In diesem Projekt werden wir einen Naive Bayes Classifier erstellen, um vorherzusagen, ob ein bestimmter Lebenslauftext markiert ist oder nicht. Unsere Trainingsdaten bestehen aus 125 Lebensläufen mit 33 markierten und 92 nicht markierten Lebensläufen. Dieses Projekt könnte praktisch zur Überprüfung von Lebensläufen in Unternehmen eingesetzt werden.

Naive Bayes 101: Lebenslaufauswahl mit maschinellem Lernen
Erweitern Sie Ihre Kenntnisse mit Coursera Plus für 239 $/Jahr (normalerweise 399 $). Jetzt sparen.

(17 Bewertungen)
Empfohlene Erfahrung
Was Sie lernen werden
Erstellen Sie eine Pipeline zum Entfernen von Stoppwörtern und Satzzeichen und führen Sie eine Tokenisierung durch
Verstehen der Theorie und der Intuition hinter Naive Bayes-Klassifikatoren
Trainieren Sie einen Naive Bayes-Klassifikator und bewerten Sie seine Leistung
Kompetenzen, die Sie festigen
- Kategorie: Exploratory Data Analysis
- Kategorie: Natural Language Processing
- Kategorie: Machine Learning
- Kategorie: Computer Science
- Kategorie: Data Analysis
- Kategorie: Applied Machine Learning
- Kategorie: Plot (Graphics)
- Kategorie: Matplotlib
- Kategorie: Text Mining
- Kategorie: Data Preprocessing
- Kategorie: Data Cleansing
- Kategorie: Data Visualization
- Kategorie: Unstructured Data
- Kategorie: Model Evaluation
- Kategorie: Data Manipulation
Tools, die Sie verwenden werden
- Kategorie: Classification Algorithms
- Kategorie: Python Programming
- Kategorie: Scikit Learn (Machine Learning Library)
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:
Aufgabe 1: Verstehen der Problembeschreibung und des Business Case
Aufgabe 2: Bibliotheken und Datensätze importieren
Aufgabe 3: Durchführung einer explorativen Datenanalyse
Aufgabe 4: Datenbereinigung durchführen
Aufgabe 5: Visualisieren bereinigter Datensätze
Aufgabe 6: Aufbereitung der Daten durch Anwendung der Vektorisierung der Zählung
Aufgabe 7: Verstehen Sie die Intuition hinter Naive Bayes Classifier - Teil 1
Aufgabe 8: Verstehen Sie die Intuition hinter Naive Bayes Classifier - Teil #2
Aufgabe 9: Trainieren eines Naive Bayes Klassifikatormodells
Aufgabe 10: Bewertung der Leistung des trainierten Modells
Empfohlene Erfahrung
Grundkenntnisse in der Python-Programmierung
5 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.
Ihnen könnte auch Folgendes gefallen:

Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.




