无监督学习课程可以帮助您学习 Clustering 技术、Dimensionality Reduction 和 Anomaly Detection。您可以掌握数据预处理、Feature Extraction 和解释复杂数据集的技能。许多课程都会介绍 Scikit-learn 和 TensorFlow 等 Python 库等工具,这些工具支持在项目中实施这些方法。您还将探索客户细分、图像处理和推荐系统等领域的实际应用,提高从无标签数据中获得洞察力的能力。

DeepLearning.AI
您将获得的技能: 机器学习, Algorithm, 深度学习, 数据伦理, 异常检测, 人工智能和机器学习(AI/ML), 强化学习, 人工智能, 降维, 无监督学习, 应用机器学习, 监督学习
初级 · 课程 · 1-4 周

多位教师
您将获得的技能: 机器学习, Python 程序设计, 深度学习, 预测建模, 负责任的人工智能, 人工智能和机器学习(AI/ML), 数据伦理, NumPy, 应用机器学习, 强化学习, 随机森林算法, 人工智能, 决策树学习, Jupyter, 监督学习, 分类与回归树 (CART), 功能工程, 无监督学习, 张力流, Scikit-learn (机器学习库)
初级 · 专项课程 · 1-3 个月

Dartmouth College
您将获得的技能: Supervised Learning, Predictive Modeling, Predictive Analytics, Statistical Modeling, Machine Learning, Machine Learning Algorithms, Regression Analysis, Probability & Statistics, Linear Algebra
中级 · 课程 · 1-3 个月

University of Michigan
您将获得的技能: Unsupervised Learning, Anomaly Detection, Supervised Learning, Python Programming, Exploratory Data Analysis
高级设置 · 课程 · 1-4 周

DeepLearning.AI
您将获得的技能: 机器学习, 深度学习, 数据伦理, 负责任的人工智能, 人工神经网络, 决策树学习, 分类与回归树 (CART), 张力流, 随机森林算法, 性能调整, 监督学习
初级 · 课程 · 1-4 周

IBM
您将获得的技能: 机器学习, Algorithm, 机器学习算法, 线性代数, 数据科学, 数据分析, 自然语言处理, 文本挖掘, NumPy, 降维, 功能工程, 大数据, 统计机器学习, 无监督学习, Scikit-learn (机器学习库), 数据挖掘
中级 · 课程 · 1-3 个月

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

IBM
您将获得的技能: 机器学习, 预测建模, 回归分析, Scikit-learn (机器学习库), 降维, 决策树学习, 统计建模, 应用机器学习, 无监督学习, 功能工程, 分类与回归树 (CART), 监督学习
中级 · 课程 · 1-3 个月

University of Colorado Boulder
您将获得的技能: Python 程序设计, 机器学习, 机器学习算法, 预测建模, 数据科学, 深度学习, 数学建模, 随机森林算法, 人工神经网络, 应用机器学习, 降维, Keras(神经网络库), 计算机视觉, 决策树学习, 分类与回归树 (CART), 监督学习, Matplotlib, 无监督学习, 张力流, Scikit-learn (机器学习库)
攻读学位
中级 · 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

University of Colorado Boulder
您将获得的技能: 机器学习, Python 程序设计, Algorithm, 机器学习算法, 探索性数据分析, 线性代数, 数据科学, 降维, NumPy, 无监督学习, 应用机器学习, 数据挖掘, Scikit-learn (机器学习库)
攻读学位
中级 · 课程 · 1-4 周

您将获得的技能: Dimensionality Reduction, Unsupervised Learning, Deep Learning, Machine Learning Algorithms, Random Forest Algorithm, Feature Engineering, Artificial Neural Networks, Supervised Learning, Statistical Machine Learning, Anomaly Detection, Machine Learning, Classification And Regression Tree (CART)
中级 · 课程 · 1-3 个月
无监督学习是一种基于人工智能的机器学习,它能让人们从无目标的数据集中获取信息。 机器可以查找和管理未标记的数据,这样人们就能利用复杂的工具,如降维算法和聚类。 无监督学习的结果是,用户能够从原始数据集中识别出模式和结果。 使用无监督学习的人无需输入数据集或目标,而是让数据集和模式出现,从而找到最合理的算法。
如果您喜欢解决复杂的谜题,喜欢通过检测隐藏信息来回答问题,那么学习无监督学习就能让您以连贯、可用的方式识别和呈现数据。 学习降维算法和聚类等工具如何将原始数据分解为可用于创建模型的子集和类别或聚类。 这样,信息就可以用于决策目的,也可以用于指导人工智能探索特定的数据子集。 分类信息变得更加相关,数据集群的特征也更容易识别。
数据科学家和机器学习(AI)专家是学习无监督学习后可以获得的两个职业机会。 在学习无监督学习之前,掌握 Python 编程知识并了解微积分、数据清理、概率、统计、线性代数和探索性数据分析的基础知识会有所帮助,因为无监督学习建立在这些技能的基础之上。 您可能专门从事 IBM 机器学习策略领域的工作,也可能从事其他领域的工作,如工程、客户市场细分、数据挖掘或预测分析。 学习无监督学习有助于您紧跟机器学习领域的发展,保持与时俱进,如果您已经在该领域工作,还可以在职业生涯中不断进步。
Coursera 上的在线无监督学习课程将为您提供机器学习方面的知识和实践经验,使您能够使用 k 均值聚类、聚类分析和原理成分分析 (PCA) 等工具,在商业环境中应用无监督机器学习技术。 将这些新技能和新学到的信息应用到实际业务中。 我们的在线无督导学习课程为您提供信息和机会,让您能够按照自己的步调和条件发展技能,帮助您实现职业目标或获得大学学分。
在线无监督学习课程为提高您的知识水平或学习新的无监督学习技能提供了一种方便灵活的方式。 由顶尖大学和行业领导者提供的各种无监督学习课程可满足不同技能水平的需求。