이 전문 분야 정보

This specialization gives an introduction to deep learning, reinforcement learning, natural language understanding, computer vision and Bayesian methods. Top Kaggle machine learning practitioners and CERN scientists will share their experience of solving real-world problems and help you to fill the gaps between theory and practice. Upon completion of 7 courses you will be able to apply modern machine learning methods in enterprise and understand the caveats of real-world data and settings.
학습자 경력 결과
50%
이 전문분야을(를) 수료한 후 새로운 경력 시작하기
43%
급여 인상 또는 승진하기

공유 가능한 수료증

완료 시 수료증 획득

100% 온라인 강좌

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

유동적 일정

유연한 마감을 설정하고 유지 관리합니다.

고급 단계

영어

자막: 영어, 한국어
학습자 경력 결과
50%
이 전문분야을(를) 수료한 후 새로운 경력 시작하기
43%
급여 인상 또는 승진하기

공유 가능한 수료증

완료 시 수료증 획득

100% 온라인 강좌

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

유동적 일정

유연한 마감을 설정하고 유지 관리합니다.

고급 단계

영어

자막: 영어, 한국어

전문분야 이용 방법

강좌 수강

Coursera 특화 과정은 한 가지 기술을 완벽하게 습득하는 데 도움이 되는 일련의 강좌입니다. 시작하려면 특화 과정에 직접 등록하거나 강좌를 둘러보고 원하는 강좌를 선택하세요. 특화 과정에 속하는 강좌에 등록하면 해당 특화 과정 전체에 자동으로 등록됩니다. 단 하나의 강좌만 수료할 수도 있으며, 학습을 일시 중지하거나 언제든 구독을 종료할 수 있습니다. 학습자 대시보드를 방문하여 강좌 등록 상태와 진도를 추적해 보세요.

실습 프로젝트

모든 특화 과정에는 실습 프로젝트가 포함되어 있습니다. 특화 과정을 완료하고 수료증을 받으려면 프로젝트를 성공적으로 마쳐야 합니다. 특화 과정에 별도의 실습 프로젝트 강좌가 포함되어 있는 경우, 다른 모든 강좌를 완료해야 프로젝트 강좌를 시작할 수 있습니다.

수료증 취득

모든 강좌를 마치고 실습 프로젝트를 완료하면 취업할 때나 전문가 네트워크에 진입할 때 제시할 수 있는 수료증을 취득할 수 있습니다.

how it works

이 전문 분야에는 7개의 강좌가 있습니다.

강좌1

강좌 1

Introduction to Deep Learning

4.6
1,292개의 평가
290개의 리뷰
강좌2

강좌 2

How to Win a Data Science Competition: Learn from Top Kagglers

4.7
809개의 평가
171개의 리뷰
강좌3

강좌 3

Bayesian Methods for Machine Learning

4.6
492개의 평가
137개의 리뷰
강좌4

강좌 4

Practical Reinforcement Learning

4.1
317개의 평가
87개의 리뷰

강사

제공자:

국립 연구 고등 경제 대학 로고

국립 연구 고등 경제 대학

산업 파트너 중 한 곳의 로고

자주 묻는 질문

  • 네! 시작하려면 관심 있는 강좌 카드를 클릭하여 등록합니다. 강좌를 등록하고 완료하면 공유할 수 있는 인증서를 얻거나 강좌를 청강하여 강좌 자료를 무료로 볼 수 있습니다. 전문 분야 과정에 있는 강좌에 등록하면, 전체 전문 분야에 등록하게 됩니다. 학습자 대시보드에서 진행 사항을 추적할 수 있습니다.

  • 이 강좌는 100% 온라인으로 진행되므로 강의실에 직접 참석할 필요가 없습니다. 웹 또는 모바일 장치를 통해 언제 어디서든 강의, 읽기 자료, 과제에 접근할 수 있습니다.

  • Time to completion can vary based on your schedule, but most learners are able to complete the Specialization in 8-10 months.

  • As prerequisites we assume calculus and linear algebra (especially derivatives, matrices and operations with them), probability theory (random variables, distributions, moments), basic programming in python (functions, loops, numpy), basic machine learning (linear models, decision trees, boosting and random forests). Our intended audience are all people who are already familiar with basic machine learning and want to get a hand-on experience of research and development in the field of modern machine learning.

  • We recommend taking the “Intro to Deep Learning” course first as most of the subsequent courses will build on its material. All other courses can be taken in any order.

  • Coursera courses and certificates don't carry university credit, though some universities may choose to accept Specialization Certificates for credit. Check with your institution to learn more.

  • After completing 7 courses of the Specialization you will be able to:

    Use modern deep neural networks for various machine learning problems with complex inputs;

    Participate in data science competitions and use the most popular and effective machine learning tools;

    Adopt the best practices of data exploration, preprocessing and feature engineering;

    Perform Bayesian inference, understand Bayesian Neural Networks and Variational Autoencoders;

    Use reinforcement learning methods to build agents for games and other environments;

    Solve computer vision problems with a combination of deep models and classical computer vision algorithms;

    Outline state-of-the-art techniques for natural language tasks, such as sentiment analysis, semantic slot filling, summarization, topics detection, and many others;

    Build goal-oriented dialogue agents and train them to hold a human-like conversation;

    Understand limitations of standard machine learning methods and design new algorithms for new tasks.

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.