课程名称（英文）：Machine Learning Specialization

课程名称（中文）：机器学习 专项课程

课程链接：https://www.coursera.org/specializations/machine-learning-introduction

平台：Coursera

大学或机构：deeplearning.ai,
斯坦福大学

课程介绍：机器学习专业化是 DeepLearning.AI 和斯坦福在线合作创建的基础在线课程。这个适合初学者的程序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。

本专业由 Andrew Ng 教授，他是一位 AI 远见者，曾在斯坦福大学领导过重要研究，并在 Google Brain、百度和 Landing.AI 开展了开创性工作，以推动 AI 领域的发展。

这门 3 门课程的专业化课程是 Andrew 开创性机器学习课程的更新版本，自 2012 年推出以来，评分为 4.9 分（满分 5 分），已有超过 480 万学习者学习。

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 Silicon 中使用的一些最佳实践Valley 用于人工智能和机器学习创新（评估和调整模型，采用以数据为中心的方法来提高性能等等。）

在本专业结束时，您将掌握关键概念并获得实用知识，以快速有效地将机器学习应用于具有挑战性的现实问题。如果您希望进入 AI 领域或在机器学习领域建立职业生涯，那么新的机器学习专业化是最好的起点。

应用的学习项目
在本专业化结束时，您将准备好：
• 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。
• 为预测和二元分类任务构建和训练监督机器学习模型，包括线性回归和逻辑回归。
• 使用 TensorFlow 构建和训练神经网络以执行多类分类。
• 应用机器学习开发的最佳实践，使您的模型泛化到现实世界中的数据和任务。
• 构建和使用决策树和树集成方法，包括随机森林和增强树。
• 使用无监督学习技术进行无监督学习：包括聚类和异常检测。
• 使用协同过滤方法和基于内容的深度学习方法构建推荐系统。
• 构建深度强化学习模型。

包含课程详情（点击对应课程后方详情了解对应课程具体信息）：

1、Supervised Machine Learning: Regression and Classification（详情）
2、Advanced Learning Algorithms（详情）
3、Unsupervised Learning, Recommenders, Reinforcement Learning（详情）

课程视频压缩包下载（度盘链接 解压密码：xuebuyan.org）：

友情提醒：