主讲:Andrew Ng
评分:4.9/5
学时:60小时
这是 Coursera 上最好的机器学习课程之一。本课程由 Coursera 联合创始人、斯坦福大学计算机科学系兼职教授 Andrew Ng 创建。
本课程为你提供有关机器学习、数据挖掘和统计模式识别的广泛介绍。本课程详细讨论了机器学习所需的所有数学知识。
本课程使用开源编程语言 Octave。Octave 提供了一种理解机器学习基础知识的简单方法。
涵盖的主题:
单变量线性回归
线性代数
多变量线性回归
Octave/Matlab 教程
逻辑回归
正则化
神经网络:表示
神经网络:学习
应用机器学习的建议
机器学习系统设计
支持向量机
无监督学习
降维
异常检测
推荐系统
大规模机器学习
应用示例:照片 OCR
通过此课程你可以获得可共享证书。除此之外,你还将学习各种案例研究和应用。这将教你如何应用机器学习算法来构建智能机器人。你还将学习文本理解(网络搜索、反垃圾邮件)、计算机视觉、医学信息学、音频、数据库挖掘等。
本课程最适合完全初学者。但对 ML 有一些基本了解的人也可以报名。
课程链接:https://coursera.pxf.io/Xx55Na
评分:4.7/5
学时:22小时
这是另一门针对初学者的机器学习课程。本课程从机器学习的基础知识开始。本课程使用Python来实现机器学习算法。
本课程最好的部分是在每个机器学习算法之后给出的实用建议。在开始新算法之前,老师会向你详细介绍该算法的工作原理、优点、缺点以及该算法可以解决哪种类型的问题。
涵盖的主题:
机器学习简介
回归
分类
聚类
推荐系统
最终项目
通过此课程你将获得可共享证书。除此之外,你还将获得 IBM 数字徽章。完成专业证书后,你将获得免费的职业资源。本课程包括简历制作和模拟面试。
本课程非常适合想要使用 Python 学习机器学习的机器学习初学者。
课程链接:https://coursera.pxf.io/RyDDbg
评分:4.7/5
学时:22小时
这是一门初级课程,即使你没有任何数学或编程背景,你也将获得机器学习的基本概念。你还将亲自动手并使用伦敦大学金史密斯学院开发的用户友好型工具来实际训练机器学习模型来识别图像。
但本课程不涵盖基于编程的机器学习工具,例如 python 和 TensorFlow。 这就是为什么任何人都可以学习本课程来了解机器学习的基础知识。
完成后你将获得可共享证书和课程证书。除此之外,你还将获得课程视频和阅读材料、练习测验、带同伴反馈的评分作业、带反馈的评分测验、评分编程作业。
本课程适合那些只想了解机器学习基础知识而没有任何编程和数学理解的人。
课程链接:https://coursera.pxf.io/rn1vDD
评分:4.7/5
学时:7个月(每周学习3小时)
这是 Coursera 提供的专业课程。在这个专业课程中,你将学习机器学习的主要领域,例如预测、分类、聚类和信息检索。在整个计划中,你将从一系列实际案例研究中获得机器学习的实践经验。
在第一个案例研究中,你将使用回归来预测房价。在第二个案例研究中,你将使用分类来分析情绪和贷款违约预测。最后一个和第三个案例研究都是关于查找相似文档。
简而言之,如果你正在寻找更加实用的学习,那么这对你来说是完美的计划。该专业课程有 4 门课程:
机器学习基础:案例研究方法
机器学习:回归
机器学习:分类
机器学习:聚类和检索
完成后你将获得可共享证书和课程证书。除此之外,你还将获得课程视频和阅读材料、练习测验、带同伴反馈的评分作业、带反馈的评分测验、评分编程作业。
本课程适合具有 Python 和基础数学知识的人。
课程链接:https://coursera.pxf.io/QOxqEA
评分:4.7/5
学时:6个月(每周学习3小时)
这是 IBM 提供的专业证书,你将在其中学习机器学习基础知识和机器学习的主要类型:无监督学习、监督学习、深度学习和强化学习。你还将学习时间序列分析和生存分析。
该证书课程将提供对与机器学习相关的主要算法、用途和最佳实践的理论理解和实践理解。
你还将接触到一系列工具、库、云服务、数据集、算法、作业和项目。该专业证书共有6门课程:
机器学习的探索性数据分析
监督学习:回归
监督学习:分类
无监督学习
深度学习和强化学习
专业模型:时间序列和生存分析
完成后你将获得可共享证书和课程证书。你还将收到来自 IBM 的数字徽章。除此之外,你还将获得课程视频和阅读材料、练习测验、带同伴反馈的评分作业、带反馈的评分测验、评分编程作业。
本课程适合具有数学、统计和 Python 编程背景的人。
课程链接:https://coursera.pxf.io/ZdekEk
评分:4.6/5
学时:4个月(每周学习3小时)
这是一个专业课程,你将学习如何将机器学习应用于数据分析和自动化。该专业课程将教你如何为有效的机器学习应用程序准备数据。
你还将学习如何在实际案例研究中实施监督学习技术,以分析最佳使用决策树、k 最近邻和支持向量机的业务案例场景。
该专业课程有 4 门课程:
应用机器学习简介
机器学习算法:监督学习从头到尾
机器学习数据
优化机器学习性能
完成后你将获得可共享证书和课程证书。除此之外,你还将获得课程视频和阅读材料、练习测验、带同伴反馈的评分作业、带反馈的评分测验、评分编程作业。
本课程适合之前了解分析、数学(线性代数、矩阵乘法)、统计和初级 Python 编程的人。
课程链接:https://coursera.pxf.io/vngLgj
评分:4.5/5
学时:3个月(每周学习6小时)
这是使用 TensorFlow 学习机器学习的另一个很棒的专业项目。在本专业中,你将设计和构建 TensorFlow 2.x 输入数据 pipeline。你将通过使用 Google Cloud Platform 的实践实验室来尝试端到端 ML,从构建以 ML 为中心的策略开始,逐步进入模型训练和优化。
该专业课程由 5 门课程组成:
谷歌如何进行机器学习
进军机器学习
TensorFlow 简介
特征工程
机器学习的艺术与科学
完成后你将获得可共享证书和课程证书。除此之外,你还将获得课程视频和阅读材料、练习测验、带同伴反馈的评分作业、带反馈的评分测验、评分编程作业。
本课程适合具有数据工程或编程经验并且有兴趣学习如何在实践中应用机器学习的人。
课程链接:https://coursera.pxf.io/jWj7AZ
评分:4.5/5
学时:10个月(每周学习6小时)
该专业化系列是高级系列课程。如果你想学习的不仅仅是机器学习的基础知识,那么这是你的最佳选择。
该专业课程填补了你在机器学习方面的所有知识空白。由于这是一个高级系列课程,因此你需要拥有更多的数学知识。简而言之,这个专业课程是为那些已经进入该行业的人而设计的。本课程将提高他们的技能。
在整个专业化计划中,你将创建多个项目,这将帮助你构建更强大的产品组合。该专业课程包含 7 门课程:
深度学习简介
如何赢得数据科学竞赛:向顶级 Kaggler 学习
机器学习的贝叶斯方法
实用强化学习
计算机视觉中的深度学习
自然语言处理
通过机器学习应对大型强子对撞机的挑战
完成后你将获得可共享证书。你将有机会解决各种现实问题,例如图像字幕和自动游戏。除此之外,你还将有机会听取顶级 Kaggle 机器学习从业者和 CERN 科学家的建议。
本课程适合具有机器学习中级知识的人,或者已经进入该行业并希望提高机器学习技能的人。
课程链接:https://coursera.pxf.io/KeYYXx
评分:4.6/5
学时:4个月(每周学习4小时)
这是最好的专业课程之一,涵盖了机器学习所需的所有数学主题。该专业课程的目的是填补空白并建立对数学的直观理解。
该专业课程包含 3 门课程:
在第一门课程中,你将学习线性代数、向量、矩阵以及它们与数据的关系。
本专业的第二门课程是多元微积分。在本课程中,你将更深入地了解如何优化拟合函数以更好地拟合数据。
该专业课程的最后一门课程是主成分分析降维。本课程使用前两门课程中的数学知识来压缩高维数据。除此之外,你还将从事不同的现实项目。
完成本专业课程后,你将获得继续机器学习之旅所需的数学知识。除此之外你还将获得可共享证书和课程证书,课程视频和阅读材料、练习测验、带同伴反馈的评分作业、带反馈的评分测验、评分编程作业。
本课程要求你具有高中水平的数学知识,最后一门课程需要 Python 和 NumPy 的基础知识。
课程链接:https://coursera.pxf.io/qnGGxy
评分:4.5/5
学时:3个月(每周学习4小时)
该专业课程是一个高级课程,专注于使用 Google Cloud Platform 的高级机器学习主题。该专业课程教你如何为结构化数据、图像数据、时间序列和自然语言文本构建可扩展、准确且可用于生产的模型。
该专业是一个包含 5 门课程的系列:
在 GCP 上使用 TensorFlow 进行端到端机器学习
生产机器学习系统
GCP 上使用 TensorFlow 进行图像理解
时间序列和自然语言处理的序列模型
GCP 上使用 TensorFlow 的推荐系统
完成后你将获得可共享证书和课程证书。除此之外,你还将获得课程视频和阅读材料、练习测验、带同伴反馈的评分作业、带反馈的评分测验、评分编程作业。
本课程适合具有机器学习和 TensorFlow 基础知识、Python 经验以及基本统计知识的人员。
课程链接:https://coursera.pxf.io/5bBdP1