数据科学专业发展课程

这门20小时的机器学习与Python课程涵盖了机器学习的所有基本方法和Python模块(特别是Scikit-Learn)的实现. The five sessions cover: simple 和 multiple Linear regressions; classification methods including logistic regression, 判别分析和朴素贝叶斯, support vector machines (SVMs) 和 tree based methods; cross-validation 和 feature selection; regularization; principal component analysis (PCA) 和 clustering algorithms. 成功完成本课程后, 你将能够解释机器学习算法的原理，并实现这些方法来分析复杂的数据集，并在Python中进行预测.

本课程介绍人工神经网络，将高级理论带入生活与互动实验室的TensorFlow, Keras, 以及领先的深度学习库PyTorch. 基本理论将涵盖在一种方式，为学生提供一个完整的直观的理解深度学习的基础. 结合在Jupyter笔记本上的实践代码运行，以及克服常见陷阱的战略建议, 这一基础知识将使以前对神经网络没有任何了解的个人能够在所有当代家庭中构建可用于生产的深度学习应用程序, 包括:

• 用于机器视觉的卷积网络
• 用于自然语言处理和时间序列分析的长短期记忆循环网
• 生成对抗网络产生令人瞠目结舌的合成数据
• 复杂序列决策的强化学习