机器学习专业课程是一个初级课程，针对那些刚刚接触人工智能，希望获得机器学习模型的基础知识和使用 Python 构建系统的实际经验的人。

本专业适合具有一定编程基础和高中数学水平的学习者，以及希望提高机器学习技能的软件工程和数据分析领域的早期专业人士。

本专业包括三门课程。按每周 5 小时计算，完成机器学习专业课程 1 需要 3 周时间，完成课程 2 需要 4 周时间，完成课程 3 需要 3 周时间。

本专业由 Andrew Ng、Eddy Shyu、Aarti Bagul 和 Geoff Ladwig 共同创建。

吴恩达（Andrew Ng）是 DeepLearning.AI 的创始人、Landing AI 的创始人兼首席执行官、Coursera 的董事长兼联合创始人以及斯坦福大学的兼职教授。吴博士通过他的工作改变了无数人的生活，他撰写或与人合作撰写了 200 多篇机器学习、机器人和相关领域的研究论文。他是谷歌大脑（Google Brain）团队的创始领导人和百度的首席科学家，并通过这些工作建立了领导两家领先互联网公司进行人工智能转型的团队。他是全球最大的在线学习平台 Coursera 的联合创始人兼董事长，而 Coursera 正是从他的机器学习课程起步的。吴博士现在主要专注于他的创业项目，寻找在全球经济中加快负责任的人工智能实践的最佳途径。

Eddy Shyu是 DeepLearning.AI 的产品负责人，他领导的团队构建了机器学习专业课程（吴恩达主讲）、TensorFlow 高级技术课程（劳伦斯-莫罗尼主讲）、自然语言处理专业课程和人工智能医学专业课程。Eddy 还是 Udacity 交易人工智能纳米学位课程的联合讲师。

Aarti Bagul是 Snorkel AI 的机器学习工程师。在加入 Snorkel 之前，她曾在多个岗位上与吴恩达（Andrew Ng）密切合作：在人工智能基金，她帮助建立和投资机器学习公司。在此之前，她曾在兰亭人工智能公司担任机器学习工程师，并在斯坦福大学担任吴恩达博士深度学习班的首席助教。她以最高荣誉从斯坦福大学获得计算机科学硕士学位，并从纽约大学获得计算机科学和计算机工程学士学位。

Geoff Ladwig最初是深度学习专业的学生和导师。他曾担任自然语言处理专业的顾问和机器学习专业的课程工程师。Geoff 的大部分职业生涯都是在通信和计算机行业担任 ASIC/硬件/系统工程师/架构师。

吴恩达（Andrew Ng）是人工智能领域的远见卓识者，曾在斯坦福大学领导关键性研究，并在谷歌大脑、百度和 Landing.AI 开展开创性工作，推动人工智能领域的发展。

这 3 门专业课程是安德鲁开创性的机器学习课程的更新和扩展版本，该课程自 2012 年推出以来，获得了 4.9 分（满分为 5 分）的高分，超过 480 万名学员选修了该课程。

本课程旨在向您传授基础机器学习概念，您无需具备数学知识或严格的编码背景。与需要一定数学知识的原始课程不同，新的专业课程恰到好处地平衡了直觉、代码实践和数学理论，为初次学习的学员创造了简单有效的学习体验。

每节课都以机器学习概念的可视化表示和背后直觉的高层次解释开始。然后，它会提供代码来帮助你实现这些算法，如果你想深入学习，还可以观看解释底层数学的视频。这些课程是选修课，不是完成专业课程或将机器学习应用到实际项目的必修课。

如果您想进入人工智能领域或在机器学习领域建功立业，新的机器学习专业课程将是您的最佳起点。

新的机器学习专业课程包括一个扩展的主题列表，重点是最关键的机器学习概念（如决策树）和工具（如 TensorFlow）。

与原来的课程不同，新的专业课程旨在教授基础的机器学习概念，无需事先掌握数学知识或严格的编码背景。它恰到好处地平衡了直觉、代码实践和数学理论，为初次学习的学生创造了简单有效的学习体验。

每节课都以机器学习概念的可视化表示和对其背后直觉的高层次解释开始。然后，它会提供代码来帮助你实现这些算法，如果你想深入学习，还可以观看其他解释底层数学的视频。这些课程是选修课，不是完成专业课程或将机器学习应用于实际项目的必修课。

自第一门机器学习课程推出以来的十年间，Python 已成为人工智能应用的主要编程语言。新的专业课程中的作业和讲座已经重新设计为使用 Python，而不是像原来的课程那样使用 Octave。

在分级编程作业之前，还有额外的未分级代码笔记本，其中包含示例代码和交互式图表，可帮助您直观地了解算法的运行情况，从而更轻松地完成编程练习。

根据过去十年中新出现的最佳实践，对有关应用机器学习的实用建议部分进行了大幅更新。

对于希望进入人工智能领域或开始机器学习职业生涯的初学者来说，新的机器学习专业课程是最好的入门课程。更新后的 "专业课程 "采用了多年来经过数百万学习者检验的核心课程，使其更加适合初学者。

与原来的课程不同，新的专业课程旨在教授基本的 ML 概念，无需事先掌握数学知识或严格的编码背景。它恰到好处地平衡了直觉、代码实践和数学理论，为初学者创造了简单有效的学习体验。

每节课都以机器学习概念的可视化表示和对其背后直觉的高层次解释开始。然后，它会提供代码来帮助你实现这些算法，如果你想深入学习，还可以观看其他解释底层数学的视频。这些课程是选修课，不是完成专业课程或将机器学习应用到实际项目的必修课。

新的机器学习专业包括一个扩展的主题列表，侧重于最重要的机器学习概念（如决策树）和工具（如 TensorFlow）。

自第一门机器学习课程推出以来的十年间，Python 已成为人工智能应用的主要编程语言。新专业课程中的作业和讲座已经重建，使用 Python，而不是原来课程中的 Octave。

在分级编程作业之前，还有额外的未分级代码笔记本，其中包含示例代码和交互式图表，可帮助您直观地了解算法的运行情况，从而更轻松地完成编程练习。

根据过去十年中新出现的最佳实践，对有关应用机器学习的实用建议部分进行了大幅更新。

如果您报名参加但没有完成原课程，可能是因为对数学要求望而却步，或者不知道自己能否跟上课程进度，那么新的机器学习专业课程就是为您量身打造的。更新后的专业课程采用了多年来经过数百万学习者检验的核心课程，使其更加适合初学者。

与原来的课程不同，新的专业课程旨在教授基础的 ML 概念，无需事先掌握数学知识或严格的编码背景。它恰到好处地平衡了直觉、代码实践和数学理论，为初学者创造了简单有效的学习体验。

每节课都以机器学习概念的可视化表示和对其背后直觉的高层次解释开始。然后，它会提供代码来帮助你实现这些算法，如果你想深入学习，还可以观看其他解释底层数学的视频。这些课程是选修课，不是完成专业课程或将机器学习应用到实际项目的必修课。

新的机器学习专业包括一个扩展的主题列表，侧重于最重要的机器学习概念（如决策树）和工具（如 TensorFlow）。

自第一门机器学习课程推出以来的十年间，Python 已成为人工智能应用的主要编程语言。新专业课程中的作业和讲座已经重建，使用 Python，而不是原来课程中的 Octave。

在分级编程作业之前，还有额外的未分级代码笔记本，其中包含示例代码和交互式图表，可帮助您直观地了解算法的运行情况，从而更轻松地完成编程练习。

根据过去十年中新出现的最佳实践，对有关应用机器学习的实用建议部分进行了大幅更新。

祝贺您完成了最初的机器学习课程！新的专业课程是您重温所学基础概念的绝佳途径。

新的 "机器学习专业课程 "包括一个扩展的主题列表，侧重于最重要的机器学习概念（如决策树）和工具（如 TensorFlow）。

自第一门机器学习课程推出以来的十年间，Python 已成为人工智能应用的主要编程语言。新专业课程中的作业和讲座已经重建，使用 Python，而不是原来课程中的 Octave。

在分级编程作业之前，还有额外的未分级代码笔记本，其中包含示例代码和交互式图表，可帮助您直观地了解算法的运行情况，从而更轻松地完成编程练习。

根据过去十年中新出现的最佳实践，对有关应用机器学习的实用建议部分进行了大幅更新。

祝贺您完成深度学习专业课程！与更高级的深度学习专业相比，新的机器学习专业涵盖的主题包括无监督学习、推荐系统、基于树的模型以及其他非基于神经网络的常用传统机器学习算法。

如果您已经是一名人工智能专业人士，那么更新您的知识库并学习这些最新技术将有助于您的职业发展。

机器学习专业由 3 门课程组成。

我们建议按照规定的顺序学习课程，以获得合理而全面的学习体验。

订阅 Coursera 的费用为每月 49 美元。

是的，Coursera 为付不起学费的学员提供资助。

∙ 进入您的 Coursera 账户。

∙ 点击 "我的购买"，找到相关课程或专业。

∙ 点击 "电子邮件收据"，等待24小时后即可收到收据。

您可以在此阅读更多相关信息。

请访问coursera.org/business了解更多信息，领取计划并联系 Coursera。对于每个计划，您可以决定每位会员可以注册的课程数量以及他们可以选择的课程系列。

没有

如果您支付了课程费用并完成了编程作业，您将在每门课程结束时获得证书。获得证书的期限为 180 天，之后必须重新购买课程才能获得证书。如果免费旁听课程，则不会获得证书。

如果您完成了全部 3 门课程并订阅了专业课程，您还将收到一份额外的证书，表明您完成了整个专业课程。

本课程完全在线，因此无需亲自到教室上课。您可以随时随地通过网络或移动设备访问讲座、阅读和作业。

可以！要开始学习，请单击您感兴趣的课程卡并注册。您可以注册并完成课程，以获得可共享的证书。当您订阅属于专项课程的课程时，您将自动订阅完整的专项课程。访问您的学习者仪表板，跟踪您的学习进度。

是的。在特定的学习课程中，如果您付不起注册费，可以申请助学金或奖学金。如果您选择的学习课程有助学金或奖学金，您可以在说明页面找到申请链接。