Makine Öğrenimi için Veri

Bu kurs tamamen veri ve verinin uygulamalı makine öğrenimi modelinizin başarısı için ne kadar kritik olduğu ile ilgilidir. Bu kursu tamamlamak öğrencilere şu becerileri kazandıracaktır: Öğrenme, eğitim ve operasyon aşamalarında verinin kritik unsurlarını anlamak; verinin yanlılıklarını ve kaynaklarını anlamak; modelinizin genellenebilirliğini artırmak için teknikler uygulamak; aşırı uyumun (overfitting) sonuçlarını açıklamak ve azaltma önlemlerini belirlemek; uygun test ve doğrulama önlemlerini uygulamak; özenli özellik mühendisliği (feature engineering) ile modelinizin doğruluğunun nasıl artırılabileceğini göstermek; algoritma parametrelerinin model gücü üzerindeki etkisini keşfetmek. Bu kursta başarılı olmak için en azından başlangıç düzeyinde Python programlama geçmişine sahip olmalısınız (örneğin, mevcut kodu okuyup izleyebilmeli, koşullu ifadelere, döngülere, değişkenlere, listelere, sözlüklere ve dizilere aşina olmalısınız). Temel doğrusal cebir (vektör gösterimi) ve istatistik (olasılık dağılımları ve ortalama/medyan/mod) konularında temel bir anlayışa sahip olmalısınız. Bu, Coursera ve Alberta Machine Intelligence Institute tarafından size sunulan Uygulamalı Makine Öğrenimi Uzmanlık programının üçüncü kursudur.