Curso en línea: especialización profesional certificada en aprendizaje automático de la Universidad de Stanford

Experiencia: una serie de cursos de 3 partes

Machine Learning Expertise es un programa en línea fundamental creado en colaboración entre DeepLearning.AI y la Universidad de Stanford. Este programa apto para principiantes le enseñará los fundamentos del aprendizaje automático y cómo utilizar estas técnicas para crear aplicaciones de IA del mundo real.

sobre la experiencia

La experiencia está a cargo de Andrew Ng, un visionario de la IA que ha realizado importantes investigaciones en la Universidad de Stanford y realizado trabajos innovadores en Google Brain, Baidu y Landing.AI para avanzar en el campo de la IA.

La serie de cursos de 3 partes es una versión actualizada del innovador curso de aprendizaje automático de Andrew, que obtuvo una calificación de 4,9 sobre 5 y ha sido realizado por más de 4,8 millones de alumnos desde su lanzamiento en 2012. Proporciona una amplia introducción al aprendizaje automático moderno, que incluye:

• Aprendizaje supervisado (regresión lineal múltiple, regresión logística, redes neuronales y árboles de decisión)
• Aprendizaje no supervisado (agrupación, reducción de dimensiones, sistemas de recomendación)
• Algunas de las mejores prácticas utilizadas en Silicon Valley para la innovación en el campo de la inteligencia artificial y el aprendizaje automático (evaluación de modelos, orientación de modelos y un enfoque basado en datos para mejorar el rendimiento, etc.)

Al final de la experiencia, dominará los conceptos clave y se beneficiará del conocimiento práctico para aplicar rápida y eficientemente el aprendizaje automático a problemas desafiantes del mundo real. Si está buscando ingresar al mundo de la IA o desarrollar una carrera en el aprendizaje automático, la nueva especialidad de aprendizaje automático es el mejor lugar para comenzar.

Un proyecto de aprendizaje práctico.

Al finalizar esta experiencia estarás listo:

• Cree modelos de aprendizaje automático en Python utilizando bibliotecas populares como NumPy y scikit-learn.
• Cree y entrene modelos de aprendizaje automático supervisados ​​para tareas de predicción y clasificación binaria, incluidas la regresión lineal y la regresión logística.
• Cree y entrene una red neuronal utilizando TensorFlow para realizar una clasificación multicapa.
• Aplique las mejores prácticas para el desarrollo del aprendizaje automático para que sus modelos se ajusten a datos y tareas del mundo real.
• Construya y utilice árboles de decisión y métodos de enzimas arbóreas, incluidos bosques aleatorios y árboles potenciados.
• Utilice técnicas de aprendizaje no supervisadas: incluida la agrupación y la detección de anomalías.
• Construir sistemas de recomendación con un enfoque de filtrado colaborativo y un método de aprendizaje profundo basado en contenidos.
• Construya un modelo de autoaprendizaje profundo.