原文：
www.kdnuggets.com/5-free-courses-to-master-machine-learning
图片由 DALLE-3 生成
机器学习在数据领域变得越来越受欢迎。但通常有一种观念认为，要成为机器学习工程师，你需要拥有高级学位。然而，这并不完全正确。因为技能和经验始终优于学位。
1. 谷歌网络安全证书 - 快速进入网络安全职业轨道。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你的组织在 IT 方面
如果你正在阅读这篇文章，你可能是数据领域的新手，并希望作为机器学习工程师起步。也许你已经作为数据分析师或 BI 分析师在数据领域工作，并希望转向机器学习角色。
无论你的职业目标是什么，我们已精心策划了一份完全免费的机器学习课程列表，以帮助你在机器学习方面获得熟练度。我们包括了帮助你理解理论和构建机器学习模型的课程。
开始吧！
如果你在寻找一个易于访问的机器学习课程，适合所有人的机器学习是适合你的。
由 Kylie Ying 教授，本课程采取代码优先的方法，在 Google Colab 中构建简单有趣的机器学习模型。启动自己的笔记本并在学习足够理论的同时构建模型是一种很好的熟悉机器学习的方法。
该课程使机器学习概念变得易于理解，并涵盖以下主题：
-
机器学习简介
-
K-最近邻
-
朴素贝叶斯
-
逻辑回归
-
线性回归
-
K 均值聚类
-
主成分分析（PCA）
课程链接：适合所有人的机器学习
Kaggle 是参与现实世界数据挑战、建立数据科学作品集以及磨练模型构建技能的绝佳平台。此外，Kaggle 团队还有一系列微型课程来让你快速掌握机器学习的基础知识。
你可以查看以下（微型）课程。每个课程通常需要几个小时来完成并完成练习：
-
机器学习简介
-
中级机器学习
-
特征工程
机器学习简介 课程涵盖以下主题：
-
机器学习模型如何工作
-
数据探索
-
模型验证
-
欠拟合和过拟合
-
随机森林
在中级机器学习课程中，你将学习：
-
处理缺失值
-
处理分类变量
-
机器学习管道
-
交叉验证
-
XGBoost
-
数据泄漏
特征工程 课程涵盖：
-
互信息
-
创建特征
-
K 均值聚类
-
主成分分析
-
目标编码
建议按上述顺序学习课程，以便在从一个课程转到下一个课程时，你已具备必要的前提知识。
课程链接：
使用 Scikit-Learn 的 Python 机器学习 在 FUN MOOC 平台上是由 scikit-learn 核心团队开发的免费自学课程。
它涵盖了广泛的主题，帮助你学习使用 scikit-learn 构建机器学习模型。每个模块包含视频教程和配套的 Jupyter 笔记本。你需要对 Python 编程和 Python 数据科学库有一定的熟悉度，以充分利用课程。
课程内容包括：
-
预测建模管道
-
评估模型性能
-
超参数调优
-
选择最佳模型
-
线性模型
-
决策树模型
-
模型集成
课程链接：使用 Scikit-Learn 的 Python 机器学习
机器学习速成课程来自 Google，是另一个学习机器学习的好资源。从模型构建的基础到特征工程等，本课程将教你如何使用 TensorFlow 框架构建机器学习模型。
该课程分为三个主要部分，大部分课程内容在机器学习概念部分：
-
机器学习概念
-
机器学习工程
-
现实世界中的机器学习系统
上这门课程，你需要对高中数学、Python 编程和命令行有一定的了解。
机器学习概念部分包括：
-
机器学习基础
-
TensorFlow 介绍
-
特征工程
-
逻辑回归
-
正则化
-
神经网络
机器学习工程部分涵盖：
-
静态 vs 动态训练
-
静态 vs 动态推断
-
数据依赖
-
公平性
而《现实世界中的机器学习系统》是一组案例研究，用于理解现实世界中如何进行机器学习。
课程链接: 机器学习速成课程
到目前为止，我们已经看到了一些课程，它们在专注于构建模型的同时，给你提供了理论概念的初步了解。
虽然这是一开始的好选择，但你将需要更详细地了解机器学习算法的工作原理。这对破解技术面试、职业发展和进入机器学习研究非常重要。
CS229: 机器学习 由斯坦福大学提供，是最受欢迎且强烈推荐的机器学习课程之一。本课程将提供与一个学期的大学课程相同的技术深度。
你可以在线访问讲座和讲座笔记。本课程涵盖以下广泛主题：
-
监督学习
-
无监督学习
-
深度学习
-
泛化和正则化
-
强化学习和控制
课程链接: CS229: 机器学习
希望你找到有用的资源来帮助你在机器学习之旅中！这些课程将帮助你获得理论概念和实际模型构建的良好平衡。
如果你已经熟悉机器学习且时间有限，我建议查看《使用 scikit-learn 的 Python 机器学习》以深入了解 scikit-learn，并参考 CS229 以获取基本的理论基础。祝学习愉快！
Bala Priya C**** 是来自印度的开发者和技术作家。她喜欢在数学、编程、数据科学和内容创作的交叉点上工作。她的兴趣和专长领域包括 DevOps、数据科学和自然语言处理。她喜欢阅读、写作、编码和咖啡！目前，她正在通过撰写教程、操作指南、意见文章等，与开发者社区分享她的知识。Bala 还创建了引人入胜的资源概述和编码教程。
