机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。
【课程大纲】
1 – 欢迎学习机器学习纳米学位工程师课程
欢迎学习机器学习工程师
从人工智能到机器学习
探索性项目-泰坦尼克号幸存者分析
2 – 模型评估和验证
共154课时
3 – 监督学习-构建学生干预系统
项目描述
监督学习简介
决策树
更多决策树
回归和分类
回归
更多回归
神经网络
神经网络迷你项目
内核方法和SVM
SVM
基于实例的学习
朴素贝叶斯
贝叶斯学习
贝叶斯推理
贝叶斯NLP迷你项目
集成B&B
构建学生干预系统
4 – 非监督学习-创建客户细分
非监督学习简介
聚类
更多聚类
聚类迷你项目
特征缩放
特征选择
PCA
PCA迷你项目
特征转换
结尾
项目
5 – 强化学习-训练智能出租车学会驾驶
强化学习简介
MARKOV决策过程
强化学习
博弈论
更多信息 博弈论
项目
6 – kaggle
Kaggle -采访Ben Hamner
laggle挑战
7 – 机器学习工程师模拟面试
你了解公司的哪些信息？
在工作场所，你以什么作为自己的动力
如何应对失败？
工作中的问题以及你是如何解决的
机器学习面试排练
获得面试
面试中的期望
资
源
下
载
文件名称：机器学习纳米学位工程师视频教程
下载地址：百度网盘
资源来源：网络收集
提示：网盘资源均收集于网络，只作学习和交流使用，版权归原作者所有，请在下载后24小时之内删除！若作商业用途，请到原网站购买，由于未及时购买和付费发生的侵权行为，与本站无关。
请先 ！