在线课程 – Google 应用机器学习专业认证

通过数据处理、计算机视觉和神经网络方面的高级问题解决技术,提高您的机器学习技能。

Suggested by: Coursera (What is Coursera?)

Professional Certificate

开始

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • 动手实践机器学习技能
  • 引导式学习
  • 联网方法
  • 回归分析
  • 无监督学习
  • 神经网络
  • 图像分类
  • 数据特征提取
  • 优化模型
  • 卷积神经网络 (CNN)
  • 强化学习
  • 先验手术
  • 解决实际的数据驱动问题
  • Jupyter Notebook 和 PyTorch 的实践经验

What you will learn in the course

Courses for which the course is suitable

  • 数据工程师
  • 数据分析师
  • 开发机器学习模型
  • 数据科学家
  • 计算机视觉专家
  • 人工智能软件开发人员
  • 机器学习领域的研究人员
  • 预测系统分析师
  • 高级预测解决方案的开发人员
  • 强化学习专家

重点 – 3 门课程系列

该专业专为希望培养可应用于各个领域的实用机器学习技能的研究生而设计。在三门综合课程中,将探索关键技术,例如:

  • 引导式学习
  • 联网方法
  • 回归分析
  • 无监督学习
  • 神经网络

这些课程强调实践学习,提供将机器学习应用于实际问题的机会,例如:

  • 图像分类
  • 数据特征提取
  • 优化模型

深入了解高级主题,例如:

  • 卷积神经网络 (CNN)
  • 强化学习
  • 先验手术

实习结束时,你将有能力应对计算机视觉和数据处理等领域的复杂机器学习挑战,使你成为需要高级预测模型的行业的宝贵资产。

实践学习项目

在这个专业中,学习者将参与现实世界的项目,例如使用 McGall 数据系统预测自杀率。通过应用机器学习技术,学习者将记录数据、识别重要特征并开发预测模型。

他们将应对复杂的挑战,例如确定是使用分类模型还是回归模型,并校准机器学习算法以找到跨变量的稳健方法。

使用 Jupyter Notebook 和 PyTorch 等工具,学习者将获得实践经验,创建功能性大麻原型,解决现实世界的数据驱动问题。

Details of the courses that make up the specialization

动手机器学习:技术和应用

课程 1

19 小时

学习内容

  • 了解机器学习技术并将其应用于计算机视觉任务,包括图像识别和对象识别。
  • 使用适当的指标和评估技术分析数据属性并评估机器学习模型的性能。
  • 应用数据预处理方法来清理、转换和准备数据,以有效地训练机器学习模型。
  • 为分类和回归任务实施和优化监督式学习算法。

您将获得的技能

  • 高级数据处理
  • 属性工程
  • 监督式学习
  • 实际应用
  • 模型评估

机器学习应用程序中的高级方法

课程 2

19 小时

学习内容

  • 了解并应用集成方法,通过集成多种学习算法来提高模型的准确性和持久性。
  • 研究高级回归技术,以预测连续结果并对数据中的复杂关系进行建模。
  • 将无监督学习算法应用于无标签数据中的聚类、维度化和模式识别。
  • 理解并应用基于强化的学习技术和隐喻分析来做出决策和寻找联想规则。

您将获得的技能

  • 集成学习
  • 无监督学习
  • 强化学习
  • 欣快手术
  • 高级回归技术

了解神经网络和调控模型

课程 3

16 小时

学习内容

  • 从头开始构建神经网络,并将其应用于 MNIST 等实际数据量。
  • 应用反向传播来优化神经网络模型并理解计算图。
  • 利用 L1、L2 正则化、drop-out 和修剪来减少模型过拟合。
  • 使用 PyTorch 实现卷积神经网络 (CNN) 和张量进行图像和音频处理。

您将获得的技能

  • 熟练使用 PyTorch
  • 正则化技术
  • 神经网络的应用
  • 卷积神经网络 (CNN)
  • 控制回销