在线课程 – 宾夕法尼亚大学 AI 和机器学习基础知识专业认证

探索 AI 和机器学习领域。在探索人工智能、机器学习和深度学习的重要领域的同时,深化您的 Python 技能。

Suggested by: Coursera (What is Coursera?)

Professional Certificate

中档

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • 人工智能和机器学习基础知识
  • 统计经验
  • 用 Python 编写程序
  • 使用 AI 和机器学习工具和原理
  • 提高 Python 技能
  • 解决 AI 和机器学习问题
  • 在统计中执行练习
  • 处理数据科学问题

What you will learn in the course

Courses for which the course is suitable

  • 人工智能软件开发人员
  • 数据分析师
  • 数据科学家
  • 机器学习工程师
  • 开发算法
  • 统计专家
  • Python 密钥
  • 深度学习研究员
  • AI 技术顾问

专业化 – 由 4 部分组成的课程系列

该专业将为学习者进入人工智能 (AI) 和机器学习的迷人领域做好准备。在四门课程中,学生将熟悉人工智能、机器学习和深度学习的基础知识,并获得统计学方面的经验——这是任何机器学习问题的支柱。

学习者将使用 Python 语言编写执行基本 AI 和机器学习任务的程序。在实习结束时,学习者将能够自信地使用和讨论 AI 和机器学习工具和原理,提高他们的 Python 技能,并为在这些领域进行更高级的学习做好准备。

实践学习项目

学习者将进行编写 Python 代码的练习,以解决常见的 AI 和机器学习问题,例如:

  • 无意识/有意识的搜索
  • 线性回归问题

此外,学习者将进行统计练习,从而培养解决几乎任何数据科学问题所需的技能。

Details of the courses that make up the specialization

人工智能基础知识

课程 1
18 小时

学习内容

  • 通过哲学和科幻文学的视角了解 AI 的历史和背景。
  • 探索不同类型的搜索算法,例如 A* 搜索、深度搜索、宽度搜索等。

您将获得的技能

  • 人工智能
  • Python(编程语言)
  • 搜索算法

数据科学基础的统计学

课程 2
19 小时

学习内容

  • 彻底研究概率并了解其作为数据科学核心要素的作用。
  • 使用中心极限理论、信任区间和最大概率方法解决数据科学问题。

您将获得的技能

  • 概率与统计
  • 数学
  • 信任间隔
  • 简单随机示例
  • Spot 评估

机器学习基础知识

课程 3
17 小时

学习内容

  • 回顾概率的基础知识,并了解分析机器学习问题所必需的理论框架。
  • 使用线性回归和 Python 编程来解决机器学习问题。

您将获得的技能

  • Logistic 回归
  • 线性回归
  • 机器学习方法

深度学习基础知识

课程 4
15 小时

学习内容

  • 了解深度学习领域的历史和背景,探索“智能”的真正含义。
  • 研究深度学习模型,例如感知器、神经网络和回归,并研究解决这些问题的技术。
  • 使用 Python 编写一个项目,您将在其中处理数据并使用您的数据来训练支持的向量机 (SVM)。

您将获得的技能

  • 退
  • 感知器
  • Python(编程语言)
  • 深度学习