纳米学位项目

机器学习(进阶)

成为人工智能、数据分析领域的稀缺人才
下期开课时间
9 月 30 日
下期席位
100
课程预览人数
15837
体验硅谷式课程和学习环境,了解技术辅导、认证和工作内推

与领先企业联合制作

  • Google
  • kaggle
  • 滴滴出行
  • 难度
    高级
  • 学习时间
    6 个月

    按每周学10小时预估

  • 先修知识
    掌握中级编程知识、中级统计学知识、中级微积分和线性代数知识。
  • 语言
    中文项目审阅和支持

    英文视频,提供中文及英文字幕

成为 Google 认证的机器学习工程师!

机器学习标志着计算机科学、数据分析、软件工程和人工智能领域内的重大技术突破。AlphaGo 战胜人类围棋冠军、人脸识别、大数据挖掘,都和机器学习密切相关。这个项目将教你如何成为一名机器学习工程师,并将预测模型应用于金融、医疗、教育等领域内的大数据处理。


免费体验课程内容,在“我的教室”中深入感受项目细节和专业辅导

免费预览课程

中国人工智能人才缺口

超过 500 万人

中国目前人工智能人才数量

5 万

数据来自 LINKEDIN《全球AI领域人才报告》及工信部教育考试中心
独家课程内容,项目直播辅导
独家课程内容,项目直播辅导

独家课程内容,项目直播辅导

除了学习来自硅谷领先企业的课程视频、实战项目,与项目直播讲解!还有更多 Udacity 独家学习资料,等待你来探索。

加入同步学习小组,在导师帮助下快速成长

加入同步学习小组,在导师帮助下快速成长

你将加入学习小组,认识志同道合的伙伴,在专业导师全方位辅导和监督下,用最高效率掌握前沿技术,成为抢手人才。

独一无二的硅谷实战项目和代码审阅
独一无二的硅谷实战项目和代码审阅

独一无二的硅谷实战项目和代码审阅

亲自挑战来自硅谷的数据分析开发实战项目,获得该领域专家的逐行代码审阅和反馈,学习最先进的技术标准,与硅谷编程开发者的思维同步!

获得 Udacity纳米学位证书

获得 Udacity纳米学位证书

毕业后,你将获得 Udacity 颁发的毕业证书,证明你的专业知识和技术水平。

项目讲师

Sebastian Thrun
Sebastian Thrun

优达学城创始人,斯坦福大学教授,Google 研究员

Sebastian Thrun 是优达学城的创始人,同时也是斯坦福大学计算机科学专业研究教授、Google 研究员、美国国家工程院和德国科学院成员。Thrun 因为他在机器人和机器学习领域的研究为人所知,他在无人驾驶车领域的研究尤为出众。

Vincent Vanhoucke
Vincent Vanhoucke

Google 首席研发科学家,Google Brain 成员,斯坦福大学语音辨识专业博士

Vincent Vanhouck 是 Google 的首席研发科学家,就职于 Google 智囊团,专门进行深度学习的研究和基础设施建设。他在斯坦福大学获得了语音辨识专业博士学位,现在专注于其在图像和声音理解,以及移动与机器人感知方面的研究。

Katie Malone
Katie Malone

斯坦福大学实验粒子物理博士,Civis Analytics 数据科学家

Katie 是实验物理学家出身,她第一次接触到机器学习是在搜索希格斯玻色子等新粒子时,并从此对机器学习产生了兴趣。不过,学习机器学习可不需要物理博士学位。很荣幸,Katie 欣然接受了我们的邀请,来教大家如何使用数据分析解决有趣的问题。除了在实验室寻找新粒子和从事教学之外,她通常会在野外跑跑步,或者用食物“贿赂”邻家的小狗。

真实学员评价
  • "生动的课程间穿插具有挑战性的项目,让我上课充满动力,课程结束后我的履历和作品集让我自己感到不可思议,对于转行充满了自信。过去我是个不开心的手机应用开发者,我花了3个月完成纳米学位后顺利找到了全栈工程师的工作,还有能力在空暇时间独立完成自己的网站项目,这些都是过去无法想象的!"

    — 赵心成, 全栈工程师毕业生
Students

你将学到什么

先修知识

这是一门入门级课程,你只需要拥有访问互联网、下载和安装程序、重命名文件等基本的计算机操作能力,即可加入我们!你还需要有学习的自主性和动力,每周要保证投入 6-10 小时学习此课程。

我们选择与Udacity合作设计和开发课程内容。是因为 Udacity 最棒。

Peter Lubbers

Google 开发者培训高级项目经理

  • 第一部分

    机器学习基础

    在这里,你可以学习到机器学习的基础知识,并初步了解一些机器学习可以完成的任务,如分类与回归问题,包括机器学习涉及到的统计分析知识以及模型评估和验证知识。

  • 第二部分

    监督学习

    监督学习是通过已标注过的训练数据来完成分类或回归任务的一类机器学习方法。在这一部分中,你将学习决策树,神经网络,支持向量机等监督学习算法。

  • 第三部分

    非监督学习

    当数据样本没有标签的情况下,非监督学习是其解决问题的最佳方案。在这一部分中,你将学习聚类,特征工程和降维等非监督学习算法。

  • 第四部分

    强化学习

    强化学习也是一类重要的机器学习方法,它是一个序列决策问题。在这一部分中,你将学习Markov 决策过程与博弈论等强化学习知识。

  • 第五部分

    深度学习

    深度学习是当今世界上最火热的一类机器学习方法,在许多领域中甚至超过了人类的能力。在这一部分中,你将学会使用 Tensorflow,并且学习卷积神经网络等知识。

  • 第六部分

    毕业项目

    选择一个你最感兴趣的内容,用你所学的机器学习和技术解决它。在毕业报告中,如果有引用,也一定要注明出处。

你将挑战的实战项目

预测房价
实战项目 1

预测房价

在此项目中,我们将对为马萨诸塞州波士顿地区的房屋价格收集的数据应用基本机器学习概念,以预测新房屋的销售价格。首先,你将探索这些数据以获取数据集的重要特征和描述性统计信息。接下来,您要正确地将数据拆分为测试数据集和训练数据集,并确定适用于此问题的性能指标。然后,您将使用不同的参数和训练集大小分析学习算法的性能图表。以上这些能够让你挑选最好地泛化到未见过的数据的最佳模型。最后,你将根据一个新样本测试此最佳模型并将预测的销售价格与统计数据进行比较。

在此项目中,我们将对为马萨诸塞州波士顿地区的房屋价格收集的数据应用基本机器学习概念,以预测新房屋的销售价格。首先,你将探索这些数据以获取数据集的重要特征和描述性统计信息。接下来,您要正确地将数据拆分为测试数据集和训练数据集,并确定适用于此问题的性能指标。然后,您将使用不同的参数和训练集大小分析学习算法的性能图表。以上这些能够让你挑选最好地泛化到未见过的数据的最佳模型。最后,你将根据一个新样本测试此最佳模型并将预测的销售价格与统计数据进行比较。

慈善机构寻找捐助者
实战项目 2

慈善机构寻找捐助者

在该项目中,你将把你学到的应用监督学习技术和分析数据的能力应用到美国人口普查收集到的数据中,来帮助一个慈善机构确定哪些人最有可能做捐助。首先你要了解普查数据是什么样的。其次,你要使用一系列数据转换和数据前处理技巧来把数据转变成可以工作的形式。你将把你选择的监督学习的算法应用在数据集上,找出最适合的算法。然后,你要优化你选出的这个模型,把他展示给慈善机构。最后,你需要深入探索这个模型以及它的预测,来看一下他对于给定的数据集表现如何。

在该项目中,你将把你学到的应用监督学习技术和分析数据的能力应用到美国人口普查收集到的数据中,来帮助一个慈善机构确定哪些人最有可能做捐助。首先你要了解普查数据是什么样的。其次,你要使用一系列数据转换和数据前处理技巧来把数据转变成可以工作的形式。你将把你选择的监督学习的算法应用在数据集上,找出最适合的算法。然后,你要优化你选出的这个模型,把他展示给慈善机构。最后,你需要深入探索这个模型以及它的预测,来看一下他对于给定的数据集表现如何。

创建客户细分
实战项目 3

创建客户细分

在这个项目中,你将应用无监督学习技能研究葡萄牙里斯本的一家批发经销商产品花销数据,用于找出数据背后的客户群体。你会先选择一小部分样本,确定是否有任何产品类别是相互高度关联来进行数据研究。之后,你将通过扩展每个产品类别然后识别不需要的异常值来进行数据预处理。对完整的客户开支进行 PCA 转换,并利用聚类算法将数据进行分组。最后将此分组数据与其它分类方式得出来的分组进行比较,并思考这些信息如何帮助批发经销商改善日后的服务。

在这个项目中,你将应用无监督学习技能研究葡萄牙里斯本的一家批发经销商产品花销数据,用于找出数据背后的客户群体。你会先选择一小部分样本,确定是否有任何产品类别是相互高度关联来进行数据研究。之后,你将通过扩展每个产品类别然后识别不需要的异常值来进行数据预处理。对完整的客户开支进行 PCA 转换,并利用聚类算法将数据进行分组。最后将此分组数据与其它分类方式得出来的分组进行比较,并思考这些信息如何帮助批发经销商改善日后的服务。

图像分类
实战项目 4

图像分类

在这一项目中,你需要对 CIFAR-10 数据集 进行图像分类。该数据集包含飞机,狗,猫等类型的图片。你需要先对数据集进行预处理,然后用卷积神经网络对所有样本进行训练。你要先将图像归一化(normalize),对标签进行独热编码(one-hot encode the labels),然后建立卷积层、最大池化层和全连接层。最后,你将看到该模型对样本图像作出的预测结果。

在这一项目中,你需要对 CIFAR-10 数据集 进行图像分类。该数据集包含飞机,狗,猫等类型的图片。你需要先对数据集进行预处理,然后用卷积神经网络对所有样本进行训练。你要先将图像归一化(normalize),对标签进行独热编码(one-hot encode the labels),然后建立卷积层、最大池化层和全连接层。最后,你将看到该模型对样本图像作出的预测结果。

毕业项目
实战项目 5

毕业项目

选择一个你最感兴趣的内容,用你所学的机器学习和技术解决它。在毕业报告中,如果有引用,也一定要注明出处。选择一:训练特斯拉 - 根据车辆的前置相机所拍摄的路况图像,实现对车辆转向角度的预测。选择二:驾驶员状态检测 - 使用深度学习方法检测驾驶员的状态,有效降低事故发生。选择三:猫狗大战 - 使用深度学习方法识别图片中是猫还是狗。选择四:文档自动分类 - 利用自然语言处理技术对大量分档实现精准自动归类。选择五:语音性别识别 - 使用机器学习的方法判断一段音频信号是男性还是女性。选择六:预测Rossmann未来的销售额 - 根据Rossmann药妆店的信息(比如促销,竞争对手,节假日)以及在过去的销售情况,来预测Rossmann未来的销售额。选择七:识别机器人用户 - 根据提供的拍卖数据,识别出混在正常用户中的机器人用户。

名额有限!立即体验课程内容

本期学费

¥ 5,299

  • 免费提前体验课程

  • 感受硅谷先进课程和学习服务

  • 挑战来自行业领导者的实战项目

  • 了解硅谷认证和工作内推

  • 为什么名额有限

    在学习过程中你将要挑战硅谷名企设计的实战项目,会有前端领域专家逐行审阅你的代码,提供专业、细致的反馈,你还将加入学习小组,和志同道合的伙伴一起,在全方位辅导和监督下,用最短的时间高效成长。为了保证这些学习服务的质量,使你在最短时间达到学习目标,我们限名额保证良好的导师学生比例。

  • 此期学费为什么比往期更贵?

    为了帮助你快速、全面掌握最前沿、被行业领导者最新认可的技能,我们不断在推出新的服务,提升教学服务的质量。普遍的运营成本升高,也会导致学费随着时间推移而有所增加。

帮助与常见问题

    关于纳米学位项目:

  • 什么是纳米学位项目?

    纳米学位项目是由来自硅谷的技术学习平台 Udacity 与 Google、亚马逊、Facebook、AT&T 等科技行业领导者共同打造的学习认证项目。我们相信获得来自全球领先科技企业的培训和认可是让学员成为能驱动企业创新变革的抢手人才的最好方式。正是这些顶尖公司定义着优秀人才的标准影响着整体市场的招聘趋势。

  • 我可以从机器学习工程师纳米学位中获得什么?

    Udacity 与 Google、滴滴出行、 Kaggle 联合打造的 “机器学习工程师”纳米学位,可以让你在家就能学习全球最高水平的机器学习课程,零基础入门,掌握用机器学习在大数据、金融、人工智能领域进行预测分析的能力,成为 Google 官方认证机器学习技术精英,加入全球顶尖科技企业!

  • 有多少企业认可纳米学位证书?就业前景如何?

    纳米学位项目是由优达学城与 Google、亚马逊、Facebook、AT&T 等科技行业领导者共同打造,课程内容由全球领先企业主导策划,他们比任何人都更清楚企业最渴求的应聘者应该具备怎样的技能。所有课上教学的内容,都针对现在真实的行业需求而设计。你在纳米学位中开发的项目作品,会成为向企业展示你技能的最好证明。所有优达学城毕业生都会纳入 Udacity 全球人才资料库当中,因此所有的合作企业(包括海外企业)都能直接看到学生的简历。但由于海外就业需要海外签证,签证部分优达学城无法帮学生申请,须由学生自行与海外企业协调。 Udacity 已经在全球帮助超过900名学员进入最一流的企业工作。

    关于课程:

  • “机器学习入门” 与 “机器学习进阶”,我该如何选择?

    机器学习(入门):针对零基础学员,不需要你有编程基础,手把手带你加入 AI 新浪潮。*学完入门后你将掌握入门机器学习所需要的数学与编程基础,迈出成为抢手机器学习工程师的第一步。机器学习(进阶):需要你掌握中级编程知识、中级统计学知识、中级微积分和线性代数知识。如果你没有以上这些基础,建议你先修 机器学习(入门)课程。*学完进阶后你将全面了解、掌握机器学习领域内的监督式学习、非监督式学习、强化学习和深度学习,并能将预测模型应用于金融、医疗、教育等领域内的大数据处理,成为高薪抢手的机器学习工程师。

  • 学完这个纳米学位后,我能达到什么样的水平?

    当你完成机器学习(入门)纳米学位所有项目之后,你将拥有娴熟的Python 中级编程能力与基本的数据分析能力,并为继续深造机器学习(进阶)纳米学位打下坚实基础,有能力迅速掌握后续的机器学习与人工智能技术。

  • 请问课程的学习周期是多长呢?

    我们的课程学习周期为6个月,在这6个月期间我们会对课程进行科学系统的阶段性分类,以保证大家能够高质量地完成课程。建议你每周至少保证10个小时的学习时间。

  • 课程有效期6个月后我还能继续看视频吗?

    你需要在6个月的时间内通过所有实战项目,方可成功毕业,此后可以免费查看曾经学过的课程内容。你可能会问如果无法完成课程怎么办,其实不用担心,在你正式进入课程学习后,我们会有专业的助教、导师对你的课程进行代码审阅、项目审核、同步学习小组等进行服务,绝大部分学生都能够在6个月内完成课程。

  • 录制教学视频可以下载后离线观看吗?

    当然可以,你只需要在[我的教室]页面点击右键-检查,查找到视频MP4链接,即可下载。

  • 如何才能毕业并获得机器学习工程师的纳米学位证书?

    6个月内完成所有的实战项目,提交、导师审阅通过后即可成功毕业。毕业后,你可以在「我的教室」里下载“机器学习工程师”基石纳米学位证书。

    关于费用与报名:

  • 报名缴费后还需要支付额外的费用吗?

    不需要。学费涵盖你将在此纳米学位项目中获得的一切内容和服务。

  • 本期没有抢到限定席位怎么办?

    为保障每一个正式加入的学员都获得优质教学与就业指导服务,每一期开课会限定报名人数。如果这一期没有抢到席位,建议你可以及时关注下一期开课报名通知。我们鼓励你进入开课通知群,提前预定本期席位,预定成功后,你将在开放报名前48小时收到尾款支付链接,先人一步加入本期项目。

  • 机器学习(入门)基石纳米学位项目的退款政策是什么?

    开课后 7 天内,你可以【点击这里】向我们申请无条件退款。我们将取消你的注册并全额返还学费。