筛选依据
主题必需的
语言必需的
在整个课程（说明和评估）中使用的语言。
了解产品必需的
级别必需的
课程长度必需的
技能必需的
字幕必需的
教师必需的
“introduction to machine learning” 的结果
状态：预览Duke University
您将获得的技能: Python 程序设计, 监督学习, 自然语言处理, 无监督学习, 人工神经网络, 计算机视觉, 强化学习, 医学影像, PyTorch（机器学习库）, 机器学习, 应用机器学习, 图像分析, Machine Learning 方法, 深度学习
状态：免费试用IBM
您将获得的技能: 回归分析, 统计, 统计分析, 分类与回归树 (CART), 监督学习, 预测建模, 机器学习算法, 探索性数据分析, 降维, 统计推理, 统计假设检验, 数据处理, 统计方法, 功能工程, 机器学习, 应用机器学习, 无监督学习, Scikit-learn （机器学习库）, 数据分析, 数据访问
状态：新状态：免费试用Coursera
您将获得的技能: Supervised Learning, Unsupervised Learning, Time Series Analysis and Forecasting, Applied Machine Learning, Machine Learning Algorithms, Feature Engineering, Dimensionality Reduction, Machine Learning, Predictive Modeling, Predictive Analytics, Scikit Learn (Machine Learning Library), Forecasting, Data Processing, Anomaly Detection, Data Manipulation, Regression Analysis, Statistical Modeling, Data Transformation, Data Cleansing
状态：免费试用多位教师
您将获得的技能: Python 程序设计, 分类与回归树 (CART), 决策树学习, 监督学习, 数据伦理, 人工智能, 预测建模, 人工智能和机器学习（AI/ML）, 随机森林算法, 应用机器学习, 机器学习, 负责任的人工智能, 功能工程, Jupyter, 无监督学习, 张力流, Scikit-learn （机器学习库）, NumPy, 深度学习, 强化学习
状态：免费试用University of Colorado Boulder
您将获得的技能: Python 程序设计, 统计分析, 回归分析, 数据科学, 监督学习, 预测建模, 分类与回归树 (CART), NumPy, 随机森林算法, 探索性数据分析, 机器学习算法, 应用机器学习, 功能工程, 性能调整, 机器学习, Scikit-learn （机器学习库）, 数据分析
状态：免费试用IBM
您将获得的技能: LLM 申请, 自然语言处理, 市场机遇, 生成式人工智能, 负责任的人工智能
是什么让您今天来到 Coursera？
状态：预览IBM
您将获得的技能: 人工智能, 数据科学, 分类与回归树 (CART), 监督学习, 预测建模, 无监督学习, 性能指标, 机器学习, 强化学习, 深度学习
状态：免费试用DeepLearning.AI
您将获得的技能: 线性代数, 统计分析, 微积分, 数据转换, 应用数学, A/B 测试, 降维, NumPy, 概率, 概率分布, 描述性统计, 统计假设检验, 概率与统计, 数值分析, 机器学习, Machine Learning 方法, 统计推理, 抽样（统计）, 数学建模, 贝叶斯统计
状态：免费试用您将获得的技能: 统计建模, 决策树学习, 回归分析, 分类与回归树 (CART), 预测建模, 监督学习, 降维, 机器学习, 应用机器学习, 无监督学习, Scikit-learn （机器学习库）, 功能工程
状态：新状态：免费试用Google
您将获得的技能: Generative AI, AI Product Strategy, Responsible AI, Machine Learning, Innovation, Critical Thinking
状态：免费试用您将获得的技能: Feature Engineering, Applied Machine Learning, Advanced Analytics, Machine Learning, Unsupervised Learning, Workflow Management, Data Ethics, Supervised Learning, Data Validation, Classification And Regression Tree (CART), Random Forest Algorithm, Decision Tree Learning, Python Programming, Performance Tuning
状态：新状态：预览您将获得的技能: Reinforcement Learning, Dimensionality Reduction, PyTorch (Machine Learning Library), Deep Learning, Generative AI, Pandas (Python Package), Scikit Learn (Machine Learning Library), Python Programming, Machine Learning, Artificial Neural Networks, Data Processing, Natural Language Processing, Feature Engineering, Predictive Modeling, Supervised Learning, Unsupervised Learning, Data Transformation, NumPy
与 introduction to machine learning 相关的搜索
总之，以下是 10 最受欢迎的 introduction to machine learning 课程
- 机器学习概论: Duke University
- IBM 机器学习入门: IBM
- Foundations of Machine Learning: Coursera
- 机器学习: DeepLearning.AI
- 机器学习入门：监督学习: University of Colorado Boulder
- 人工智能 (AI) 概论: IBM
- 机器学习入门: IBM
- 机器学习和数据科学数学: DeepLearning.AI
- 使用 Python 进行机器学习: IBM
- Introduction to AI: Google
