|
课程介绍： 本课程是炼数成金《机器学习》（http://f.dataguru.cn/thread-229688-1-1.html）课程的姐妹篇，学习本课程前较好先学过（或同时进修）《机器学习》，两门课程兼修可以起到更好的效果。参加本课程的初学者，建议同时参加《机器学习》快班（什么是快班？点击了解），对本课程报名前100人我们提供《机器学习》快班免固定费（价值300，用户只需支付100可退还逆向费用即可参加学习）优惠。
相对于《机器学习》课程，本课程内容有以下特点：
1 对于《机器学习》中已经讲过的模型算法，我们会在更高的高度，更细的粒度，大纵深的予以扩充，例如决策树，本课程里会更详细地讲解剪枝过程，以及之前没有涉及的回归树。又例如贝叶斯分类，本课程里将扩展到贝叶斯学习的高度，很多模型其实都有其贝叶斯含义，我们可以从更高的视角去对贝叶斯思维进行俯瞰，同时推广至贝叶斯图以及一般的概率图模型。对于支持向量机，我们会讲更多的凸优化，对偶问题的背景，同时扩展到核方法。等等。
2 大幅度补充《机器学习》中没有涉及，但大家又非常感兴趣的内容，例如特征工程，半监督学习，被称为Kaggle神器的xgboost算法，流形学习等，这些都是大家梦寐以求的知识。
3 讲述机器学习的主流算法在python下的实现，学习者可以熟练的运用python下有关的资源包快速实现或书写部分代码，部署自己的模型，并且通过python代码实现的案例，了解这些模型的应用场景与调优方法。最近2年，python在机器学习领域得到长足发展，简便轻量，设计合理的语言特性使其成为人工智能的推荐语言，在算法模型封装积累上，也有了长足进步，呈现出爆炸式增长之势，学习好这门手艺，对于实现个人价值大有裨益
本课程的受众主要是没有经过专业训练的IT专业人员，他们可能是程序员，运维，IT系统架构师等等，也适合没有经过科班训练的数据分析师。数据分析是一个业务+算法+IT的交叉领域，同时熟悉这三方面知识的人，可以玩转大数据，产生无穷无尽的花样，产生巨大的价值。但很无奈的情况是这种人才太少，IT人员即使熟悉本公司的业务，但同时又熟悉算法的人极少。一般只能做一些简单的维度统计，指标计算等等，如果说到开发更高智能的系统，知识上鞭长莫及。本课程的目标，正是要打破知识的鸿沟，向IT人员普及算法知识，并把这些知识用于实际项目，把中国的机器学习应用能力提高一个台阶。
课程内容： 第1课 机器学习基础，有监督学习，无监督学习，半监督学习。机器学习与深度学习，人工智能的关系。部署Python机器学习环境，matplotlib、Numpy、Scipy、libsvm、OpenCV、pandas、Anaconda、scikit-learn、theano、Keras、Tensorflow。机器学习基础算法在python下实现。Python与R，Julia等对比。
第2课 从贝叶斯网到概率图模型，贝叶斯统计学，贝叶斯思维，一切皆有贝叶斯。生成式模型与判别式模型。先验知识，贝叶斯统计在小数据学习中的应用。pyMC部署。手机短信发送行为分析案例。
第3课 吉布斯抽样，在贝叶斯统计中采用MCMC。网站转化率A/B测试案例。用贝叶斯回归进行金融预测的案例。
第4课 决策树，信息熵与相对熵，ID3，C4.5，CART等算法，剪枝过程。用scikit-learn实现决策树。
第5课 回归树。adaboost算法。提升树，分类提升树，回归提升树。梯度提升。用决策树构建随机森林。深度森林，及其与深度神经网络的对比？深度森林是否可以取代深度学习？
第6课 XGboost，原理及实现。计算学习理论，机器学习是骗局吗？VC维与样本复杂度。超参数如何选择？缺失数据处理方法。类不平衡的处理。特征工程。与上述问题有关的scikit-learn函数。
第7课 在海量短信中定位垃圾短信，半监督学习及其困难之处。聚类假设与流形假设。从k-means衍生的半监督学习算法。协同训练及其Python实现。co-forest算法，并应用于医学图像分析，半监督SVM及python实现。
第8课 基于EM算法的半监督学习生成式方法。基于图的方法，label propagation和label spreading的python实现，多种半监督学习方法效果比较。用label propagation进行手写体识别。
第9课 流形学习与降维，用scikit-learn实现流形学习
第10课 凸优化，梯度下降算法，永恒难题之局部极小值，SGD随机梯度下降算法，python中实现梯度下降算法及SGD。梯度下降算法应用于神经网络，BP学习算法，用theano实现BP神经网络，神经网络各种训练框架和工业级实现，用tensorflow实现更复杂的神经网络结构。梯度下降算法在推荐系统中的应用，构筑一个新闻推荐系统
第11课 凸优化与支持向量机，核方法，支持向量回归，核岭回归，应用支持向量机作人脸识别。在python中利用libsvm实现支持向量机，python中实现核有关算法
授课时间： 课程将于2018年4月11日开课。课程设计共11课，每课看学员接受程度大约1-2周时间，整个课程持续时间预计不超过20周。
授课对象： 对机器学习有兴趣的朋友，特别适合想学习算法的IT专业人员或非科班出身的数据分析人员。较好能有一些线性代数，统计等数学基本知识，没有也无妨，可以在课程期间快速补强。
收获预期：
对于数据分析基础的朋友，可以提高其处理大数据的能力。对于IT基础的朋友，可以通过课程了解机器学习算法的原理与应用，进军大数据分析领域
授课讲师：
tigerfish，知名数据库网站ITPUB创始人，知名数据分析网站炼数成金创始人。数据库专家，数据分析专家，有丰富的IT领域、数学领域的知识经验。他将带领他的数据分析团队完成整个授课工作。
课程福利： 本课程报名前100人我们提供《机器学习》快班免固定费（价值300，用户只需支付100可退还逆向费用即可参加学习）优惠。《Python机器学习》第一周课程结束后系统自动发放免固定学费道具卡到大家账户，有需要的同学可以查收使用！
新颖的课程收费形式：“逆向收费”约等于免费学习，仅收取100元固定收费+300元暂存学费，学习圆满则全额奖励返还给学员！
特别说明如下：
本门课程本来打算完全免费，某位大神曾经说过“成功就是正确的方向再加上适度的压力”。考虑到讲师本身要付出巨大的劳动，为了防止一些朋友在学习途中半途而废，浪费了讲师的付出，为此我们计划模仿某些健身课程，使用“逆向收费”的方法。
在 报名时每位报名者收取400元，其中100元为固定 收费，另外300是暂存学费，即如果学员能完成全部课程要求，包括完成全部的书面和互动作业，则300元全款退回，优秀的学员还可以获得礼品 奖励。如果学员未能坚持到完全所有的学习计划任务，则会被扣款。期望这种方式可以转化为大家强烈的学习愿望和驱动力！
课程授课方式：
1、 学习方式：老师发布教学资料、教材，幻灯片和视频，学员通过网络下载学习。同时通过论坛互动中老师对学员进行指导及学员之间相互交流。
2、 学习作业：老师每周布置书面及互动作业，学员需按时按质完成作业。
3、 老师辅导：根据作业批改中发现的问题，针对性给予辅导，帮助大家掌握知识。
4、 结业测验：通过测验，完成学业。
全国统一咨询热线 4008-010-006
课程现开始接受报名，报名方式：
网上报名 请点击：Python机器学习 咨询QQ： 2222010006 (上班时间在线）
技术热点、 行业资讯，培训课程信息，尽在炼数成金官方微信，低成本传递高端知识！技术成就梦想！欢迎关注！
打开微信，使用扫一扫功能，即刻关注炼数成金官方微信账户，不容错过的精彩，期待您的体验！！！
来源: 黄志洪老师重量级课程《机器学习》，急迫期待参与本课程的朋友速进！ | 
[复制链接]
发表于 2016-12-20 13:37
发表于 2017-4-26 06:34
发表于 2017-4-26 20:00
