02. 纳米学位课程结构
Estrutura do programa
机器学习（进阶求职）纳米学位项目将使你不仅深入了解机器学习，同时涵盖了这一学科的部分重要主题，并通过专门的求职指导部分帮助你优化自身品牌，提高求职竞争力。
机器学习基础
在这一部分中，你将熟悉机器学习的主要算法。通过几节充满乐趣的简短课程，你能了解这些算法的工作方法，以及如何将它们应用到现实生活的问题中。接着，你将通过一个迷你项目检验学习成果，在这个项目里，你会学习如何根据电子邮件中的文本检测垃圾邮件。
模型评估与验证
在这一部分中，你将了解构建机器学习模型的基础知识。简单来说，我们将会回答以下问题：
- 我应该如何训练模型？
- 我如何判断这个模型是否优秀？
- 我如何改进这个模型？
首先，我们将教你使用sklearn训练和测试模型。接着，我们会学习评估模型的指标，比如准确率、精确率和召回率，等等。之后，我们还会了解模型可能出现的问题，比如过拟合与欠拟合。当然，我们还将学习如何解决这些问题来改善你的模型。
监督学习
现在我们已经准备好学习监督学习的主要算法了。在这一部分中，我们学习的算法包括线性回归与逻辑回归、决策树、朴素贝叶斯、神经网络以及支持向量机。在集成方法这一部分中，我们还会学习如何融合运用这些算法, 以便发挥它们的最大潜力。每个部分都配有一个 lab 练习板块，在这里你可以使用 sklearn 运用学到的知识。
深度学习
在监督学习的部分中，你已经了解了神经网络。而在这一部分，我们将更加深入，学习卷积神经网络以及它们在图像识别中的运用。此外，我们还会学习其他尖端技术，如迁移学习，这些知识将使你立于科技领域的前列。
非监督学习
在这一部分中，我们将学习非监督学习的主要算法，包括一些聚类算法以及降维算法。通过几个迷你项目和实验，你能够利用真实的数据来运用这些概念。
强化学习
一些行为无法仅靠监督学习或非监督学习完成，比如教机器人走路或是下棋。要想完成这些行为，智能体需要不断同环境进行交互，通过自身经历进行学习。这就是强化学习的内容。在这一部分中，你将学习如何实现各类强化学习算法，并将它们运用到不同的任务中，比如在一个环境中为出租车导航，或是玩雅达利游戏。 接着，我们还会学习一些前沿算法，比如深度 Q 网络或策略梯度，并完成一些更加复杂的实战项目，比如指导四轴飞行器学会飞行。
在学习机器学习核心知识的过程中，你还将穿插学习求职相关课程，帮助你同步优化：
- 个人简历；
- GitHub个人资料；
- 领英个人档案；
在完成最终的毕业项目后，你还有机会与行业导师进行一对一模拟面试，帮助你体验真实的面试状态，提前建设心态，增强自信心！