在本模块中，您将深入了解机器学习方法的对比，包括逻辑回归和神经网络。您还将了解深度学习及其与神经网络的关系，以及如何以最佳方式优化机器学习算法。最后，您还将了解损失函数，以及如何以最佳方式测量和审查误差，以保持算法的完整性。本模块结束时，您将了解到机器学习方法、深度学习的局限性和价值、如何以最佳方式提高算法的精度和准确性，以及如何为这些算法获取最佳训练数据。

在本模块中，您将了解自然语言处理中的机器学习以及使用生成建模来创建新数据。您还将重点了解 AutoML 以及如何更好地利用自动化流程来提高算法效率。您还将了解无代码机器学习工具 Teachable Machine，该工具使深度学习和机器学习变得更容易使用。本模块结束时，您将能够在算法中使用 AutoML，并能够在实践中浏览和使用 Teachable Machine，以无代码方式构建算法。

在本模块中，您将聆听一位行业领袖的演讲，并获得有关数据采样和建立现实可用模型的宝贵见解。麦当劳全球菜单战略和全球营销副总裁 Ed Lee 将让您回顾真实世界的解决方案，以及作为最成功的全球品牌之一，麦当劳是如何处理数据问题的。在本模块结束时，您将聆听到该领域顶级行业专家的讲解，并获得第一手知识，了解大数据如何在维护数据隐私的同时利用这些数据加强营销、内容和完善算法。

在本 Module 中，您将探索生成式 AI 的多个方面。您不仅将了解它是如何进行 Prediction 和生成内容的，还将了解 Large Language Model 是如何工作的。深入学习后，您将探索生成式 AI 堆栈以及基础模型及其在执行各种任务时的多功能性。通过对研究的反思，您将研究生成式人工智能对工作和生产率的影响，包括取代人类和提高人类的潜力。您将深入了解如何制作指令以提高 Large Language Model 的输出质量，并探索在基础模型之上构建应用程序的公司如何获得竞争优势。