 stars
32,03 %
3 stars
10,03 %
2 stars
5,50 %
1 star
4,20 %

Principales reseñas sobre PRACTICAL PREDICTIVE ANALYTICS: MODELS AND METHODS

por TR16 de feb. de 2016

Its a great review course. Prior knowledge is necessary

por KP7 de feb. de 2016

I enjoy this course. The delivery and the course topics were very interesting. I learnt a lot and peer reviewing other people assignments is a great learning opportunity .

por KR10 de nov. de 2015

Very nice assignments and content. You learn a lot when you complete all assignments.

por AS23 de nov. de 2015

Excellent course with amazing practical exercises!

Ver todas las reseñas

Acerca de Programa especializado: ciencia de los datos a escala

Learn scalable data management, evaluate big data technologies, and design effective visualizations.

This Specialization covers intermediate topics in data science. You will gain hands-on experience with scalable SQL and NoSQL data management solutions, data mining algorithms, and practical statistical and machine learning concepts. You will also learn to visualize data and communicate results, and you’ll explore legal and ethical issues that arise in working with big data. In the final Capstone Project, developed in partnership with the digital internship platform Coursolve, you’ll apply your new skills to a real-world data science project.

Preguntas Frecuentes

¿Cuándo podré acceder a las lecciones y tareas?
El acceso a las clases y las asignaciones depende del tipo de inscripción que tengas. Si tomas un curso en modo de oyente, verás la mayoría de los materiales del curso en forma gratuita. Para acceder a asignaciones calificadas y obtener un certificado, deberás comprar la experiencia de Certificado, ya sea durante o después de participar como oyente. Si no ves la opción de oyente:
es posible que el curso no ofrezca la opción de participar como oyente. En cambio, puedes intentar con una Prueba gratis o postularte para recibir ayuda económica.
Es posible que el curso ofrezca la opción 'Curso completo, sin certificado'. Esta opción te permite ver todos los materiales del curso, enviar las evaluaciones requeridas y obtener una calificación final. También significa que no podrás comprar una experiencia de Certificado.
¿Qué recibiré si me suscribo a este Programa especializado?
Cuando te inscribes en un curso, obtienes acceso a todos los cursos que forman parte del Programa especializado y te darán un Certificado cuando completes el trabajo. Se añadirá tu Certificado electrónico a la página Logros. Desde allí, puedes imprimir tu Certificado o añadirlo a tu perfil de LinkedIn. Si solo quieres leer y visualizar el contenido del curso, puedes auditar el curso sin costo.
¿Hay ayuda económica disponible?
Sí. En ciertos programas de aprendizaje, puedes postularte para recibir ayuda económica o una beca en caso de no poder costear los gastos de la tarifa de inscripción. Si hay ayuda económica o becas disponibles para tu selección de programa de aprendizaje, verás un enlace para postularte en la página de descripción.

¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.

Practical Predictive Analytics: Models and Methods

Acerca de este Curso

Habilidades que obtendrás