关于此课程

机器学习是一门涵盖人工智能领域的研究生层次课程,该领域涉及运用经验修改和提供自身性能的计算机程序。

该课程的第1部分包括监督学习,这是一项机器学习任务,可以使你的手机识别你的声音、你的邮件过滤垃圾邮件,使电脑学习很多其他很酷的东西。

在第2部分中,你将了解非监督学习。有没有想过 Netflix 如何能够预测你会喜欢什么样的电影?或者亚马逊在你购买之前知道你想买什么呢?在这一节中可以找到这些答案!

最后,我们是否能够编制程序,使机器像人类一样学习?该强化学习部分将讲授一种算法,设计像我们一样的自学代理人程序!

* 本课程为企业专享单项课程。

学费
免费
学习时间
大约 4 个月
难度
中级
你将获得

丰富的教学材料

互动随堂练习

业界专业导师

自主掌握进度

开始你的旅程

学习这门单项课程,迈出通往机器学习工程师职业道路的第一步。

单项课程

机器学习

合作企业佐治亚理工学院

通过创新性的自主学习方式,掌握新技能,提升竞争力。

Icon steps
 
 

课程讲师

Michael Littman

Michael Littman

讲师

Charles Isbell

Charles Isbell

讲师

Pushkar Kolhe

Pushkar Kolhe

讲师

先修知识及要求

学生必须精通概率论、线性代数和统计学。

学生也应当具备一些编程方面的经验(可以通过计算机科学导论获得),并了解神经网络。

查看使用优达学城的技术要求

为什么学习这门课程?

你将学习和实践各种监督、非监督和强化学习方法。

从制止信用卡诈骗、在相机图像中寻找面孔到识别语言,监督学习是所有类型技术的一个重要组成部分,我们的目标是为你提供所需技能,去了解这些技术,解读它们的结果,这是解决一系列数据科学问题的重要方面。以及经得起一场机器人叛乱。

非监督学习与模式识别密切相关,是关于分析数据和寻找模式。这是一种极其强大的识别数据结构工具。本部分将重点介绍如何使用非监督学习方法,包括随机优化、聚集、特征选择和转换-找到无标记数据的结构。

强化学习是机器学习的一个方面,涉及以实现回报最大化为目的,软件代理程序在特定环境中应该采取的行动。你可以将强化学习应用到机器人控制、国际象棋、西洋双陆棋、跳棋以及软件代理程序可以学习的其他活动。强化学习以实现回报最大化为目的使用行为心理学。本部分还包括重要的强化学习方法,如马尔可夫决策流程和游戏理论。

我将获得什么?
教学视频随堂练习专业导师