In this 2-hour long project-based course, you will learn how to implement Linear Regression using Python and Numpy. Linear Regression is an important, fundamental concept if you want break into Machine Learning and Deep Learning. Even though popular machine learning frameworks have implementations of linear regression available, it's still a great idea to learn to implement it on your own to understand the mechanics of optimization algorithm, and the training process.
Linear Regression with Python
Économisez sur les compétences qui vous font briller avec 40 % de réduction sur 3 mois de Coursera Plus. Économisez maintenant
Apprendre, pratiquer et appliquer des compétences professionnelles grâce à des conseils d’experts
4.6
(440 avis)
niveau Intermédiaire
Expérience recommandée
2 hours
Apprenez à votre propre rythme
Un apprentissage pratique
Ce que vous apprendrez
Create a linear model, and implement gradient descent.
Train the linear model to fit given data using gradient descent.
Compétences que vous pratiquerez
- Catégorie : Regression Analysis
- Catégorie : Deep Learning
- Catégorie : Machine Learning Algorithms
- Catégorie : Model Optimization
- Catégorie : Machine Learning
- Catégorie : Model Training
- Catégorie : Data Science
Outils que vous utiliserez
- Catégorie : NumPy
- Catégorie : Python Programming
Détails à connaître
Certificat partageable
Ajouter à votre profil LinkedIn
Enseigné en Anglais
Aucun téléchargement ou installation requis(e)
Disponible uniquement sur ordinateur
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Apprendre, pratiquer et appliquer des compétences prêtes à l’emploi en moins de 2 heures
- Bénéficiez d’une formation par des experts du secteur
- Gagnez en expérience pratique en effectuant des tâches professionnelles du monde réel
- Renforcez votre confiance en utilisant les outils et technologies les plus récents
À propos de ce Projet Guidé
Apprendrez étape par étape
Votre enseignant(e) vous guidera étape par étape, grâce à une vidéo en écran partagé sur votre espace de travail :
Introduction
Dataset
Initialize Parameters
Forward Pass
Compute Loss
Backward Pass
Update Parameters
Training Loop
Predictions
Additional Example
Expérience recommandée
Some programming experience in Python is required. Understanding of the theory behind logistic regression, gradient descent is required.
7 images de projet
Instructeur
Évaluations de l’enseignant
(29 évaluations)
12 Cours211 024 apprenants
Offert par
Méthode d’apprentissage
Apprentissage pratique basé sur les compétences
Mettez en pratique de nouvelles compétences en effectuant des tâches professionnelles.
Conseils d’experts
Suivez les vidéos pré-enregistrées d’experts à l’aide d’une interface unique, divisée en deux.
Aucun téléchargement ou installation requis(e)
Accédez aux outils et aux ressources dont vous avez besoin dans un espace de travail cloud préconfiguré.
Disponible uniquement sur ordinateur de bureau
Ce Projet Guidé est conçu pour les ordinateurs portables ou de bureau disposant d’une connexion internet fiable, et non pour les appareils mobiles.
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
Avis des étudiants
- 5 stars
65,90 %
- 4 stars
27,04 %
- 3 stars
5,45 %
- 2 stars
0,90 %
- 1 star
0,68 %
Affichage de 3 sur 440
PP
Révisé le 24 mai 2020
Great course.Learn new topics like forward passing and backward passing to update parameters for prediction in regression
AR
Révisé le 2 avr. 2020
Explain more about what the code do, as I've to google it and try to figure out which wasted a lot of time, thank you
RS
Révisé le 6 août 2021
The guided project is nice for the beginners. The only problem I had was to figure out what is the right learning rate for the solution. and I am still not able to figure it out.
Vous aimerez peut-être aussi
University of Pittsburgh
Simplilearn
Corporate Finance Institute
