Введение
Машинное обучение – это область искусственного интеллекта и информатики, включающая разработку программного обеспечения и алгоритмов, которые могут делать прогнозы на основе данных. В этом модуле мы вводим регуляризацию, которая помогает предотвратить переоснащение моделей обучающими данными. Модели машинного обучения должны хорошо обобщать новые примеры, которые модель еще не видела на практике.
Датчики вокруг транспортного средства передают тысячи точек данных, которые анализируются и обрабатываются для перемещения транспортного средства к месту назначения. Программное обеспечение может принимать решения и следовать по пути, который специально не запрограммирован. Машинное обучение используется в области анализа данных, чтобы делать прогнозы на основе тенденций и анализа данных.
Ярким примером применения машинного обучения является автономное транспортное средство. Коллективные данные тысяч беспилотных автомобилей могут быть использованы для повышения безопасности транспортных средств и предотвращения несчастных случаев.
Описание:
Обратите внимание: вместимость трассы ограничена. Чтобы вас рассмотрели для регистрации, присоединитесь к списку ожидания и обязательно заполните заявку NDO. Только кандидаты с заполненными заявками NDO будут допущены, если освободится место. Этот курс также будет доступен в следующем квартале.
Что вы узнаете из этого курса?
Добро пожаловать на Курс машинного обучения в Дели. В этом модуле мы представляем основную идею обучения компьютера изучению концепций с использованием данных — без явного программирования.
Получите более полное представление об основных проектах машинного обучения с помощью полезных примеров. Узнайте, как создавать сложные модели данных, изучите классификацию данных и регрессию, методы кластеризации, последовательные модели, матричную факторизацию и изучите другие ключевые аспекты этой захватывающей области.
Microsoft, Columbia, Caltech и другие крупные университеты и учреждения предлагают вводные курсы. в области машинного обучения и искусственного интеллекта. Вики-курс находится в разработке. Пожалуйста, посетите вкладку ресурсов для получения наиболее полной и актуальной информации. Получение сертификата по машинному обучению поможет продвинуться по карьерной лестнице.
Наш опыт: что вы получаете?
Обзор программы:
Курс предназначен только для работающих специалистов
Еженедельные индивидуальные занятия с наставником Отраслевые эксперты
15 тематических исследований и заданий
Консультант для студентов, который поможет вам завершить курс
Гарантия трудоустройства*
450+ часов обучения
Практические задания
> Бесплатный вариант EMI
Младший преподаватель для проверки кода
Еженедельные рабочие часы с экспертами по искусственному интеллекту
Вакансии в сфере машинного обучения
На момент написания этой статьи на сайте Indeed.com было перечислено более 1300 открытых вакансий для специалистов по машинному обучению, которые могут писать, внедрять, тестировать и улучшать модели машинного обучения. Лучшие должности включают инженера по машинному обучению, инженера по интеллектуальному анализу данных, инженера по искусственному интеллекту и разработчика инфраструктуры машинного обучения, а оценки заработной платы достигают 130 тысяч долларов в год. Финансирование исследований и разработок в области машинного обучения и искусственного интеллекта растет быстрыми темпами. Это приводит к большому спросу на экспертов, которые могут лучше понять данные. Развитие навыков анализа данных и программирования может значительно улучшить ваше резюме и помочь вам войти в захватывающий мир машинного обучения. Начните с вводного курса сегодня.
Вакансии:
инженер машинного обучения, специалист по данным, инженер по глубокому обучению, инженер по данным, инженер НЛП, аналитик данных, аналитик НЛП, исследовательские возможности
Узнайте о карьере в области машинного обучения
Пройдите онлайн-курс по машинному обучению и изучите другие курсы по искусственному интеллекту, науке о данных, прогнозной аналитике и программированию, чтобы начать путь к этой захватывающей карьере. Область машинного обучения переживает бум, и наличие необходимых навыков и опыта может помочь вам сделать прибыльную карьеру.
Обзор Курса машинного обучения
Узнайте, как использовать Python в этом учебном курсе по машинному обучению. делать прогнозы на основе данных. Этот онлайн-курс по машинному обучению предлагает углубленный обзор тем машинного обучения, включая работу с данными в реальном времени, разработку алгоритмов с использованием контролируемого и неконтролируемого обучения, регрессию, классификацию и моделирование временных рядов.
Ключевые особенности курса по машинному обучению
Получите опыт, выполнив более 25 практических упражнений
Специальные занятия с наставниками от отраслевых экспертов
4 реальных отраслевых проекта со встроенными лабораториями
44 часов обучения под руководством инструктора с сертификацией
Компьютеры становятся умнее, поскольку искусственный интеллект и машинное обучение, подмножество ИИ, добиваются огромных успехов в моделировании человеческого мышления. Создание компьютерных систем, которые автоматически улучшаются с опытом, имеет множество приложений, включая роботизированное управление, интеллектуальный анализ данных, автономную навигацию и биоинформатику.
Расширенные алгоритмы машинного обучения, НЛП, глубокое обучение, обработка изображений и компьютерное зрение, математика и статистика для ИИ, Обработка данных, развертывание масштабируемых моделей машинного обучения.
Этот курс представляет собой широкое введение в машинное обучение и распознавание статистических закономерностей. Узнайте о контролируемом и неконтролируемом обучении, а также о теории обучения, обучении с подкреплением и контроле. Изучите последние приложения машинного обучения, спроектируйте и разработайте алгоритмы для машин.
Преподаватели
Эндрю Нг
Мозес Чарикар
Кристофер Ре
Предварительные условия
Мы настоятельно рекомендуем вам просмотреть первый набор задач перед регистрацией. Если этот материал кажется вам незнакомым или слишком сложным, этот курс может показаться вам слишком сложным. Линейная алгебра, базовая вероятность и статистика.
Темы включают
Основные концепции машинного обучения
Алгоритмы генеративного обучения
Компромисс смещения/дисперсии и параметр VC
Оценка и отладка обучения алгоритмы
Итерация ценности и политики
Q-обучение и аппроксимация функции ценности
Основные навыки, которые вы освоите:
Языки программирования, такие как Python/C++/R/Java.
Вероятность и статистика.
Моделирование и оценка данных.
Алгоритмы машинного обучения.
Распределенные вычисления.
Расширенные методы обработки сигналов.
Другие навыки:
Используемые инструменты:
Scikit Learn, Pytorch, Hadoop, Luigi, Spark/PySpark, Docker and Containers, Terraform, NumPy. , Pandas, Python, Dask, SQL/NoSQL, Keras/TensorFlow, SparkML, CuPy(L).
Курс предназначен для работающих профессионалов с опытом программирования.
Примечание о доступности курса
Этот курс обычно предлагается в зимний квартал.
Расписание курса отображается для целей планирования — курсы можно модифицировать, изменить или отменен. Наличие курса будет считаться завершенным в первый день открытой регистрации. Даты ежеквартального зачисления указаны на главной странице нашего сертификата выпускника.
Примечания
Требования факультета компьютерных наук
Студенты, изучающие курсы компьютерных наук, должны записаться на максимальное количество единиц и поддерживать оценку B или лучше в каждом курсе, чтобы продолжать посещать курсы без степени.
Этот курс в настоящее время может быть недоступен для учащихся в некоторых штатах.
EMI: доступно с нулевой процентной ставкой