Самое важное о Machine Learning за 3 месяца. Курс от фаундера DeepLearning.AI Эндрю Ын

Специализация Machine Learning  на Coursera

Специализация «Машинное обучение» — фундаментальная онлайн-программа, созданная в сотрудничестве между DeepLearning.AI и Stanford Online. Ориентированная на новичков, она научит основам машинного обучения и использованию этих методов для создания реальных приложений ИИ.

Преподаватель — провидец в области AI Эндрю Ын. Он возглавлял важнейшие исследования в Стэнфордском университете и новаторскую работу в Google Brain, Baidu и Landing.AI, направленную на развитие сферы AI.

Специализация дает развернутое представление о современном машинном обучении. Основное, что вы узнаете:

• Контролируемое обучение: множественная линейная регрессия, логистическая регрессия, нейронные сети и деревья решений.
• Неконтролируемое обучение: кластеризация, снижение размерности, рекомендательные системы.
• Некоторые из лучших практик, используемых в Кремниевой долине для инноваций в области искусственного интеллекта и машинного: оценка и настройка моделей, подход к повышению производительности, ориентированный на данные, и многое другое.

За время обучения вы освоите ключевые концепции и получите практическое понимание, как быстро и эффективно применять ML для решения сложных реальных задач. Если хотите построить карьеру в области машинного обучения, эта специализация — хороший старт.

К концу обучения вы будете готовы:

• Строить модели машинного обучения на Python с помощью популярных библиотек машинного обучения NumPy и scikit-learn.
• Строить и обучать модели машинного обучения под наблюдением для задач прогнозирования и бинарной классификации, включая линейную регрессию и логистическую регрессию.
• Строить и обучать нейронные сети с помощью TensorFlow для выполнения многоклассовой классификации.
• Применяйте лучшие практики разработки машинного обучения, чтобы ваши модели обобщались на данные и задачи в реальном мире.
• Строить и использовать деревья решений и методы ансамбля деревьев, включая случайные леса и усиленные деревья.
• Использовать методы обучения без контроля для обучения без контроля: в том числе кластеризацию и обнаружение аномалий.
• Строить рекомендательные системы с использованием метода коллаборативной фильтрации и метода глубокого обучения на основе контента.
• Строить модели глубокого обучения с подкреплением.

Курс получил оценку от студентов 4.9 из 5 (на основании почти 22 тыс. ревью). 

Посмотреть программу курса 

LLM для профессионалов: Курс по генеративному ИИ от экспертов Amazon и DeepLearning.AI

По теме

LLM для профессионалов: Курс по генеративному ИИ от экспертов Amazon и DeepLearning.AI

Математика для Machine Learning и Data Science: основы, которые точно надо знать

По теме

Математика для Machine Learning и Data Science: основы, которые точно надо знать

devby 17 лет!

Вспоминаем наш (и ваш) переходный возраст и делимся виш-листом