督导学习课程
监督学习课程可以帮助您学习 Regression 分析、分类技术和模型评估方法。您可以掌握 Feature Selection、Hyperparameter 调整和理解偏差-方差权衡等方面的技能。许多课程都会介绍 Scikit-learn 和 TensorFlow 等 Python 库等工具，这些工具支持算法的实施和数据分析。
受欢迎的监督学习课程和证书
状态：新状态：免费试用Dartmouth College
您将获得的技能: Supervised Learning, Model Evaluation, Predictive Modeling, Regression Analysis, Machine Learning, Statistical Modeling, Logistic Regression, Probability & Statistics, Classification Algorithms
状态：免费试用DeepLearning.AI
您将获得的技能: 机器学习, Scikit-learn （机器学习库）, 分类算法, 监督学习, 人工智能, 模型评估, NumPy, 回归分析, 无监督学习, 逻辑回归, 数据预处理, Python 程序设计, 功能工程, 预测建模, Jupyter
状态：免费试用多位教师
您将获得的技能: 机器学习, 数据伦理, 分类算法, Scikit-learn （机器学习库）, 监督学习, 人工智能, NumPy, 强化学习, 模型评估, 迁移学习, 无监督学习, Jupyter, 数据预处理, 决策树学习, 应用机器学习, 深度学习, 随机森林算法, 张力流, 功能工程, 预测建模
状态：免费试用您将获得的技能: 机器学习, 分类算法, Scikit-learn （机器学习库）, 监督学习, 降维, 模型评估, 回归分析, 无监督学习, 决策树学习, Python 程序设计, 逻辑回归, 应用机器学习, 预测建模, 数据预处理
状态：免费试用Imperial College London
您将获得的技能: 机器学习, 机器学习算法, 统计, 微积分, 概率与统计, Algorithm, 降维, NumPy, 回归分析, 人工神经网络, 数据预处理, 应用数学, 衍生产品, Python 程序设计, Jupyter, 统计分析, 线性代数, 无监督学习, 高等数学
状态：免费试用您将获得的技能: Supervised Learning, Data Modeling, Applied Machine Learning, Data Analysis, Regression Analysis, Unsupervised Learning, Classification Algorithms, Machine Learning, Predictive Modeling, Decision Tree Learning, Logistic Regression, Model Evaluation, Random Forest Algorithm
是什么让您今天来到 Coursera？
状态：免费试用Alberta Machine Intelligence Institute
您将获得的技能: 机器学习, 分类算法, 机器学习算法, 数据处理, Scikit-learn （机器学习库）, 回归分析, 模型评估, 监督学习, 业务解决方案, 性能分析, 工艺优化, Python 程序设计, 数据预处理, 应用机器学习, 决策树学习, 功能工程, Jupyter
状态：免费试用Johns Hopkins University
您将获得的技能: Model Evaluation, PyTorch (Machine Learning Library), Unsupervised Learning, Data Preprocessing, Computer Vision, Machine Learning Algorithms, Applied Machine Learning, Image Analysis, Dimensionality Reduction, Reinforcement Learning, Feature Engineering, Convolutional Neural Networks, Regression Analysis, Classification Algorithms, Data Cleansing, Machine Learning, Data Mining, Deep Learning, Supervised Learning, Artificial Neural Networks
状态：免费试用IBM
您将获得的技能: 数据操作, 机器学习, 分类算法, Scikit-learn （机器学习库）, 数据清理, 监督学习, 模型评估, 统计机器学习, 决策树学习, 逻辑回归, 随机森林算法, 功能工程, 预测建模, 数据预处理
状态：免费试用University of Michigan
您将获得的技能: Unsupervised Learning, Embeddings, Supervised Learning, Data Preprocessing, Python Programming, Exploratory Data Analysis
状态：免费试用您将获得的技能: Data Preprocessing, Unsupervised Learning, Model Evaluation, Time Series Analysis and Forecasting, Supervised Learning, Machine Learning, Feature Engineering, Artificial Intelligence, Deep Learning, Classification Algorithms, Statistical Analysis, Regression Analysis
状态：预览O.P. Jindal Global University
您将获得的技能: Supervised Learning, Tensorflow, Image Analysis, Applied Machine Learning, Artificial Neural Networks, Scikit Learn (Machine Learning Library), Python Programming, Convolutional Neural Networks, Machine Learning, Deep Learning, Unstructured Data, NumPy, Classification Algorithms, Matplotlib, Natural Language Processing, Text Mining, Pandas (Python Package), Regression Analysis, Model Evaluation
与 supervised learning 相关的搜索
总之，以下是 10 最受欢迎的 supervised learning 课程
- Machine Learning Fundamentals: Dartmouth College
- 监督式机器学习：回归与分类: DeepLearning.AI
- 机器学习: DeepLearning.AI
- 使用 Python 进行机器学习: IBM
- 机器学习数学: Imperial College London
- Supervised Learning Regression Classification Clustering: Simplilearn
- 机器学习算法：监督学习从头到尾: Alberta Machine Intelligence Institute
- Applied Machine Learning: Johns Hopkins University
- 有监督的机器学习：分类: IBM
- Applied Unsupervised Learning in Python: University of Michigan
