推出十年,吴恩达经典《机器学习》课程本月关闭注册,上线新课,网友:一个时代的终结

2022 年 6 月 5 日 机器之心


机器之心报道

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/



© THE END 

转载请联系本公众号获得授权

投稿或寻求报道:content@jiqizhixin.com


登录查看更多
0

相关内容

课程是指学校学生所应学习的学科总和及其进程与安排。课程是对教育的目标、教学内容、教学活动方式的规划和设计,是教学计划、教学大纲等诸多方面实施过程的总和。广义的课程是指学校为实现培养目标而选择的教育内容及其进程的总和,它包括学校老师所教授的各门学科和有目的、有计划的教育活动。狭义的课程是指某一门学科。 专知上对国内外最新AI+X的课程进行了收集与索引,涵盖斯坦福大学、CMU、MIT、清华、北大等名校开放课程。
吴恩达知乎问答:如何系统学习机器学习?
专知会员服务
20+阅读 · 2022年4月10日
专知会员服务
52+阅读 · 2021年6月2日
斯坦福大学经典《自然语言处理cs224n》2020课件合集
专知会员服务
95+阅读 · 2020年5月25日
【机器学习课程】Google机器学习速成课程
专知会员服务
164+阅读 · 2019年12月2日
吴恩达计算机视觉:12堂课学习心得
AI前线
87+阅读 · 2017年12月1日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Arxiv
2+阅读 · 2022年7月27日
Arxiv
0+阅读 · 2022年7月26日
Arxiv
23+阅读 · 2022年2月24日
Arxiv
14+阅读 · 2020年9月1日
Interpretable CNNs for Object Classification
Arxiv
20+阅读 · 2020年3月12日
Arxiv
17+阅读 · 2019年3月28日
Arxiv
22+阅读 · 2018年8月30日
Arxiv
26+阅读 · 2018年8月19日
Arxiv
15+阅读 · 2018年2月4日
VIP会员
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
相关论文
Arxiv
2+阅读 · 2022年7月27日
Arxiv
0+阅读 · 2022年7月26日
Arxiv
23+阅读 · 2022年2月24日
Arxiv
14+阅读 · 2020年9月1日
Interpretable CNNs for Object Classification
Arxiv
20+阅读 · 2020年3月12日
Arxiv
17+阅读 · 2019年3月28日
Arxiv
22+阅读 · 2018年8月30日
Arxiv
26+阅读 · 2018年8月19日
Arxiv
15+阅读 · 2018年2月4日
Top
微信扫码咨询专知VIP会员