机器学习是一门研究在非特定编程条件下让计算机采取行动的学科。最近二十年,机器学习为我们带来了自动驾驶汽车、实用的语音识别、高效的网络搜索,让我们对人类基因的解读能力大大提高。当今机器学习技术已经非常普遍,您很可能在毫无察觉情况下每天使用几十次。许多研究者还认为机器学习是人工智能(AI)取得进展的最有效途径。在本课程中,您将学习最高效的机器学习技术,了解如何使用这些技术,并自己动手实践这些技术。更重要的是,您将不仅将学习理论知识,还将学习如何实践,如何快速使用强大的技术来解决新问题。
最后,您将了解在硅谷企业如何在机器学习和AI领域进行创新。
本课程将广泛介绍机器学习、数据挖掘和统计模式识别。相关主题包括:
(i) 监督式学习(参数和非参数算法、支持向量机、核函数和神经网络)
(ii) 无监督学习(集群、降维、推荐系统和深度学习)
(iii) 机器学习实例(偏见/方差理论;机器学习和AI领域的创新)。
课程将引用很多案例和应用,您还需要学习如何在不同领域应用学习算法,例如智能机器人(感知和控制)、文本理解(网络搜索和垃圾邮件过滤)、计算机视觉、医学信息学、音频、数据库挖掘等领域。