完成本课程后，您将学会几种经典的监督和非监督学习算法，以及深度学习主题介绍。您将知道如何构建和评估包括神经网络在内的 ML 模型，以及如何利用 NumPy、Pandas、Matplotlib、Sklearn 和 Keras 等流行 Python 库调整超参数。

在 Coursera 上，两个或两个以上的中大博尔德学位课程提供交叉列出的课程。例如，"动态编程、贪婪算法 "既是 CSCA 5414（MS-CS）课程，也是 DTSA 5503（MS-DS）课程。

- 交叉列出的课程不能获得一个以上版本的学分。

- 您可以通过查看课程的学生手册来确定交叉列出的课程。

- 您的成绩单将受到影响。在评估毕业要求时，交叉列出的课程被视为等同课程。但是，我们鼓励您选修本专业的交叉课程（如有），以确保您的中大成绩单反映出您直接在本系完成的大量课程。您从其他专业完成的任何课程都将以该专业的课程前缀（如 DTSA 与 CSCA）出现在您的中大成绩单上。

- 各专业对入学和毕业的最低成绩要求可能有所不同。例如，MS-DS 要求所有课程均达到 C 级或以上方可毕业（入学要求 GPA 达到 3.0），而 MS-CS 要求所有拓展课程均达到 B 级或以上，所有选修课程均达到 C 级或以上方可毕业（入学要求每门路径课程均达到 B 级或以上）。所有课程均要求学生在入学和毕业时保持 3.0 的累积 GPA。

是的。 在评估毕业要求时，交叉列出的课程被视为等同课程。您可以通过查看您所在专业的学生手册来确定交叉列出的课程。

您可以在任何开放注册期间升级并支付学费，以获得 << 本课程/本专业课程>> 的研究生级别的中大博尔德学分。由于 << 本课程/这些课程>> 在计算机科学硕士课程和数据科学硕士课程中交叉列出，因此您需要在升级之前确定您想从哪个课程中获得学分。

数据科学硕士（MS-DS）学分： 要升级到 << 本课程/这些课程>> 的数据科学（DTSA）学分版本，请使用 MS-DS 注册表。查看如何操作。

计算机科学硕士（MS-CS）学分： 要升级到<<此课程/这些课程>>的计入学分的计算机科学（CSCA）版本，请使用MS-CS注册表。查看如何操作。

如果您不确定哪个课程最适合您，请查看MS-CS和MS-DS课程网站，如果还有问题，请联系[email protected]或[email protected]。

本课程完全在线，因此无需亲自到教室上课。您可以随时随地通过网络或移动设备访问讲座、阅读和作业。

可以！要开始学习，请单击您感兴趣的课程卡并注册。您可以注册并完成课程，以获得可共享的证书。当您订阅属于专项课程的课程时，您将自动订阅完整的专项课程。访问您的学习者仪表板，跟踪您的学习进度。

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。