访问官网
Github
文档机器学习专业课程简介
机器学习专业课程是由著名的Andrew Ng教授在Coursera平台上提供的一系列课程，旨在帮助学习者掌握机器学习的基础和高级知识。通过这个项目，学习者将逐步掌握如何应用机器学习算法解决实际问题，并有机会在编程作业中实践和巩固所学知识。
课程一：监督学习：回归与分类
第一门课程聚焦于监督学习的基本概念，尤其是回归和分类。课程内容按周分布，每周都有相应的练习测验和可选实验室：
- 第一周：学习回归方法，并通过测验巩固知识，如使用梯度下降法训练模型。
- 第二周：涉及多元线性回归和特征工程技术的应用，还包括编程作业以实践线性回归模型。
- 第三周：深入理解逻辑回归及其损失函数的计算，并在实验室中学习过拟合和正则化等重要概念。
完成该课程后，学习者可以获取一份结业证书，证明其掌握的监督学习技能。
课程二：高级学习算法
第二门课程重点介绍神经网络和高级学习算法的直观理解和实现，包括：
- 第一周：初步介绍神经网络模型和使用TensorFlow实现的技巧。
- 第二周：探讨神经网络的训练、激活函数、多分类问题的解决和附加的网络概念。
- 第三周：学习机器学习应用的建议，分析偏差与方差，以及机器学习开发流程。
- 第四周：涵盖决策树及其算法的学习与实现。
该阶段的课程同样提供编程作业，让学习者通过手动实现算法来加深对理论知识的理解。
课程三：无监督学习、推荐系统与强化学习
最后一门课程引入无监督学习、推荐系统，以及强化学习，通过实践练习来增强理解：
- 第一周：介绍聚类和异常检测算法，学习者通过作业实现K均值和异常检测。
- 第二周：学习基于内容的推荐系统和协作过滤表述，练习中包含实现协作过滤的推荐系统。
- 第三周：对强化学习进行入门介绍，包括状态-动作值函数和连续状态空间的应用探讨。
通过此课程，学习者将能够解决更复杂的学习问题，例如电影推荐系统或通过深度Q学习控制无人机降落等。
课程整体评价
这个课程是成为机器学习工程师的理想起点。即使是已经具备一定基础的学习者，也可通过学习深度算法如决策树等来进一步提高技能。课程结合了理论和实践，尤其是内含大量生活中真实的案例。
学后成果
完成该课程之后，学习者可以完成复杂的任务，如用深度Q学习算法编写控制月球登陆器的程序，并实现电影推荐系统等。这些技能不仅在学习过程中令人兴奋，而且在现实世界中也极具应用价值。
总结
总体来说，这是一个不可错过的课程，不仅因为其完整详实的学习内容，还因为丰富且贴近实际的作业能够激发学习者的兴趣和动手能力。
愉快的学习旅程：）
