I det här kapitlet definierar vi maskininlärning och dess koppling till datavetenskap och artificiell intelligens. Sedan reder vi ut viktig terminologi inom maskininlärning och avslutar med det arbetsflöde som används för att bygga modeller.

Vad är maskininlärning?

Generera filmrekommendationer

AI, datavetenskap och maskininlärning kliver in på en bar...

Vad stämmer om maskininlärning?

Maskininlärningens grundbegrepp

Maskininlärningens terminologi

Övervakad vs. oövervakad inlärning

Maskininlärningens arbetsflöde

Steg för att bygga en modell

Ett korrekt steg

Nu när du känner till grunderna i maskininlärning är det dags att gå lite djupare. I slutet av det här kapitlet känner du till de olika typerna av maskininlärning samt hur du utvärderar och förbättrar dina modeller.

Övervakat lärande

Uppvärmning

Uppgifter

Klassificering

Regression

Regression eller klassificering

Oövervakad inlärning

Övervakat

Oövervakat

Utan övervakning

Utforska kluster

Utvärdera prestanda

Påståenden

Sant

Falskt

Sant eller falskt?

Förvirringsmatrisen

Förbättra prestanda

Alternativ

Hyperparameterjustering

Dimensionalitetsreduktion

Ensemblemetoder

En lång väg till toppen

Utforska hyperparameterjustering

Maskininlärningsmodeller

I det här kapitlet går vi igenom djupinlärning med start i neurala nätverk. Sedan tittar vi närmare på två vanliga användningsområden: datorseende och bearbetning av naturligt språk. Kursen avslutas med en diskussion om maskininlärningens begränsningar och risker.

Djupinlärning

Vad är djupinlärning?

Ska jag använda djupinlärning?

Datorseende

Bilddata

Processen

Naturlig språkbehandling

Sentimentanalys

Klassificera maskininlärningsuppgifter

Bag of words

Maskininlärningens begränsningar

Black box eller inte black box?

Identifiera bias i förutsägelser om lånebetalning

Grattis!

Course Glossary: Understanding Machine Learning

Vad ligger bakom allt prat om maskininlärning? I den här icke-tekniska kursen får du svar på de frågor du kanske inte vågat ställa. Ingen kodning krävs. Praktiska övningar hjälper dig att ta dig förbi fackspråket och förstå hur den här tekniken driver allt från självkörande bilar till personliga produktrekommendationer på Amazon.

Hur fungerar maskininlärning, när kan du använda det, och vad är skillnaden mellan AI och maskininlärning? Allt det här tas upp. Bygg upp din kompetens inom ett av de mest efterfrågade och inflytelserika områdena inom teknologi – och se varför maskininlärning är till för alla!

Videorna innehåller direkttextning som du når genom att klicka på "Visa transkript" längst ned till vänster i videospelaren.

Kursens ordlista finns till höger i resurssektionen.

För att få CPE-poäng behöver du slutföra kursen och nå minst 70 % på den kvalificerade bedömningen. Du navigerar till bedömningen via CPE-länken till höger.

<h2>Få en introduktion till maskininlärningskoncept</h2> 
Vad ligger bakom hajpen kring maskininlärning? I denna icke-tekniska kurs lär du dig allt du har varit för rädd för att fråga om maskininlärning. Ingen kodning krävs.
<br><br>
Du kommer att utforska grundläggande men viktiga koncept för att komma igång med din resa inom maskininlärning, med hjälp av praktiska övningar för att befästa dina kunskaper. Detta inkluderar att utveckla en förståelse bortom jargongen och lära sig hur denna spännande teknik driver allt från självkörande bilar till dina personliga shoppingförslag på Amazon. 
<br><br>
<h2>Utforska grunderna i maskininlärning</h2> 
Hur fungerar maskininlärning, när kan du använda det, och vad är skillnaden mellan AI och maskininlärning? Den här kursen täcker alla dessa ämnen.
<br><br>
Du börjar med att reda ut vad maskininlärning är, utforska dess grundläggande definition och dess relation till datavetenskap och artificiell intelligens. Sedan kommer du att bekanta dig med dess vokabulär och avsluta med arbetsflödet för maskininlärning för att bygga modeller.
<br><br>
Vi avslutar kursen med att gå djupare in i deep learning. Du kommer att utforska två vanliga användningsområden för deep learning: datorseende och naturlig språkbehandling (NLP), samt förstå begränsningarna och riskerna med maskininlärning.

Denna tvåtimmarskurs lär ut grunderna i maskininlärning, inklusive termer, modeller och djupinlärning.

Introduktion till maskininlärning

En introduktion till machine learning utan kodning.

AI-grunder

Förstå datateman

Ändra det minsta antalet observationer som krävs för en förgrening när du tränar ett beslutsträd.

Skriv ett skript som testar 3 olika värden för tre olika hyperparametrar i din SVM, och behåll den konfiguration som ger bäst resultat.

I en datamängd med löppass för att bedöma ett löpbands hållbarhet – med varaktighet, hastighet och lutning – ta bort kolumnen "calories_burned".

Kör en analys för att identifiera de fyra viktigaste särdragen som ger bäst förutsägelser, och ta bort de övriga.

Använd den vanligaste förutsägelsen från en SVM, ett K-Means och ett beslutsträd för att tilldela en observation en kategori.

Använd den genomsnittliga förutsägelsen från en linjär regression, ett K-Means och ett beslutsträd för att tilldela en observation en kategori.

En lång väg till toppen

Introduktion till maskininlärning

Interaktiv övning med praktiskt arbete