Logging, Monitoring and Observability in Google Cloud (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/logging-monitoring-observability-google-cloud

简介: 课程名称：Google Cloud中的日志记录、监控和可观察性 概述：本课程旨在教会您如何监控、排除故障，并改善基础设施和应用程序的性能。在网站可靠性工程（SRE）原则的指导下，本课程结合了讲座、演示、动手实验和真实案例研究。您将在课程中获得全面监控、实时日志管理与分析、生产中调试代码以及分析CPU和内存使用情况的经验。 课程大纲： 1. **引言**：欢迎来到Google Cloud中的日志和监控课程！我们将介绍先决条件、受众和课程目标。 2. **Google Cloud可观察性简介**：在此模块中，我们将对Google Cloud的日志、监控和可观察性产品进行高层次的概述。 3. **关键系统监控**：本模块主要关注如何跟踪Google Cloud内资源的实际情况。我们将讨论与监控项目架构相关的选项和最佳实践，明确核心Cloud IAM角色以决定谁可以进行哪些监控操作。此外，我们还将探讨默认仪表板的使用，并学习如何创建自定义仪表板以展示资源消耗和应用负载，以及定义正常运行检查以监控系统的可用性和延迟。 4. **警报策略**：本模块将教授如何制定警报策略，定义警报政策，添加通知渠道，识别警报类型及其常见用途，构建资源组的警报，并以编程方式管理警报策略，以便及时发现云应用中的问题并迅速解决。 5. **高级日志记录和分析**：您将学习Google Cloud的高级日志和分析功能，包括资源标签的方法、定义日志接收器、基于日志条目创建监控指标、将应用错误链接到日志记录及其他操作工具，以及将日志导出到BigQuery进行长期存储和SQL分析。 6. **使用审计日志**：本模块将介绍如何使用Cloud审计日志，以回答“谁做了什么，何时做的？”并讨论审计日志的最佳实践。 7. **课程总结**：我们将总结课程中涵盖的主题。 通过本课程，您将为维护和优化云基础设施与应用程序的性能提供所需的详细知识和技能。

Logging, Monitoring and Observability in Google Cloud en Français (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/logging-monitoring-observability-google-cloud-fr

简介: 课程名称：在Google Cloud中进行日志记录、监控和可观测性（法语） 课程概述：本课程将教你如何监控和排除基础设施与应用程序中的问题，并提高其性能。课程基于网站可靠性工程（SRE）原则，通过演示、实操工作坊和实际案例研究相结合的方式进行教学。在学习过程中，您将掌握监控工具、实时日志管理与分析、生产代码调试、以及CPU和内存使用的剖析等技能。 课程大纲： 1. **警报规则** - 本模块将讲解如何通过警报快速检测和解决云应用中的问题。您将学习制定警报策略、定义警报规则、添加通知渠道、识别警报类型及其常见用例、创建资源组并生成关联警报，以及自动管理警报规则。 2. **日志记录与高级分析** - 本模块将探讨Google Cloud的高级日志记录和分析功能。您将了解如何为资源添加标签、定义日志接收器、创建基于日志条目的监控指标、将应用程序错误与Logging和Error Reporting等其他操作工具关联，以及如何将日志导出到BigQuery进行长期存储和SQL分析。 3. **监控成本优化** - 在最后一个模块中，我们将讨论Google Cloud操作套件的成本优化。具体来说，您将学习如何分析与Google Cloud操作相关的资源使用成本，并实施最佳实践以控制操作成本。 通过本课程，您将全面提升在Google Cloud环境中的监控、日志管理及性能优化能力。

Logic for Economists (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/logic-for-economists

简介: 课程名称：经济学家的逻辑 课程概述：本课程提供了对基本数学概念的简要介绍，包括命题逻辑、谓词逻辑、集合论、数系和证明技术。在课程结束时，学生将能够： (1) 识别简单谜题背后的逻辑结构； (2) 操作逻辑表达式； (3) 解释逻辑与集合论之间的关系； (4) 解释自然数、整数、有理数、实数和复数之间的差异； (5) 识别不同的基本证明技术。 课程大纲：

名称：介绍

描述：课程主题的概述和动机

名称：命题逻辑

描述：逻辑命题及其规则

名称：谓词逻辑、集合论与函数

描述：依赖于变量的逻辑语句

名称：数字

描述：

名称：证明

描述：

名称：期末测试

描述：

Logistic Regression in R for Public Health (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/logistic-regression-r-public-health

简介: 课程名称：《R语言中的逻辑回归与公共卫生》 课程概述： 欢迎参加《R语言中的逻辑回归与公共卫生》课程！本课程将强调在公共卫生领域中逻辑回归的重要性，特别是在处理复杂的公共卫生数据时。公共卫生数据通常较为凌乱，因此需要特别关注。课程将通过实际案例（例如根据患者特征预测糖尿病）来帮助您掌握R语言的应用。 课程内容： 1. **逻辑回归简介**：学习逻辑回归在公共卫生中的应用，了解为何线性回归不适用于二元结果。 2. **在R中进行逻辑回归**：掌握数据准备、描述和运行简单逻辑回归模型的技能，能够解释结果输出。 3. **在R中运行多元逻辑回归**：学习如何运行多元逻辑回归，如何描述和准备数据，并进行新模型的实践。 4. **评估模型拟合度**：了解如何评估模型的拟合度及其性能，避免过拟合问题，并选择合适的变量输入多元回归模型。 预期成果： 完成本课程后，您将能够： - 解释逻辑回归的有效使用场景 - 定义赔率和赔率比 - 在R中进行简单和多元逻辑回归分析并解释输出 - 评估在R中多元逻辑回归模型的假设 - 描述和比较选择多元回归模型的常用方法 建议学员在参加本课程前，复习《公共卫生统计思维》和《公共卫生线性回归》中的相关内容，以便更好地掌握课程内容。我们希望您享受这门课程！

Logistics Excellence (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/logistics-excellence

简介: 课程名称：物流卓越 课程概述：供应链由从初始原材料到最终消费者的网络公司构成。在这一网络中，有三种持续的流动：产品流、信息流和资金流。要正确理解和管理供应链，您需要掌握所有流动。如果忽视其中某一流动，您可能会错过机会或使供应链的某些部分效率降低。本课程是该专项的第五门课程，将重点关注物流的关键要素。 课程大纲： 模块1：核心物流要素 描述：物流是将货物从起点运输和存储到顾客的过程。您将学习公司如何选择不同的交付选项以将产品送达目的地，并学会在不同情况下平衡不同的交付选项。模块包括以下课程：1. 平衡交付选项，2. 设计物流网络，3. 管理物流关系，以及最后的4. 核心物流要素测验。 模块2：物流信息系统 描述：在本模块中，我们将讨论与物流相关的信息流。具体而言，我们将关注仓库管理系统和运输管理系统，这些是将产品交付给客户的关键组成部分。 模块3：物流财务 描述：本模块将探讨从客户流入公司的资金流。从一个公司的应付账款看另一个公司的应收账款。我们将从客户的角度研究客户融资及延长应付账款天数的另一面。 模块4：物流卓越分析 描述：课程结束时，您将运用新知识分析公司物流网络，还会分析一个真实的商业案例并提出改进建议。 通过此课程，学员将全面掌握物流的各个方面，提高其在供应链管理中的决策能力和分析能力。

Los bits y bytes de las redes informáticas (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/redes-informaticas

简介: 课程名称：计算机网络的基本概念与应用 课程概述：本课程旨在提供全面的计算机网络知识。我们将从现代网络技术和协议的基础知识出发，逐步拓展到云计算、实际应用及网络故障排除等内容。最后，我们将探讨如何在求职面试中展示这些知识，并提供解决问题的一些建议。 学习目标： - 能够用五层模型描述计算机网络； - 理解与TCP/IP通信相关的所有标准协议； - 掌握网络故障排除的强大工具和技巧； - 了解DNS和DHCP等网络服务及其在计算机网络中的作用； - 理解云计算、"一切即服务"的概念以及云存储的运作。 课程大纲： 1. **网络简介**：欢迎加入计算机网络的基本概念与应用课程！第一周我们将介绍计算机网络的基本概念，包括TCP/IP和OSI网络模型，了解各层如何协作，以及网络设备（如电缆、集线器、交换机、路由器、服务器和客户端）的工作原理。 2. **网络层**：在第二周，我们将深入探讨网络层，学习IP地址分配方案及子网划分，了解封装的工作原理，以及ARP协议如何促进网络层间的通信。同时，我们将介绍路由及路由协议的基本概念，以及互联网的运作方式。 3. **传输与应用层**：第三周我们将专注于传输层和应用层，学习TCP端口和套接字，TCP头部的不同组成部分，区分面向连接与无连接协议，并了解TCP如何确保数据完整性。 4. **网络服务**：第四周将学习网络服务，探讨DNS的必要性及其工作原理，了解DHCP如何简化网络管理。我们还将讨论NAT技术如何提高网络安全，以及VPN和代理如何帮助用户安全连接。 5. **连接互联网**：在第五周，我们将回顾互联网的发展历史，探讨当前互联网的连接方式，包括有线、无线和光纤连接等。学习广域网的组成部分及无线和移动网络的基本概念。 6. **故障排除及未来网络**：恭喜你！你已经来到了课程的最后一周。在这一周，我们将探讨计算机网络的未来，并学习如何使用流行操作系统的工具进行网络故障排除。到此模块结束时，你将能够识别和解决常见的网络连接问题。 通过本课程的学习，您将获得计算机网络的系统知识，能够在相关领域中得心应手。

Los gobiernos locales como actores internacionales (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/gobiernos-locales

简介: 课程名称：《地方政府作为国际行为者》 概述： 本课程旨在提供地方政府在国际舞台上崭露头角的全面概述。我们将通过理论基础与实践相结合的方式，审视地方政府在国际关系中出现的新趋势和动态。课程的目标是让专业人士、研究人员、学者以及公众了解地方政府国际关系的最新发展。 学习收获： - 了解地方政府进入国际领域的现象及其背景。 - 识别地方政府追求国际化的主要目标。 - 理解网络合作在城市行动中的重要性。 - 分析地方政府与国家政府之间的关系及可能的冲突。 - 评估本市在寻求国际行动时是否能获得中央政府或地方行动者的支持。 - 识别公民从地方政府国际行动中获得的潜在利益。 课程合作： 本课程由墨西哥国立自治大学城市研究项目（PUEC-UNAM）、墨西哥城政府及欧拉美城市合作联盟（AL-LAs）共同举办。 课程大纲： 1. **欢迎与课程介绍**：课程开始，介绍课程内容与工作方式。 2. **地方政府在国际舞台上的崛起**：讨论地方政府国际行动的Emerging phenomenon，以及如何与全球其他城市和机构建立联系的必要性。 3. **城市网络：合作与影响的新工具**：探讨地方政府建立和推动城市网络的重要性，以及这些网络如何在国际论坛上发声和影响全球议题。 4. **国际行动作为公共政策？**：将地方政府的国际行动视为重要公共政策，并探讨如何制定和实施国际化计划。 5. **走向新的国际关系**：审讨地方政府国际行为的法律和政策后果，以及国家政府在新形势下的反应与策略。 本课程通过理论和实例结合，为学生提供获取深刻理解及应对未来国际关系发展的能力。

Los Objetivos de Desarrollo Sostenible para las empresas (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/objetivos-desarrollo-sostenible-empresas

简介: 课程名称：企业可持续发展目标 课程概述：本课程由拉丁美洲和加勒比地区可持续发展目标中心提供，旨在帮助学员更好地理解企业环境下的可持续发展目标（ODS）。课程的目标是为企业提供工具，以便它们能够更有效地启动或调整其可持续发展努力。学员将选择一家公司进行分析，并将所学知识应用于该公司的运营。在课程结束时，学员将能够为其公司优先考虑战略性的可持续发展目标，了解具体活动规划的逻辑结构，并掌握内部与外部沟通策略。 课程大纲： 1. **简介** - 课程开篇内容。 2. **可持续发展目标的基础** - 理解可持续发展及联合国于2015年批准的17个可持续发展目标，分析这些目标与企业环境的关系。 3. **了解企业** - 评估企业的运营和价值创造，分析企业与环境的互动，识别影响业务发展的环境和社会问题，提供工具以识别价值链、商业模式、优先生态系统服务和利益相关者。 4. **可持续发展目标的优先化** - 确定与商业模式相关的优先可持续发展目标，聚焦1到2个重要目标及其具体子目标，学习定义具体行动以支持这些目标，实现企业的可持续发展战略。 5. **沟通与可持续发展目标** - 掌握如何有效地向利益相关者传达企业的可持续发展努力，了解建立战略性沟通的重要性，学习应避免的沟通做法，提升企业在可持续发展目标议程中的影响力。 课程旨在通过系统学习，帮助学员为公司制定可持续发展战略，推进社会和环境贡献。

Los obstáculos y la conducción en las negociaciones (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/negociacion-proceso

简介: 课程名称：谈判中的障碍与沟通 课程概述：本课程将分析在谈判过程中出现的障碍，并提供有效应对这些障碍的策略和技能。课程通过逐步呈现九个中的障碍，帮助学员预见并避免这些障碍。同时，时间与节奏的因素也将作为一个新元素融入谈判流程，确保每一个阶段的准确执行。 课程大纲： 第一部分：谈判障碍介绍 本模块将对谈判过程中出现的障碍进行定位与分析，并观察识别这些障碍的条件，结合相关技能和策略，提出有效的应对方法。我们将以九个障碍的顺序呈现，帮助学员在谈判前做好预防准备。 第二部分：谈判者的立场 本模块分析谈判者的不同类型，包括内部谈判者和外部谈判者。我们将探讨谈判过程中的态度、目标、需求以及如何形成互惠的利益关系，增强学员在谈判中的信心和安全感。 第三部分：谈判的阶段与时间 本模块将研究谈判各阶段的时间与节奏，为学员提供实用的指南，以提高谈判有效性。通过问题引导揭示对方的兴趣与需求，学员将学会如何关注利益而非立场，从而可以寻求互利的解决方案。 第四部分：合作的障碍 本模块将重点分析影响合作的九大常见障碍，探讨如何避免这些障碍。课程将讨论自我知识与成长、情绪管理以及对自己的信任等因素，帮助学员认识到态度的重要性以及在面对挑战时如何取得胜利。 通过本课程的学习，学员将掌握识别谈判过程中的障碍及其解决策略的技能，提升自身的谈判能力和自信心。

Los portafolios y las inversiones en el mercado de capitales (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/portafolios-inversiones-en-mercado-de-capitales

简介: 课程名称：《投资组合与资本市场投资》 课程概述： 随着个人或实体在资本市场中需要投资流动性头寸，研究金融资产和理解证券市场的运作变得至关重要。学习者可以通过运用相关知识做出明智而有根据的决策，从而有效地管理所希望承受的风险与回报水平。本课程的核心主题是通过投资组合的配置实现多样化，旨在最大化收益并最小化风险。 课程将介绍基于市场有效性理论的长期投资基本模型，涵盖从资本市场基本概念的演变，到高效投资组合的形成与分析策略。课程结束时，参与者将对投资金融资产组合的主要模型和工具有一个全面的理解。 本课程适合不同学科背景的人士，旨在帮助他们理解并深入掌握资本市场的基本投资策略，重点关注投资组合的风险与回报分析。 课程大纲： 1. **价格与金融市场资产的价值** - 该模块将探讨市场金融资产的价格与价值之间的关系，借此产生关于价值与价格概念的思考与辩论，同时介绍市场有效性理论。 2. **多样化理论与投资组合** - 这个模块将涵盖投资组合及市场投资组合的概念，理解投资组合的风险与回报，并通过实践措施展示多样化的效果及投资组合评估。 3. **有效边界与投资决策** - 本模块将学习马科维茨的有效边界及其构建，深入理解市场投资组合的概念，并通过实践展示如何制定旨在最大化风险与回报关系的投资决策。 4. **资本市场基本投资模型及其实践应用** - 最一个模块将教授如何计算资本市场线，以获得特定风险水平下最佳的风险回报关系；同时介绍证券市场线及资本资产定价模型 (C.A.P.M.)，帮助学习者估算资产收益率，并通过实践展示这些工具在资本市场投资决策中的应用。 通过本课程的学习，参与者将能够掌握有效的投资构建与分析工具，为其在资本市场中的长期投资打下坚实基础。

Love as a Force for Social Justice (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/love-social-justice

简介: 课程名称：爱作为社会正义的力量 课程概述：本课程旨在介绍不同的爱概念，帮助参与者意识到爱的力量及其在日常生活中的应用，特别强调爱作为社会正义的力量。 课程目标包括：激发个人力量和赋权，通过相互学习，开始定义参与者如何将所学应用于服务社会。课程将探讨无私之爱（如同情和善良）作为社会正义与行动的动力，以及知识应用于积极社会变革的灵感。将讨论爱的生物学、心理学、宗教和社会角度，借助来自不同学科的专家经验进行分析。 在为期六周的课程中，将讨论以下主题：爱的种类/定义爱；非暴力沟通；爱与大脑生物学；爱作为宗教和伦理信仰的基本概念（如犹太教、基督教、伊斯兰教、佛教、甘地主义）；爱在一对一互动中的应用；爱在商业社区中的作用；爱在非政府组织中的实践；爱与社会正义；爱作为创造性和生命意义的表达；以及爱在我们未来生活中的展望。该课程旨在增强参与者对爱在创造社区、连接和功能性社会中重要性的认识。 课程材料将来源于多种资源，课堂目标之一是让参与者了解爱的相关文学，课程阅读书目将在后续的课程大纲中列出。

Low Intermediate English: Calls & Messaging (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/low-intermediate-english-calls-messaging

简介: 课程名称：中级英语：电话与信息传递 课程概述：本课程旨在帮助学习者通过电话、电子邮件、短信以及社交媒体与生活中的各类人建立联系。学习活动将在Voxy这一互动语言学习平台上进行，该平台能够根据学习者的当前水平以及在阅读、听力、口语、语法和词汇技能上的表现自动调整，以确保每节课都能优化为快速提高。每周的课程由短小而富有趣味的任务型学习组成，可以在任何时间和地点完成。课程内容来自实际生活场景，让学习者通过真实的对话和邮件与朋友及同事进行学习。完成课程后，学习者将能够在各种情况下自信地进行通话、信息和邮件交流。 课程大纲： 1. 课程介绍与Voxy平台导航：了解课程内容及如何使用Voxy平台。 2. 使用社交媒体：学习如何通过社交媒体与他人联系、寻求帮助、建立网络以及讲述故事。 3. 保持联系：练习通过电话、短信或电子邮件与朋友保持联系。 4. 电话通话：学习如何在工作中进行各类专业电话通话。 5. 发给同事的邮件：学习如何撰写各种类型的工作邮件给同事。 6. 课程项目：独立学习：选择一个主题进行课程项目的研究。 该课程充满互动性和实用性，适合希望提升英语沟通能力的学习者。

Low Intermediate English: Help & Information (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/low-intermediate-help-information

简介: 课程名称：中级英语：求助与信息 课程概述：在本课程中，您将学习如何有效地请求帮助、提供和理解方向以及分享个人意见。课程学习活动将在Voxy这一富有趣味性的语言学习平台上进行，Voxy会根据您当前的水平和在阅读、听力、口语、语法和词汇技能方面的表现自动调整，确保每节课都能为您带来快速的进步。 每周的学习包含短小而富有趣味的任务驱动课时，可以随时随地完成。课程内容源自真实场景，您将通过朋友和同事之间的真实对话和邮件来学习如何交流信息和寻求帮助。到课程结束时，您将能够找到并回答几乎所有可能的问题！ 课程大纲： 第一部分：课程介绍与Voxy平台导览 描述：本周，您将了解该课程并学习如何使用Voxy的创新平台。 第二部分：询问方向 描述：本周，您将练习几种不同的询问和给出方向的方法，帮助找到目的地。 第三部分：意见与偏好 描述：本周，您将练习分享您对规则、食物、媒体、产品等的看法。 第四部分：提出请求 描述：本周，您将学习如何通过邮件和电话提出请求，以及如何跟进以获取更多信息。 第五部分：说明与程序 描述：本周，您将能够解释您工作场所的各种程序，并向他人询问指示。 第六部分：课程项目：独立学习 描述：本周，您将有机会选择您在课程结束项目中研究的主题。

Low Intermediate English: Meet & Greet (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/low-intermediate-english-meet-greet

简介: 课程名称：低中级英语：见面与问候 课程概述：在本课程中，您将提升英语会话能力，以便在个人和职业关系中建立联系。课程活动将在Voxy平台上进行，该平台具有互动性，能够根据您的阅读、听力、口语、语法和词汇能力自动调整课程内容，使每节课都优化以促进快速进步。每周的课程由趣味十足、短小的任务型课程组成，您可以随时随地完成。课程内容涉及真实世界的对话，让您了解在认识他人时常见的主题，如家庭、来自哪里以及爱好与兴趣等。完成本课程后，您将自信地开始或加入几乎任何对话！ 课程大纲： 1. 课程介绍与Voxy平台介绍：本周，您将了解课程内容并学习如何使用Voxy创新平台。 2. 闲聊：本周，您将学习在第一次见面或与朋友交谈时最常见的对话主题。 3. 爱好与兴趣：本周，您将学习如何提问以进一步了解某人的爱好与兴趣。 4. 职业：本周，您将学习如何与他人谈论专业技能和责任。 5. 办公室社交：本周，学习如何与同事聊天，以更好地了解他们的个人和职业生活。 6. 课程项目：独立学习：本周，您将有机会选择主题进行课程末项目的研究。 通过这门课程，您将能够在社交场合中更加自如地交流。

Low Intermediate English: Personal Growth & Well-Being (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/low-intermediate-english-personal-growth-well-being

简介: 课程名称：中级英语：个人成长与幸福感 课程概述：在这门课程中，您将学习关于营养、健康、睡眠、压力、目标设定等重要语言。学习活动将在Voxy平台上进行，这个平台能够根据您当前的水平和在阅读、听力、口语、语法和词汇技能方面的表现自动调整课程，以优化每节课的学习效果。每周的课程设置为引人入胜的短小任务型课堂，随时随地都可以进行。课程内容来自真实场景，您将通过真实的对话和朋友、同事之间交换建议和健康小贴士的邮件学习。课程结束时，您将能够描述如何在工作和个人时间中实现个人成长和保持身心健康。 课程大纲： 第一部分：课程介绍与Voxy平台介绍 描述：本周，您将了解本课程的内容，并学习如何使用Voxy的创新平台。 第二部分：健康习惯 描述：本周，您将考虑健身、营养和健康睡眠之间的联系。 第三部分：个人成长 描述：本周，您将描述自己的技能、目标和生活经历，并理解他人给出的生活建议。 第四部分：职场幸福感 描述：本周，您将审视健康的工作环境，学习应对压力的方法，并讨论工作与生活的平衡。 第五部分：职业发展 描述：本周，您将考虑设定职业目标、建立人际网络和发展职业技能的不同方式。 第六部分：课程项目：独立研究 描述：本周，您将有机会选择您为课程结束项目所研究的主题。

Low Intermediate English: Planning & Organization (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/low-intermediate-english-planning-organization

简介: 课程名称：低级中级英语：规划与组织 课程概述：在本课程中，您将学习与规划生活相关的重要语言，包括社交、旅行和工作等方面。课程中的学习活动将在Voxy这一引人入胜的语言学习平台上进行，它会根据您当前的水平和阅读、听力、口语、语法及词汇技能的表现自动调整内容，从而优化每节课，以达到快速提升的效果。每周的课程由有趣、简短的任务导向的学习任务组成，可以随时随地进行。课程内容来自真实世界，让您通过真实的对话、邮件和朋友及同事之间的短信学习，在制定计划、安排会议或组织日常事务时使用的语言。到课程结束时，您将能够开始组织自己的生活！ 课程大纲： 1. 课程介绍与Voxy平台使用指南：本周，您将了解本课程并学习如何使用Voxy的创新平台。 2. 与朋友制定计划：本周，您将学习与朋友制定、修改和讨论计划时需要的重要语言。 3. 预订与订购：本周，您将学习如何与酒店、餐厅、航空公司及其他企业进行预订。 4. 安排会议：本周，您将学习安排与同事会议时所需的语言。 5. 工作中的组织：本周，您将学习保持工作有序的一些技巧。 6. 课程项目：独立学习：本周，您将有机会选择您在课程结束项目中要研究的主题。

Low Intermediate English: Shopping & Customer Service (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/low-intermediate-english-shopping-customer-service

简介: 课程名称：中级英语：购物与客户服务 课程概述：在本课程中，你将学习用于描述购物过程的重要语言，包括如何评价购买的商品以及如何协助客户。课程活动将在Voxy这一互动语言学习平台上进行，该平台会根据你的当前水平和在阅读、听力、口语、语法和词汇技能方面的表现自动调整，以确保每节课优化为快速提升。每周都有吸引人且简短的任务导向课件，随时随地都可以完成。课程内容来自真实场景，因此你将学习到客户和同事之间关于购物的真实对话和邮件。课程结束时，你将能够讨论几乎所有类型的购物经历。 课程大纲： 1. 课程介绍及Voxy平台使用指导：这一周你将了解本课程的结构，并学习如何使用Voxy的创新平台。 2. 购物过程：这一周你将描述你购物的地点、时间、原因和方式。 3. 商品评价：这一周你将分享你对购物的意见以及在商业和产品评论中交流何处购置商品。 4. 联系客户服务：这一周你将学习如何通过电话和电子邮件向客户提供一般和具体信息，并解决他们的问题。 5. 面对面帮助客户：这一周你将学习如何在面对面场合向客户提供信息并解决他们的问题。 6. 课程项目：独立研究：这一周你将有机会选择一个主题，用于你的课程结业项目。

Low Intermediate English: Technology (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/low-intermediate-english-technology

简介: 课程名称：初中级英语：科技 课程概述：在数字时代，拥有众多技术设备不仅重要，讨论这些设备同样不可或缺。本课程将重点关注我们日常生活中使用的科技和设备。课程学习活动将在Voxy这一引人入胜的语言学习平台上进行，Voxy会根据你的当前水平和在阅读、听力、口语、语法和词汇技能上的表现自动调整内容，使每节课都能优化快速提升你的能力。每周的课程由简短且有趣的任务驱动，这些任务可以在任何地方、任何时间完成。课程内容来源于现实世界，你将通过朋友和同事之间的真实对话与邮件学习信息交流与协助。完成课程后，你将能相对自信地与朋友和同事讨论科技话题。 课程大纲： 1. 课程介绍与Voxy平台指南：本周内容将介绍课程及如何使用Voxy的创新平台。 2. 科技偏好与习惯：本周将学习如何描述你日常生活中使用的设备、社交媒体和应用程序，以及它们的优缺点。 3. 特征与创新：本周将学习如何讨论科技如何变化以及其对我们生活世界的影响。 4. 工作中的科技小贴士：本周你将听到人们提供的关于如何在工作中安全使用技术、居家办公和保持健康的建议。 5. 工作中的IT问题：本周将学习在向同事和IT专业人士寻求技术帮助时使用的语言。 6. 课程项目：独立研究。

Low Poly Art For Video Games (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/low-poly-art-video-games

简介: 课程名称：低多边形艺术用于视频游戏 课程概述： 本课程旨在为您提供创建简单3D艺术品的工具和知识，以供在Unity游戏引擎中使用。通过像素艺术的美学，我们将探索形状语言、色彩理论和构图等艺术原则，并展示逐步工作流程，以创建可用于自制游戏的资源。课程分为四个主要模块：道具、环境、角色和动画。每个模块将结合艺术技能和技术技能的视频课程，并以同行评审的项目作业作为结尾。最后一个模块将挑战您运用前四个模块所学的知识，创建自己的像素艺术资产包。 本课程旨在为对自制游戏或参与游戏项目感兴趣的艺术新手提供指导。如果您是游戏设计师或程序员，您会发现本课程能够让您对游戏艺术有更深入的了解，从而更好地与艺术家合作，或者创造自己的原型或最终艺术作品。如果您是希望将自己的风格带入视频游戏开发的艺术家或视觉设计师，本课程将为您提供与游戏引擎对接的工作流程，并帮助您理解自己的艺术感知如何能够增强游戏体验。 如果您曾想开始制作视频游戏艺术但不知道从何入手，那么本课程将为您打下坚实的基础，同时教授可用的实用技能。我们的目标是让您了解从创作到在游戏引擎中设置的整个流程。 课程大纲： 第一周：低多边形艺术简介 在这一周，我们将讨论低多边形风格游戏模型创建的基础知识。这可能是五周课程中时间最短的一周，请花时间查看可选的Maya LT入门，以确保您掌握课程涉及的所有基本技能。 第二周：低多边形环境艺术 在这一周，我们将转向环境艺术，目标是创建一组简单模型，用于在Maya中创建场景。根据模型的数量和复杂性，这一周可能会比前一周花费更多时间。 第三周：低多边形角色艺术 （课程内容待补充） 第四周：低多边形艺术动画 在这一周，我们将对第三周的角色进行简单动画制作。绑定角色可能在开始时比较棘手，因此如果需要，请查看绑定和动画入门。我们的目标是快速完成一个可以动画化的角色，并为其创建一些简单且表现力强的动画，以便在3D游戏中使用。 第五周：低多边形艺术项目 在最后一周，利用您迄今为止制作的项目资产，并根据收到的反馈进行改进。利用这一周的时间重新处理任何您希望以不同方式处理的内容。我们的目标是最终完成一系列可用于简单3D游戏的低多边形资产。

Luther and the West (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/luther-and-the-west

简介: 课程名称：路德与西方 课程概述：本课程将讨论一些在现代西方影响深远的思想历史，这些思想又传播到了世界各地。讨论的核心是一位不凡且具有历史重要性的六teenth世纪德国人物——马丁·路德。今天，路德被认为是许多重要思想的起源，这些思想在一定程度上影响并塑造了我们现代人的身份和世界观，无论是积极还是消极。 在第一部分，我们将探讨路德为何认为《圣经》是每个人都应拥有和阅读的最重要的书籍。同时，我们将仔细考虑路德的反犹太主义，这种思想促成了西方反犹太主义及二十世纪一些最重大悲剧的发生。 第二部分将讨论自由的概念，以及路德对基督中的自由的理解如何影响现代思想家对人类共同体的理解。在这部分中，一个重要的矛盾点是自由与奴役在西方思想中的共存及其在西方社会中的关系。 第三部分则将聚焦于宗教与政治之间复杂的关系。 注意：希望获得所有课程内容免费访问的学生，请点击页面右上角的“登录”按钮。想要参与课程并获得需要付费的证书的学生，请点击页面左侧的“注册”按钮。 课程大纲： 第一部分：路德、《圣经》与反犹太主义 - 第一部分 第二部分：路德、《圣经》与反犹太主义 - 第二部分 第三部分：自由：自我与共同体 - 第一部分 第四部分：自由：自我与共同体 - 第二部分 第五部分：宗教与政治：双剑 - 第一部分 第六部分：宗教与政治：双剑 - 第二部分

Lymphoedema: Monitoring & Intervention After Breast Cancer (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/lymphoedema-monitoring-intervention

简介: 课程名称：乳腺癌后淋巴水肿的监测与干预 课程概述：乳腺癌治疗后的淋巴水肿是一种较少被理解和研究的状况，它可能显著影响患者的身体和心理功能，降低生活质量，并对患者和医疗系统造成巨大的经济负担。在本课程的互动模块中，我们将涵盖淋巴水肿的基础知识、淋巴生理学与解剖学、评估与治疗，并利用案例研究理解乳腺癌康复中的前瞻性监测和早期干预护理模式。 本课程由澳大利亚悉尼麦考瑞大学的澳大利亚淋巴水肿教育、研究与治疗项目 (ALERT) 提供。 课程大纲： 1. 课程概述 - 介绍您将在乳腺癌后淋巴水肿监测与早期干预在线课程中学习的内容，并介绍您的世界级教育团队。 2. 淋巴水肿介绍 - 探讨淋巴水肿的特征、分类、对患者的影响以及与乳腺癌相关的基于证据的风险因素。 3. 淋巴生理学 - 研究与乳腺癌相关的淋巴生理学。 4. 淋巴解剖学 - 研究与乳腺癌相关的淋巴解剖学。 5. 评估与治疗 - 探讨使用前瞻性监测和早期干预护理模式的评估与治疗策略，以应对乳腺癌相关的淋巴水肿。 6. 案例研究 - 通过患者案例研究，阐释前瞻性监测和早期干预护理模式的应用。 本文课程旨在提升参与者对乳腺癌相关淋巴水肿的认识与管理能力，从而有效改善患者的生活质量。

L’antisémitisme : De ses origines à nos jours (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/antisemitisme

简介: 课程名称：反犹太主义：从起源到今天 课程概述：本课程邀请了来自世界各地的50位著名学者，探讨与反犹太主义相关的问题，包括反犹太主义的定义、历史演变、为何在多种文化甚至对立意识形态中依然存在、在大屠杀后反犹太主义的变化以及其在当今社会的表现形式。 课程大纲： 第一部分：反犹太主义是什么？定义与起源 这一周，我们将开始探讨反犹太主义现象，讨论仇恨的本质、反犹太主义的独特特征及其词源。此外，我们还将深入分析反犹太主义的历史根源及其早期发展，从古希腊罗马时期到中世纪。 第二部分：反犹太主义的演变 在这一部分中，我们将转向现代，考察主要的宗教、社会与政治运动如何塑造了欧洲及世界对犹太人的态度。 第三部分：灭绝性的反犹太主义：从第一次世界大战到大屠杀 这一周，我们将深入20世纪，观察反犹太主义的现代观念和认知是如何继续发展并表现出来的，最终以大屠杀这一悲惨事件达到高潮。 第四部分：当代反犹太主义 本周，我们将关注当代世界，首先探讨反犹太主义在现代极右和极左两大领域中的表现。 第五部分：伊斯兰和阿拉伯世界 这一周，我们将继续探讨当代反犹太主义，特别关注尚未在课程中讨论的领域——阿拉伯和伊斯兰世界的过去与现在。 第六部分：应对反犹太主义 在课程的最后一周，我们将努力提升对当代反犹太主义的理解，探讨网络仇恨问题，以及如今在各种场合中如何应对和处理反犹太主义。 本课程提供了深入而全面的视角，帮助我们理解反犹太主义这一复杂且重要的社会议题。

L’Egitto prima e dopo i faraoni. Dalla nascita dello Stato (3000 a.C. ca.) alle prime comunità cristiane (IV secolo d.C.) (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/egitto

简介: 课程名称：法老之前与之后的埃及。从国家的诞生（公元前3000年左右）到基督教早期社区（公元4世纪） 课程概述：本课程将详细探讨埃及从国家形成的早期阶段至基督教早期形成的历史，涵盖重要的历史时期和事件。 课程大纲： 第一周：该模块简要分析了埃及历史从国家诞生到古王国的阶段。 第二周：本模块介绍了埃及历史从中王国到新王国的演变。 第三周：该模块分析了在晚期埃及历史中的重要事件，包括图坦卡蒙墓的发现。 第四周：最后一个模块探讨了亚历山大大帝时期到晚期古代基督教社区的形成。 通过本课程，学员将深入理解古埃及文明的起源与发展，以及其在历史长河中的重要性。

L’engagement efficace de la société civile dans le développement (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/engagement-efficace-de-la-societe-civile-dans-le-developpement

简介: 课程名称：有效推动公民社会参与发展 课程概述：公民社会组织（CSO）是发展领域的关键参与者，能够做出宝贵的贡献。它们在多个领域发挥着重要作用，包括人道主义援助、服务提供、政策研究与制定，以及对政府和其他利益相关者的问责。公民社会组织在实现可持续发展目标（SDG）中扮演着至关重要的角色。因此，公民社会组织需在发展过程中积极有效地参与。为了有效参与，公民社会组织需要满足哪些条件？本在线互动指南将探讨这个问题并提供一些答案。 学习目标： 完成在线互动指南的五个模块后，参与者将能够： - 描述公民社会参与发展过程的必要性； - 定义公民社会组织面临的有利环境及其在发展中的有效性； - 回顾与公民社会组织相关的国际承诺； - 区分不同发展参与者的角色与责任，以确保公民社会组织的有效参与； - 确定政府、捐助者和公民社会如何共同营造有利环境及确保公民社会组织的有效性； - 识别公民社会组织有效参与发展的良好实践； - 阐明实施良好实践所带来的益处； - 将国际承诺转化并应用于自身的环境中。 教学方法： 本在线互动指南分为五个模块，围绕学习目标展开。每个模块以动画视频开始，随后提供补充阅读、良好实践示例、现场采访视频和在线活动。 互动指南结构： - 模块1：公民社会组织相关国际承诺及其具体落实方式。 - 模块2：创建有效多方对话的方式，这是公民社会组织有效参与发展的关键。 - 模块3：公民社会组织在其日常运作中确保有效性、问责制和透明度的责任。 - 模块4：官方发展援助捐助者如何有效与公民社会组织合作。 - 模块5：国家的法律和法规如何影响公民社会组织的有利环境。 完成情况： 完成五个模块的参与者将获得由公民社会组织有效性与有利环境工作组颁发的证书。

L’IA pour tous (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/ai-for-everyone-fr

简介: 课程名称：L’IA pour tous 课程概述：人工智能（IA）并不仅仅属于工程师。如果您希望提升您的组织在使用人工智能方面的能力，建议将此课程推荐给所有员工，尤其是那些在非技术部门工作的人员。本课程将带您了解： - 人工智能的常用术语，包括神经网络、机器学习、深度学习和数据科学的含义 - 人工智能的实际能力（及其局限性） - 如何识别在您的组织中应用人工智能的机会 - 如何创建机器学习和数据科学项目 - 如何与人工智能团队合作，并在企业中制定人工智能战略 - 如何探讨与人工智能相关的伦理和社会问题 尽管此课程技术性较低，工程师们也可以通过学习来了解人工智能的商业方面。 课程大纲： 1. 第1部分：什么是人工智能？ 2. 第2部分：制定人工智能项目 3. 第3部分：将人工智能融入公司 4. 第4部分：人工智能与社会

M2M & IoT Interface Design & Protocols for Embedded Systems (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/m2m-iot-interface-design-embedded-systems

简介: 课程名称：M2M与物联网接口设计与嵌入式系统协议 概述：本课程为学术学分课程ECAE 5348，是科罗拉多大学博尔德分校电气工程硕士学位的一部分。它是嵌入式接口设计（EID）专业的第三门课程，重点在于连接设备与设备、设备与云，从而创建数据流转的原型和实际系统。课程内容包括M2M（机器之间）与物联网（IoT）的基本概念、利用云开发IoT系统（具体介绍AWS及其IoT框架）、常见通信协议的回顾以及IoT设计中的其他关注点，如安全性、消息排队方法、API和微服务的使用与设计。内容涵盖从设计最佳实践到特定工具与方法的细节，并通过实践项目让学生能够尝试使用AWS、Python以及Node.JS开发设备图形用户界面的标准方法。 课程大纲： 1. **M2M与物联网简介**：介绍M2M与IoT定义及其在现代应用与产业中的重要性，回顾基本的云架构和相关术语及概念，并研究系统设计与架构工具，如UML、用例和架构模式，准备使用AWS、Python及Node.JS的课程项目。 2. **物联网的云支持**：回顾构建云连接IoT系统的关键协议与要素，包括连接设备与云的常用IoT应用协议（如MQTT、CoAP、WebSockets），探讨云系统需支持的IoT设计要素，如OTA更新、数字双胞胎和无服务器过程，并提供第一项云连接IoT的编码练习。 3. **通信协议**：重点关注设备之间的连接和多层次的协议。内容包括设备的板级连接，低级通信协议（如I2C、SPI和UART），以及个人、局域和广域网的协议（有线与无线），最后关注电池运作超过十年的长距离协议（如LTE-M、NB-IoT，以及非蜂窝协议LoRaWAN、SIGFOX），并通过第二个编程项目扩展云服务和API的探索。 4. **其他云与物联网要素**：审视设计云连接IoT系统的最后要素，讨论AWS之外的替代云平台（商业与开源），考虑IoT设备与系统的网络安全问题，以及测试、强化和为公共应用准备系统的方法，研究支持IoT系统结构的软件技术（如消息排队、API和微服务），并就编码练习进行同伴评审，准备期末考试（选修）。 本课程旨在帮助学生了解并应用M2M与IoT接口设计及嵌入式系统协议的理论与实践，培养其在物联网领域的设计与开发能力。

Machine Design Part I (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/machine-design1

简介: 课程名称：机械设计第一部分 课程概述：“机械设计第一部分”是“机械设计”系列课程的第一门课程，共分为三部分，深入探讨机械设计的基础知识。该系列课程涵盖多个基本的机械设计主题，包括静态和疲劳失效理论、轴、紧固件和齿轮的分析，以及机械系统（如变速箱）的设计。在这个课程中，我们将研究许多有趣的设计案例，包括全髋关节植入物的材料选择、777飞机机翼的设计与测试，以及动态载荷对螺栓压力容器设计的影响。 在第一门课程中，您将学习预测和验证设计性能与寿命的可靠分析技术。课程开始时，将回顾设计中关键的材料特性，如应力、强度和热膨胀系数。接下来，我们将转向静态失效理论，如冯·米塞斯理论，以避免静态载荷应用中出现的失效（例如桥梁中的梁）。最后，您将学习适用于动态载荷设计的疲劳失效标准，如汽车传动系统中的输入轴。 课程大纲： 1. **设计中的材料特性**：本周提供课程内容概述、目标受众、讲师背景和学习成功的技巧，重点介绍设计中的关键材料特性。通过案例研究分析Zimmer正骨髋关节植入物的材料选择，实践这些材料特性的应用。课程结束时通过测验1检查对材料特性的理解。 2. **静态失效理论 - 第一部分**：本周回顾应力、强度和安全系数，主要讨论轴向、扭转、弯曲和横向剪切应力。强调学生需具备之前固体力学或材料力学的基础，完成相关练习以复习分析技能。 3. **静态失效理论 - 第二部分**：涵盖韧性转脆性温度和应力集中因素，学习两种关键的静态失效理论，展现波音777的极限载荷测试案例，强调分析和验证的重要性。完成相关练习并参与测验2。 4. **疲劳失效 - 第一部分**：介绍疲劳的关键原则，如完全反向应力和SN曲线，讨论如何估计完全调整的耐久极限。通过分析Aloha Airlines 293航班疲劳失效的根本原因案例，强调疲劳失效的危险性。完成练习并参加测验3。 5. **疲劳失效 - 第二部分**：学习波动和随机变化应力的疲劳失效标准，包括修改的Goodman线和米勒法则。完成相关练习并参与测验4，最后参加全综合测验，以评估对课程内容的总体理解。 通过这门课程，您将获得机械设计的基础知识，掌握关键的分析技术，以支持未来的工程设计工作。

Machine Learning (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/machine-learning

简介: 课程名称：机器学习 课程概述：机器学习是让计算机无需明确编程即可行动的科学。在过去十年中，机器学习的发展带来了自动驾驶汽车、实用的语音识别、有效的网络搜索以及对人类基因组的深刻理解。如今，机器学习无处不在，你可能每天不知不觉中使用它数十次。许多研究人员认为，机器学习是朝着人类水平人工智能取得进展的最佳途径。在本课程中，你将学习到最有效的机器学习技术，并在实践中应用这些技术，帮助你快速、高效地解决新问题。更重要的是，你将了解学习的理论基础，并掌握实际应用这些技术的方法。此外，你还将学习到硅谷在机器学习和人工智能领域的创新最佳实践。 本课程提供了机器学习、数据挖掘和统计模式识别的广泛介绍。涉及的主题包括： (i) 监督学习（参数/非参数算法、支持向量机、核函数、神经网络）。 (ii) 无监督学习（聚类、降维、推荐系统、深度学习）。 (iii) 机器学习的最佳实践（偏差/方差理论；机器学习和人工智能中的创新过程）。 课程还将参考众多案例研究和应用，使你学习如何将学习算法应用于智能机器人（感知、控制）、文本理解（网络搜索、反垃圾邮件）、计算机视觉、医疗信息学、音频、数据库挖掘及其他领域。 课程大纲： - 第1周：机器学习简介 欢迎来到机器学习专业课程！你将加入数百万其他学习者的行列，他们已经完成了这门课程，帮助他们探索机器学习的激动人心的世界。 - 第2周：多输入变量的回归 本周，你将扩展线性回归以处理多个输入特征。你还将学习一些改进模型训练和性能的方法，如向量化、特征缩放、特征工程和多项式回归。周末你将最终在代码中实践线性回归。 - 第3周：分类 本周，你将学习监督学习的另一种类型——分类。你将学习如何使用逻辑回归模型预测类别。你将了解过拟合的问题，并学习使用正则化方法来处理该问题。本周结束时，你将有机会实践实施带正则化的逻辑回归。

Machine Learning Algorithms (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/machine-learning-algorithms

简介: 课程名称：机器学习算法 课程概述：在本课程中，您将学习以下内容： a) 理解朴素贝叶斯算法。 b) 理解支持向量机算法。 c) 理解决策树算法。 d) 理解聚类。 请确保您能够熟练使用 Python 编程，并具备基本的数学知识，包括矩阵乘法和条件概率。 课程大纲： 第一部分：朴素贝叶斯 描述： 第二部分：支持向量机 描述： 第三部分：决策树 描述： 第四部分：聚类 描述： 本课程将帮助您掌握重要的机器学习算法，为您的数据科学和人工智能之路奠定基础。

Machine Learning Algorithms with R in Business Analytics (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/machine-learning-algorithms-r-business-analytics

简介: 课程名称: 商业分析中的R语言机器学习算法 课程概述: 商业分析中最令人兴奋的方面之一是利用机器学习算法在数据中寻找模式。在本课程中，您将获得机器学习算法的重要性及其模型的概念基础，这些模型用于发现与商业问题相关的可行洞察。一些算法用于预测数值结果，其他算法则用于预测结果的分类。还有一些算法可用于从丰富的数据集中创建有意义的分组。完成本课程后，您将能够描述每种算法的适用场景。同时，您将有机会使用R和RStudio运行这些算法，并通过R笔记本有效地传达结果。 课程大纲: 1. **课程导向与模块一: 回归算法在商业数据分析中的应用** - 描述: 探索性数据分析（EDA）是商业分析工作流程中的关键一步，但EDA是一种耗时的方法来揭示复杂关系。此外，通常用于EDA的可视化方法并不适合量化结果的可靠性或进行预测。 2. **模块二: 机器学习框架与逻辑回归** - 描述: 理解商业中的机器学习及逻辑回归的基本概念。 3. **模块三: 分类算法** - 描述: 一般的分类算法，包括K最近邻（KNN）和决策树。 4. **模块四: 聚类算法** - 描述: 聚类算法，包括K均值和DBSCAN算法。

Machine Learning Algorithms: Supervised Learning Tip to Tail (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/machine-learning-classification-algorithms

简介: 课程名称：机器学习算法：监督学习全流程 概述：本课程帮助学员理解机器学习项目的基本原理。学员将学习并实施监督学习技术，通过真实案例分析业务场景，优化决策树、k-近邻和支持向量机的使用。同时，学员将掌握不同数据准备步骤的实践影响，并描述应用机器学习中的常见生产问题。为了顺利完成课程，学员需具备一定基础的Python编程能力（能阅读和调试现有代码，熟悉条件语句、循环、变量、列表、字典和数组），并具有基础的线性代数（向量表示）和统计学（概率分布、均值/中位数/众数）知识。 本课程是Coursera平台提供的应用机器学习专业化的第二门课程，由阿尔伯塔机器智能研究所主办。 课程大纲： 第一部分：使用决策树和k-NN进行分类 在这一周中，学员将学习监督学习的基础知识，特别是分类。此外，将介绍两个分类算法：决策树和k-NN。学员将通过Jupyter笔记本开始编程，熟悉在使用机器学习进行分类时会遇到的问题。 第二部分：为乐趣和利润而设计的函数 在课程的第二周，学员将学习回归算法，这是监督学习的另一面。将介绍找到最优解的思路、优化标准及相关问题。通过回归了解模型复杂性与准确性之间的相互作用，并初步体验回归与分类的关系。 第三部分：为分类服务的回归：支持向量机 这一周将深入探讨如何将回归用于分类。学员将了解支持向量机算法的基本要素，认识到许多看似不相关的机器学习算法之间的联系。同时，将介绍逻辑回归、神经网络和支持向量机，并展示其中两个的实现。 第四部分：对比模型 在课程的尾声，学员将学习如何评估模型的实际表现以及如何进一步优化。将回顾特别针对回归和分类的评估问题，并介绍一些分析模型表现的其他工具。本周涉及的主题旨在增强学员对模型的信心，使其能够利用机器学习实现业务目标的潜力。

Machine Learning Basics (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/machine-learning-basics

简介: 课程名称：机器学习基础 课程概述：本课程将帮助您理解机器学习的基本概念，包括以下内容： a) 理解机器学习的基本概念。 b) 理解典型的基于记忆的方法——K最近邻算法。 c) 理解线性回归。 d) 理解模型分析。 在参加本课程之前，请确保您熟悉Python编程，并具备包括矩阵乘法和条件概率在内的基本数学知识。 课程大纲： 第一部分：机器学习的基本概念 描述：介绍机器学习的基础理论和关键概念。 第二部分：K最近邻算法 描述：详细讲解K最近邻算法的原理及其应用。 第三部分：线性回归 描述：深入探讨线性回归模型及其使用方法。 第四部分：逻辑回归 描述：讲解逻辑回归及其在分类问题中的应用。

Machine Learning Data Lifecycle in Production (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/machine-learning-data-lifecycle-in-production

简介: 课程名称：机器学习数据生命周期在生产中 概述：在《机器学习工程为生产专业化》的第二门课程中，您将构建数据管道，通过收集、清洗和验证数据集来评估数据质量；使用TensorFlow Extended实现特征工程、转换和选择，从数据中获得最大的预测能力；同时利用数据血缘和来源元数据工具建立数据生命周期，并通过企业数据模式跟踪数据演变。理解机器学习和深度学习的概念是必要的，但如果您希望建立有效的人工智能职业生涯，生产工程能力同样重要。机器学习工程为生产结合了机器学习的基础概念与现代软件开发和工程角色的功能专长，帮助您培养适合生产环境的技能。 课程大纲： 第1周：数据收集、标记和验证 第2周：特征工程、转换和选择 第3周：数据旅程和数据存储 第4周：高级数据标记方法、数据增强和不同数据类型的预处理 课程内容： 第一部分：第1周：数据收集、标记和验证 描述：本周简要介绍机器学习生产系统。更具体地说，您将学习如何利用TensorFlow Extended (TFX)库来收集、标记和验证数据，以使其准备好投入生产。 第二部分：第2周：特征工程、转换和选择 描述：通过编码结构化和非结构化数据类型，解决类别不平衡问题，使用TensorFlow Extended实现特征工程、转换和选择。 第三部分：第3周：数据旅程和数据存储 描述：了解数据在生产系统生命周期中的旅程，利用机器学习元数据和企业模式来快速应对不断演变的数据。 第四部分（可选）：第4周：高级标记、增强和数据预处理 描述：结合标记和未标记的数据以提高机器学习模型的准确性，并增强数据以多样化训练集。

Machine Learning e Data Mining in R (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/machine-learning-data-mining-con-r

简介: 课程名称：R语言中的机器学习与数据挖掘 课程概述： 本课程专为对机器学习技术有兴趣的人士设计，涵盖了从可解释性强的技术（如回归分析、主成分分析和聚类分析）到灵活性高的技术（如浅层和深层人工神经网络）等多种机器学习方法。课程中将探讨现实数据分析与建模中常见的问题，如多重共线性、过拟合、正则化和知识转移等。课程采用“实践中学习”的方式，学员将通过R语言持续实施所讲解的概念。每个单元首先通过讲解来帮助记忆和理解，然后提供阅读材料以便学员批判性分析。每个单元结束时，学员将通过RStudio的开放实验室进行实践，并应用所学方法于提供的真实数据集。最后，学员需通过多选题的测验来评估自身进步。现在，机器学习和数据挖掘课程正在等待您的参与！ 课程大纲： - 第1部分：R语言基础 说明：本周将介绍R语言，包括数据结构、数据整理和可视化技术，学习使用R的主要包如dplyr和ggplot2，并提供必要的理论知识以促进对后续模块的理解。 - 第2部分：无监督学习 说明：本周将介绍有监督学习与无监督学习的区别，并讲解多变量数据探索的主要技术以及无监督学习的主要方法，如聚类分析和主成分分析（PCA）。 - 第3部分：有监督学习 说明：本周深入研究有监督学习的基本元素，学习如何应用线性回归模型进行数值预测，并讨论应用多元线性回归于真实数据集常遇到的问题及解决方案，包括属性选择和正则化。此外，还将提供工具用于评估有监督学习方法的描述能力（样本内）和预测能力（样本外），以及选择最佳解释模型。 - 第4部分：神经网络与深度学习 说明：本周将介绍人工神经网络的基础，从单层感知器开始，该模型能够解决线性可分问题。接着学习多层感知器，该模型能解决非线性可分的问题，并深入探讨深度学习的“革命”。此外，将讲解如何利用知识转移来训练深层网络。

Machine Learning for Accounting with Python (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/machine-learning-accounting-python

简介: 课程名称：使用Python进行会计机器学习 课程概述：本课程为学生介绍机器学习算法及其在会计问题中的应用。内容包括分类、回归、聚类、文本分析和时间序列分析，并讨论模型评估与优化。通过本课程，学生将能够在商业相关的数据集上应用合适的机器学习模型，以解决各种问题。完成《Python会计数据分析》课程是参与本课程的先决条件。两门课程均在Jupyter Notebook平台上进行，前者侧重于数据理解和准备，而本课程则涵盖建模和模型评估两个步骤。完成这两门课程后，学生将能够用Python完成整个数据分析过程。 课程大纲： 1. 课程介绍：了解课程内容、教师和同学，以及学习环境，掌握学习所需的技术技能。 2. 模块1：机器学习简介：介绍机器学习的基本概念及如何使用Python和scikit-learn模块进行机器学习，包括数据预处理。 3. 模块2：基本算法I：介绍线性回归、逻辑回归和决策树，探讨机器分类和回归的基本原理。 4. 模块3：基本算法II：介绍k最近邻、支持向量机和随机森林算法，适用于分类和回归任务。 5. 模块4：模型评估：介绍模型评估在数据分析项目中的重要性，讨论回归和分类模型的评估指标。 6. 模块5：模型优化：介绍特征选择、交叉验证及模型选择（超参数调优）等基本的模型优化技术。 7. 模块6：文本分析简介：讲解如何将文本数据转换为计算机可处理的数字数据，并应用分类算法进行文本分析，最后介绍情感分析。 8. 模块7：聚类简介：介绍数据聚类的基本概念和技术，如K-means聚类及其案例研究，以及密度基础的DBSCAN技术。 9. 模块8：时间序列数据简介：讨论如何处理时间和日期特征，特别是时间序列数据的应用和挑战。 通过系统学习该课程，学生将掌握使用Python进行会计领域数据分析的机器学习技能。

Machine Learning for All (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/uol-machine-learning-for-all

简介: 课程名称：全民机器学习 课程概述：机器学习，通常被称为人工智能（AI），是当前技术领域中最令人兴奋的领域之一。我们每天都会看到关于面部识别技术、自驾车或能够像真实人类对话的计算机的新闻报道。机器学习技术有望彻底改变人类生活和工作的几乎所有领域，因此会影响到我们的生活，大家都希望了解更多。机器学习以其复杂性而闻名，通常需要高级数学和工程技能来理解。虽然作为机器学习工程师确实涉及大量数学和编程，但我们相信任何人都可以理解机器学习的基本概念。考虑到这项技术的重要性，人人都应该有所了解。尽管大规模的人工智能突破听起来像科幻小说，但它们实际上源于一个简单的理念：利用数据训练统计算法。在本课程中，您将学习机器学习的基本思想，即使您没有数学或编程背景。此外，您将亲手使用由伦敦大学金匠学院开发的用户友好工具，实际进行一个机器学习项目：训练计算机识别图像。 本课程适合各类人群。它可以是探索机器学习技术职业生涯的第一步，毕竟在深入技术细节之前，先掌握高层次概念总是更好。此外，如果您的角色是非技术性的，例如管理者或其他考虑使用机器学习的公司内部人员，您也将需要理解这项技术，而本课程是了解这一技术的绝佳起点。即使您只是关注人工智能相关新闻并希望深入了解这一当下最热门的技术，本课程同样适合您。无论您是谁，我们期待着指导您完成第一个机器学习项目。 课程大纲： 1. 机器学习：您将学习人工智能和机器学习技术，以及这些技术所解决的问题，并获得训练学习模型的实践经验。 2. 数据特征：您将学习数据表示如何影响机器学习，并了解这些叫做特征的表示方式如何使学习变得更简单。 3. 机器学习实践：您将为自己的机器学习项目做好准备，了解如何测试机器学习项目以确保其按预期工作，并思考机器学习技术的一些机遇和风险。 4. 您的机器学习项目：在最后一部分，您将进行自己的机器学习项目：收集数据集、训练模型并进行测试。 本课程旨在在无需编程的情况下介绍机器学习，因此不会涉及基于编程的机器学习工具（如Python和TensorFlow）。

Machine Learning for Computer Vision (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/ml-computer-vision

简介: 课程名称：机器学习与计算机视觉 课程概述：在计算机视觉工程与科学专业的第二个课程中，您将进行两项最常见的计算机视觉任务：图像分类和物体检测。您将应用整个机器学习工作流程，从数据准备到结果评估。在本课程结束时，您将训练机器学习模型，以分类街道标志的图像并检测材料缺陷。 整个课程中将使用MATLAB，MATLAB是进行计算机视觉和机器学习的首选工具。 课程大纲： 1. 图像分类与机器学习 - 描述：学习如何使用机器学习方法进行图像分类。 2. 基于特征包的图像分类 - 描述：探讨如何利用特征袋方法进行图像分类。 3. 分类模型评估 - 描述：了解如何评估和验证分类模型的性能。 4. 基于机器学习的物体检测 - 描述：学习如何使用机器学习技术进行物体检测。 通过本课程，您将获得与计算机视觉相关的核心技能和实用经验。

Machine Learning for Data Analysis (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/machine-learning-data-analysis

简介: 课程名称：数据分析的机器学习 概述：您是否对利用数据预测未来结果感兴趣？本课程将帮助您实现这一目标！机器学习是开发、测试和应用预测算法的过程。请确保在开始学习这些机器学习概念之前，先熟悉该专项课程的第三部分。本课程在第三部分的基础上，介绍许多其他机器学习的概念、技术和算法，从基本分类到决策树和聚类。通过完成本课程，您将学习如何应用、测试和解释机器学习算法，作为解决研究问题的替代方法。 课程大纲： 第一部分：决策树 描述：在这一节中，您将学习决策树，它是一种数据挖掘算法，可以从大量变量中选择那些对预测目标或响应变量最重要的变量及其相互作用。决策树通过反复应用一系列简单规则或标准，创建数据的分段或子组，选择最佳预测目标变量的变量组合。 第二部分：随机森林 描述：在这一节中，您将学习随机森林，这是一种数据挖掘算法，可以选择在众多变量中最重要的那些，以确定目标或响应变量。与决策树不同，随机森林的结果能够很好地泛化到新数据。 第三部分：套索回归 描述：套索回归分析是一种线性回归模型的收缩和变量选择方法。套索回归的目标是获得最小化定量响应变量预测误差的预测子集。通过对模型参数施加约束，套索回归会导致某些变量的回归系数向零收缩。收缩后回归系数为零的变量将从模型中排除，而非零回归系数的变量与响应变量关联最为显著。在这一节中，您将应用和解释套索回归分析，并通过使用k折交叉验证来选择最佳拟合模型，获得更准确的模型测试误差率估计。 第四部分：K均值聚类分析 描述：聚类分析是一种无监督机器学习方法，可以将数据集中观察结果分割为更小的一组聚类，其中每个观察结果仅属于一个聚类。聚类分析的目标是根据多个变量的相似响应，将观察结果分组或聚类。在这一节中，我们将向您展示如何使用K均值聚类分析来识别数据集中的观察聚类。您将获得通过图形方法解读聚类分析结果的经验，以帮助确定聚类的数量，并检查聚类变量的均值来评估聚类轮廓。最后，您将有机会通过检查未包含在聚类分析中的变量在聚类之间的差异来验证聚类解决方案。

Machine Learning for Investment Professionals (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/machine-learning-investment

简介: 课程名称：投资专业人士的机器学习 概述：此课程专为投资专业人士或具备投资行业知识的人员量身定制，旨在帮助他们培养机器学习技术的基本实用理解，以及这些技术在投资过程中的应用。课程结合真实案例，涵盖投资专业人士保持竞争力所需的技术性与“软技能”。 您将在课程中学习到： - 区分监督学习与非监督学习和深度学习 - 描述机器学习算法性能的评估方式 - 描述监督学习与非监督学习算法，并确定它们适合解决的问题 - 描述神经网络、深度学习网络和增强学习 - 选择合适的机器学习算法 - 描述将机器学习与数据项目集成的价值 - 与数据科学家和投资团队合作，从大型和另类数据集中提取信息和见解 - 将CFA协会伦理决策框架应用于机器学习的道德困境 该课程是CFA协会提供的数据科学为投资专业人士专业化的一部分。 课程大纲： 1. 部分：机器学习 2. 部分：监督学习 3. 部分：非监督学习 4. 部分：深度学习 5. 部分：翻译者 6. 部分：最终项目 描述：这是一个实践机会，让您应用在本课程中学习到的知识，为投资团队和数据科学团队之间的“翻译者”角色做好准备。该项目旨在指导您通过投资专业人士在机器学习方法应用中可能遇到的真实场景案例研究。所有可评分的项目都是获得课程证书的必要条件。

Machine Learning Foundations for Product Managers (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/machine-learning-foundations-for-product-managers

简介: 课程名称：产品经理的机器学习基础 课程概述：本课程是杜克大学普拉特工程学院人工智能产品管理专业的第一门课程，旨在帮助学员建立机器学习的基础理解，包括机器学习的定义、工作原理以及应用场景。为了成功管理AI团队或产品，并与数据科学家、软件工程师和客户进行有效协作，需要掌握机器学习技术的基础知识。本课程提供非编码的机器学习入门，重点关注模型开发流程、机器学习模型的评估与解读，以及常见机器学习和深度学习算法的直觉理解。课程最后将通过一个实践项目，让学员有机会在一个简单的实际问题上训练和优化机器学习模型。 在课程结束时，学员应该能够： 1) 解释机器学习的工作原理及其类型 2) 描述建模中的挑战及应对策略 3) 识别用于常见机器学习任务的主要算法及其应用场景 4) 解释深度学习及其相对于其他机器学习形式的优势与挑战 5) 实施评估和解读机器学习模型的最佳实践 课程大纲： 1. 什么是机器学习：介绍机器学习的概念，构建数据和模型的词汇，理解不同类型的机器学习，并讨论机器学习的能力和局限性。 2. 建模流程：讨论构建机器学习模型的关键步骤，了解模型复杂性的来源及其对性能的影响，探讨比较不同模型的策略以选择最佳模型。 3. 模型评估与解读：定义AI项目的适当结果和输出指标，讨论评估回归和分类模型的关键指标，并分析机器学习项目中常见的误差来源和解决策略。 4. 线性模型：探索线性模型在回归和分类中的应用，从线性回归开始，讨论正则化如何提升模型表现，接着介绍适用于二分类和多分类问题的逻辑回归模型。 5. 树模型、集成模型与聚类：讨论树模型在建模复杂非线性问题中的价值，介绍创建集成模型的方法与优势，最后探讨无监督学习中的聚类方法，特别是K-Means聚类。 6. 深度学习与课程项目：聚焦于深度学习，即多层神经网络的使用，理解其背后的直觉和数学原理，讨论深度学习在计算机视觉和自然语言处理中的常见应用。课程以实践项目收尾，学员将应用所学的建模流程和最佳实践，创建自己的机器学习模型。

Machine Learning Foundations: A Case Study Approach (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/ml-foundations

简介: 课程名称：机器学习基础：案例研究方法 课程概述： 您是否拥有数据并想了解它能告诉您的信息？您是否需要更深入地理解机器学习在改善业务方面的核心方式？您想能够与专家交流，从回归、分类到深度学习和推荐系统的各种话题吗？本课程将通过一系列实际案例研究为您提供机器学习的实践经验。在第一个课程结束时，您将学习如何根据房屋特征预测房价，从用户评价中分析情感，检索相关文档，推荐产品和搜索图像。通过这些用例的实践，您将能够在各种领域应用机器学习方法。 本课程将机器学习方法视为一个黑箱，您将重点理解感兴趣的任务，将这些任务与机器学习工具匹配，并评估输出质量。在后续课程中，您将深入探讨这个黑箱的组成部分，研究模型和算法。这些组成部分构成了机器学习管道，您将利用这些构件开发智能应用。 学习目标： 完成本课程后，您将能够： - 确定机器学习在实践中的潜在应用。 - 描述回归、分类和聚类分析的核心区别。 - 为潜在应用选择合适的机器学习任务。 - 应用回归、分类、聚类、检索、推荐系统和深度学习。 - 将数据表示为特征，以作为机器学习模型的输入。 - 根据每个任务的相关误差指标评估模型质量。 - 利用数据集拟合模型以分析新数据。 - 构建一个以机器学习为核心的端到端应用。 - 在 Python 中实现这些技术。 课程大纲： 1. 欢迎 - 机器学习无处不在，但往往在幕后的操作。本课程的介绍将为您提供机器学习的力量和您将能够开发和部署的众多智能应用的洞察。 2. 回归：预测房价 - 本周，您将构建第一个智能应用程序，根据输入特征（如建筑面积、卧室和浴室数量等）预测连续值（房价）。您将分析预测模型的性能，并在 Jupyter Notebook 中实现回归。 3. 分类：分析情感 - 在第二个案例研究中，您将构建模型，根据用户提供的评论文本和用户资料信息预测情感（正面/负面）。您将分析分类器的准确性并在 Jupyter Notebook 中实现它。 4. 聚类与相似性：文档检索 - 第三个案例研究中，您将探讨文档表示和检索算法，构建一个智能文档检索系统，以查找类似的摘要。 5. 产品推荐 - 学习如何构建基于协同过滤的推荐系统，使用矩阵分解等技术在 Jupyter Notebook 中实现真实的产品推荐系统。 6. 深度学习：搜索图像 - 了解深度学习在图像分类和检索任务中的能力，并在 Jupyter Notebook 中构建图像分类器和智能图像检索系统。 7. 结束语 - 本课程总结机器学习工具转化为服务的部署阶段，并讨论机器学习面临的开放挑战以及未来的发展方向。 通过本课程，您将掌握机器学习的基础，并能够在多个领域中应用这些技术。

Machine Learning in the Enterprise (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/art-science-ml

简介: 课程名称：企业中的机器学习 课程概述：本课程采取真实世界的实用视角，介绍了机器学习（ML）工作流程。通过案例研究，参与者将了解ML团队如何面对多项ML业务需求和使用案例，并掌握数据管理和治理所需的工具。同时，课程将帮助学员选择最佳的数据预处理方法，包括Dataflow和Dataprep的概述以及使用BigQuery进行预处理任务。 课程中，团队将面对三种选择，以应对两个特定用例的机器学习模型构建需求。课程将解释为何选择AutoML、BigQuery ML或自定义训练来实现目标，并深入探讨自定义训练的要求，包括训练代码结构、存储、大数据集加载以及导出训练模型的过程。 学员将构建一个自定义训练的机器学习模型，能以较少的Docker知识构建容器镜像。此外，案例组还将研究如何使用Vertex Vizier进行超参数调优，以提高模型性能。为深入了解模型改进，课程探讨了正则化、稀疏处理及其他基本概念与原理。最后，课程将综述预测和模型监控，并讲解如何利用Vertex AI管理机器学习模型。 课程大纲： 1. 导言：提供课程及其目标的概述。 2. 理解机器学习企业工作流程：讨论ML企业工作流程及每个步骤的目的。 3. 企业中的数据：回顾Google的企业数据管理和治理工具：特征存储、数据目录、Dataplex和分析中心。 4. 机器学习科学与自定义训练：探讨机器学习和神经网络的艺术与科学，并讲解如何使用Vertex AI训练自定义ML模型。 5. Vertex Vizier超参数调优：讨论如何使用Vertex AI Vizier进行超参数调优。 6. 使用Vertex AI进行预测与模型监控：介绍通过预构建和自定义容器进行批量和在线预测，然后回顾模型监控，帮助管理ML模型的性能。 7. Vertex AI管道：讨论如何构建Vertex AI管道以协调机器学习工作流程。 8. 机器学习开发最佳实践：回顾在Vertex AI中不同机器学习过程的最佳实践。 9. 课程总结：对企业中的机器学习课程进行总结。 10. 系列总结：对Google Cloud上的机器学习课程系列进行总结。

Machine Learning Introduction for Everyone (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/machine-learning-introduction-for-everyone

简介: 课程名称：人人皆可学的机器学习介绍 课程概述：本课程由三个模块组成，旨在为每位对机器学习模型有基本理解的学习者介绍机器学习和数据科学。您将了解机器学习的历史、应用、机器学习模型生命周期以及机器学习工具。课程内容还包括监督学习与非监督学习、分类、回归以及如何评估机器学习模型等。此外，课程提供实践实验室，让您能够亲身体验机器学习和数据科学的概念。您将培养具体的机器学习技能，并创建一个最终项目以展示您的能力。 完成本课程后，您将能够识别机器学习算法和人工智能在不同商业场景中的潜力，区分何时使用机器学习来解释某些行为，以及何时使用其来预测未来结果。您还将学习如何评估机器学习模型，并采用最佳实践。 除了获得Coursera的证书外，您还将获得IBM徽章，以帮助您与网络及潜在雇主分享您的成就。 此课程是多个项目的一部分，您可以利用课程中的学习，完成IBM机器学习专业证书的其余两个课程，从而在机器学习领域开启您的新职业生涯。 课程大纲： 第一部分：人人皆可学的机器学习 描述：欢迎来到机器学习的世界。 第二部分：机器学习主题 描述：机器学习是一个热门话题，大家都在试图理解它的本质。面对大量的信息，您可能会感到不知所措。 第三部分：（可选荣誉）最终项目 描述：

Machine Learning Modeling Pipelines in Production (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/machine-learning-modeling-pipelines-in-production

简介: 课程名称：生产环境中的机器学习建模管道 课程概述：在《机器学习工程的生产专业化》中的第三门课程中，您将为不同的服务环境构建模型；实施工具和技术以有效管理建模资源，最佳地满足离线和在线推理请求；并使用分析工具和性能指标来解决模型公平性、可解释性问题并缓解瓶颈。理解机器学习和深度学习的概念是必要的，但如果您希望在人工智能领域建立有效的职业生涯，您还需要具备生产工程能力。机器学习工程为生产结合了机器学习的基础概念和现代软件开发与工程角色的功能专长，帮助您发展为生产就绪的技能。 课程大纲： 第1周：神经架构搜索 描述：学习如何有效搜索适合不同服务需求的最佳模型，同时限制模型复杂性和硬件要求。 第2周：模型资源管理技术 描述：学习如何在生产环境中优化和管理模型在整个生命周期所需的计算、存储和输入/输出资源。 第3周：高性能建模 描述：实现分布式处理和并行技术，以充分利用计算资源高效训练模型。 第4周：模型分析 描述：使用模型性能分析来调试和修复模型，并测量其稳健性、公平性和稳定性。 第5周：可解释性 描述：了解模型的可解释性，即向普通人和专家观众解释模型内部工作原理的关键，以及如何促进公平性并帮助解决不同用例的监管和法律要求。

Machine Learning Models in Science (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/machine-learning-models-in-science

简介: 课程名称：科学中的机器学习模型 课程概述：本课程旨在帮助任何有兴趣将机器学习技术应用于科学问题的人。我们将学习完整的机器学习流程，从数据读取、清洗和转换，到运行基本和高级的机器学习算法。课程将从数据预处理技术入手，如主成分分析（PCA）和线性判别分析（LDA）。随之，我们将深入学习基础的人工智能算法：支持向量机（SVM）和K均值聚类。与此同时，我们将构建数学和编程工具箱，为更复杂的模型打下基础。最后，我们将探索诸如随机森林和神经网络等高级方法。在整个学习过程中，我们将使用医学和天文数据集。在课程的最后项目中，我们将应用我们的技能，通过Python比较不同的机器学习模型。 课程大纲： 1. **数据准备与预处理** 本模块将介绍在使用AI算法之前需要进行的步骤，包括填补缺失值和删除异常值等数据预处理技术。将深入探讨PCA与LDA的维度减少方法，并学习如何在Python中编写算法，以便为下一模块中的数据使用做准备。 2. **基础人工智能算法：K均值与支持向量机** 本模块将深入探讨两种基础的机器学习算法：K均值与支持向量机。我们将比较监督学习和非监督学习的两个分支，并深入了解K近邻分类与K均值聚类的相似性与差异，最终在Python中实现这两种算法。 3. **高级人工智能：神经网络与决策树** 本模块将探索一些高级AI技术，首先关注以随机森林广为人知的树基算法，然后逐步过渡至神经网络，从不同模型的实验开始。在Tensorflow Playground中熟悉神经网络的不同机制，并最终编写自己的神经网络模型，以对未见数据进行预测。 4. **课程项目** 在本模块中，我们将开展一个课程项目，通过健康数据预测糖尿病。我们将实施不同的回归模型，并检查测试集上的误差以进行比较。

Machine Learning Rapid Prototyping with IBM Watson Studio (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/ibm-rapid-prototyping-watson-studio-autoai

简介: 课程名称：IBM Watson Studio的机器学习快速原型开发 课程概述：当前人工智能领域的一个新趋势是利用自动化技术选择最合适的模型、进行特征工程和通过超参数优化提升模型性能。这种自动化将使模型的快速原型开发成为可能，使数据科学家能够将精力集中在应用领域知识以微调模型上。此课程将带领学习者通过Watson Studio的AutoAI实验工具创建一个端到端的自动化管道，解释IBM Research开发的基础技术。课程重点是使用自动生成的Python笔记本进行操作，学习者将获得两个用例的测试数据集。 该课程面向实践中的数据科学家，虽展示了IBM Watson Studio与AutoAI的自动化AI能力，但不解释机器学习或数据科学的基础概念。 为成功完成课程，学习者需具备以下知识： - 数据科学工作流程 - 数据预处理 - 特征工程 - 机器学习算法 - 超参数优化 - 模型评估指标 - Python及scikit-learn库（包括Pipeline类） 课程大纲： 部分1: 使用Watson Studio AutoAI构建快速原型 描述：本模块中，你将学习AutoAI技术的最新发展，还将熟悉Watson Studio平台，以进行自己的AutoAI实验。在观察AutoAI工具为两个用例构建原型后，你将亲自试用该工具构建额外的原型。 部分2: 自动化数据准备与模型选择 描述：在本模块中，您将了解AutoAI执行的自动化数据准备技术，并有机会在AutoAI生成的Python笔记本中实验不同的数据预处理设置。同时，您将学习自动模型选择的过程，并在数据集上实验不同的模型。 部分3: 自动化特征工程与超参数优化 描述：在本模块中，您将学习自动化特征工程的算法，并进行一些探索性数据分析，以了解算法为何执行特定的特征转换。您还将学习优化超参数的复杂方法，并在数据集上探索使用AutoAI生成的Python笔记本进行超参数调优。 部分4: AutoAI生成解决方案的评估与部署 描述：在本模块中，您将使用AutoAI工具计算的不同评估指标来评估原型。您还将利用Watson机器学习API部署原型以进行测试。

Machine Learning Under the Hood: The Technical Tips, Tricks, and Pitfalls (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/machine-learning-under-the-hood

简介: 课程名称：机器学习内幕：技术提示、技巧及陷阱 课程概述：机器学习是现代企业需求的重要技能，LinkedIn将其列为“企业最需要的技能”之一。这门课程适合所有希望了解机器学习运作原理的职场人士，无论您是企业领导、决策者还是运营经理，掌握基础知识对于推动项目进展至关重要。 课程内容将揭示机器学习的运作机制，涵盖数据洞察的提取、如何验证洞察的可靠性以及预测模型的性能评估。课程不仅涉及基础知识，还延伸至前沿的先进方法，并提供规避常见陷阱的策略，无论是技术背景的学习者还是非技术背景的初学者，都可以轻松理解。 在本课程中，您将学习到： - 预测建模算法的工作原理，包括决策树、逻辑回归和神经网络 - 潜在的陷阱，如过拟合、p-hacking，以及误将相关性视为因果关系 - 如何详细解读预测模型及其工作原理 - 高级方法如集成模型和提升建模（即说服建模） - 从众多机器学习软件中选择合适的工具 - 如何用商业术语评估预测模型的性能 - 如何筛选预测模型，避免对受保护群体的潜在偏见（即AI伦理） 课程由业内知名专家Eric Siegel教授主讲，内容深入却通俗易懂，适合各类学习者。尽管课程不涉及编码实践或复杂数学，但有一个评估环节会让您在Excel或Google Sheets中手动创建预测模型，充分可视化其改进效果。 适宜的学习者包括商业领袖和希望向数据科学家转型的学员。课程内容中包含众多高级技术和陷阱的阐述，帮助受众建立全面的知识体系。该课程为中立型，尽管包含SAS产品的演示，但无论您使用何种机器学习软件，学习目标均可适用。 课程大纲： 1. 模块1 - 机器学习的基础原理：探讨数据越大越危险的原因，如何避免随机噪声的干扰，并确保科学发现的可信性。 2. 模块2 - 标准机器学习方法：包括决策树、Naive Bayes、线性回归和逻辑回归，学习如何评估这些模型的性能。 3. 模块3 - 高级方法及建模软件：了解深度学习及其应用，探讨高级建模方法并比较不同模型。 4. 模块4 - 陷阱、偏见与总结：深入理解机器偏见问题及其对决策的影响，讨论模型透明度、可解释性及伦理问题。 通过这门课程，您将全面掌握机器学习的核心知识与应用，助力职业生涯的提升。

Machine Learning Using SAS Viya (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/machine-learning-sas

简介: 课程名称：使用SAS Viya进行机器学习 课程概述：本课程涵盖了与监督机器学习模型相关的不同技术的理论基础。此外，通过一个商业案例研究，引导参与者完成分析生命周期的各个步骤，包括问题理解、模型部署、数据准备、特征选择、模型训练与验证以及模型评估。课程中使用一系列演示和练习来巩固概念和解决商业问题的分析方法。本课程使用SAS Viya中的Model Studio，该界面支持您准备、开发、比较和部署先进的分析模型。您将学习如何训练监督机器学习模型，以便在大数据上做出更好的决策。本课程中使用的SAS应用使得机器学习可以在无需编程或编码的情况下进行。 课程大纲： 1. 课程概述：认识讲师并了解课程的后勤信息，比如如何访问课程所需软件。 2. 机器学习与SAS® Viya®入门：学习如何使用SAS® Viya®应对当今的商业挑战，并开始进行贯穿整个课程的项目。 3. 数据预处理与算法选择：探索数据并完成数据分析准备，同时学习一些选择算法的一般考虑因素。 4. 决策树与树的集成：构建决策树模型及基于决策树组合的模型。 5. 神经网络：学习构建神经网络模型。 6. 支持向量机：学习构建支持向量机模型。 7. 模型评估与部署：选择满足商业挑战要求的最佳模型并将其投入生产，同时学习如何管理模型。 8. 附加节点：将提供补充内容。 9. 认证实践考试：为认证评估提供练习。 该课程旨在帮助学习者掌握机器学习的基本技能，以便在实际商业环境中应用数据分析解决复杂问题。

Machine Learning with Apache Spark (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/machine-learning-with-apache-spark

简介: 课程总结：机器学习与Apache Spark 本课程“机器学习与Apache Spark”由IBM提供，旨在带领学员深入探索机器学习的世界。课程首先介绍机器学习的基本概念，接着通过Apache Spark的强大功能，教授如何为数据工程应用构建和部署机器学习模型。学员将学习有监督和无监督学习技术，并通过教学阅读和视频了解生成式AI的革命性潜力。 课程大纲包括以下模块： 1. **机器学习入门**：本模块介绍使计算机能够在没有明确编程的情况下执行任务的机器学习技术。学员将了解机器学习模型的生命周期，以及数据工程在机器学习项目中的重要性。内容涵盖分类、回归和聚类等有监督和无监督学习技术，并探索生成式AI对多个行业的潜在影响。 2. **使用Apache Spark的机器学习**：此模块介绍Spark的关键特性及其在数据工程领域的应用。学员将学习如何通过SN labs连接至Spark集群，深入各种主题，如回归分析、里程预测、分类、糖尿病分类及使用SparkML的聚类。此外，学员还将了解如何使用Spark ML构建这些模型，并通过实践实验室掌握GraphFrames的应用。 3. **利用Apache Spark进行机器学习的数据工程**：此模块从Apache Spark的结构化流处理开始，重点介绍如何使用Spark SQL处理流数据。学员将学习与结构化流相关的关键术语，以及提取-转换-加载（ETL）流程，获得从一个源到另一个目的地传输不同格式或结构数据的实践经验。课程还将探讨使用Spark进行特征提取和转换，以及机器学习管道的构建和模型持久化的重要性。 4. **最终项目**：在本模块中，学员将应用在课程中获得的数据工程技能和技术。课程以一个最终项目结束，学员需要展示在ETL任务和机器学习管道建立方面的熟练程度，模拟数据工程师在知名航空咨询公司中的角色，为数据科学家提供必要的支持，以确保其任务的顺利执行。 通过本课程，学员将获得深入的理论知识和实践技能，为将来在机器学习和数据工程领域的职业生涯做好准备。

Machine Learning With Big Data (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/big-data-machine-learning

简介: 课程名称：大数据机器学习 概述：您是否希望理解收集的大量数据？是否需要在您的流程中融入数据驱动的决策？本课程提供了机器学习技术的概述，帮助您探索、分析和利用数据。您将学习可以创建机器学习模型的工具和算法，这些模型能够从数据中学习，并将这些模型扩展到大数据问题。 课程结束时，您将能够： • 设计利用数据的方法，掌握机器学习过程中的各个步骤。 • 应用机器学习技术探索和准备建模数据。 • 确定机器学习问题的类型，从而应用适当的技术。 • 使用广泛可用的开源工具构建能够从数据中学习的模型。 • 使用Spark上的可扩展机器学习算法分析大数据问题。 软件要求： Cloudera VM，KNIME，Spark 课程大纲： 第一部分：大数据机器学习导论 第二部分：数据准备 第三部分：分类 第四部分：机器学习模型评估 第五部分：回归、聚类分析和关联分析