在大多数情况下，机器学习项目的最终目标是生成一个模型。模型可以做出决策、预测--任何可以帮助企业比人类更好地了解自身、客户和环境的东西。模型是通过算法构建的，而在机器学习的世界里，有许多不同的算法可供选择。本课程是人工智能从业者认证（CAIP）专业证书的第三门课程，将向您介绍一些主要的机器学习算法，这些算法用于解决两个最常见的有监督问题：回归和分类，以及一个最常见的无监督问题：聚类。最后，本课程将从技术上探讨各种机器学习算法，以及如何使用这些算法建立解决问题的模型。
建立回归、分类和聚类模型
了解顶级公司的员工如何掌握热门技能
积累 机器学习 领域的专业知识
本课程是 CertNexus 人工智能认证从业者 专业证书 专项课程的一部分
在注册此课程时，您还会同时注册此专业证书。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 通过 CertNexus 获得可共享的职业证书
该课程共有6个模块
在前面的课程中，您从头到尾了解了整个机器学习工作流程。现在，是时候开始深入研究构成机器学习的算法了。这将帮助您根据自己的目的选择最合适的算法，以及如何最好地应用它们来解决问题。简单的线性回归就是一个很好的开始。
涵盖的内容
13个视频3篇阅读材料1个作业1个讨论话题1个非评分实验室
您之前创建的简单模型在很多情况下都很有效，但这并不意味着它就是最佳方法。线性回归可以通过正则化过程得到增强，这通常会提高机器学习模型的技能。此外，迭代回归方法还能弥补闭式求解的不足。在本模块中，您将应用这两种技术。
涵盖的内容
8个视频3篇阅读材料1个作业1个讨论话题2个非评分实验室
除了线性回归，另一种主要的监督机器学习结果是分类。首先，你将使用几种不同的算法训练一些二元分类模型。然后，你将训练一个模型来处理有多种方法对数据示例进行分类的情况。每种算法都可能是解决某类分类问题的理想选择，因此你需要了解它们的不同之处。
涵盖的内容
9个视频3篇阅读材料1个作业1个讨论话题2个非评分实验室
仅仅训练一个你认为最好的模型，然后就收工是不够的。除非你使用的数据集非常简单，或者你很幸运，否则默认参数并不能为你提供解决问题的最佳模型。因此，在本模块中，你将对分类模型进行评估，看看它们的表现如何，然后尝试改进它们的技能。
涵盖的内容
16个视频3篇阅读材料1个作业1个讨论话题2个非评分实验室
您已经建立了处理线性回归问题和分类问题的模型。您可能想参与的其他主要机器学习任务之一是聚类，这是一种无监督学习。在本模块中，您将了解机器学习模型如何在数据没有标记的情况下帮助您识别有用的模式。
涵盖的内容
9个视频4篇阅读材料1个作业1个讨论话题2个非评分实验室
您将参与一个项目，将本课程的知识应用到实际场景中。
涵盖的内容
1次同伴评审1个非评分实验室
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
位教师
1 门课程 3,481 名学生
提供方
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
¹ 本课程的部分作业采用 AI 评分。对于这些作业，将根据 Coursera 隐私声明使用您的数据。