如果我的分享對您有用，可以點擊下面鏈接支持一下我的勞動成果
我分享了300元學費紅包給你甜熔，快來學Google圆恤、亞馬遜、Facebook官方的機器學習腔稀、數(shù)據(jù)分析盆昙、前端開發(fā)課程。在這領取:
https://cn.udacity.com/referral-invitation/?referral_recipient_amount_off=300&referral_recipient_coupon_code=E54FD818
課程概述
本課程作為佐治亞理工學院的 CS7641 推出焊虏，是 在線碩士學位 (OMS) 的一部分淡喜。學習此處的這門課程不會獲得與 OMS 學位有關的學分。
機器學習是一門涵蓋人工智能領域的研究生層次課程炕淮，該領域涉及運用經(jīng)驗修改和提供自身性能的計算機程序拆火。
該課程的第1部分包括監(jiān)督學習跳夭，這是一項機器學習任務涂圆，可以使你的手機識別你的聲音、你的郵件過濾垃圾郵件币叹，使電腦學習很多其他很酷的東西润歉。
在第2部分中，你將了解非監(jiān)督學習颈抚。有沒有想過 Netflix 如何能夠預測你會喜歡什么樣的電影踩衩？或者亞馬遜在你購買之前知道你想買什么呢？在這一節(jié)中可以找到這些答案贩汉！
最后驱富，我們是否能夠編制程序，使機器像人類一樣學習匹舞？該強化學習部分將講授一種算法褐鸥，設計像我們一樣的自學代理人程序！
喜歡這門課程赐稽？加入“機器學習工程師”納米學位叫榕。
** 為什么學習這門課程浑侥？
你將學習和實踐各種監(jiān)督、非監(jiān)督和強化學習方法晰绎。
從制止信用卡詐騙寓落、在相機圖像中尋找面孔到識別語言，監(jiān)督學習是所有類型技術的一個重要組成部分荞下，我們的目標是為你提供所需技能伶选，去了解這些技術，解讀它們的結(jié)果尖昏，這是解決一系列數(shù)據(jù)科學問題的重要方面考蕾。以及經(jīng)得起一場機器人叛亂。
非監(jiān)督學習與模式識別密切相關会宪，是關于分析數(shù)據(jù)和尋找模式肖卧。這是一種極其強大的識別數(shù)據(jù)結(jié)構(gòu)工具。本部分將重點介紹如何使用非監(jiān)督學習方法掸鹅，包括隨機優(yōu)化塞帐、聚集、特征選擇和轉(zhuǎn)換-找到無標記數(shù)據(jù)的結(jié)構(gòu)巍沙。
強化學習是機器學習的一個方面葵姥，涉及以實現(xiàn)回報最大化為目的，軟件代理程序在特定環(huán)境中應該采取的行動句携。你可以將強化學習應用到機器人控制榔幸、國際象棋、西洋雙陸棋矮嫉、跳棋以及軟件代理程序可以學習的其他活動削咆。強化學習以實現(xiàn)回報最大化為目的使用行為心理學。本部分還包括重要的強化學習方法蠢笋，如馬爾可夫決策流程和游戲理論拨齐。
** 先修要求
學生必須精通概率論、線性代數(shù)和統(tǒng)計學昨寞。了解《統(tǒng)計學導論》瞻惋，特別是第8、9援岩、10課的內(nèi)容歼狼，將有所幫助。
學生也應當具備一些編程方面的經(jīng)驗(可能通過《CS 簡介》)享怀，了解神經(jīng)網(wǎng)絡(包含在《人工智能導論》中)羽峰。
查看使用優(yōu)達學城的技術要求。
** 學習計劃
監(jiān)督學習
前言：機器學習是 ROX
第1課：決策樹
第2課：回歸與分類
第3課：神經(jīng)網(wǎng)絡
第4課：實例學習
第5課：總體 B&B
第6課：核方法與支持向量機 (SVMs)
第7課：計算學習理論
第8課：VC 維數(shù)
第9課：貝葉斯學習
第10課：貝葉斯推理
非監(jiān)督學習
第1課：隨機優(yōu)化
第2課：聚集
第3課：功能選擇
第4課：功能轉(zhuǎn)化
第5課：信息理論
強化學習
第1課：馬爾可夫決策流程
第2課：強化學習
第3課：游戲理論
第4課：游戲理論（續(xù)）
講師與合作伙伴
[圖片上傳中。限寞。忍啸。（1）]
** Michael Littman
Michael Littman 是布朗大學計算機科學教授。他也講授優(yōu)達學城在處理社交網(wǎng)絡的算法課程（CS215）履植。在2012年加入布朗大學之前计雌，他于2009年-2012年期間擔任羅格斯大學計算機科學系主任，領導了羅格斯實驗室實際強化學習（RL3）項目玫霎。他是美國人工智能協(xié)會 (AAAI) 研究員凿滤，曾擔任 AAAI 2013年會議及2009年機器學習國際會議的程序主席,并獲得了杜克大學和羅格斯大學的校級教學獎。Charles Isbell 曾教授他對回力網(wǎng)球庶近、舉重和極限飛盤翁脆，但是他并不擅長其中的任何一項。不過他卻非常擅長歌唱和雜技鼻种。
[圖片上傳中反番。。叉钥。（2）]
** Charles Isbell
Charles Isbell 是佐治亞理工學院交互式計算學院的教授和高級副院長罢缸。他熱衷于研究人工智能，特別是在創(chuàng)建必須與大量其他智能代理程序（一些程序可能是人類）共存與互動的自動代理程序方面投队。最近枫疆，他的精力轉(zhuǎn)向了自適應建模，尤其是在活動發(fā)現(xiàn)(不同于活動識別)敷鸦、可擴展協(xié)作息楔、支持自適應代理程序快速原型設計的開發(fā)環(huán)境方面。他正在開發(fā)適應性編程語言扒披，試圖理解向非專業(yè)作家,設計師和開發(fā)人員提供機器學習工具的意義值依。他有時也參與回力網(wǎng)球、舉重和極限飛盤活動谎碍。
[圖片上傳中鳞滨。。蟆淀。（3）]
** Pushkar Kolhe
Pushkar Kolhe 前正在佐治亞理工學院攻讀計算機科學博士學位。他認為機器學習將幫助他創(chuàng)建獲得奇點的人工智能澡匪。除了致力于這個問題外熔任，他也參與攀爬、跳躍或滑雪活動唁情。
如果我的分享對您有用疑苔，可以點擊下面鏈接支持一下我的勞動成果
我分享了300元學費紅包給你，快來學Google甸鸟、亞馬遜惦费、Facebook官方的機器學習兵迅、數(shù)據(jù)分析、前端開發(fā)課程薪贫。在這領取:
https://cn.udacity.com/referral-invitation/?referral_recipient_amount_off=300&referral_recipient_coupon_code=E54FD818
