Dans ce cours d'une heure et demie basé sur un projet, vous serez capable de : - Comprendre la théorie et l'intuition derrière la Régression linéaire simple et multiple - Importer des bibliothèques Python clés, des ensembles de données et effectuer la visualisation des données - Effectuer une analyse exploratoire des données (AED) et normaliser les données d'entraînement et de test.
Prédiction de la qualité de l'exploitation minière à l'aide de l'apprentissage automatique et de l'apprentissage en profondeur
Économisez sur les compétences qui vous font briller avec 40 % de réduction sur 3 mois de Coursera Plus. Économisez maintenant
Prédiction de la qualité de l'exploitation minière à l'aide de l'apprentissage automatique et de l'apprentissage en profondeur
Instructeur : Ryan Ahmed
5 934 déjà inscrits
Inclus avec
Apprendre, pratiquer et appliquer des compétences professionnelles grâce à des conseils d’experts
4.8
(69 avis)
niveau Débutant
Expérience recommandée
1.5 heures
Apprenez à votre propre rythme
Un apprentissage pratique
Ce que vous apprendrez
Former des modèles de réseaux de neurones artificiels pour effectuer des tâches de régression
Comprendre la théorie et l'intuition derrière les modèles de régression et les entraîner dans Scikit Learn
Comprendre la différence entre les différents indicateurs clés de performance des modèles de régression tels que MSE, RMSE, MAE, R2, R2 ajusté
Compétences que vous pratiquerez
- Catégorie : Apprentissage par arbre de décision
- Catégorie : Analyse de régression
- Catégorie : Apprentissage statistique des machines
- Catégorie : Modèle de formation
- Catégorie : Réseaux neuronaux artificiels
- Catégorie : Modélisation prédictive
- Catégorie : Méthodes statistiques
- Catégorie : Apprentissage automatique appliqué
- Catégorie : Méthodes d'apprentissage automatique
- Catégorie : Évaluation du modèle
- Catégorie : Données d'essai
- Catégorie : Analyse exploratoire des données
- Catégorie : Importation/exportation de données
- Catégorie : Apprentissage automatique
- Catégorie : Apprentissage supervisé
- Catégorie : Analyse des données
- Catégorie : Apprentissage profond
- Catégorie : Prétraitement des données
Outils que vous utiliserez
- Catégorie : Scikit Learn (Bibliothèque d'apprentissage automatique)
- Catégorie : Programmation Python
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 :
Comprendre l'énoncé du problème et l'Analyse de rentabilisation (10 min)
Importer des bibliothèques/ensembles de données et explorer les données (7 MIN)
Effectuer la Visualisation des données (8 MIN)
Préparer les données avant l'entraînement du modèle (6 min)
Entraînement et évaluation d'un modèle de régression linéaire (10 MIN)
Former et évaluer les Arbres décisionnels et les Forêts d'arbres décisionnels (8 MIN)
Comprendre la théorie et l'Intuit derrière les neurones artificiels (11 MIN)
Entraîner un modèle de Réseau de neurones artificiels à la régression (11 MIN)
Calculer les ICP de régression (7 min)
Expérience recommandée
Programmation de base en Python et mathématiques
9 images de projet
Instructeur
38 Cours122 511 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
81,15 %
- 4 stars
17,39 %
- 3 stars
1,44 %
- 2 stars
0 %
- 1 star
0 %
Affichage de 3 sur 69
MA
Révisé le 31 août 2021
Ryan did an excellent job explaining the concepts and going through the excercises. I would recommend this course definitely.
AS
Révisé le 29 sept. 2020
You must try, it will give great basic of practice.
FD
Révisé le 26 juil. 2022
Excellent guided project. Falls in field of experience. Thank you.
Vous aimerez peut-être aussi
Coursera
Statut : Essai gratuit
Statut : PrévisualisationSimplilearn
