MachineLearning-ZJU

机器学习、数据挖掘、人工智能以及模式识别等领域的准专家

浙江 杭州

感兴趣的主题: 人工智能 数据挖掘 模式识别 CAD 哲学 机器学习

1个粉丝

MachineLearning-ZJU 的课程评论

更多评论

MachineLearning-ZJU 关注的课程

Academic English: Writing Specialization (Coursera专项课程) 0 个评论 关注

主页: https://www.coursera.org/specializations/academic-english

简介: 课程名称:学术英语:写作专业 概述:该专业教授的技能将使您能够在任何大学水平的课程或专业领域取得成功。您将学会进行严格的学术研究,并以学术形式清楚地表达自己的想法。在最后的Capstone项目中,您在这些课程中所获得的所有知识将最终汇总为您选择的问题的学术研究论文。 课程大纲: 1. 语法与标点(Grammar and Punctuation):本课程由加州大学尔湾分校提供,旨在帮助您回顾英语语法。 课程链接:[点击这里](https://www.coursera.org/learn/grammar-punctuation) 2. 论文写作入门(Getting Started with Essay Writing):这是学术英语写作专业的第二门课程,帮助学生掌握论文写作的基础技巧。 课程链接:[点击这里](https://www.coursera.org/learn/getting-started-with-essay-writing) 3. 高级写作(Advanced Writing):本课程是学术英语写作专业的第三门课程,旨在提高学员的写作技巧。 课程链接:[点击这里](https://www.coursera.org/learn/advanced-writing) 4. 论文写作研究入门(Introduction to Research for Essay Writing):这是学术英语写作专业的最后一门课程,介绍如何进行相关研究。 课程链接:[点击这里](https://www.coursera.org/learn/introduction-to-research-for-essay-writing) 5. 项目:撰写研究论文(Project: Writing a Research Paper):欢迎参与学术英语写作专业的Capstone项目,在这个项目中,您将综合所学知识完成一篇学术研究论文。 课程链接:[点击这里](https://www.coursera.org/learn/academic-writing-capstone) 该专业将为您提供必要的学术写作能力,以便在学术和职业生涯中取得成功。

Deep Learning Specialization (Coursera专项课程) 0 个评论 关注

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(AI)领域,这个深度学习专业化课程将为您提供所需的技能和知识。深度学习是当前科技行业中最受欢迎的技能之一。 该课程包括五门课程,内容涵盖深度学习的基础知识、神经网络的构建及成功的机器学习项目管理。您将学习卷积网络、循环神经网络(RNN)、长短期记忆网络(LSTM)、优化算法(如Adam)、Dropout、BatchNorm、Xavier/He初始化等关键概念。同时,课程中将通过医疗、自动驾驶、手语识别、音乐生成和自然语言处理等实际案例研究,帮助您理解理论在工业中的应用。所有的实操编程将使用Python和TensorFlow进行,这些将在课程中教授。 此外,您还将有机会听取许多深度学习领域顶尖领导者的分享,他们将分享个人故事并提供职业发展建议。 随着人工智能在多个行业的迅速发展,完成此专业之后,您将能够创造性地将所学应用到实际工作中。我们将帮助您掌握深度学习的核心知识,并为在AI领域的职业生涯打下坚实基础。 课程大纲: 1. 神经网络与深度学习 - 了解神经网络的基本概念。 - 课程链接:[神经网络与深度学习](https://www.coursera.org/learn/neural-networks-deep-learning) 2. 改进深度神经网络:超参数调优、正则化与优化 - 深入探索深度学习的复杂性。 - 课程链接:[改进深度神经网络](https://www.coursera.org/learn/deep-neural-network) 3. 机器学习项目结构 - 学习如何构建成功的机器学习项目。 - 课程链接:[机器学习项目结构](https://www.coursera.org/learn/machine-learning-projects) 4. 卷积神经网络 - 理解计算机视觉的演变与应用。 - 课程链接:[卷积神经网络](https://www.coursera.org/learn/convolutional-neural-networks) 5. 序列模型 - 了解序列模型及其在深度学习中的应用。 - 课程链接:[序列模型](https://www.coursera.org/learn/nlp-sequence-models) 通过本课程,您将掌握深度学习的理论基础和应用实践,为在AI领域的发展做好准备。

更多课程