Praktische prädiktive Analytik: Modelle und Methoden Das Universitätsnetzwerk

Beschreibung

Statistische Versuchsplanung und -analyse bilden das Herzstück der Datenwissenschaft. In diesem Kurs entwerfen Sie statistische Experimente und analysieren die Ergebnisse mit modernen Methoden. Sie werden auch die häufigsten Fallstricke bei der Interpretation statistischer Argumente untersuchen, insbesondere die mit Big Data verbundenen. Zusammen wird dieser Kurs Ihnen helfen, einen Kernsatz praktischer und effektiver Methoden und Konzepte des maschinellen Lernens zu verinnerlichen und anzuwenden, um einige Probleme der realen Welt zu lösen.

Lernziele: Nach Abschluss dieses Kurses können Sie:
1. Entwerfen Sie effektive Experimente und analysieren Sie die Ergebnisse
2. Verwenden Sie Resampling-Methoden, um klare und kugelsichere statistische Argumente zu erstellen, ohne die esoterische Notation aufzurufen
3. Erklären und wenden Sie einen Kernsatz von Klassifizierungsmethoden mit zunehmender Komplexität (Regeln, Bäume, zufällige Wälder) und zugehörige Optimierungsmethoden (Gradientenabstieg und Varianten) an.
4. Erklären und wenden Sie eine Reihe unbeaufsichtigter Lernkonzepte und -methoden an
5. Beschreiben Sie die gängigen Redewendungen der groß angelegten Diagrammanalyse, einschließlich struktureller Abfragen, Durchquerungen und rekursiver Abfragen, PageRank und Community-Erkennung