برنامه Machine Learning Specialization یک دوره سه‌بخشی و مناسب برای مبتدیان است که توسط DeepLearning.AI و Stanford Online طراحی شده و توسط اندرو انگ تدریس می‌شود. این نسخه بازسازی‌شده و گسترش‌یافته‌ی دوره‌ی اصلی یادگیری ماشین اندرو است که طوری بازطراحی شده تا بدون نیاز به پیش‌زمینه‌ی ریاضی سنگین یا تجربه‌ی عمیق برنامه‌نویسی، بتوانید درک عمیقی از نحوه‌ی عملکرد یادگیری ماشین به دست آورید. هر درس مسیر یکسانی را دنبال می‌کند: ابتدا یک توضیح شهودی و تصویری از مفهوم، سپس یک راهنمای گام‌به‌گام در قالب کد، و در نهایت ریاضیات پایه‌ای که در ویدیوهای اختیاری پوشش داده می‌شود. کار را با مبانی یادگیری نظارت‌شده (supervised learning) شروع می‌کنید و مدل‌های پیش‌بینی و دسته‌بندی را با رگرسیون خطی و رگرسیون لجستیک می‌سازید. سپس، شبکه‌های عصبی را با TensorFlow آموزش می‌دهید، درخت‌های تصمیم (decision trees) و مجموعه‌های درختی (tree ensembles) می‌سازید، و شیوه‌های توسعه‌ای را یاد می‌گیرید که باعث می‌شوند مدل‌ها روی داده‌های واقعی عملکرد خوبی داشته باشند. دوره‌ی پایانی شما را فراتر از یادگیری نظارت‌شده می‌برد و به خوشه‌بندی (clustering)، تشخیص ناهنجاری (anomaly detection)، سیستم‌های پیشنهاددهنده (recommender systems)، و یادگیری تقویتی عمیق (deep reinforcement learning) می‌پردازد. سرفصل اصلی این برنامه طی سال‌ها توسط میلیون‌ها فراگیر مورد ارزیابی قرار گرفته و نسل‌های متعددی از آن‌ها این دوره را به‌عنوان نقطه‌ی ورود خود به مسیر شغلی یادگیری ماشین انتخاب کرده‌اند. پس از پایان این دوره، شما جزو گروه منتخبی از افراد خواهید بود که می‌توانند الگوریتم‌های یادگیری مؤثر بسازند و آن‌ها را روی کاربردهای واقعی به کار بگیرند.