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
|
4天前
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
17 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
|
6天前
|
机器学习/深度学习 数据采集 人工智能
探索机器学习:从理论到Python代码实践
【10月更文挑战第36天】本文将深入浅出地介绍机器学习的基本概念、主要算法及其在Python中的实现。我们将通过实际案例,展示如何使用scikit-learn库进行数据预处理、模型选择和参数调优。无论你是初学者还是有一定基础的开发者,都能从中获得启发和实践指导。
17 2
|
8天前
|
机器学习/深度学习 数据采集 搜索推荐
利用Python和机器学习构建电影推荐系统
利用Python和机器学习构建电影推荐系统
23 1
|
8天前
|
机器学习/深度学习 算法 PyTorch
用Python实现简单机器学习模型:以鸢尾花数据集为例
用Python实现简单机器学习模型:以鸢尾花数据集为例
25 1
|
30天前
|
监控 Kubernetes Python
Python 应用可观测重磅上线:解决 LLM 应用落地的“最后一公里”问题
为增强对 Python 应用,特别是 Python LLM 应用的可观测性,阿里云推出了 Python 探针,旨在解决 LLM 应用落地难、难落地等问题。助力企业落地 LLM。本文将从阿里云 Python 探针的接入步骤、产品能力、兼容性等方面展开介绍。并提供一个简单的 LLM 应用例子,方便测试。
129 14
|
14天前
|
机器学习/深度学习 数据采集 算法
Python机器学习:Scikit-learn库的高效使用技巧
【10月更文挑战第28天】Scikit-learn 是 Python 中最受欢迎的机器学习库之一,以其简洁的 API、丰富的算法和良好的文档支持而受到开发者喜爱。本文介绍了 Scikit-learn 的高效使用技巧,包括数据预处理(如使用 Pipeline 和 ColumnTransformer)、模型选择与评估(如交叉验证和 GridSearchCV)以及模型持久化(如使用 joblib)。通过这些技巧,你可以在机器学习项目中事半功倍。
21 3
|
19天前
|
机器学习/深度学习 人工智能 算法
机器学习基础:使用Python和Scikit-learn入门
机器学习基础:使用Python和Scikit-learn入门
26 1
|
25天前
|
机器学习/深度学习 算法 Java
机器学习、基础算法、python常见面试题必知必答系列大全:(面试问题持续更新)
机器学习、基础算法、python常见面试题必知必答系列大全:(面试问题持续更新)
|
30天前
|
机器学习/深度学习 人工智能 算法
机器学习基础:使用Python和Scikit-learn入门
【10月更文挑战第12天】本文介绍了如何使用Python和Scikit-learn进行机器学习的基础知识和入门实践。首先概述了机器学习的基本概念,包括监督学习、无监督学习和强化学习。接着详细讲解了Python和Scikit-learn的安装、数据处理、模型训练和评估等步骤,并提供了代码示例。通过本文,读者可以掌握机器学习的基本流程,并为深入学习打下坚实基础。
20 1
|
1月前
|
机器学习/深度学习 API 计算机视觉
基于Python_opencv人脸录入、识别系统(应用dlib机器学习库)(下)
基于Python_opencv人脸录入、识别系统(应用dlib机器学习库)(下)
22 2