在线课程 – 阿尔伯塔省人工智能研究所的机器学习认证专业：真实世界算法

动手机器学习简介

课程 1 • 6 小时 • 4.7 （737 个等级）

课程详情

学习内容

• 本课程适用于听说过机器学习并希望将其应用于数据分析和自动化的专业人士。
• 无论是在金融、医学、工程、商业还是其他领域，本课程都将向您介绍机器学习项目中的问题定义和数据准备。
• 在课程结束时，您将能够通过两种方法定义机器学习问题。
• 您将学习如何查看可用的数据资源并确定机器学习的潜在应用。
• 您将学习如何将业务需求转化为机器学习应用程序。
• 您还将为有效的机器学习应用程序准备数据。

机器学习算法：端到端监督学习

课程 2 • 9 小时 • 4.7 （411 评分）

课程详情

学习内容

• 本课程将带您了解机器学习项目的基础知识。
• 学习者将在实际案例研究中理解并应用监督学习技术来分析业务场景。
• 学习者还将获得辨别各种数据准备步骤的实际含义的技能。
• 要成功，您至少应具备 Python 编程的基本知识。
• 您应该对线性代数和统计有基本的了解。

用于机器学习的数据

课程 3 • 11 小时 • 4.4 （97 个等级）

课程详情

学习内容

• 本课程介绍数据及其对动手学习模式成功的重要性。
• 完成本课程后，学习者将掌握以下技能：
• 了解学习、培训和激活阶段数据的关键元素。
• 了解偏见和数据来源。
• 应用技术来提高模型的整体可行性。
• 解释过度拟合的后果并确定最小化问题的步骤。
• 实施适当的测试和验证措施。
• 演示如何通过深入的特征工程来提高模型的准确性。
• 研究算法参数对模型功效的影响。
• 要成功完成本课程，您至少应具备 Python 编程的基本知识。
• 您应该对线性代数和统计有基本的了解。

您将获得的技能

• 类别： 计算机编程
• 类别： Python 编程
• 类别： 机器学习
• 类别： 统计分析
• 类别： 线性代数

机器学习性能优化

课程 4 • 11 小时 • 4.4 （48 个等级）

课程详情

学习内容

• 本课程总结了您通过实践机器学习专业学到的所有内容。
• 现在，您将完成一个完整的机器学习项目，以制定机器学习维护路线图。
• 了解和分析如何处理不断变化的数据。
• 您还可以识别和解释对项目的潜在意外影响。
• 了解并定义用于操作和维护模型的规则。
• 在本课程结束时，您将拥有执行机器学习项目所需的所有工具和理解。

其他要求

• 要成功，您至少应具备 Python 编程的基本知识。
• 您应该对线性代数和统计有基本的了解。

完成

这是 Coursera 和阿尔伯塔省机械智能研究所 （AMY） 提供的实用机器学习专业的最新课程。