在本课程中，我们将以基本模型知识为基础，探索高级人工智能技术。首先，我们将深入学习神经网络，通过研究其结构和属性，从基础开始构建我们的知识。然后，我们将编码一些简单的神经网络模型，学习如何避免过度拟合、正则化和其他超参数技巧。在给定健康特征预测心脏病可能性的项目之后，我们将转向随机森林。我们将介绍这两种技术的区别，并详细探讨它们的不同起源。最后，我们将完成一个使用随机森林预测健康患者之间相似性的项目。
神经网络和随机森林
要了解的详细信息
可分享的证书
添加到您的领英档案
作业
3 项作业
授课语言：英语（English）
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
本课程是 用于科学研究的人工智能 专项课程 专项课程的一部分
在注册此课程时，您还会同时注册此专项课程。
- 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
- 获得可共享的职业证书
该课程共有4个模块
在本模块中，我们将介绍神经网络以及如何在 Python 中使用它们。首先，我们将介绍什么是神经网络，以及如何通过组合一系列线性模型来构建神经网络。然后，我们将讨论神经网络的收敛，希望能最小化损失函数。最后，我们将学习如何用 Python 编写神经网络代码。
涵盖的内容
5个视频3篇阅读材料2个作业1个讨论话题
在本模块中，我们将更详细地了解神经网络以及使用时应注意的事项。我们将首先为我们的双层网络添加层数，探索不同的选项及其效果。然后，我们将在 TensorFlow 和 Keras 中探索一些更高级的 Python 神经网络库。最后，我们将讨论对科学的影响以及如何将模型应用到空间中。
涵盖的内容
3个视频5篇阅读材料1个作业1个非评分实验室
在本模块中，我们将进一步了解随机森林及其在科学中的应用。首先，我们将探讨决策树以及它们如何作为单独的模型运行。接下来，我们将了解将决策树组合起来创建随机森林的影响。从这里开始，我们将讨论使用随机森林进行回归和分类之间的异同，最后以一个从世系预测物种的项目作为结束。
涵盖的内容
2个视频2篇阅读材料1个编程作业1个讨论话题
在这个毕业设计中，我们将比较一系列模型，找出最能预测萼片宽度的模型。
涵盖的内容
1个编程作业
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
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。'
从 数据科学 浏览更多内容
Dartmouth College
Johns Hopkins University
