学徒模式
10 模块 / ~100 页面
巫师模式
~25 模块 / ~400 页面
机器学习
( 24 模块 )
模块 #1
机器学习简介
机器学习概述,机器学习的类型以及机器学习的重要性
模块 #2
数学基础
线性代数,微积分,概率和统计
模块 #3
数据预处理
数据清理,特征缩放,规范化和特征选择
模块 #4
监督学习
监督学习,回归和分类简介
模块 #5
线性回归
简单和多元线性回归,成本函数和梯度下降
模块 #6
逻辑回归
逻辑回归,S 形函数和成本函数
模块 #7
决策树
决策树,熵和信息增益简介
模块 #8
随机森林
集成学习,随机森林和超参数调整
模块 #9
支持向量机
SVM,核技巧和软边缘简介SVM
模块 #10
无监督学习
无监督学习,聚类和降维简介
模块 #11
K 均值聚类
K 均值聚类算法,成本函数和 Lloyds 算法
模块 #12
层次聚类
层次聚类,凝聚聚类和分裂聚类
模块 #13
主成分分析
PCA,特征值和特征向量简介
模块 #14
深度学习基础
深度学习,神经网络和感知器简介
模块 #15
卷积神经网络
CNN,卷积层和池化层简介
模块 #16
循环神经网络
RNN,LSTM 和 GRU 简介
模块 #17
自然语言处理
NLP,文本预处理和文字处理简介嵌入
模块 #18
模型评估和选择
评估,过度拟合和模型选择技术的指标
模块 #19
超参数调整
超参数调整,网格搜索和随机搜索简介
模块 #20
模型部署
部署机器学习模型,模型服务和注意事项
模块 #21
机器学习中的道德和公平性
机器学习中的偏见和公平性,道德和透明度
模块 #22
机器学习中的案例研究
机器学习的实际应用,案例研究和项目
模块 #23
机器学习中的高级主题
机器学习中的高级主题，包括强化学习和生成模型
模块 #24
课程总结与结论
规划机器学习职业的下一步
