本课程让您对机器学习模型(Logistic Regression、多层感知器、卷积神经网络、自然语言处理等)有一个基础性的了解,并演示这些模型如何解决从医疗诊断、图像识别到文本预测等各行各业的复杂问题。通过实践练习,您将在数据集上实现这些 Data Science Model,熟练掌握 PyTorch 的机器学习算法,谷歌和 NVIDIA 等领先的科技公司都在使用 PyTorch。


您将学到什么
解释各种 Machine Learning 模型,以及它们如何解决从医疗诊断到文本预测等多个行业中的复杂问题。
通过动手实践练习,在数据集上实施 Data Science Modeling。
您将获得的技能
要了解的详细信息

添加到您的领英档案
24 项作业
了解顶级公司的员工如何掌握热门技能

该课程共有6个模块
本模块的重点是用尽可能少的数学知识介绍机器学习的概念。我们将介绍机器学习的基本概念,包括逻辑回归,这是一种简单但广泛使用的机器学习(ML)方法。 此外,我们还将介绍多层感知器(MLP)这一基本神经网络。还将讨论深度学习的概念,以及与更简单模型的关系。
涵盖的内容
23个视频3篇阅读材料10个作业3个非评分实验室
在本模块中,我们将讨论深度网络学习的数学基础。首先,我们将讨论如何将深度网络学习问题定义为数学函数的最小化问题。在定义数学目标后,我们将介绍验证方法,以估计所学深度网络在现实世界中的性能。然后,我们将讨论如何利用梯度下降这一经典优化技术来实现这一数学目标。最后,我们将讨论为什么以及如何在实践中使用随机梯度下降来学习深度网络。
涵盖的内容
6个视频3个作业2个非评分实验室
本周的内容包括模型训练、迁移学习和微调。除了学习 CNN 的基本原理和应用方法外,还将仔细讨论 CNN 的直觉,目的是提供概念性理解。
涵盖的内容
8个视频4个作业2个非评分实验室
本周将介绍神经网络在自然语言处理(NLP)中的应用,从简单的神经网络模型到更复杂的神经网络模型。本周将讨论词嵌入的基本概念,以及如何在多个 NLP 应用的模型学习和使用中采用此类方法。此外,还讨论了各种神经 NLP 模型,包括递归神经网络,特别是长短期记忆 (LSTM) 模型。
涵盖的内容
13个视频4个作业2个非评分实验室
本周我们将介绍变形网络(Transformer Network),这是一种深度机器学习模型,旨在比循环神经网络(RNN)更灵活、更健壮。首先,我们将回顾变形网络的几个机器学习构件:单词向量的内积、注意力机制以及序列到序列编码器和解码器。然后,我们将把所有这些组件组合在一起,探索完整的变形网络。
涵盖的内容
12个视频
本周将介绍 "强化学习"(Reinforcement Learning),这是机器学习中的一个基本概念,它关注的是在特定情况下采取适当的行动以获得最大回报。在学习了强化学习的初始步骤后,我们将转向 Q 学习以及深度 Q 学习。我们将讨论 "探索"(Exploration)和 "利用"(Exploitation)这两个概念之间的区别以及它们的重要性。
涵盖的内容
10个视频1篇阅读材料3个作业2个非评分实验室
位教师



从 机器学习 浏览更多内容
- 状态:免费试用
Alberta Machine Intelligence Institute
- 状态:预览
The University of Chicago
- 状态:预览
Northeastern University
人们为什么选择 Coursera 来帮助自己实现职业发展




学生评论
3,773 条评论
- 5 stars
74.79%
- 4 stars
20.27%
- 3 stars
2.96%
- 2 stars
0.68%
- 1 star
1.27%
显示 3/3773 个
已于 May 7, 2021审阅
The course gave a very clear understanding of machine learning from the basics to the key technology. Furthermore, this knowledge is made practical via Lab videos and assignment
已于 Apr 27, 2021审阅
Its really a helpful course to my career. I got to learn various things about machine learning from this course all thanks to Coursera. A valuable course for every machine learning aspirant.
已于 May 25, 2020审阅
It's really an amazing field to learn new things and from institute is like Amazing to me I've learnt more ...it's not at all boring and we'll will be excited for future experience with you ?
常见问题
要获取课程资料、作业和证书,您需要在注册课程时购买证书体验。 您可以尝试免费试听,或申请资助。课程可能提供 "完整课程,无证书"。通过该选项,您可以查看所有课程资料,提交必要的评估,并获得最终成绩。这也意味着您无法购买证书体验。
购买证书后,您就可以访问所有课程资料,包括已评分的作业。完成课程后,您的电子证书将添加到您的 "成就 "页面--您可以从那里打印证书或将其添加到您的 LinkedIn 个人资料中。
是的。在特定的学习课程中,如果您付不起注册费,可以申请助学金或奖学金。如果您选择的学习课程有助学金或奖学金,您可以在说明页面找到申请链接。
更多问题
提供助学金,