机器学习概论
本课程为任何开始学习ML或数据科学的人构建了一个基本的工具包. 这方面的基础问题, 比如交叉验证和偏方差权衡, 都是专注于它们使用背后的直觉. 本课程还探讨了任何机器学习者或数据科学家应该知道的主要技术，包括逻辑回归, 决策树, 分类, 和集群.
完成证书后，学员将能够:
- 定义关键机器学习术语;
- 将常见的机器学习模型应用于基本数据集;
- 使用具有适当度量的验证和测试集正确评估模型;
- Clean and perform simple feature engineering to improve model performance; and
- 熟悉关键库:Matplotlib、Pandas、Numpy和scikit-learn.
期望参与者熟悉Python基础知识, 有基本的统计知识是有帮助的，但不是必需的.
课程讲师Tim Lee在过去4年里一直是workday HR系统的机器学习工程师. 在此之前，他曾在金融领域担任技术数据科学职位, 石油和天然气, 网络安全, 和市场营销. 他拥有加州大学洛杉矶分校和在线博彩平台。的两个硕士学位, 并有大学教学经验, 证书, 以及咨询环境.
Details
日期: TBD
时间表: BD
位置:在线
教练:蒂姆·李
成本$1195 - $795 USF校友- $295 USF学生