Logistic Regression with BigQuery ML

About#

เรียนรู้การสร้าง Logistic Regression model ด้วย Google BigQuery ML กับข้อมูลจริงโดยใช้ SQL เหมาะสำหรับผู้ที่มีพื้นฐาน SQL มาแล้ว และต้องการต่อยอดการทำ Prediction ด้วย Logistic Regression

เรียนรู้จากมุมมองของการปฏิบัติจริง เน้นผลลัพธ์จริง อัดแน่นไปด้วยทฤษฎีที่จำเป็นต้องรู้ เช่น
- หลักการทำ Machine Learning model ด้วย Google BigQuery ML
- การตั้งโจทย์ทาง Data Science และกำหนด Features ที่จะใช้
- หลักการและทฤษฏีที่เกี่ยวข้องกับการ Train model เช่น Loss, Data splitting, Training iteration, Early stopping
- Model evaluation แบบจุกๆ เข้าใจ Evaluation metrics พื้นฐานทั้งหมด
ผู้เรียนจะได้ลงมือสร้าง Model ด้วยข้อมูลจริงจาก BigQuery public data ตั้งแต่
- การตั้งโจทย์ทางด้าน Data Science สำหรับ Logistic Regression
- การเตรียมข้อมูล Training dataset
- การ Train model
- ทำความเข้าใจผลลัพธ์ของ Model ที่ได้ และ Metrics พื้นฐานทั้งหมดของ Logistic Regression
- การนำ Model ที่ได้ไปทำนายข้อมูลใหม่ (Prediction)
เรียนรู้ Syntax โดยอ้างอิงจาก Documentation ในรูปแบบที่เข้าใจได้ง่าย เพียงพอต่อการนำไช้งานจริง
แทรก Tips & Tricks โดยผู้สอนที่มีประสบการณ์ทำงานจริง พร้อมแหล่งเรียนรู้เพื่อให้ผู้เรียนไปศึกษาเพิ่มเติมได้เอง
มี Quiz และ Challenge แทรกระหว่างบทเรียนเรื่อยๆ เพื่อเช็คความเข้าใจในเนื้อหาที่เรียน
เรียนออนไลน์ได้ไม่จำกัดเวลา มีข้อสงสัยสามารถพูดคุย/ถามผู้สอนได้ที่เพจ Noob Learning

Detail#

Level: Beginner
Chapters: 12
Hours: 3.9
Quizzes: 7
Clips: 21
Certification: ได้รับเมื่อเรียนจบทุกคอร์สในซีรีย์ Basic ML Crash Course
100% online: เรียนบน Interactive learning platform

Prerequisites#

Instructor#

Manusaporn Treerungroj (Ying): แอดมินเพจ Noob Learning | Data Scientist @ FOXFOX

Syllabus#

Introduction (10 mins)
- Why Logistic Regression
Logistic Regression บน BigQuery ML (10 mins)
- Recap CREATE MODEL
- Steps of Machine Learning
Dataset (15 mins)
- Recap dataset
- Formulate โจทย์
เตรียม Training และ Test data (30 mins)
- Features ที่ใช้
- เตรียม Input data
- เตรียม Test data
- ❓Quiz 1
- ❓Quiz 2
Train model กัน~ (15 mins)
- Mission: Train model ด้วย Input data ที่เตรียมไว้
Model understanding ได้อะไรมานะ... (30 mins)
- Loss type
- Data splitting
- Training iteration
Evaluation metrics EP.1 (30 mins)
- Confusion matrix
- Classification threshold
Evaluation metrics EP.2 (40 mins)
- Accuracy
- Precision
- Recall
- F1 score
- Quiz ท้าให้คิด x4
Evaluation metrics EP.3 (15 mins)
- ROC
- Quiz
- สรุปแล้วเลือก Threshold เท่าไหร่ดี?
Model evaluation ด้วย SQL (20 mins)
- Evaluation with specific threshold
- Mission: Model evaluation using test data
Make a prediction กันเถอะ (15 mins)
- Mission: ทำนายข้อมูล Test data
🥳 Congratulations (5 mins)