Ulasan Pendahuluan: Machine Learning Specialization – University of Washington via Coursera

Judul/Tautan:

Machine Learning Specialization – University of Washington via Coursera

Dibuat oleh:

University of Washington

Format

Specialization

Durasi:

6 bulan (dengan komitmen 5-8 jam/minggu)

Biaya:

$49/bulan

Level

Intermediate

Penilaian oleh murid:

 (sekitar 4.5 dari 5 oleh >500 murid)

Catatan: penilaian disintesa dari masing-masing kursus.

Persyaratan

Python dasar

Silabus:

Saya copas dari ikhtisar: “Through a series of practical case studies, you will gain applied experience in major areas of Machine Learning including Prediction, Classification, Clustering, and Information Retrieval. You will learn to analyze large and complex datasets, create systems that adapt and improve over time, and build intelligent applications that can make predictions from data.”

Tentang proyeknya, saya copas: “Learners will implement and apply predictive, classification, clustering, and information retrieval machine learning algorithms to real datasets throughout each course in the specialization. They will walk away with applied machine learning and Python programming experience.“

Program spesialisasi ini terdiri dari 4 kursus:

1. Machine Learning Foundations: A Case Study Approach
   1. Regression: Predicting House Prices
   2. Classification: Analyzing Sentiment
   3. Clustering and Similarity: Retrieving Documents
   4. Recommending Products
   5. Deep Learning: Searching for Images
   6. Rating: 4.6 oleh 5575 murid
2. Machine Learning: Regression
   1. Simple Linear Regression
   2. Multiple Regression
   3. Assessing Performance
   4. Ridge Regression
   5. Feature Selection & Lasso
   6. Nearest Neighbors & Kernel Regression
   7. Rating: 4.8 oleh 2884 murid
3. Machine Learning: Classification
   1. Linear Classifiers & Logistic Regression
   2. Learning Linear Classifiers
   3. Overfitting & Regularization in Logistic Regression
   4. Decision Trees
   5. Preventing Overfitting in Decision Trees
   6. Handling Missing Data
   7. Boosting
   8. Precision-Recall
   9. Scaling to Huge Datasets & Online Learning
   10. Rating: 4.7 oleh 1680 murid
4. Machine Learning: Clustering & Retrieval
   1. Nearest Neighbor Search
   2. Clustering with k-means
   3. Mixture Models
   4. Mixed Membership Modeling via Latent Dirichlet Allocation
   5. Hierarchical Clustering & Closing Remarks
   6. Rating: 4.6 oleh 963 murid

Bahasa Pemrograman

Python

Komentar

Catatan: ulasan pendahuluan (preliminary review) ini saya buat dalam rangka membuat Rancangan Lengkap Program Belajar Data Science Mandiri. Ulasan dan penilaian saya hanya berdasar pada silabus dan ulasan orang lain dari berbagai sumber, karena saya belum mengikuti kursus ini.

Program ini mengajarkan machine learning dengan praktek studi kasus dengan bahasa Python. Terus terang saya belum mencermati program ini secara detil, tapi sekilas sepertinya ada beberapa topik yang tidak dicakup (misalnya neural networks dan reinforcement learning).

Tips

Materi dari program ini dapat diakses dengan gratis, klik tautannya di silabus di atas. Bedanya versi gratis (disebut audit) dan bayar di Coursera adalah untuk versi gratis Anda tidak punya akses ke kuis yang dinilai (graded) ataupun tugas pemrograman. Silakan Anda lihat silabus detilnya untuk melihat apakah kuis dan tugasnya graded atau tidak.

.