在线课程 – IBM 机器学习认证专业证书

为从事机器学习事业做好准备。获得所需的技能和实践经验，在不到 3 个月的时间内为工作做好准备。

Suggested by: Coursera (What is Coursera?)

Start your Coursera.com free trial today
在线课程 - IBM 机器学习认证专业证书

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

  • 工具：Jupyter Notebooks 和 Watson Studio
  • 库：Pandas、NumPy、Matplotlib、Seaborn、ipython-sql、Scikit-learn、ScipPy、Keras 和 TensorFlow。
  • 算法：监督学习和无监督学习、回归、分类、聚类、线性回归、岭回归、机器学习 （ML） 算法、决策树、Tens 学习、生存分析、K-means 聚类、DBSCAN 和数据降维。

What you will learn in the course

Courses for which the course is suitable

  • 机器学习工程师
  • NLP 研究员
  • 数据工程师
  • 开发人工智能
  • 数据分析师
  • 数据科学家
  • 机器学习专家 （Machine Learning Specialist）
  • 开发算法
  • 机器学习领域的项目经理
  • 人工智能技术顾问
## 专业证书 – 一系列 6 门课程 为机器学习领域的职业生涯做准备。在这个计划中，您将学习必要的技能，例如人工智能和机器学习，以 **在不到 3 个月的时间内为工作做好准备。机器学习是使用和开发计算机系统，这些系统可以使用算法和统计模型进行学习和适应，以分析数据并从中得出结论。机器学习是人工智能 （AI）** 的一个分支，其中计算机被教导模仿人类智能并解决复杂的任务。具备机器学习知识的人的可用职位包括机器学习工程师、NLP 研究员和数据工程师。该计划包括提供扎实的理论理解和主要算法、用途以及是否会导致机器学习的大量实践的课程。涵盖的主题包括 **监督式和无监督式学习、回归、分类、聚类、深度学习和强化学习。您将学习使用一些最相关的开放框架和库来 **编写自己的项目代码**，并通过完成最终项目将您学到的知识应用到各种课程中。完成课程后，您将获得项目组合和 IBM 的专业证书，以展示您的专业知识。您还将获得 IBM 数字徽章，并访问职业资源，以帮助您寻找工作，包括样本面试和简历支持。### 实践学习项目 该专业证书突出了在机器学习和深度学习职业中取得进步所需的实践技能的发展。所有课程都包括一系列实践实验和期末项目，可帮助您专注于您感兴趣的特定项目。在此专业证书期间，您将接触到各种工具、库、云服务、数据系统、算法、任务和项目，它们将为您提供在机器学习领域工作中使用的实用技能。这些技能包括： – **工具：** Jupyter Notebooks 和 Watson Studio – **库：** Pandas、NumPy、Matplotlib、Seaborn、ipython-sql、Scikit-learn、ScipPy、Keras 和 TensorFlow。 – **算法：** 监督学习和无监督学习、回归、分类、聚类、线性回归、岭回归、机器学习 （ML） 算法、决策树、十学习、生存分析、K-means 聚类、DBSCAN 和数据降维。

Details of the courses that make up the specialization

机器学习的探索性数据分析

课程 1 • 14 小时 • 4,6

课程详情

学习内容

本课程向您介绍机器学习和专业证书的内容。在课程中，您将了解质量数据的重要性。您将学习数据收集、清理、使用特征工程以及为初始分析和假设检验做准备的常见技术。

  • 从各种来源收集数据：SQL、NoSQL 数据库、API、云
  • 描述和使用特征选择和特征工程中的常用技术
  • 地址类别属性和排名，以及缺失的条目
  • 使用各种技术来识别和处理异常值
  • 解释为什么更改大小很重要，并使用各种测量更改技术

谁应该参加这门课程？

本课程专为那些有兴趣成为数据科学家并希望在商业环境中获得机器学习和人工智能实践经验的人而设计。

您将获得的技能

  • 类别： 聚类分析
  • 类别： 降维
  • 类别： 无监督学习
  • 类别： 主成分分析 （PCA）
  • 类别： K 均值集群

监督式机器学习：回归

课程 2 • 20 小时 • 4.7

课程详情

学习内容

本课程向您介绍监督学习中的一种主要模型类型：回归。您将学习如何训练回归模型以预测连续结果，以及如何使用误差指标来比较不同的模型。

  • 区分分类和回归的用途和应用
  • 描述和使用线性回归模型
  • 使用正则化回归：Ridge、LASSO 和 Elastic net

谁应该参加这门课程？

本课程专为那些有兴趣成为数据科学家并希望在商业环境中获得监督机器学习回归技术实践经验的人而设计。

您将获得的技能

  • 类别： 无监督学习
  • 类别： 机器学习 （ML） 算法
  • 类别： 监督学习
  • 类别： 分类算法
  • 类别： 决策树

监督式机器学习：分类

课程 3 • 24 小时 • 4,8

课程详情

学习内容

本课程向您介绍监督式机器学习模型系列的一种关键类型：分类。您将学习如何训练预测模型以对分类结果进行分类。

  • 区分分类的用途和应用以及分类的组合
  • 描述和使用 Logistic 回归模型
  • 使用各种误差指标来比较和选择最适合您数据的分类模型

谁应该参加这门课程？

本课程专为那些有兴趣成为数据科学家并希望在商业环境中获得监督机器学习分类技术实践经验的人而设计。

您将获得的技能

  • 类别： 人工神经网络
  • 类别： 数据分析
  • 类别： Python 编程
  • 类别： 监督学习
  • 类别： 无监督机器学习

无监督机器学习

课程 4 • 23 小时 • 4,7

课程详情

学习内容

本课程向您介绍机器学习中的一种主要学习类型：无监督学习。您将学习如何从没有目标变量或分类器的数据集中查找见解。

  • 解释适合无监督学习方法的问题类型
  • 描述和使用常见的聚类和降维算法

谁应该参加这门课程？

本课程专为那些有兴趣成为数据科学家并希望在商业环境中获得无监督学习技术的实践经验的人而设计。

您将获得的技能

  • 类别： 人工神经网络
  • 类别： 强化学习
  • 类别： 机器学习
  • 类别： 深度学习
  • 类别： Keras

深度学习和强化学习

课程 5 • 31 小时 • 4,6

课程详情

学习内容

本课程向您介绍机器学习中最受欢迎的两个专业：深度学习和强化学习。

  • 解释无监督学习方法的适当问题提供者
  • 详细说明并使用常用算法进行聚类和降维

谁应该参加这门课程？

本课程专为那些有兴趣成为数据科学家并希望获得深度学习和强化学习实践经验的人而设计。

您将获得的技能

  • 类别： 线性回归
  • 类别： 机器学习 （ML） 算法
  • 类别： 岭回归
  • 类别： 监督学习
  • 类别： 回归分析

相关产品