Py学习  »  机器学习算法

十年!吴恩达经典《机器学习》课程本月关闭注册!网友:一个时代的终结...

CVer • 1 年前 • 247 次点击  

点击下方卡片,关注“CVer”公众号

AI/CV重磅干货,第一时间送达

点击进入—> CV 微信技术交流群

转载自:机器之心 | 编辑:杜伟、陈萍

俗语说,旧的不去新的不来。也许新课程又会成为新的经典呢。


要说人工智能领域的课程,斯坦福大学客座教授吴恩达的《机器学习》(Machine Learning)堪称经典。该课程最开始于 2012 年在 Coursera 上线,十年间已经吸引了近 500 万人注册。



与斯坦福 CS229 一脉相承,《机器学习》课程主要介绍了机器学习、数据挖掘和统计模式识别的基础知识和实践经验。与 CS229 相比,后者更加侧重实践。因为这些课程的存在,很多人将吴恩达称作「启蒙老师」、「恩师」。


然而昨日,Stanford Online 和 DeepLearning.AI 团队宣布了一项重要通知:《机器学习》课程将从 2022 年 6 月 14 日起关闭在 Coursera 上的新学员注册。



以下为通知全文。


课程《机器学习》将于 2022 年 6 月 14 日停止接受新学员注册,已经注册了的,仍然可以在 Learner Dashboard 上看到并继续学习该课程。

如果你仍希望获得这门课程的证书,请在 2022 年 6 月 14 日之前升级或申请助学金。为了获得课程证书,你需要在 2022 年 12 月 10 日之前完成所有评分作业。之后,我们将不再接受新的作业提交,也无法再获得证书所需学分。


本课程将被一门新的、扩展更深的《Machine Learning Specialization》所取代。新课程依然由 Stanford Online 和 DeepLearning.AI 联合推出,并将于 6 月上线。


此外,对于正在上《机器学习》课程的学员来说,该课程将不会再更新。


这个消息在 reddit 上也引起了一些网友的热议。有人甚至称「这是一个时代的终结」。


而关于本月上线的新课程,有人根据课程描述表示,「听起来新课程的数学知识更少,直觉知识更多。所以,新课程也许不会更好。」


上线新课程「Machine Learning Specialization」


今年 4 月 18 日,在 Coursera 创办十周年纪念日上,平台创始人吴恩达就官宣了「Machine Learning Specialization」这门新课程。



吴恩达表示,「(这门新课)将教你机器学习的基本知识以及如何应用这些知识构建现实世界的应用。课程结束之后,你将掌握机器学习中最重要的概念和实用 know-how,并学会用这些知识解决现实问题。」


新课程采用更直观的视觉方法教大家基本概念,然后引出相关代码,基础数学会最后介绍。



课程页面显示,「Machine Learning Specialization」是经过重新改进的,新课程比以往版本更具相关性(more relevant than ever),新课程扩展出了 3 门课程,可以满足不同人群的需求。



新课程将于今年 6 月份正式启动。如果你想获取有关该课程的最新信息,可以去课程官网提交申请。



课程地址:https://www.deeplearning.ai/program/machine-learning-specialization/#signup


还没有申请的小伙伴抓紧了,因为现在已经进入 6 月了!


参考连接:

https://www.reddit.com/r/MachineLearning/comments/v4f3wn/n_stanfords_machine_learning_end_of_an_era/



点击进入—> CV 微信技术交流群


ICCV和CVPR 2021论文和代码下载


后台回复:CVPR2021,即可下载CVPR 2021论文和代码开源的论文合集

后台回复:ICCV2021,即可下载ICCV 2021论文和代码开源的论文合集

后台回复:Transformer综述,即可下载最新的3篇Transformer综述PDF


目标检测和Transformer交流群成立


扫描下方二维码,或者添加微信:CVer6666,即可添加CVer小助手微信,便可申请加入CVer-目标检测或者Transformer 微信交流群。另外其他垂直方向已涵盖:目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch、TensorFlow和Transformer等。


一定要备注:研究方向+地点+学校/公司+昵称(如目标检测或者Transformer+上海+上交+卡卡),根据格式备注,可更快被通过且邀请进群


▲扫码或加微信: CVer6666,进交流群


CVer学术交流群(知识星球)来了!想要了解最新最快最好的CV/DL/ML论文速递、优质开源项目、学习教程和实战训练等资料,欢迎扫描下方二维码,加入CVer学术交流群,已汇集数千人!


扫码进群

▲点击上方卡片,关注CVer公众号

整理不易,请点赞和在看

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/135540
 
247 次点击