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: 深度学习专业化课程概述： 如果您希望进入人工智能领域，这个深度学习专业化将为您提供帮助。深度学习是科技行业中最受欢迎的技能之一，我们将帮助您掌握这一领域。 该专业化包含五门课程，您将学习深度学习的基础知识，了解如何构建神经网络，以及如何领导成功的机器学习项目。您将接触到卷积网络、递归神经网络（RNN）、长短期记忆网络（LSTM）、Adam优化器、Dropout、BatchNorm和Xavier/He初始化等技术。课程中将涵盖医疗保健、自动驾驶、手语识别、音乐生成和自然语言处理等案例研究，您不仅会掌握理论知识，还能了解其在工业中的实际应用。您将在Python和TensorFlow环境中进行这些概念的实践，课程会提供相应的教学。 此外，您将聆听业界顶尖深度学习领导者的分享，他们将分享个人经历并提供职业发展建议。 人工智能正在改变多个行业，完成此专业化后，您将能够欣然发现将其应用于工作中的创新方式。我们将帮助您掌握深度学习，理解其应用，并在人工智能领域发展事业。

Probabilistic Graphical Models 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 11 hours/week

主页: https://www.coursera.org/specializations/probabilistic-graphical-models

简介: 课程名称：概率图形模型专业化 课程概述：概率图形模型（PGM）是一种丰富的框架，用于在复杂领域中编码概率分布，涵盖了大量相互交互的随机变量的联合（多变量）分布。这些表示方法结合了概率论、图算法、机器学习等概念，位于统计学与计算机科学的交汇处。PGM是许多应用的最先进方法的基础，包括医学诊断、图像理解、语音识别、自然语言处理等多个领域。此外，它还为解决众多机器学习问题提供了基础工具。 课程大纲： 1. **概率图形模型 1：表示法** - 课程链接：[查看课程](https://www.coursera.org/learn/probabilistic-graphical-models) - 描述：由斯坦福大学提供，介绍概率图形模型的表示法，涵盖基本概念。 2. **概率图形模型 2：推断** - 课程链接：[查看课程](https://www.coursera.org/learn/probabilistic-graphical-models-2-inference) - 描述：由斯坦福大学提供，探讨概率图形模型中的推断方法及应用。 3. **概率图形模型 3：学习** - 课程链接：[查看课程](https://www.coursera.org/learn/probabilistic-graphical-models-3-learning) - 描述：由斯坦福大学提供，专注于如何通过概率图形模型进行学习。 该专业化课程适合希望深入理解PGM及其在各领域应用的学习者。