Willkommen zu diesem projektbasierten Kurs über Logistic mit NumPy und Python. In diesem Projekt werden Sie das gesamte Maschinelle Lernen durchführen, ohne eine der beliebten Bibliotheken für Maschinelles Lernen wie Scikit-learn und statsmodels zu verwenden. Ziel dieses Projekts ist es, die gesamte Maschinerie der verschiedenen Algorithmen des maschinellen Lernens, einschließlich Gradientenverfahren, Kostenfunktion und logistische Regression, selbst zu implementieren, damit Sie ein tieferes Verständnis für die Grundlagen erhalten. Wenn Sie dieses Projekt abschließen, werden Sie in der Lage sein, ein logistisches Regressionsmodell mit Python und NumPy zu erstellen, grundlegende explorative Datenanalysen durchzuführen und das Gradientenverfahren von Grund auf zu implementieren. Voraussetzung für dieses Projekt sind Programmierkenntnisse in Python und ein grundlegendes Verständnis der Theorie des Maschinellen Lernens. Dieser Kurs läuft auf der Coursera-Plattform für praktische Projekte namens Rhyme. Auf Rhyme führen Sie Projekte praxisnah in Ihrem Browser durch. Sie erhalten sofortigen Zugriff auf vorkonfigurierte Cloud-Desktops mit der gesamten Software und den Daten, die Sie für das Projekt benötigen. Alles ist bereits direkt in Ihrem Internetbrowser eingerichtet, so dass Sie sich ganz auf das Lernen konzentrieren können. Für dieses Projekt erhalten Sie sofortigen Zugriff auf einen Cloud-Desktop, auf dem Python, Jupyter, NumPy und Seaborn vorinstalliert sind.
Logistische Regression mit NumPy und Python
Heute endet die Frist! Erwerben Sie mit Coursera Plus für 199 $ (regulär 399 $) das nächste Level an Fähigkeiten. Jetzt sparen.
Logistische Regression mit NumPy und Python
Dozent: Snehan Kekre
13.806 bereits angemeldet
Bei enthalten
(396 Bewertungen)
Empfohlene Erfahrung
Was Sie lernen werden
Implementierung des Algorithmus für das Gradientenverfahren von Grund auf
Durchführung logistischer Regression mit NumPy und Python
Erstellen von Datenvisualisierungen mit Matplotlib und Seaborn
Kompetenzen, die Sie festigen
- Kategorie: Überwachtes Lernen
- Kategorie: Python-Programmierung
- Kategorie: Maschinelles Lernen
- Kategorie: Datenanalyse
- Kategorie: Datenverarbeitung
- Kategorie: Seaborn
- Kategorie: Matplotlib
- Kategorie: Datenvisualisierung
- Kategorie: Algorithmen für maschinelles Lernen
- Kategorie: Jupyter
- Kategorie: NumPy
- Kategorie: Algorithmen
- Kategorie: Logistische Regression
- Kategorie: Klassifizierungsalgorithmen
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
Nur als Desktop-Version verfügbar
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Lernen, Üben und Anwenden von berufsrelevanten Fähigkeiten in weniger als 2 Stunden
- Nehmen Sie an Schulungen von Branchenexperten teil
- Sammeln Sie mit Aufgaben aus der realen Welt praktische Erfahrung
- Schaffen Sie Vertrauen durch neueste Tools und Technologien
Über dieses begleitete Projekt
Schritt für Schritt lernen
In einem Video, das auf einer Hälfte Ihres Arbeitsbereichs abgespielt wird, führt Sie Ihr Dozent durch diese Schritte:
-
Einführung und Projektübersicht
-
Laden der Daten und Importieren der Bibliotheken
-
Visualisieren Sie die Daten
-
Definieren Sie die logistische Sigmoidfunktion 𝜎(𝑧)
-
Berechnen Sie die Kostenfunktion 𝐽(𝜃) und den Gradienten
-
Kosten und Gradient bei der Initialisierung
-
Gradientenverfahren implementieren
-
Aufzeichnung der Konvergenz von 𝐽(𝜃)
-
Zeichnen der Entscheidungsgrenze
-
Vorhersagen unter Verwendung der optimierten 𝜃-Werte
Empfohlene Erfahrung
Programmierkenntnisse in Python und Theorie des Maschinellen Lernens werden empfohlen.
7 Projektbilder
Dozent
von
Was Sie beim Lernen erwartet
Auf Kompetenzen basierendes, praktisches Lernen
Üben Sie die Anwendung neuer Kompetenzen anhand von berufsbezogenen Aufgabenstellungen.
Anleitung durch Experten
Lernen Sie mit vorab von Experten aufgezeichneten Videos in einer einzigartigen aufgeteilten Oberfläche.
Keine Downloads oder Installation erforderlich
Greifen Sie in einem vordefinierten Cloud-Arbeitsbereich auf die Tools und Ressourcen zu.
Nur für Desktop verfügbar
Dieses begleitete Projekt ist für die Bearbeitung an einem Laptop oder Desktop-Computer mit stabiler Internetverbindung konzipiert und nicht für Mobilgeräte.
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Felipe M.
Jennifer J.
Larry W.
Chaitanya A.
Bewertungen von Lernenden
- 5 stars
64,89 %
- 4 stars
27,27 %
- 3 stars
5,05 %
- 2 stars
0,75 %
- 1 star
2,02 %
Zeigt 3 von 396 an
Geprüft am 29. Aug. 2020
Very helpful for learning logistic regression without using any libraries. Before taking this project one should have a clear understanding of Logistic Regression, then it will be very helpful
Geprüft am 14. Juli 2020
Gain more understanding about LR and gradient descent practically.
Geprüft am 1. Apr. 2020
Problem was that rhyme could not run for more than the alloted time because I had many errors in between because of which I couldn't complete my whole code in the given time.
Ihnen könnte auch Folgendes gefallen:
Status: Kostenloser Testzeitraum
Coursera
Status: Vorschau
Häufig gestellte Fragen
Mit dem Kauf eines angeleiteten Projekts erhalten Sie alles, was Sie zum Abschließen des angeleiteten Projekts benötigen, einschließlich des Zugriffs auf einen Cloud-Desktop-Arbeitsbereich über Ihren Webbrowser, der die Dateien und Software enthält, die Sie für den Start benötigen, sowie schrittweise Videoanweisungen von einem Fachexperten.
Da Ihr Arbeitsbereich einen Cloud-Desktop enthält, der für einen Laptop oder Desktop-Computer ausgelegt ist, sind angeleitete Projekte auf Ihrem Mobilgerät nicht verfügbar.
Die Dozenten bei angeleiteten Projekten sind Fachexperten, die Erfahrung in den Fähigkeiten, Werkzeugen oder Bereichen der jeweiligen Projekte haben und leidenschaftlich daran interessiert sind, ihr Wissen weiterzugeben und so Millionen von Lernenden auf der ganzen Welt zu beeinflussen.