One Course
機械学習のすべてのレッスン、プロジェクト、模擬試験。
月払い。いつでも解約できます。
レベル1:ビギナー
0 ポイント
サインインすると、デバイスをまたいで進捗を保存できます。
機械学習とは、データからパターンを学ばせて予測や分類をする手法です。このコースでは、実際に動くノートブックでPythonのscikit-learnの使い方を覚えながら、モデルを作って評価します。モデリングの流れと正しい評価のためのデータの分割から始め、回帰、分類、パイプライン、モデルの選択、まれな事象の扱いへ進み、結果はすべて答え合わせされます。最後に4つのプロジェクトと2つの模擬試験があります。
ここでプランを選んでください。コースはすでに選択されています。
予約の利用を変えずに、リマインダーの優先度のモデルを作って評価します。
6ステップ · 18 minプロジェクト · 中級顧客セグメンテーションのプロジェクト顧客のグループと、インデックス付きの行動の要約を作ります。
8ステップ · 40 minプロジェクト · 中級会員の離脱のプロジェクト取り分けたデータでの離脱の評価を作り、新しい顧客のレコードをスコアリングします。
8ステップ · 40 minケーススタディ · 中級小売の指標選択のケース陽性のケースのカバー範囲とレビューの処理能力から、レビュー用のモデルを選びます。
6ステップ · 18 minプロジェクト · 上級不正のレビューのプロジェクト見逃した不正のコストが誤報の8倍のとき、Nacre Paymentsのために不正のレビューのしきい値を設定します。
8ステップ · 40 minケーススタディ · 上級物流モデルの診断配達のモデルが訓練データでは正確に見えます。新しい配達でどう機能するか、そして何を報告すべきかを見極めます。
6ステップ · 30 minプロジェクト · エキスパート需要予測のプロジェクト過去だけの特徴量、時間順のホールドアウト、超えるべきベースラインで需要を予測します。
8ステップ · 40 minケーススタディ · エキスパートメディアと旅行の導入レビュー手に入る結果の証拠から始めて、導入前のメディアと旅行のモデルをレビューします。
6ステップ · 30 min模擬試験 · エキスパートモデリングの実務テストA時系列順のホールドアウト、ラグの特徴量、グループ化した検証、ドリフト、期待コストのしきい値についての、時間制限のあるモデリングのテストです。
12問 · 40 min模擬試験 · エキスパートモデリングの実務テストBローリングのフォールド、未知の対象、入れ子の評価、率の変化、ロールバック、サブグループの再現率についての、2つ目の時間制限のあるモデリングのテストです。
12問 · 45 minこの講座で学ぶ内容が出題される試験の、オリジナル問題と時間制限付きの模擬試験です。
本物のPythonノートブックで、モデリングの流れを一通りこなします。まず特徴量、目的変数、訓練とテストの分割、ベースラインから始めます。その後、回帰と分類のモデル、再利用できる前処理のパイプライン、モデル選択の実験を作ります。後半では、クラスタリング、不均衡、校正された確率、解釈、時系列順の評価を扱います。オリジナルのプロジェクトでは、解約のスコアリング、需要の予測、不正の調査、顧客セグメントの記述に取り組みます。どの課題も、当てはめたオブジェクトと結果を2つ目のデータで確かめます。最後に面接の練習と、時間制限のある2つの実務テストに取り組みます。
Work one company brief through several tools. Your 機械学習 stage reads the tables from the stage before.
すべてのプロジェクトを見る学んだことを全画面の面接で説明します。話すか入力して答え、その後に自分のレベルの評価基準と照らして回答を振り返ります。
職種別の面接ループ初級
判断を設定し、予測変数を特定し、結果を定義します。
検証とテストの観測を、訓練の情報から守ります。
取り分けたデータでの誤差を使って、当てはめたモデルをベースラインと比べます。
2値の分類器を当てはめ、その誤りがもたらす結果を測ります。
中級
訓練の行で変換を当てはめ、係数の複雑さを制御します。
木、フォレストの平均、逐次的なブースティングを比べます。
距離を使って、分類と意味のある顧客のグループ分けを行います。
当てはめたパイプラインの中で、欠損値と新しいカテゴリーを扱います。
上級
特徴量を作り、検証のフォールドで候補を比べます。
不均衡な結果を評価し、運用上のしきい値を選びます。
密度のクラスターと低次元の射影を調べます。
因果を主張することなく、確率を校正し、予測への寄与を調べます。
エキスパート
ラグの特徴量と、厳密に後のホールドアウトで予測を検証します。
グループを分け、モデルの選択を評価から切り離します。
対応を選ぶ前に、ドリフトと確定した結果を測ります。
誤りのコスト、サブグループの証拠、時間制限のあるアセスメントの作業を組み合わせます。