在线课程 – 斯坦福大学机器学习认证专业

专业化 – 由 3 部分组成的课程系列

机器学习专业化是 DeepLearning.AI 和斯坦福大学合作创建的基本在线课程。这个适合初学者的计划将教您机器学习的基础知识以及如何使用这些技术来构建现实世界的 AI 应用程序。

关于专业知识

Andrew Ng 是一位 AI 远见者，他在斯坦福大学进行了重要的研究，并在 Google Brain、百度和 Landing.AI 上做出了开创性的工作，以推动 AI 领域的发展。

该课程系列由 3 部分组成，是 Andrew 创新机器学习课程的更新版本，该课程自 2012 年推出以来已获得 4.9 分（满分 5 分），已有超过 480 万学习者教授。它对现代机器学习进行了广泛的介绍，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）
• 硅谷用于 AI 和机器学习创新的一些最佳实践（模型评估、模型调整和提高性能的数据驱动方法等）

在专业知识结束时，掌握关键概念并享受实践知识，以快速有效地将机器学习应用于具有挑战性的实际问题。如果您想进入 AI 世界或在机器学习领域建立职业生涯，机器学习领域的新专业知识是最好的起点。

实践学习项目

在完成这些专业知识后，您将准备好：

• 在 NumPy 和 scikit-learn 等常用库的帮助下，在 Python 中构建机器学习模型。
• 为二元预测和分类任务（包括线性回归和 Logistic 回归）构建和训练监督式机器学习模型。
• 使用 TensorFlow 构建和训练神经网络以执行多层分类。
• 实施开发机器学习的最佳实践，以便您的模型适合实际数据和任务。
• 构建和使用决策树和树的酶方法，包括随机森林和增强树。
• 使用无监督学习技术：包括聚类和异常检测。
• 使用协作筛选方法和基于内容的深度学习方法构建推荐系统。
• 构建深度自学模型。