Ciencia de datos-Modelos de regresión y agrupación en clústeres-Revisado

Con este curso en línea, Data science and Machine Learning essentials building Machine Learning Models, aprenderá sobre tres tipos diferentes de regresión, clasificación y agrupación en clústeres de modelos. Aprenderá sobre cómo se pueden crear cada uno de estos modelos en Azure ML, R y Python.

El curso con la reintroducción de la regresión, donde aprenderá sobre qué es la regresión modelizado. Aprenderá acerca de los pasos que puede tomar para mejorar sus modelos. Aprenderá acerca de la validación cruzada y cómo le puede ayudar con sus datos. Aprenderá sobre el uso de los parámetros de barrido de módulos integrados de Azure MLs y la importancia de la característica Permutación.

En el segundo módulo, aprenderá sobre la modelización de clasificación, cómo el proceso es similar al mismo que el de regresión. Aprenderá que puede utilizar muchos de los mismos módulos incorporados de Azure ML en la clasificación que podría utilizar en modelización de regresión. Aprenderá acerca de las métricas para evaluar un rendimiento de modelos de clasificación. Usted

El último módulo le enseñará acerca de los modelos de aprendizaje no supervisados. Aprenderá sobre los modelos de clúster K-medias y la agrupación jerárquica. Aprenderá sobre cómo funciona cada método de agrupación en clúster y sobre cómo evaluar los modelos de clúster. Aprenderá sobre la creación de modelos de clústeres en Python y R.

Este curso de Alison gratuito sería de gran interés para aquellos que desean aprender y ampliar sus conocimientos sobre la ciencia de datos.

Perquisitos: Para completar este curso con éxito, necesita un conocimiento básico de las matemáticas, incluyendo el álgebra lineal. Además, se presupone cierta experiencia de programación, idealmente en R o Python, y tendrá que haber completado el curso anterior Data Science and Machine Learning Essentials Introduction to Data Science, Working with Data and Visualizing data and Exploring Models