Об этом курсе
Недавно просмотрено: 7,485,221

Learner Career Outcomes

40%

начал новую карьеру, пройдя эти курсы

38%

получил значимые преимущества в карьере благодаря этому курсу

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Прибл. 56 часа на выполнение

Английский

Субтитры: Китайский (упрощенное письмо), Английский, Иврит, Испанский, Хинди, Японский...

Приобретаемые навыки

Logistic RegressionArtificial Neural NetworkMachine Learning (ML) AlgorithmsMachine Learning

Learner Career Outcomes

40%

начал новую карьеру, пройдя эти курсы

38%

получил значимые преимущества в карьере благодаря этому курсу

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Прибл. 56 часа на выполнение

Английский

Субтитры: Китайский (упрощенное письмо), Английский, Иврит, Испанский, Хинди, Японский...

Программа курса: что вы изучите

Неделя
1
2 ч. на завершение

Introduction

5 видео ((всего 42 мин.)), 9 материалов для самостоятельного изучения, 1 тест
5 видео
Welcome6мин
What is Machine Learning?7мин
Supervised Learning12мин
Unsupervised Learning14мин
9 материала для самостоятельного изучения
Machine Learning Honor Code8мин
What is Machine Learning?5мин
How to Use Discussion Forums4мин
Supervised Learning4мин
Unsupervised Learning3мин
Who are Mentors?3мин
Get to Know Your Classmates8мин
Frequently Asked Questions11мин
Lecture Slides20мин
1 практическое упражнение
Introduction10мин
2 ч. на завершение

Linear Regression with One Variable

7 видео ((всего 70 мин.)), 8 материалов для самостоятельного изучения, 1 тест
7 видео
Cost Function8мин
Cost Function - Intuition I11мин
Cost Function - Intuition II8мин
Gradient Descent11мин
Gradient Descent Intuition11мин
Gradient Descent For Linear Regression10мин
8 материала для самостоятельного изучения
Model Representation3мин
Cost Function3мин
Cost Function - Intuition I4мин
Cost Function - Intuition II3мин
Gradient Descent3мин
Gradient Descent Intuition3мин
Gradient Descent For Linear Regression6мин
Lecture Slides20мин
1 практическое упражнение
Linear Regression with One Variable10мин
2 ч. на завершение

Linear Algebra Review

6 видео ((всего 61 мин.)), 7 материалов для самостоятельного изучения, 1 тест
6 видео
Addition and Scalar Multiplication6мин
Matrix Vector Multiplication13мин
Matrix Matrix Multiplication11мин
Matrix Multiplication Properties9мин
Inverse and Transpose11мин
7 материала для самостоятельного изучения
Matrices and Vectors2мин
Addition and Scalar Multiplication3мин
Matrix Vector Multiplication2мин
Matrix Matrix Multiplication2мин
Matrix Multiplication Properties2мин
Inverse and Transpose3мин
Lecture Slides10мин
1 практическое упражнение
Linear Algebra10мин
Неделя
2
3 ч. на завершение

Linear Regression with Multiple Variables

8 видео ((всего 65 мин.)), 16 материалов для самостоятельного изучения, 1 тест
8 видео
Gradient Descent for Multiple Variables5мин
Gradient Descent in Practice I - Feature Scaling8мин
Gradient Descent in Practice II - Learning Rate8мин
Features and Polynomial Regression7мин
Normal Equation16мин
Normal Equation Noninvertibility5мин
Working on and Submitting Programming Assignments3мин
16 материала для самостоятельного изучения
Setting Up Your Programming Assignment Environment8мин
Access the MATLAB Online Trial and the Exercise Files for MATLAB Users3мин
Installing Octave on Windows3мин
Installing Octave on Mac OS X (10.10 Yosemite and 10.9 Mavericks and Later)10мин
Installing Octave on Mac OS X (10.8 Mountain Lion and Earlier)3мин
Installing Octave on GNU/Linux7мин
More Octave/MATLAB resources10мин
Multiple Features3мин
Gradient Descent For Multiple Variables2мин
Gradient Descent in Practice I - Feature Scaling3мин
Gradient Descent in Practice II - Learning Rate4мин
Features and Polynomial Regression3мин
Normal Equation3мин
Normal Equation Noninvertibility2мин
Programming tips from Mentors10мин
Lecture Slides20мин
1 практическое упражнение
Linear Regression with Multiple Variables10мин
5 ч. на завершение

Octave/Matlab Tutorial

6 видео ((всего 80 мин.)), 1 материал для самостоятельного изучения, 2 тестов
6 видео
Moving Data Around16мин
Computing on Data13мин
Plotting Data9мин
Control Statements: for, while, if statement12мин
Vectorization13мин
1 материал для самостоятельного изучения
Lecture Slides10мин
1 практическое упражнение
Octave/Matlab Tutorial10мин
Неделя
3
2 ч. на завершение

Logistic Regression

7 видео ((всего 71 мин.)), 8 материалов для самостоятельного изучения, 1 тест
7 видео
Hypothesis Representation7мин
Decision Boundary14мин
Cost Function10мин
Simplified Cost Function and Gradient Descent10мин
Advanced Optimization14мин
Multiclass Classification: One-vs-all6мин
8 материала для самостоятельного изучения
Classification2мин
Hypothesis Representation3мин
Decision Boundary3мин
Cost Function3мин
Simplified Cost Function and Gradient Descent3мин
Advanced Optimization3мин
Multiclass Classification: One-vs-all3мин
Lecture Slides10мин
1 практическое упражнение
Logistic Regression10мин
4 ч. на завершение

Regularization

4 видео ((всего 39 мин.)), 5 материалов для самостоятельного изучения, 2 тестов
4 видео
Cost Function10мин
Regularized Linear Regression10мин
Regularized Logistic Regression8мин
5 материала для самостоятельного изучения
The Problem of Overfitting3мин
Cost Function3мин
Regularized Linear Regression3мин
Regularized Logistic Regression3мин
Lecture Slides10мин
1 практическое упражнение
Regularization10мин
Неделя
4
5 ч. на завершение

Neural Networks: Representation

7 видео ((всего 63 мин.)), 6 материалов для самостоятельного изучения, 2 тестов
7 видео
Neurons and the Brain7мин
Model Representation I12мин
Model Representation II11мин
Examples and Intuitions I7мин
Examples and Intuitions II10мин
Multiclass Classification3мин
6 материала для самостоятельного изучения
Model Representation I6мин
Model Representation II6мин
Examples and Intuitions I2мин
Examples and Intuitions II3мин
Multiclass Classification3мин
Lecture Slides10мин
1 практическое упражнение
Neural Networks: Representation10мин
4.9
Рецензии: 29841Chevron Right

Лучшие отзывы о курсе Машинное обучение

автор: CSJul 16th 2019

The course will give you the incites to understand the data driven mathematical functions to write softwares that can behave or change its behavior, based on stimulus (data).\n\nAndrew Ng is excellent

автор: CCJun 20th 2018

good course; just 2 suggestions: improve the skew data part (week 6) and furnish the formula to evaluate the number of iteration in the window from image dimension, window dimension and step (week 11)

Преподаватели

Avatar

Andrew Ng

CEO/Founder Landing AI; Co-founder, Coursera; Adjunct Professor, Stanford University; formerly Chief Scientist,Baidu and founding lead of Google Brain

О Стэнфордский университет

The Leland Stanford Junior University, commonly referred to as Stanford University or Stanford, is an American private research university located in Stanford, California on an 8,180-acre (3,310 ha) campus near Palo Alto, California, United States....

Часто задаваемые вопросы

  • Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.

  • Оплатив сертификацию, вы получите доступ ко всем материалам курса, включая оцениваемые задания. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.

Остались вопросы? Посетите Центр поддержки учащихся.