機器學習基石 (Machine Learning Foundations) (CourseraArchive) 10 个评论 关注

主页: https://www.coursera.org/course/ntumlone

简介: Machine learning is the study that allows computers to adaptively improve their performance with experience accumulated from the data observed. The course teaches the most fundamental algorithmic, theoretical and practical tools that any user of machine learning needs to know. [機器學習旨在讓電腦能由資料中累積的經驗來自我進步。本課程將介紹各領域中的機器學習使用者都應該知道的基礎演算法、理論及實務工具。]

Machine Learning (CourseraArchive) 29 个评论 关注

主页: https://www.coursera.org/course/ml

简介: Learn about the most effective machine learning techniques, and gain practice implementing them and getting them to work for yourself.

Python for Genomic Data Science (CourseraArchive) 0 个评论 关注

主页: https://www.coursera.org/course/genpython

简介: This class provides an introduction to the Python programming language and the iPython notebook. This is the third course in the Genomic Big Data Science Specialization from Johns Hopkins University.

Recommender Systems Specialization (Coursera专项课程) 0 个评论 关注

主页: https://www.coursera.org/specializations/recommender-systems

简介: **推荐系统专业化课程总结** 本专业课程旨在帮助学习者掌握推荐系统的基本技术，预测用户偏好。课程内容涵盖从非个性化推荐和项目关联推荐到基于内容的协作过滤技术，以及更高级的主题，如矩阵分解、混合机器学习方法等。此外，还介绍了用户与产品偏好空间的降维技术。 该专业课程主要面向希望在工作中应用协作过滤等技术的数据挖掘专家，以及希望提高对推荐系统理解的数据知识型营销专业人士。课程包括互动式电子表格练习，帮助学生掌握不同的算法，并提供荣誉轨道，允许学生使用LensKit开源工具包深入研究。 学习者完成该专业课程后，能够实施和评估推荐系统。顶峰项目将所学课程内容与实际的推荐系统设计与分析结合，帮助学生综合运用所学知识。 **课程列表：** 1. **推荐系统简介：非个性化与基于内容的推荐** - 由明尼苏达大学提供，作为推荐系统专业的第一门课程。 2. **最近邻协作过滤** - 由明尼苏达大学提供，学习个性化推荐的基本技术。 3. **推荐系统的评估与指标** - 由明尼苏达大学提供，学习如何评价推荐系统的有效性。 4. **矩阵分解与高级技术** - 由明尼苏达大学提供，学习多种矩阵分解和混合机器学习技术。 5. **推荐系统顶峰项目** - 由明尼苏达大学提供，将所学知识应用于实际推荐系统设计和分析项目。 该课程适合对推荐系统感兴趣的学习者，鼓励报名参与。同时，所有课程均可免费注册。