课程主页: https://www.coursera.org/learn/machine-learning-models-in-science
在当今科学研究中，机器学习技术越来越受到重视。本课程《机器学习模型在科学中应用》致力于将机器学习技术应用于科学问题，帮助学习者掌握从数据读取、清洗、转化到运行基本和高级机器学习算法的完整流程。
课程的第一模块“AI之前：准备和预处理数据”将讲解在应用AI算法之前需要进行的准备步骤。学习者将学习数据预处理技术，如填补缺失值和去除异常值，并深入理解PCA和LDA等降维数据转化方法，最终利用Python编程对算法进行编码。
接下来的模块“基础AI算法：K均值和支持向量机”将介绍两种基础的机器学习算法。学习者将比较监督学习和无监督学习两个分支，并从理论和实践中学习K-均值和支持向量机的实现。
在“高级AI：神经网络和决策树”模块中，课程将探索一些高级AI技术，学习树模型和神经网络的原理，并利用Tensorflow进行实践实验，最后编码自己的神经网络来预测未知数据。
课程的最终项目将通过健康数据预测糖尿病的发生，比较不同回归器的效果并在测试集上检查误差。
这个课程结构严谨，适合所有对机器学习在科学应用感兴趣的人士，无论是刚入门的学习者还是希望提升技术的专业人士，都能在这里找到适合自己的内容。
课程主页: https://www.coursera.org/learn/machine-learning-models-in-science