Detalle del curso

Foundations of Data Science: Prediction and Machine Learning

Imagen del curso

Learn how to use machine learning, with a focus on regression and classification, to automatically identify patterns in your data and make better predictions.

Acerca de este curso

One of the principal responsibilities of a data scientist is to make reliable predictions based on data. When the amount of data available is enormous, it helps if some of the analysis can be automated. Machine learning is a way of identifying patterns in data and using them to automatically make predictions or decisions in the future. In this data science course, you will learn how basic concepts and elements of machine learning.

The two main methods of machine learning you will learn are regression and classification. Regression is used when you seek to predict a numerical quantity. Classification is used when you seek to choose which category to assign (e.g., given information about a financial transaction, predict whether it is fraudulent or legitimate).

For regression, we will teach you how to measure the correlation between two variables and compute a best-fit line for making predictions when the underlying relationship is linear. We will also teach you how to quantify the uncertainty in your prediction using the bootstrap method. These techniques will be illustrated with a wide range of examples. For classification, you will learn the k-nearest neighbor classification algorithm, learn how to measure the effectiveness of your classifier, and learn how to apply it to real-world tasks.

The course will highlight the assumptions underlying the techniques, and will provide ways to assess whether those assumptions are good. It will also point out pitfalls that lead to overly optimistic or inaccurate predictions.

Que aprenderás

  • Correlation and the phenomenon of regression to the mean
  • Linear regression
  • Quantifying uncertainty and generating 95% confidence intervals using the bootstrap method
  • Classification using the k-nearest neighbors algorithm
  • How to evaluate the accuracy of a classifier

Conoce a tus instructores

imagen de instructor

Ani Adhikari

Teaching Professor of Statistics

UC Berkeley

imagen de instructor

John DeNero

Giancarlo Teaching Fellow in the EECS Department

UC Berkeley

imagen de instructor

David Wagner

Professor of Computer Science

UC Berkeley

Obtén un certificado para resaltar el conocimiento y las habilidades que adquiriste ($ 149USD)

imagen de certificado
  • Oficial y aprobado

    Obtén un certificado con el logotipo de la institución y la firma de un profesor para demostrar tus logros y aumentar tus prospectos profesionales

  • Fácil de compartir

    Agrega el certificado a tu currículum u hoja de vida, o publicalo directamente en LinkedIn

  • Medida motivacional demostrada

    Concédete a ti mismo un estímulo adicional para completar el curso

  • Apoya nuestra labor

    EdX es una organización sin fines de lucro que se sustenta mediante la expedición de certificados y su objetivo es colaborar en el establecimiento de una educación gratuita y accesible para todo el mundo

Ir al curso

Categoría: Computer Science

Nivel : Introductory

Institución : University of California, Berkeley

Valor : GRATUITO
Agregue un certificado aprobado por $149 USD

Esfuerzo : 4-6 horas a la semana

Duración : 5 Semanas

Prerequisitos

Data 8.1x and Data 8.2x

¿Quiénes somos?

Aprenderis es la nueva plataforma de OCCEducación que permite a las personas compartir y acceder al conocimiento global mediante cursos en línea desde cualquier dispositivo, en cualquier momento y en cualquier lugar.

¡Crea y vende tu curso en línea!

Haz de tus conocimientos una fuente de ingresos

Asesoría gratis

Encontrar cursos

Cursos gratis

¿Qué quieres aprender hoy?

Cursos en línea. Estudia desde cualquier dispositivo y a tu propio ritmo

Conoce nuestros Terminos y Condiciones de uso así como las Políticas de privacidad

"Para una mejor experiencia con la plataforma Aprenderis, sugerimos utilizar el navegador Google Chrome ó Safari."