Sobre este Programa de cursos integrados

430.003 visualizações recentes
The Machine Learning Specialization is a foundational online program created in collaboration between DeepLearning.AI and Stanford Online. This beginner-friendly program will teach you the fundamentals of machine learning and how to use these techniques to build real-world AI applications. This Specialization is taught by Andrew Ng, an AI visionary who has led critical research at Stanford University and groundbreaking work at Google Brain, Baidu, and Landing.AI to advance the AI field. This 3-course Specialization is an updated version of Andrew’s pioneering Machine Learning course, rated 4.9 out of 5 and taken by over 4.8 million learners since it launched in 2012. It provides a broad introduction to modern machine learning, including supervised learning (multiple linear regression, logistic regression, neural networks, and decision trees), unsupervised learning (clustering, dimensionality reduction, recommender systems), and some of the best practices used in Silicon Valley for artificial intelligence and machine learning innovation (evaluating and tuning models, taking a data-centric approach to improving performance, and more.) By the end of this Specialization, you will have mastered key concepts and gained the practical know-how to quickly and powerfully apply machine learning to challenging real-world problems. If you’re looking to break into AI or build a career in machine learning, the new Machine Learning Specialization is the best place to start.
Certificados compartilháveis
Tenha o certificado após a conclusão
Cursos 100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Laboratórios Coursera
Inclui projetos práticos de aprendizado.
Saiba mais sobre o Laboratórios Coursera External Link
Cronograma flexível
Definição e manutenção de prazos flexíveis.
Nível iniciante
Aproximadamente 3 meses para ser concluído
Ritmo sugerido de 9 horas/semana
Inglês
Certificados compartilháveis
Tenha o certificado após a conclusão
Cursos 100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Laboratórios Coursera
Inclui projetos práticos de aprendizado.
Saiba mais sobre o Laboratórios Coursera External Link
Cronograma flexível
Definição e manutenção de prazos flexíveis.
Nível iniciante
Aproximadamente 3 meses para ser concluído
Ritmo sugerido de 9 horas/semana
Inglês

Como funciona o programa de cursos integrados

Fazer cursos

Um programa de cursos integrados do Coursera é uma série de cursos para ajudá-lo a dominar uma habilidade. Primeiramente, inscreva-se no programa de cursos integrados diretamente, ou avalie a lista de cursos e escolha por qual você gostaria de começar. Ao se inscrever em um curso que faz parte de um programa de cursos integrados, você é automaticamente inscrito em todo o programa de cursos integrados. É possível concluir apenas um curso — você pode pausar a sua aprendizagem ou cancelar a sua assinatura a qualquer momento. Visite o seu painel de aprendiz para controlar suas inscrições em cursos e progresso.

Projeto prático

Todos os programas de cursos integrados incluem um projeto prático. Você precisará completar com êxito o(s) projeto(s) para concluir o programa de cursos integrados e obter o seu certificado. Se o programa de cursos integrados incluir um curso separado para o projeto prático, você precisará completar todos os outros cursos antes de iniciá-lo.

Obtenha um certificado

Ao concluir todos os cursos e completar o projeto prático, você obterá um certificado que pode ser compartilhado com potenciais empregadores e com sua rede profissional.

Este Programa de cursos integrados contém 3 cursos

Curso1

Curso 1

Supervised Machine Learning: Regression and Classification

4.9
estrelas
5,522 classificações
Curso2

Curso 2

Advanced Learning Algorithms

4.9
estrelas
1,263 classificações
Curso3

Curso 3

Unsupervised Learning, Recommenders, Reinforcement Learning

4.9
estrelas
586 classificações

oferecido por

Placeholder

deeplearning.ai

Placeholder

Universidade de Stanford

Perguntas Frequentes – FAQ

Mais dúvidas? Visite o Central de Ajuda ao estudante.