기계 학습을 위한 데이터

상품 설명

이 과정은 데이터와 적용된 기계 학습 모델의 성공에 데이터가 얼마나 중요한지에 관한 것입니다. 이 과정을 완료하면 학습자는 다음과 같은 기술을 습득하게 됩니다.
학습, 교육 및 운영 단계에서 데이터의 중요한 요소 이해
편향과 데이터 소스 이해
모델의 일반성을 개선하는 기술 구현
과적합의 결과를 설명하고 완화 조치를 식별합니다.
적절한 테스트 및 검증 조치를 구현합니다.
신중한 기능 엔지니어링을 통해 모델의 정확도를 어떻게 향상시킬 수 있는지 보여줍니다.
알고리즘 매개변수가 모델 강도에 미치는 영향 탐색

이 과정을 성공적으로 이수하려면 Python 프로그래밍에 대해 최소한 초급 수준의 배경 지식이 있어야 합니다(예: 기존 코드를 읽고 코드 추적할 수 있고 조건, 루프, 변수, 목록, 사전 및 배열에 익숙함). 선형 대수(벡터 표기법) 및 통계(확률 분포 및 평균/중앙값/모드)에 대한 기본적인 이해가 있어야 합니다.

Coursera와 Alberta Machine Intelligence Institute에서 제공하는 Applied Machine Learning Specialization의 세 번째 과정입니다.