|
Algorithms, Part I (CourseraArchive) 6 个评论 关注 开始时间: 04/22/2022 持续时间: 6 weeks 主页: https://www.coursera.org/course/algs4partI 简介: This course covers the essential information that every serious programmer needs to know about algorithms and data structures, with emphasis on applications and scientific performance analysis of Java implementations. Part I covers basic iterable data types, sorting, and searching algorithms. |
|
Algorithms: Design and Analysis, Part 2 (CourseraArchive) 4 个评论 关注 开始时间: 04/22/2022 持续时间: 6 weeks 主页: https://www.coursera.org/course/algo2 简介: In this course you will learn several fundamental principles of advanced algorithm design: greedy algorithms and applications; dynamic programming and applications; NP-completeness and what it means for the algorithm designer; the design and analysis of heuristics; and more. |
|
C++ For C Programmers (CourseraArchive) 2 个评论 关注 开始时间: 04/22/2022 持续时间: Unknown 主页: https://www.coursera.org/course/cplusplus4c 简介: This course is for experienced C programmers who want to program in C++. The examples and exercises require a basic understanding of algorithms and object-oriented software. |
|
Programming Languages (Udacity) 2 个评论 关注 开始时间: 04/22/2022 持续时间: 自主 主页: https://www.udacity.com/course/cs262 简介: This class will give you an introduction to the fundamentals of programming languages. Key concepts include how to specify and process valid strings, sentences and program structures. |
|
Pattern Discovery in Data Mining (CourseraArchive) 1 个评论 关注 开始时间: 04/22/2022 持续时间: 4 weeks 主页: https://www.coursera.org/course/patterndiscovery 简介: Learn the basic concepts of data mining and dive deep into pattern discovery methods and their applications. |
|
Recommender Systems Specialization (Coursera专项课程) 0 个评论 关注 开始时间: 12/21/2023 持续时间: Approximately 5 months to complete Suggested pace of 3 hours/week 主页: https://www.coursera.org/specializations/recommender-systems 简介: 明尼苏达大学的推荐系统专项课程系列（Recommender Systems Specialization），这个系列由4门子课程和1门毕业项目课程组成，包括推荐系统导论，最近邻协同过滤，推荐系统评价，矩阵分解和高级技术等，感兴趣的同学可以关注：Master Recommender Systems-Learn to design, build, and evaluate recommender systems for commerce and content. |
|
Machine Learning (CourseraArchive) 0 个评论 关注 开始时间: 04/22/2022 持续时间: Unknown 主页: https://www.coursera.org/archive/machine-learning 简介: 机器学习是一门研究在非特定编程条件下让计算机采取行动的学科。最近二十年，机器学习为我们带来了自动驾驶汽车、实用的语音识别、高效的网络搜索，让我们对人类基因的解读能力大大提高。当今机器学习技术已经非常普遍，您很可能在毫无察觉情况下每天使用几十次。许多研究者还认为机器学习是人工智能（AI）取得进展的最有效途径。在本课程中，您将学习最高效的机器学习技术，了解如何使用这些技术，并自己动手实践这些技术。更重要的是，您将不仅将学习理论知识，还将学习如何实践，如何快速使用强大的技术来解决新问题。最后，您将了解在硅谷企业如何在机器学习和AI领域进行创新。 本课程将广泛介绍机器学习、数据挖掘和统计模式识别。相关主题包括：(i) 监督式学习（参数和非参数算法、支持向量机、核函数和神经网络）。(ii) 无监督学习（集群、降维、推荐系统和深度学习）。(iii) 机器学习实例（偏见/方差理论；机器学习和AI领域的创新）。课程将引用很多案例和应用，您还需要学习如何在不同领域应用学习算法，例如智能机器人（感知和控制）、文本理解（网络搜索和垃圾邮件过滤）、计算机视觉、医学信息学、音频、数据库挖掘等领域。 |
|
Deep Learning Specialization (Coursera专项课程) 0 个评论 关注 开始时间: 12/21/2023 持续时间: Approximately 5 months to complete Suggested pace of 9 hours/week 主页: https://www.coursera.org/specializations/deep-learning 简介: Andrew Ng老师的深度学习专项系列课程(Deep Learning Specialization) ，入门深度学习首选课程。这个系列包含5门子课程，涵盖神经网络与深度学习，调参优化，机器学习项目架构，卷积神经网络和递归神经网络，感兴趣的同学可以关注：Deep Learning Specialization-Master Deep Learning, and Break into AI |
|
Machine Learning Specialization (Coursera专项课程) 0 个评论 关注 开始时间: 12/21/2023 持续时间: Approximately 7 months to complete Suggested pace of 3 hours/week 主页: https://www.coursera.org/specializations/machine-learning 简介: 华盛顿大学机器学习专项课程系列（Machine Learning Specialization），这个系列课程包含4门子课程，分别是 机器学习基础：案例研究 , 机器学习：回归 , 机器学习：分类， 机器学习：聚类与检索，感兴趣的同学可以关注: Build Intelligent Applications-Master machine learning fundamentals in four hands-on courses. |
|
Mathematics for Machine Learning Specialization (Coursera专项课程) 0 个评论 关注 开始时间: 12/21/2023 持续时间: Approximately 4 months to complete Suggested pace of 4 hours/week 主页: https://www.coursera.org/specializations/mathematics-machine-learning 简介: 伦敦帝国理工学院的面向机器学习的数学专项课程系列（Mathematics for Machine Learning Specialization），该系列包含3门子课程，涵盖线性代数，多变量微积分，以及主成分分析（PCA），这个专项系列课程的目标是弥补数学与机器学习以及数据科学鸿沟，感兴趣的同学可以关注：Mathematics for Machine Learning。Learn about the prerequisite mathematics for applications in data science and machine learning |
