Detalle del curso

Machine Learning

Imagen del curso

Master the essentials of machine learning and algorithms to help improve learning from data without human intervention.

Acerca de este curso

Machine Learning is the basis for the most exciting careers in data analysis today. You’ll learn the models and methods and apply them to real world situations ranging from identifying trending news topics, to building recommendation engines, ranking sports teams and plotting the path of movie zombies.

Major perspectives covered include:

  • probabilistic versus non-probabilistic modeling
  • supervised versus unsupervised learning

Topics include: classification and regression, clustering methods, sequential models, matrix factorization, topic modeling and model selection.

Methods include: linear and logistic regression, support vector machines, tree classifiers, boosting, maximum likelihood and MAP inference, EM algorithm, hidden Markov models, Kalman filters, k-means, Gaussian mixture models, among others.

In the first half of the course we will cover supervised learning techniques for regression and classification. In this framework, we possess an output or response that we wish to predict based on a set of inputs. We will discuss several fundamental methods for performing this task and algorithms for their optimization. Our approach will be more practically motivated, meaning we will fully develop a mathematical understanding of the respective algorithms, but we will only briefly touch on abstract learning theory.

In the second half of the course we shift to unsupervised learning techniques. In these problems the end goal less clear-cut than predicting an output based on a corresponding input. We will cover three fundamental problems of unsupervised learning: data clustering, matrix factorization, and sequential models for order-dependent data. Some applications of these models include object recommendation and topic modeling.

Que aprenderás

  • Supervised learning techniques for regression and classification
  • Unsupervised learning techniques for data modeling and analysis
  • Probabilistic versus non-probabilistic viewpoints
  • Optimization and inference algorithms for model learning

Conoce a tus instructores

imagen de instructor

John W. Paisley

Department of Electrical Engineering

Columbia University

Obtén un certificado para resaltar el conocimiento y las habilidades que adquiriste ($ 199USD)

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 : Advanced

Institución : Columbia University

Valor : GRATUITO
Agregue un certificado aprobado por $199 USD

Esfuerzo : 8-10 horas a la semana

Duración : 12 Semanas

Prerequisitos

  • Calculus
  • Linear algebra 

  • Probability and statistical concepts
  • Coding and comfort with data manipulation

¿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."