Description du cours
Ces leçons introduiront la modélisation de la classification et son espace de problèmes dans le cadre de l'apprentissage automatique supervisé. Cela comprendra l'apprentissage et la reconnaissance de la différence entre la classification et la prédiction, et la façon dont la modélisation de la classification s'intègre dans le domaine plus large de l'apprentissage automatique. Vous apprendrez à aborder les problèmes de classification et vous serez initié au pipeline de modèle de classification typique.
Une fois que vous aurez compris le pipeline du modèle de classification, vous apprendrez comment commencer les premières étapes de la collecte de données. Enfin, vous apprendrez des conseils pratiques sur la façon de gérer la collecte de données et des informations sur le prétraitement pour un modèle de classification.
Ce que vous allez apprendre
- Distinguer la classification de la prédiction et comment la classification s'intègre dans le domaine plus large de l'apprentissage automatique
- Reconnaître les concepts de base de la classification dans l'apprentissage automatique supervisé
- Appliquer le pipeline de modèles de classification typique pour aborder les problèmes de classification
- Commencer les étapes initiales de collecte de données pour un modèle de classification
- Gérer la collecte de données et prétraiter les données pour un modèle de classification
Points clés à retenir
- La modélisation de classification se situe dans l'espace de problèmes de l'apprentissage automatique supervisé.
- La classification et la prédiction sont distinctes, et le cours enseigne comment les différencier.
- Un modèle de classification typique suit un pipeline, et le comprendre vous aide à aborder les problèmes de classification.
- La collecte de données et le prétraitement sont des étapes initiales importantes dans la construction d'un modèle de classification.
- Le cours couvre des conseils pratiques pour la gestion de la collecte de données pour la classification.
Foire aux questions
Que couvre ce cours ?
Il présente la modélisation de la classification et son espace de problèmes dans l'apprentissage automatique supervisé, y compris la différence entre la classification et la prédiction, la façon dont la classification s'intègre dans le domaine plus large de l'apprentissage automatique, le pipeline typique de modèles de classification et les étapes initiales de la collecte et du prétraitement des données.
Quelles leçons sont incluses ?
Les leçons sont l'Apprentissage automatique supervisé, Concepts de classification de base, Classification contre Prédiction, Le pipeline du modèle de classification, Collecte de données et Prétraitement des données.
Quelles compétences vais-je acquérir ?
Vous développerez des compétences en classification de données, apprentissage automatique, entraînement de modèles d'apprentissage automatique, surveillance et évaluation de modèles d'apprentissage automatique, classification statistique et apprentissage supervisé.
Le cours explique-t-il la différence entre la classification et la prédiction ?
Oui. Le cours explique comment apprendre et reconnaître la différence entre la classification et la prédiction et comment la modélisation de la classification s'intègre dans le domaine plus vaste de l'apprentissage automatique.
Le cours aborde-t-il la collecte et le prétraitement des données ?
Oui. Après avoir couvert le pipeline de modèle de classification, il enseigne les étapes initiales de la collecte de données, ainsi que des conseils pratiques sur la gestion de la collecte de données et des informations sur le prétraitement pour un modèle de classification.
