關於此 專項課程

This specialization gives an introduction to deep learning, reinforcement learning, natural language understanding, computer vision and Bayesian methods. Top Kaggle machine learning practitioners and CERN scientists will share their experience of solving real-world problems and help you to fill the gaps between theory and practice. Upon completion of 7 courses you will be able to apply modern machine learning methods in enterprise and understand the caveats of real-world data and settings.
學生職業成果
50%
完成此 專項課程 後開始了新的職業。
43%
加薪或升職。

可分享的證書

完成後獲得證書

100% 在線課程

立即開始,按照自己的計劃學習。

靈活的計劃

設置並保持靈活的截止日期。

高級

完成時間大約為10 個月

建議 6 小時/週

英語(English)

字幕:英語(English), 韓語
學生職業成果
50%
完成此 專項課程 後開始了新的職業。
43%
加薪或升職。

可分享的證書

完成後獲得證書

100% 在線課程

立即開始,按照自己的計劃學習。

靈活的計劃

設置並保持靈活的截止日期。

高級

完成時間大約為10 個月

建議 6 小時/週

英語(English)

字幕:英語(English), 韓語

此專項課程包含 7 門課程

課程1

課程 1

Introduction to Deep Learning

4.6
1,419 個評分
324 條評論
課程2

課程 2

How to Win a Data Science Competition: Learn from Top Kagglers

4.7
881 個評分
191 條評論
課程3

課程 3

Bayesian Methods for Machine Learning

4.6
532 個評分
155 條評論
課程4

課程 4

Practical Reinforcement Learning

4.2
343 個評分
98 條評論

講師

提供方

国立高等经济大学 徽標

国立高等经济大学

其中一位行業合作夥伴的徽標

常見問題

  • 此专项课程不提供大学学分,但部分大学可能会选择接受专项课程证书作为学分。查看您的合作院校,了解详情。Coursera 上的在线学位Mastertrack™ 证书提供获得大学学分的机会。

  • 如果订阅,您可以获得 7 天免费试听,在此期间,您可以取消课程,无需支付任何罚金。在此之后,我们不会退款,但您可以随时取消订阅。请阅读我们完整的退款政策

  • 可以!点击您感兴趣的课程卡开始注册即可。注册并完成课程后,您可以获得可共享的证书,或者您也可以旁听该课程免费查看课程资料。如果您订阅的课程是某专项课程的一部分,系统会自动为您订阅完整的专项课程。访问您的学生面板,跟踪您的进度。

  • 是的,Coursera 可以为无法承担费用的学生提供助学金。通过点击左侧“注册”按钮下的“助学金”链接可以申请助学金。您可以根据屏幕提示完成申请,申请获批后会收到通知。您需要针对专项课程中的每一门课程完成上述步骤,包括毕业项目。了解更多

  • 完成注册课程后,您可以学习专项课程中的所有课程,并且完成作业后可以获得证书。如果您只想阅读和查看课程内容,可以免费旁听该课程。如果您无法承担课程费用,可以申请助学金

  • 此课程完全在线学习,无需到教室现场上课。您可以通过网络或移动设备随时随地访问课程视频、阅读材料和作业。

  • As prerequisites we assume calculus and linear algebra (especially derivatives, matrices and operations with them), probability theory (random variables, distributions, moments), basic programming in python (functions, loops, numpy), basic machine learning (linear models, decision trees, boosting and random forests). Our intended audience are all people who are already familiar with basic machine learning and want to get a hand-on experience of research and development in the field of modern machine learning.

  • We recommend taking the “Intro to Deep Learning” course first as most of the subsequent courses will build on its material. All other courses can be taken in any order.

  • Coursera courses and certificates don't carry university credit, though some universities may choose to accept Specialization Certificates for credit. Check with your institution to learn more.

還有其他問題嗎?請訪問 學生幫助中心