
Google Cloud
您将获得的技能: Google Cloud Platform, Natural Language Processing, Tensorflow, MLOps (Machine Learning Operations), Large Language Modeling, Reinforcement Learning, Computer Vision, Keras (Neural Network Library), Systems Design, Applied Machine Learning, Image Analysis, AI Personalization, Hybrid Cloud Computing, Systems Architecture, Performance Tuning, Artificial Intelligence and Machine Learning (AI/ML), Deep Learning, Artificial Neural Networks, Machine Learning, Pandas (Python Package)
高级设置 · 专项课程 · 3-6 个月

您将获得的技能: Feature Engineering, Applied Machine Learning, Advanced Analytics, Machine Learning, Unsupervised Learning, Workflow Management, Data Ethics, Supervised Learning, Data Validation, Classification And Regression Tree (CART), Random Forest Algorithm, Decision Tree Learning, Python Programming, Performance Tuning
高级设置 · 课程 · 1-3 个月

Wesleyan University
您将获得的技能: 回归分析, 统计分析, 预测建模, 探索性数据分析, 无监督学习, 监督学习, 机器学习, Python 程序设计, 决策树学习, 数据分析, 预测分析, 数据挖掘, 统计方法, 应用机器学习, 随机森林算法, 功能工程, 分类与回归树 (CART)
混合 · 课程 · 1-4 周

New York University
您将获得的技能: 风险管理, 估算, 投资组合管理, 衍生产品, 金融交易, 市场动态, 机器学习, 马尔可夫模型, 证券交易, 金融建模, 金融市场, 强化学习
高级设置 · 课程 · 1-4 周

您将获得的技能: Dimensionality Reduction, R Programming, Time Series Analysis and Forecasting, Applied Machine Learning, Unsupervised Learning, Predictive Modeling, Machine Learning, Text Mining, Artificial Neural Networks, Forecasting, Data Mining, Supervised Learning, Exploratory Data Analysis, Probability & Statistics
混合 · 课程 · 1-4 周

您将获得的技能: Data Storytelling, Data Visualization, Data Ethics, Exploratory Data Analysis, Sampling (Statistics), Data Presentation, Data Visualization Software, Regression Analysis, Feature Engineering, Descriptive Statistics, Statistical Hypothesis Testing, Advanced Analytics, Data Analysis, Data Science, Tableau Software, Statistical Analysis, Machine Learning, Object Oriented Programming (OOP), Interviewing Skills, Python Programming
攻读学位
高级设置 · 专业证书 · 3-6 个月

Amazon Web Services
您将获得的技能: Artificial Intelligence and Machine Learning (AI/ML), Generative AI, Deep Learning, Artificial Intelligence, Amazon Web Services, Applied Machine Learning, Machine Learning
混合 · 课程 · 1-4 周

您将获得的技能: Artificial Intelligence, Applied Machine Learning, Computational Logic, Machine Learning, Unsupervised Learning, Bayesian Statistics, Artificial Neural Networks, Reinforcement Learning, Markov Model, Algorithms, Probability & Statistics
混合 · 课程 · 1-3 个月

您将获得的技能: Matplotlib, NumPy, Pandas (Python Package), Applied Machine Learning, Python Programming, Scikit Learn (Machine Learning Library), Data Visualization, Supervised Learning, Feature Engineering, Machine Learning, Natural Language Processing, Text Mining, Data Manipulation, Unsupervised Learning, Performance Tuning
混合 · 课程 · 1-4 周

Duke University
您将获得的技能: 数据操作, 数据管道, 应用程序部署, 数据管理, Data Management, 探索性数据分析, Pandas(Python 软件包), NumPy, 机器学习, 云计算, GitHub, 数据分析, Devops, 微软 Azure, 集装箱化, Python 程序设计, MLOps(机器学习 Operator), 大数据, AWS SageMaker, 负责任的人工智能, CI/CD
高级设置 · 专项课程 · 3-6 个月
University of Illinois Urbana-Champaign
您将获得的技能: 预测建模, 张力流, 监督学习, 无监督学习, 图论, 计划发展, 机器学习, PyTorch(机器学习库), 计算机视觉, 医疗保健, 深度学习, 医学科学与研究, 图像分析, 大数据, 生成模型架构, 人工智能和机器学习(AI/ML), 健康信息学, Machine Learning 方法, 应用机器学习, 人工神经网络
高级设置 · 专项课程 · 1-3 个月

您将获得的技能: Applied Machine Learning, Unsupervised Learning, Correlation Analysis, Data Cleansing, R Programming, Data Quality, Feature Engineering, Machine Learning, Data Validation, Data Processing, Machine Learning Algorithms, Data Manipulation, Exploratory Data Analysis, Data Integrity, Analysis, Statistical Analysis
混合 · 课程 · 1-4 周
高级机器学习是计算机科学的一个领域,它研究如何通过让程序在运行过程中学习来提高计算能力,而不需要额外的编程。 它是人工智能的一种形式。 先进的机器学习需要复杂的编程,包括统计分析和生成对抗网络,以找到最佳的学习路径。
使用高级机器学习的典型职业是数据工程、数据科学和计算机编程。 这些领域的大数据工作预计会越来越多。 高级机器学习还广泛应用于算法交易和金融领域,因此想在金融市场工作的人不妨学习一下。 随着越来越多的计算环境包含机器学习的某些方面,高级机器学习预计将成为一个不断发展的领域。 如果程序能够了解相关数据,那么涉及数据分析、战略规划和预测的管理职业就会变得更加容易。
通过大学和软件公司提供的课程、专业和专业证书,在线课程可以帮助您学习高级机器学习。 Apache Spark、Keras、TensorFlow、MongoDb 和 PySpark 等软件包的课程可以帮助您了解机器学习如何在特定的编程环境中工作。 其他课程则涉及理解基本逻辑所需的数学和统计学知识。 尽管名称如此,但并非所有课程都是高级课程,尽管高级机器学习的初级课程需要背景知识。 专业课程和指导性项目可帮助您展示所学知识,并对所学知识进行测试。
在开始学习高级机器学习之前,了解可扩展数据科学和数学(包括线性代数和多元微积分)的基础知识是很有帮助的。 还建议学习编程,特别是 Python,以及 SQL 的基本知识。 许多学习者希望在学习高级课程之前,先从机器学习的基础知识开始。