在机器学习专业化的第一门课程中，您将： • 使用流行的机器学习库 NumPy 和 scikit-learn 在 Python 中构建机器学习模型。 • 构建和训练用于预测和二元分类任务的监督机器学习模型，包括线性回归和逻辑回归 机器学习专业化是 DeepLearning.AI 和斯坦福大学在线合作创建的基础在线计划。在这个适合初学者的课程中，您将学习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人工智能应用程序。该专业课程由人工智能梦想家吴恩达 (Andrew Ng) 教授，他曾在斯坦福大学领导过批判性研究，并在 Google Brain、百度和 Landing.AI 开展了开创性工作，以推动人工智能领域的发展。这门包含 3 门课程的专业课程是 Andrew 开创性机器学习课程的更新和扩展版本，自 2012 年推出以来，该课程的评分为 4.9 分（满分 5 分），已有超过 480 万名学习者参加。它广泛介绍了现代机器学习，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）以及硅谷用于人工智能和机器学习创新的一些最佳实践（评估和调整模型、采用以数据为中心的方法来提高性能等。）在本专业课程结束时，您将掌握关键概念并获得实用知识，以快速有效地应用机器学习来解决具有挑战性的现实问题。如果您想进入人工智能领域或在机器学习领域发展职业生涯，新的机器学习专业化是最好的起点。
查看课程大纲
您将学到的技能
正则化以避免过度拟合、梯度下降、监督学习、线性回归、分类逻辑回归
评论
5 星
91.81%
4 星
7.17%
3 星
0.58%
2星
0.19%
1 星
0.23%
广告
2022 年 11 月 24 日
令人惊叹的课程！印象非常深刻。这些概念的传达非常清晰和简洁，使得没有数学或计算机科学背景的人也可以轻松理解课程内容。
SS
2023 年 5 月 8 日
关于机器学习的最佳课程之一。干净、清爽、切题。简短但提供了人们需要的所有东西。比课堂课程更好。节省时间和精力。
从教训来看
第一周：机器学习简介
欢迎来到机器学习专业！您将加入数百万其他学习过本课程或原始课程的人的行列，这导致了 Coursera 的成立，并帮助像您一样的数百万其他学习者了解令人兴奋的机器学习世界！
