
Google Cloud
您将获得的技能: Model Deployment, Convolutional Neural Networks, Google Cloud Platform, Natural Language Processing, Tensorflow, MLOps (Machine Learning Operations), Reinforcement Learning, Transfer Learning, Computer Vision, Systems Design, Machine Learning Methods, Applied Machine Learning, Image Analysis, AI Personalization, Cloud Deployment, Recurrent Neural Networks (RNNs), Hybrid Cloud Computing, Systems Architecture, Performance Tuning, Embeddings
高级设置 · 专项课程 · 3-6 个月

Coursera
您将获得的技能: 模型评估, Transfer Learning, 拥抱的脸, Model Evaluation, 迁移学习, 数据预处理
中级 · 课程 · 1-3 个月

多位教师
您将获得的技能: 深度学习, 模型评估, 功能工程, NumPy, 强化学习, 分类算法, 人工智能, Scikit Learn(机器学习库), 机器学习, Transfer Learning, 随机森林算法, 无监督学习, 监督学习, 张力流, Model Evaluation, 应用机器学习, Jupyter, 决策树学习, 迁移学习, 预测建模, 数据伦理, 数据预处理
初级 · 专项课程 · 1-3 个月

University of Washington
您将获得的技能: 深度学习, 逻辑回归, 模型评估, 功能工程, 分类算法, 人工智能, 图像分析, 机器学习, 统计机器学习, 统计建模, 回归分析, 无监督学习, 数据挖掘, 计算机视觉, 监督学习, 应用机器学习, Model Evaluation, 决策树学习, 贝叶斯统计, 数据预处理, 预测建模
中级 · 专项课程 · 3-6 个月

University of Pennsylvania
您将获得的技能: Statistical Machine Learning, Data Preprocessing, Model Evaluation, PyTorch (Machine Learning Library), Statistical Methods, Probability, Probability & Statistics, Sampling (Statistics), Logistic Regression, Deep Learning, Probability Distribution, Supervised Learning, Statistics, Machine Learning Methods, Machine Learning, Agentic systems, Artificial Intelligence, Artificial Neural Networks, Algorithms, Python Programming
中级 · 专项课程 · 3-6 个月

Google Cloud
您将获得的技能: Feature Engineering, Generative AI, Model Deployment, Tensorflow, Google Cloud Platform, Keras (Neural Network Library), Machine Learning, Data Preprocessing, MLOps (Machine Learning Operations), Model Evaluation, Applied Machine Learning, Data Cleansing, Data Quality, AI Enablement, Prompt Engineering, Cloud Deployment, Supervised Learning, Scikit Learn (Machine Learning Library), AI Workflows, Cloud Computing
中级 · 专项课程 · 3-6 个月

您将获得的技能: Generative AI, Generative Model Architectures, Generative Adversarial Networks (GANs), Computer Vision, Image Analysis, Model Evaluation, Convolutional Neural Networks, Autoencoders, Vision Transformer (ViT), Artificial Neural Networks, Transfer Learning, Model Deployment, Deep Learning, Recurrent Neural Networks (RNNs), Embeddings, PyTorch (Machine Learning Library), Large Language Modeling, Artificial Intelligence and Machine Learning (AI/ML), AI Enablement, Artificial Intelligence
高级设置 · 专项课程 · 1-3 个月

DeepLearning.AI
您将获得的技能: 深度学习, 卷积神经网络, 自然语言处理, MLOps(机器学习运营), 机器学习, 图像分析, Transfer Learning, Keras(神经网络库), PyTorch(机器学习库), 调试, 张力流, 拥抱的脸, 人工神经网络, 递归神经网络 (RNN), 应用机器学习, 计算机视觉, 监督学习, 迁移学习, 嵌入, 性能调整, 数据预处理
攻读学位
中级 · 专项课程 · 3-6 个月

DeepLearning.AI
您将获得的技能: 深度学习, 模型评估, 逻辑回归, 分类算法, 人工智能, 机器学习, 随机森林算法, Transfer Learning, 监督学习, 人工神经网络, 应用机器学习, 张力流, Model Evaluation, 决策树学习, 数据伦理, 迁移学习, 性能调整
初级 · 课程 · 1-4 周

Wesleyan University
您将获得的技能: 统计分析, 功能工程, 模型评估, 探索性数据分析, 机器学习算法, 机器学习, 随机森林算法, 无监督学习, 回归分析, 数据分析, Python 编程, 数据挖掘, 分类与回归树 (CART), 预测分析, 应用机器学习, Model Evaluation, 决策树学习
混合 · 课程 · 1-4 周
University of Michigan
您将获得的技能: 模型评估, 功能工程, 分类算法, Scikit Learn(机器学习库), 机器学习, 随机森林算法, 回归分析, 无监督学习, Python 编程, 监督学习, 应用机器学习, 人工神经网络, Model Evaluation, 决策树学习, 预测建模
中级 · 课程 · 1-4 周

您将获得的技能: Reinforcement Learning, Dimensionality Reduction, PyTorch (Machine Learning Library), Machine Learning Algorithms, Data Preprocessing, Model Evaluation, Artificial Intelligence and Machine Learning (AI/ML), Generative Adversarial Networks (GANs), Machine Learning Methods, Deep Learning, Transfer Learning, Applied Machine Learning, Pandas (Python Package), Scikit Learn (Machine Learning Library), Python Programming, Machine Learning, Artificial Neural Networks, Data Processing, Natural Language Processing, Feature Engineering
中级 · 课程 · 3-6 个月
高级机器学习是计算机科学的一个领域,它研究如何通过让程序在运行过程中学习来提高计算能力,而不需要额外的编程。 它是人工智能的一种形式。 先进的机器学习需要复杂的编程,包括统计分析和生成对抗网络,以找到最佳的学习路径。
使用高级机器学习的典型职业是数据工程、数据科学和计算机编程。 这些领域的大数据工作预计会越来越多。 高级机器学习还广泛应用于算法交易和金融领域,因此想在金融市场工作的人不妨学习一下。 随着越来越多的计算环境包含机器学习的某些方面,高级机器学习预计将成为一个不断发展的领域。 如果程序能够了解相关数据,那么涉及数据分析、战略规划和预测的管理职业就会变得更加容易。
通过大学和软件公司提供的课程、专业和专业证书,在线课程可以帮助您学习高级机器学习。 Apache Spark、Keras、TensorFlow、MongoDb 和 PySpark 等软件包的课程可以帮助您了解机器学习如何在特定的编程环境中工作。 其他课程则涉及理解基本逻辑所需的数学和统计学知识。 尽管名称如此,但并非所有课程都是高级课程,尽管高级机器学习的初级课程需要背景知识。 专业课程和指导性项目可帮助您展示所学知识,并对所学知识进行测试。
在开始学习高级机器学习之前,了解可扩展数据科学和数学(包括线性代数和多元微积分)的基础知识是很有帮助的。 还建议学习编程,特别是 Python,以及 SQL 的基本知识。 许多学习者希望在学习高级课程之前,先从机器学习的基础知识开始。