机器学习专业化
#BreakIntoAI 与机器学习专业化。在 AI 梦想家 Andrew Ng 的初学者友好型 3 门课程课程中掌握基本的 AI 概念并培养实用的机器学习技能
讲师:Andrew Ng
口袋资源独家Coursera付费课程,独家中英文字幕,配套资料齐全!
用不到1/10的价格,即可享受同样的高品质课程,且可以完全拥有,随时随地都可以任意观看和分享。
你将学到什么
- 使用 NumPy 和 scikit-learn 构建 ML 模型,为预测和二元分类任务(线性、逻辑回归)构建和训练监督模型
- 使用 TensorFlow 构建和训练神经网络以执行多类分类,以及构建和使用决策树和树集成方法
- 应用 ML 开发的最佳实践并使用无监督学习技术进行无监督学习,包括聚类和异常检测
- 使用协同过滤方法和基于内容的深度学习方法构建推荐系统并构建深度强化学习模型
你将获得的技能
- 决策树
- 人工神经网络
- 逻辑回归
- 推荐系统
- 线性回归
- 避免过度拟合的正则化
- 梯度下降
- 监督学习
- 用于分类的逻辑回归
- Xgboost
- 张量流
- 树合奏
关于这个专业
550,836最近浏览
机器学习专业化是 DeepLearning.AI 和 Stanford Online 合作创建的基础在线课程。这个适合初学者的程序将教您机器学习的基础知识以及如何使用这些技术构建真实世界的 AI 应用程序。
该专业由 Andrew Ng 教授,他是一位 AI 远见者,曾在斯坦福大学领导批判性研究,并在 Google Brain、百度和 Landing.AI 开展开创性工作,以推动 AI 领域的发展。
这个包含 3 门课程的专业课程是 Andrew 开创性的机器学习课程的更新版本,评分为 4.9(满分 5),自 2012 年推出以来已有超过 480 万学习者参加。
它广泛介绍了现代机器学习,包括监督学习(多元线性回归、逻辑回归、神经网络和决策树)、无监督学习(聚类、降维、推荐系统)以及 Silicon 中使用的一些最佳实践人工智能和机器学习创新谷(评估和调整模型,采用以数据为中心的方法来提高性能等。)
到本专业结束时,您将掌握关键概念并获得实用知识,以快速有效地将机器学习应用于具有挑战性的现实世界问题。如果你想打入 AI 领域或在机器学习领域开创一番事业,新的机器学习专业化是最好的起点。
应用学习项目
到本专业结束时,您将准备好:
• 使用流行的机器学习库NumPy 和scikit-learn 在Python 中构建机器学习模型。
• 为预测和二元分类任务构建和训练监督机器学习模型,包括线性回归和逻辑回归。
• 使用TensorFlow 构建和训练神经网络以执行多类分类。
• 应用机器学习开发的最佳实践,使您的模型能够推广到现实世界中的数据和任务。
• 构建和使用决策树和树集成方法,包括随机森林和增强树。
• 使用无监督学习技术进行无监督学习:包括聚类和异常检测。
• 使用协同过滤方法和基于内容的深度学习方法构建推荐系统。
• 构建深度强化学习模型。
评论(1)
别买东西不全买了不退钱