使用 Python 进行机器学习认证

Eric Chuar 完成了 使用 Python 进行机器学习 个人和专业生产力》，并获得了 IBM 颁发的证书。

学校：
国际商业机器

毕业了：
2019

持续时间：
6个月

描述各种类型的机器学习算法以及何时使用这些算法

编写 Python 代码，实现各种分类技术，包括 K-Nearest neighbors (KNN)、决策树和回归树

比较和对比线性分类方法，包括多类预测、支持向量机和逻辑回归

使用评估指标对数据集上的简单线性、非线性和多元回归结果进行评估

刚刚结束了 Python 机器学习课程，我不得不说，这真是一次疯狂的旅程。我已经掌握了编程和数字营销的诀窍，但机器学习？这感觉就像一个未知领域，而我正准备迎接挑战。

算法类型:课程从深入探讨不同的机器学习算法开始。从监督学习到无监督学习，就像一个计算方法的大杂烩。老实说，知道针对哪种问题使用哪种算法是一件很酷的事情。

Python 编码:这是我的强项！我们亲身体验了编写各种分类技术的 Python 代码。我们玩了 K-Nearest Neighbors (KNN)、决策树，甚至回归树。我从没想过我会这么说，但为机器学习编码会让人上瘾。

线性分类:在这里，我们进入了细枝末节。我学会了如何区分不同的线性分类方法，如多类预测、支持向量机和逻辑回归。如果你一个月前问我这些问题，我肯定会一脸茫然。但现在，我觉得自己已经掌握了很多。

评估:课程以评估不同模型的结果结束。我们研究了如何衡量线性、非线性和多元回归模型的性能。老实说，评估模型和建立模型一样重要。

那么，我为什么要学习这门课程呢？我一直喜欢分享自己的知识。在马来西亚和新加坡的生活让我知道，人们是多么欣赏有价值的信息。有了这门课程，我很高兴能将机器学习融入到我的数字营销策略中，当然，我也会与他人分享我所学到的知识。

最棒的是什么？我可以在生活中的很多领域运用这些技能。无论我是在教羽毛球、品尝红酒，还是与家人共度时光，了解决策和预测的机制都是无价之宝。我真的很期待应用这些新技能，不仅在我的职业生活中，而且在我的日常交往中。