机器学习从入门到小试牛刀

快速进入机器学习这个行业

1.0版本
205人加入学习
(3人评价)
价格 ¥2588.00
教学计划
承诺服务
课程介绍

        人工智能的浪潮正席卷而来,而机器学习作为最热门的研究领域,为人工智能的各类应用提供了强有力的支撑。从早期的规则系统,到统计学习方法逐渐显现其威力;从感知机、SVM 到提升方法,再到近些年流行的深度学习、强化学习,机器学习的理论越来越丰富和高级。人脸识别、语音识别、无人驾驶逐渐为大众所熟知,AlphaGo的横空出世震惊了整个世界。与此同时,不仅互联网行业产生了大量的机器学习相关岗位的需求,其它行业也产生了大量的岗位需求。金融领域的智能投顾、量化交易以及反金融欺诈等等应用大量引入机器学习的技术,通信行业开始引入机器学习技术去改进原有的算法,医疗、法律、生物等等领域都逐渐引入机器学习的技术去改进原有的产品和技术。人工智能已经成为国家的战略,未来机器学习技术将会像互联网一样,慢慢渗透到各行各业,对各类人才的需求将会越来越大。

        行业发展产生了大量的岗位需求,与此形成鲜明对比的是,整个行业真正有能力和技术的人很少很少,造成只要懂一些机器学习的技术,找工作随便挑的现象。应届毕业生拿到30W的年薪已经是白菜价,四五十万也不少见。各行各业的人都想从事人工智能领域的相关工作,但各种奇怪的名词和媒体夸张的报道让不熟悉这个领域的互联网从业者有些不知所措,究竟入门有没有那么难? 本课程将为大家揭开机器学习神秘的面纱。

      学习机器学习很简单!只要你能找到对的学习方法。解惑者学院http://www.jiehuozhe.com)携特聘讲师Ryan特举办“机器学习从入门到小试牛刀学习班”。本学习班由Ryan在日常工作中做的分享报告整理而来,已经成功举办过两期。课程面向的对象是还未入门、刚入门的在校学生以及已经工作但是机器学习基础薄弱的同学。如果你想转行,或者想引入机器学习到现有的工作中,亦或是对机器学习的很多知识掌握的不牢,那么本课程非常适合你!本课程具有以下特点:

  • 精选了对于入门者来说最重要的那部分知识,并且具有很强的逻辑性。掌握了这部分知识后,再学习机器学习的其它知识,都是水到渠成的事情,so easy!
  • 在授课的过程中,对于找工作面试过程中可能会考察的知识点会着重讲解,并会介绍面试官想要考察的能力以及希望得到的解答。
  • 提供独有的垃圾短信数据集,供课程中对学到的知识点进行实战和验证,课程也会提供示例代码供学员学习。
  • 上课直播过程中,授课老师会对学员提出的问题做实时的解答。课后,学员提出的问题,也会有专门的老师给予解答。
  • 对于优秀的学员,可以提供大公司实习或者工作的内推机会。

 

一、学习内容大纲

一、机器学习基础

1. 人工智能及机器学习的发展历史及应用现状

2. 机器学习任务的类型

3. 机器学习的基本流程和相关工具介绍

4. 特征的概念及表示方法

5. 模型优化目标和评估指标

二、Python入门

1. Python语言基础

2. 常用数据结构(列表、元组、字典、集合)

3. 特殊语法map/reduce/filter/lambda

4. 科学计算库numpy基础和应用

三、数学基础

 

1. 梯度下降法及代码实现

2. 概率论基础

3. 信息论基础

四、LR模型

1. LR模型基础和sigmoid函数

2. LR模型的训练算法及推导

3. 实战:LR模型的Python实现

4. 实战:垃圾短信识别(基于LR模型)

五、大规模离散LR模型在工业届的应用原理和相关技术

      

1. 特征的常用表示方法

2. One-Hot和哑变量之间的区别(面试题

3. 特征离散化的原理及目的(面试题

4. 工业界常用的在线学习算法FTRL(社招面试题

5. 参数服务器

六、朴素贝叶斯

1. 朴素贝叶斯的算法原理

2. 朴素贝叶斯的参数估计

3. 实战:垃圾短信识别(朴素贝叶斯)

七、决策树

1. 决策树模型基础

2. 决策树特征选择的方法

3. 决策树的生成及剪枝

4. 实战:垃圾短信识别(决策树)

八、深度学习

1. 神经网络的发展历史及应用现状

2. 感知机模型和学习策略

3. 前馈神­经网络

4. 反向传播算法(BP)的原理和Python实现

5. TensorFlow入门和应用

6. word2vec工具和原理剖析

7. RNN模型和BPTT训练算法

8. LSTM网络结构深度剖析

9. Encoder-Decoder框架

10. Neural Machine Translation模型

11. Attention Model

12. 工业界深度学习的使用现状和发展趋势

 

二、培训专家:

来自BAT(百度、腾讯、阿里)和TMD(头条、美团、滴滴)核心部门的算法工程师,拥有丰富的科研及工程技术经验,长期从事深度学习、人工智能、机器学习、自然语言处理等领域的研究与工程实战 。

 

三、授课方式:

  1. 重点理论解析
  2. 实战案例讲解分析
课程目标
  • 本学习班采用深入浅出的方法并结合实例,重点讲解机器学习最核心和关键的知识,使学员更有效的掌握机器学习原理的本质,并能够举一反三从而更快速的掌握其它的模型和技术。
  • 通过本学习班的学习,能够把握互联网企业面试时的要求和真实想要考察的能力,使学员找工作时能够更有针对性。优秀的学员可以直接内推BAT!
  • 独特的垃圾短信识别项目,完整的呈现了一个真实的机器学习项目的方方面面,使学员不再只停留在理论表面,还能动手去真正解决一个实际的项目。
  • 本学习班兼顾机器学习的基础和前沿知识,在课程的后半部分学习深度学习知识,使学员不仅掌握机器学习最经典的理论知识,还能清楚的知道互联网工业界的进展和技术趋势。
适合人群
  • 接触机器学习不久,对机器学习理解不深的同学
  • 想转机器学习的开发人员,找不到学习的方向和技巧的同学
  • 想转机器学习的其他行业的从业者(理工科类),想快速进入人工智能领域的同学
  • 很长时间还无法掌握机器学习的本质和学习方法的同学
  • 希望引入机器学习技术到现有工作和研究中的非互联网行业的同学

授课教师

解惑者学院首席讲师
机器学习讲师
机器学习讲师

课程特色

下载资料(24)
图文(7)
视频(28)