機器學習是一門研究在非特定編程條件下讓計算機採取行動的學科。最近二十年,機器學習爲我們帶來了自動駕駛汽車、實用的語音識別、高效的網絡搜索,讓我們對人類基因的解讀能力大大提高。當今機器學習技術已經非常普遍,您很可能在毫無察覺情況下每天使用幾十次。許多研究者還認爲機器學習是人工智能(AI)取得進展的最有效途徑。在本課程中,您將學習最高效的機器學習技術,瞭解如何使用這些技術,並自己動手實踐這些技術。更重要的是,您將不僅將學習理論知識,還將學習如何實踐,如何快速使用強大的技術來解決新問題。
最後,您將瞭解在硅谷企業如何在機器學習和AI領域進行創新。
本課程將廣泛介紹機器學習、數據挖掘和統計模式識別。相關主題包括:
(i) 監督式學習(參數和非參數算法、支持向量機、核函數和神經網絡)
(ii) 無監督學習(集羣、降維、推薦系統和深度學習)
(iii) 機器學習實例(偏見/方差理論;機器學習和AI領域的創新)。
課程將引用很多案例和應用,您還需要學習如何在不同領域應用學習算法,例如智能機器人(感知和控制)、文本理解(網絡搜索和垃圾郵件過濾)、計算機視覺、醫學信息學、音頻、數據庫挖掘等領域。