【Udemy中英字幕】Intermediate Machine Learning

中级机器学习

理解、设计和实施针对基础到中级问题的机器学习解决方案。

讲师：Munus International

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

您将学到什么

• 认识数据管道中的各个重要步骤
• 识别机器学习项目数据收集过程中常见的陷阱
• 检查收集的数据以查找任何潜在的特征关系和数据质量问题
• 创建数据可视化，帮助揭示任何可能被利用的模式
• 选择可能提供信息的特征
• 通过解决潜在的数据质量问题来清理数据集
• 组织数据集，以便模型可以提取它们
• 区分监督学习、无监督学习、半监督学习和自监督学习
• 对比传统机器学习和深度学习
• 讨论各种流行的监督和无监督学习模型
• 使用 Scikit-learn 解决基础到中级的机器学习问题
• 解释什么是神经网络
• 对比神经网络的不同变体
• 使用 PyTorch 实现基础到中级的深度学习解决方案

探索相关主题

• 机器学习
• 数据科学
• 发展

要求

• 学习本课程或所讨论的概念不需要编程经验。但是，如果您希望能够自己完成作业并实现模型，则需要知道如何使用 Python 编程。
• 掌握衍生品和统计学的基础知识会有所帮助，但这不是必需的。在讨论本课程中的各种概念时，我们尽量避免不必要的数学和统计细节。

描述

本课程将通过对机器学习管道的各个方面以及机器学习模型的各种类型和子领域的广泛概述，向学生介绍机器学习领域。我们将解释数据管道的各个方面，例如在数据收集期间要考虑什么、如何分析和解释数据集、如何创建有意义的数据可视化以及如何清理和准备数据集以训练机器学习模型。这些讨论还将为学生提供有关数据管道的各个方面如何针对不同类型的数据（例如表格、图像、文本和时间序列数据）发生变化的见解。

然后，学生将了解机器学习的各个子领域，特别关注最流行的监督和无监督机器学习模型，以及一些深度学习架构。我们还将在较小程度上讨论半监督和强化学习。关于特定模型的讲座旨在让学生了解模型背后的核心思想是什么、各种模型之间的主要区别是什么以及它们的优缺点是什么。我们不会对这些模型提供详细的数学解释，但某些讨论会提供一些关于影响模型工作方式和适用问题的底层数学方面的见解。

除了讨论数据管道和各种类型的机器学习模型外，本课程还将为学生提供必要的信息，以便他们能够为基础到中级问题构建自己的机器学习解决方案。这包括讨论 Python 中流行的机器学习框架（Scikit-learn、PyTorch、Tensorflow 和 Jax）、设计机器学习项目时应考虑的步骤、如何训练、微调和评估机器学习模型，以便提供可靠的性能估计，以及一些将机器学习模型应用于一些演示数据集的实际示例。

我们的机器学习入门课程和本课程有相当大的重叠，但我们在本课程中更详细地讨论了各种主题，目的是让学生能够在课程结束时实施自己的机器学习解决方案。

本课程适合哪些人：

• 本课程面向希望进一步了解机器学习并希望成为数据科学或机器学习工程师的工程师和开发人员。我们不会讨论底层数学原理，但在本课程结束时，您将掌握足够的知识，能够使用现有实现来解决初级到中级的机器学习问题。
• 本课程将使那些正在考虑从事数据科学家或机器学习工程师职业的学生受益。本课程将为您提供有关机器学习项目大部分核心方面的坚实基础知识，并为您提供继续加深对该领域的理解的坚实基础。
• 本课程对于希望了解机器学习项目的重要方面以及在开展此类项目时需要考虑哪些事项的管理人员也很有用。本课程还将为他们提供足够的知识，以参与有关机器学习的讨论，并了解哪些问题是重要的。
• 本课程可能对已完成我们的机器学习入门课程并希望继续学习各种模型以及如何在 Scikit-learn 或 PyTorch 中实现它们的人有所帮助。但是，这两门课程的材料有一些重叠，因此有些信息会重复（尽管我们通常会在本课程中提供更多信息）。
• 本课程不适合已经对机器学习有深入基础知识的人士，也不适合想要了解机器学习模型的数学/统计基础的人士。