课程主页: https://www.coursera.org/learn/machine-learning-classification-algorithms
在这个快速发展的科技时代，机器学习已经成为许多行业的重要工具。Coursera提供的《机器学习算法：监督学习指南》课程，正是为希望深入了解这一领域的学习者而设计的。课程的目标是帮助学生从基础知识掌握机器学习项目，并实现对真实案例的监督学习技术应用。通过具体的商业案例，学生将学习如何优化使用决策树、k近邻和支持向量机等算法。
课程的第一周，我们将引导学生了解监督学习的基本概念，特别是分类问题，教授两种分类算法：决策树和k-NN。学习者将通过Jupyter Notebook进行编程实践，探索分类中可能出现的各种问题。
在第二周，课程将重点介绍回归算法，这是监督学习的另一面。学生将接触到寻找线性关系、优化标准及相关问题，并初步了解回归与分类之间的相互关系。
第三周，课程将深入探讨使用回归进行分类的方法，特别是支持向量机算法。我们将解释支撑向量机的基本组成部分，帮助学生理解许多看似无关的机器学习算法是如何紧密联系在一起的，同时介绍逻辑回归和神经网络。
在课程的最后一周，学生将学习如何评估自己的模型性能，并采取措施提升性能。我们会审视与回归和分类相关的评估问题，并介绍一些工具，以帮助学生更好地分析模型表现。
总的来说，这门课程不仅提供了机器学习的技术知识，更加强调实际应用和业务决策中的实践意义。无论你是行业新人，还是希望巩固已有知识的专业人士，这门课程都将是你踏上机器学习新旅程的重要一步。
课程主页: https://www.coursera.org/learn/machine-learning-classification-algorithms