上线十年,吴恩达机器学习课程全面升级,Python教学+更多应用,本月开课

简介: 上线十年,吴恩达机器学习课程全面升级,Python教学+更多应用,本月开课

图片.png

大数据文摘作品

作者:Mickey


今年,吴恩达的深度学习课程就上线整整十周年了。

 

十年来,这门课程成为了无数AI人的入门课程,全球有超过60万人注册过这门课,这也让吴恩达成为了“全民AI老师”。

 

图片.png

 

这门深度系列的课程面向希望入行深度学习的从业者,要求学生有一定的数学基础以及统计学知识储备,虽然课程有趣简单好上手,但随着时间推进,这门课程并不能满足所有人的需求。

 

特别是在课程语言的设计上,由于课程设计编写时日已久,大部分的内容使用的仍然是Matlab/Octave语言。十年来,编程世界日新月异,更新更简单的编程工具也层出不穷,例如Python,正成为当前最流行的编程语言。而据已放出的介绍信息,本次课程的最大更新,就是使用 Python 而非 Octave 作为教学语言。

 

同时,吴恩达在十年来也在业界走了一大圈,从应用端获取了不少新的知识,因此,新版的课程也理所当然的加入了这些新的应用内容。

 

虽然具体的开课时间还不确定,但是在本月,我们就能看到崭新的机器学习课程了。

 

话不多说,先放上新课程的注册链接:

https://www.deeplearning.ai/program/machine-learning-specialization/


超过6万注册,经典仍在

去年,斯坦福Daily’s Data Team数据团队精心设计了一个课题,对十年来斯坦福所有与人工智能有关的计算机科学课程进行了分析,想要了解这个行业是如何变化的,以一窥这个行业十年来的发展。

 

其中,吴恩达教授大热的机器学习课程CS229:机器学习是过去10年来最受欢迎的课程,从2010-11年的318名学生增加到2019-20年的869名学生。

 

图片.png

 

增长的驱动因素是学生需求的爆炸性增长。

 

在计算机科学系中存在的多个方向中,选择人工智能方向的是最多的。此外,计算机科学系以外的学生越来越多地在该系学习人工智能课程。

 

不过,就在昨天,随着课程十周年的到来,吴恩达的机器学习课程也告一段落。

 

上周,Stanford Online 和 DeepLearning.AI 团队宣布了一项重要通知:《机器学习》课程将从 2022 年 6 月 14 日起关闭在 Coursera 上的新学员注册。

 

课程《机器学习》将于 2022 年 6 月 14 日停止接受新学员注册,已经注册了的,仍然可以在 Learner Dashboard 上看到并继续学习该课程。

 

一直以来,继承自斯坦福的吴恩达机器学习课程CS229课程一直是这个行业从业者们的默契的“必修课”。在国内,这门课也是饱受好评的课程之一,收获了大批各行各业的学习者。

新课已开放注册:新的编程语言,新的行业经验加持

不过,所谓“旧的不去,新的不来”,新版机器学习课程依然非常值得期待。

从DeepLearning.ai官网上,我们可以看到这门Stanford Online与DeepLearning.AI合办的课程的介绍:仍然专注实用技能,包括机器学习基础和如何使用这些技能解决现实问题。同时也包括一些全新重建,将这门课程扩展到 3 门专业课程,更新后的专业化课程会通过直观的视觉方法教授基础 AI 概念,然后介绍实现算法和基础数学所需的代码。

 

此外,课程开发者也认为,不管是什么阶段的学习者,都能从这门课程中获取一些需要的知识。

 

对于初学者

保留旧版核心课程 - 多年来经过数百万学习者的审查 - 并使其更平易近人;

每节课都以机器学习概念的视觉表示开始,然后是代码,然后是解释基础数学的可选视频。

 

对于注册但没有完成老版机器学习课程的新手

不需要先验数学知识或严格的编码背景;

平衡直觉、代码实践和数学理论,创造简单有效的学习体验。

 

对于已经完成了老版的机器学习课程的“老鸟”

刷新基础 ML 概念的好方法;

已重建评分作业和讲座,以使用 Python 而非 Octave 进行教学;

根据 Andrew Ng 过去十年的行业和研究经验,更新了有关实际应用机器学习的建议部分。

相关文章
|
人工智能 API 开发工具
aisuite:吴恩达发布开源Python库,一个接口调用多个大模型
吴恩达发布的开源Python库aisuite,提供了一个统一的接口来调用多个大型语言模型(LLM)服务。支持包括OpenAI、Anthropic、Azure等在内的11个模型平台,简化了多模型管理和测试的工作,促进了人工智能技术的应用和发展。
924 1
aisuite:吴恩达发布开源Python库,一个接口调用多个大模型
|
机器学习/深度学习 算法 Python
介绍文本分类的基本概念、常用方法以及如何在Python中使用机器学习库进行文本分类
【6月更文挑战第13天】文本分类是机器学习在数字化时代的关键应用,涉及文本预处理、特征提取和模型训练等步骤。常见方法包括基于规则、关键词和机器学习,其中机器学习(如朴素贝叶斯、SVM、深度学习)是主流。在Python中,可使用scikit-learn进行文本分类,例如通过TF-IDF和朴素贝叶斯对新闻数据集进行处理和预测。随着技术发展,未来将深入探索深度学习和多模态数据在文本分类中的应用。
504 2
|
机器学习/深度学习 人工智能 自然语言处理
算法金 | 吴恩达:机器学习的六个核心算法!
吴恩达教授在《The Batch》周报中介绍了机器学习领域的六个基础算法:线性回归、逻辑回归、梯度下降、神经网络、决策树和k均值聚类。这些算法是现代AI的基石,涵盖了从简单的统计建模到复杂的深度学习。线性回归用于连续变量预测,逻辑回归用于二分类,梯度下降用于优化模型参数,神经网络处理非线性关系,决策树提供直观的分类规则,而k均值聚类则用于无监督学习中的数据分组。这些算法各有优缺点,广泛应用于经济学、金融、医学、市场营销等多个领域。通过不断学习和实践,我们可以更好地掌握这些工具,发掘智能的乐趣。
946 1
算法金 | 吴恩达:机器学习的六个核心算法!
|
机器学习/深度学习 数据采集 算法
深度解析Python中的机器学习库:Scikit-learn
深度解析Python中的机器学习库:Scikit-learn
537 0
|
机器学习/深度学习 PyTorch TensorFlow
【Python机器学习专栏】Python环境下的机器学习库概览
【4月更文挑战第30天】本文介绍了Python在机器学习中的重要性及几个主流库:NumPy用于数值计算,支持高效的数组操作;Pandas提供数据帧和序列,便利数据处理与分析;Matplotlib是数据可视化的有力工具;Scikit-learn包含多种机器学习算法,易于使用;TensorFlow和Keras是深度学习框架,Keras适合初学者;PyTorch则以其动态计算图和调试工具受到青睐。这些库助力机器学习研究与实践。
575 2
|
机器学习/深度学习 人工智能 算法
机器学习的魔法(一)从零开始理解吴恩达的精炼笔记
机器学习的魔法(一)从零开始理解吴恩达的精炼笔记
280 0
|
机器学习/深度学习 算法 数据挖掘
Python机器学习代码
Python机器学习代码
213 0
|
机器学习/深度学习 Serverless Python
Python机器学习线性模型
Python机器学习线性模型
214 1
|
机器学习/深度学习 算法 计算机视觉
python机器学习超参数调优
超参数(hyper parameters)就是机器学习或深度学习算法中需要预先设置的参数,这些参数不是通过训练数据学习到的参数;原始算法一般只给出超参数的取值范围和含义,根据不同的应用场景,同一个算法的同一超参数设置也不同。【2月更文挑战第14天】
428 0
|
机器学习/深度学习 数据采集 算法
Python技术应用案例——基于机器学习的信用评分模型
【2月更文挑战第11天】机器学习作为当下最热门的技术之一,已经在各个领域获得了广泛的应用。本文将介绍一个基于Python机器学习算法的信用评分模型,通过对数据集的处理和模型训练,实现对客户信用评级的自动化判定,提高了银行的工作效率和准确性。
1134 4

推荐镜像

更多
下一篇
开通oss服务