Close Banner
纳米学位

机器学习(进阶)

成为人工智能、数据分析领域的稀缺人才

由以下企业联合制作:
  • Google
  • 滴滴出行
  • kaggle

学习开发预测模型,成为数据分析、人工智能领域的稀缺人才!

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。

独家课程内容,每周直播辅导

除了学习来自硅谷领先企业的课程视频、实战项目,你还可以参与每周一次的专业直播讲解!还有很多 Udacity 独家学习资料,等待你来探索。课程提供中文版。

加入同步学习小组,在导师监督下加速成长

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

亲自挑战我们与硅谷名企共同设计的技术实战项目,获得领域专家的逐行代码审阅和反馈,学习最先进的技术标准,为加入顶尖企业做好准备!

获得 Udacity 纳米学位认证

毕业后,你将获得 Udacity 和合作企业共同颁发的毕业证书,证明你的专业知识和技术水平,还有机会获得工作内推,通过快速通道加入顶尖企业!

学习计划

先修要求
  • 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。
推荐课程

如果你还没有准备好,建议先学习我们的机器学习(入门)基石纳米学位课程。

  • 第一周

    统计分析

    分析数据集中的特点,例如平均值,中位数,标准差以及分位数等。

  • 第二周

    数据建模

    了解数据的基本类型;学习如何用 sklearn 处理数据集。

  • 第三周

    评估和验证

    学习如何用准确率或者召回率等指标来测试以及衡量提高表现。

  • 第四周

    了解错误和复杂度

    了解错误类型、过拟合、欠拟合;学习如何用学习曲线,模型复杂度来识别问题;应用交叉验证等技术提示你模型的表现。

  • 第五周

    监督学习

    回归和分类的区别;用线性回归预测价格;用对数几率回归来预测状态。

  • 第六周

    决策树

    训练决策树来预测状态;用信息熵来构建递归决策树。

  • 第七周

    神经网络

    神经网络的定义;用反向传导训练一个神经网络;从一个单个神经元构建一个神经网络。

  • 第八周

    支持向量机

    学习如何训练支持向量机来对数据进行线性分割;用核方法来训练支持向量机使它能够分割线性不可分的数据。

  • 第九周

    非参数模型

    基于实例的模型。

  • 第十周

    贝叶斯方法

    学习贝叶斯法则,了解如何用朴素贝叶斯算法来预测数据;用贝叶斯方法来训练模型;用贝叶斯推断来创建多变量贝叶斯网络;贝叶斯自然语言处理迷你项目。

  • 第十一周

    集成学习

    通过 Boosting 来增强传统算法;随机森林;AdaBoost。

  • 第十二周

    聚类

    学习数据聚类的基本方法;使用 K-平均算法来聚类数据;Single Linkage 聚类法;高斯模型和最大期望算法。

  • 第十三周

    特征工程

    归一化你的数据;学习如何为训练选择最佳特征。

  • 第十四周

    降低维度

    用主成分分析和独立成分分析来降低特征维度。

  • 第十五周

    强化学习

    学习基本的马尔可夫决策过程;用 Q-学习寻找最优策略。

  • 第十六周

    博弈论

    扑克策略;纳什均衡;极小化极大策略。

  • 第十七周

    机器学习到深度学习

    深度学习基础,包括 softmax、独热编码和交叉墒;简单的线性分类模型,例如对数几率回归以及与之相关的损失函数。

  • 第十八周

    深度神经网络

    回顾:什么是神经网络?激活函数:sigmoid、tanh 和 ReLu;如何用反向传播和链式法则来训练神经网络;如何用正则化和dropout等方法提示神经网络表现。

  • 第十九周

    卷积神经网络

    什么是卷积神经网络;卷积神经网络如何用于图片识别。

  • 第二十周

    针对文本和有序数据的深度模型

    如何用深度神经网络实现 Word2Vec 对文本进行建模;循环神经网络基础;长短期记忆人工神经网络 LSTM。

查看更多

实战项目:你将挑战以下项目

  • 预测房价项目
    实战项目 1

    预测房价

    利用统计分析工具对观测数据建立模型,并评估你的模型的表现好坏。

  • 为慈善机构寻找捐助者项目
    实战项目 2

    为慈善机构寻找捐助者

    学习如何训练决策树、SVM、神经网络等监督学习模型,用来预测已标记数据。

  • 创建客户细分项目
    实战项目 3

    创建客户细分

    学习如何找出未标记数据中的模式和结构,进行特征变换,提高模型的预测表现。

  • 训练智能车学会驾驶项目
    实战项目 4

    训练智能车学会驾驶

    使用 Q-学习等强化学习算法,训练人工智能体,使它能够对周围环境做出最佳选择。

  • 物体识别项目
    实战项目 5

    物体识别

    搭建一个神经网络,可以识别图片中的物体。

  • 毕业项目 选择一:训练特斯拉项目
    实战项目 6

    毕业项目 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。

  • 毕业项目 选择二:驾驶员状态检测项目
    实战项目 7

    毕业项目 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。

  • 毕业项目 选择三:猫狗大战项目
    实战项目 8

    毕业项目 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。

  • 毕业项目 选择四:文档自动分类项目
    实战项目 9

    毕业项目 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。

立即加入,成为人工智能、数据分析领域的稀缺人才

课程讲师

  • Arpan Chakraborty

    北卡罗莱纳州立大学博士,优达学城课程策划

    Arpan 致力于寻找解决日常问题的计算机解决方案。他对人机交互、机器人和认知科学拥有浓厚的兴趣。他获得了北卡罗莱纳州立大学的博士学位,专注于生物启发计算机视觉的研究。在优达学城,他投入了大量时间,除了为自动化工作流程设置了一些小项目外,还为他主讲的课程设计交互练习。

  • David Joyner

    佐治亚理工学院博士,优达学城课程策划

    David Joyner 在佐治亚理工学院完成了其以人为中心的计算专业博士学位,擅长于在探索性的学习环境中为学生提供自动反馈和评估。他加入优达学城后主要从事按学生的能力和学习进度设计练习、课题和(将有一天!)整个课程。

  • 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

    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

    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。

常见问题解答

  • 为什么要学习机器学习?

    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。这个纳米学位项目通过丰富、实际的教学内容,教你将预测模型应用于金融、医疗、教育等领域内的大数据处理,帮你为机器学习职位做好准备。

  • 掌握机器学习技能后,我可以做些什么?

    掌握机器学习技能后,你可以继续成为:机器学习工程师、高级数据分析师、人工智能工程师和机器人开发工程师。

  • 机器学习(入门)和机器学习(进阶)课程有什么不同?

    机器学习(入门)课程将为你的机器学习工程师之路打下坚实的基础,它从零开始循序渐进地引导你学习 Python 编程,微积分基础、线性代数基础以及统计学基础,让你熟练使用 numpy、pandas 和 matplotlab 等数据科学必备工具;机器学习(进阶)课程直接带你进入机器学习环节,它会涉及监督学习,非监督学习,增强学习和深度学习,把你塑造成一名优秀的机器学习工程师。

  • 我如何知道自己适合哪门课程?

    如果你不了解 Python,没学过或者忘记了微积分和线性代数,不了解统计学,我们推荐你学习机器学习(入门)课程;如果你熟练掌握 Python,了解微积分和线性代数,但对机器学习并不了解,我们推荐你学习机器学习(进阶)课程。

  • 机器学习(入门)和机器学习(进阶)课程的学费分别是多少?

    机器学习(入门)课程的学费为 原价 3999 元 首推价 2699 元,机器学习(进阶)课程的学费为 原价 5999 元 首推价 4699 元。

  • 课程是中文还是英文?视频提供中文字幕吗?

    机器学习(入门)和机器学习(进阶)课程的文字资料均提供中文翻译,所有授课视频均提供中文字幕。此外,你还可以预约中文导师1对1辅导,以及每周直播讲解。

  • 我每周需要投入多长时间学习这两门课程?需要多久可以完成课程?

    学员一般需要每周投入 10 小时,通常可以在 16 周内完成机器学习(入门)课程,在 24 周内完成机器学习(进阶)课程。

  • 机器学习(入门)和机器学习(进阶)课程的有效期是多久?

    机器学习(入门)和机器学习(进阶)课程的有效期均为 6 个月。

  • 如果我没有在 6 个月内完成所有项目,是否还能继续访问课程内容?

    如果你在 6 个月内未完成机器学习(入门/进阶)课程,可以发邮件至 support@youdaxue.com 申请宽限期来完成纳米学位,宽限期最长不超过 6 个月。

  • 机器学习(入门)和机器学习(进阶)课程提供免费试用吗?

    机器学习(入门)和机器学习(进阶)课程均不提供免费试用期。但在开课后 7 天内,可无条件退款。

  • 在一年内毕业,可以获得 50% 学费返还吗?

    机器学习(入门)和机器学习(进阶)课程均不提供 50% 学费返还。

  • 机器学习(入门)和机器学习(进阶)课程的退款政策是什么?

    你可以在开课日期后 7 天内(第 7 天 23:59 前)向 support@youdaxue.com 发起退款申请。请在邮件里注明你的注册邮箱,我们将在收到你的申请之后 10 个工作日内取消你的课程订阅并返还全部学费。
    *如果你通过花呗分期付款,请确保你的退款申请日不迟于最近的花呗账单日(每月1日),否则花呗分期可能会收取手续费。关于花呗退款政策,详请参考此处

查看更多
官方微信公众号二维码

优达学城(Udacity)微信