江左梅郎2017/04/25         
【100人拼团已圆满结束,想参加的同学可扫码加小讲微信,插班学习,了解详情】
399元直接购买课程:>>点此参加《30小时搞定机器学习》,可使用600元优惠码:fuvAJIBR
有全部直播回放视频,有专门的QQ答疑交流群
~~~~~~~~~~~~~~~~~~我是分割线~~~~~~~~~~~~~~~~~~
课程名称
30小时搞定机器学习
课程特色
1、基于机器学习理论较多的原因,对一些关键难懂的点进行深入剖析和讲解。
2、讲述了主流的机器学习的理论,对整个机器学习知识体系有的放矢,即能快速入门又不被各种算法吓到。
3、引入神经网络、卷积神经网络算法,让大家快速入门深度学习。
4、理论与实践相结合,每个核心算法后都配合一个相应的例子。
5、重点讲解简单有效实用的算法。
适用人群
学习该课程的同学最好有少量python基础,具备基本的数学知识(微积分、概率论、线代)。
课程目标
在最短的时间快速掌握并入门机器学习,对一些模型识别和分类问题能提出解决思路和方法,在实际解决一些具体问题时有自己的思路,对一些核心算法能有深入了解。
主讲老师
杜老师,北航硕士,北邮博士
开课时间
2017年5月7日(周日),共10次,共30小时
学习方式
在线直播,共10次,30小时;
每周2次,周末进行
直播后提供回放视频,可在线反复观看,有效期1年
课程大纲
导言
何谓机器学习
关键术语
机器学习的主要任务
如何选择合适的算法
开发机器学习应用程序的步骤
1.机器学习-核心数学基础
1.1微积分
1.1.1 导数与导数法则
1.1.2 多元函数求积分(求梯度)
1.1.3 链式求导法则
1.1.4 常用函数(logistic函数、softmax函数)
1.1.5 泰勒级数与极值
1.2概率论
1.2.1 随机变量
1.2.2 累计分布函数
1.2.3 概率密度函数
1.2.4 高斯分布
1.2.5 贝叶斯公式
1.3矩阵论
1.3.1 矩阵的基本运算
1.3.2 矩阵结合律与分配律
1.3.3 常见的矩阵
1.3.4 矩阵范数
1.3.5 矩阵的特征值分解,方阵的特征值(Eigenvalues)与特征向量(Eigenvectors)
1.3.6 二次型
1.3.7 特征分解应用--PCA 人脸识别
2.Python 数据分析
2.1 搭建Python开发平台
2.1.1基础平台搭建
2.2 python使用入门
2.2.1数据结构
2.2.2 库的导入和添加
2.3 python数据分析工具
2.3.1 Numpy——python的数值计算存储
2.3.2 Scipy —— python 机器学习函数库
2.3.3 Matplotlib ——python matlab接口
2.3.4 Pandas —— python的数据分析存储
2.3.5 Scikit-learn —— python的机器学习库
2.3.6 keras与tensorflow ——python的深度学习库
2.3.7 Gensim —— python 文本相似度计算
3.数据探索
3.1 数据质量分析
3.2 数据特征分析
3.3 python主要数据探索函数
4.数据预处理
4.1 数据清洗
4.1.1 拉格朗日插值法
4.1.2 牛顿插值法
4.1.3 异常值处理
4.2 数据集成
4.2.1 实体识别
4.2.2 冗余属性识别
4.3 数据变换
4.3.1 简单函数变换
4.3.2 规范化
4.3.3 连续属性离散化
4.4 数据规约
4.4.1 属性规约
4.4.2 数值规约
4.5 Python主要数据预处理函数
5.回归模型
5.1 线性回归
5.1.1 线性回归函数模型
5.1.2 最大似然与最小平方
5.1.3 线性判别分析
5.1.4 正则化最小平法
5.1.5 多分类学习
5.2 Logistic 回归
5.2.1 线性判别分析
5.2.2 多分类学习(softmax回归)
5.2.3 类别不平问题
5.2.4 实战:logistic回归举例-房价预测
6.贝叶斯分类器
6.1 贝叶斯决策理论
6.2 极大似然估计
6.3 朴素贝叶斯分类器
6.4 EM算法
6.5实战:实际案例-垃圾邮件分类
7.支持向量机
7.1 间隔与支持向量
7.2 对偶问题
7.3 核函数
7.4 软间隔与正则化
7.5 支持向量回归
7.6 KKT条件
7.7实战:应用案例-文本情感分类
7.8实战:应用案例-垃圾邮件分类
8.集成学习
8.1 决策树与随机森林
8.1.1 熵、KL散度、CHI
8.1.2 决策树算法-ID3、C4.5
8.1.3 决策树剪枝算法
8.1.4 结合策略
8.1.5 Bagging 与Randomforest
8.1.6 GDBT 算法
8.1.7实战:案例 GBDT在广告点击率预估中的应用
8.2 Adaboost算法
8.2.1 弱分类器选择
8.2.2 使用LR+Adaboost进行人脸表情分类
9.神经网络
9.1 激活函数
9.2 单个神经感知机
9.3 前向传播算法
9.4 反向传播算法
9.5 梯度下降算法
9.6 卷积神经网络
9.7实战:利用卷积神经网络进行表情识别
常见问题
Q:会有实际上机演示和动手操作吗?
A:本课程为项目拆解课,全程实操演练!不仅仅是简单演示,而是手把手带你操练真实项目。
Q:在线直播课程怎么答疑?
A: 每个班级会建立专门的班级QQ群,学员可以针对课程中的问题,或者自己学习与动手实践中的问题,向老师提问,老师会进行相应解答。同时,强烈推荐大家到官网技术问答区提问,方便知识的沉淀,同时也避免因为QQ群信息刷屏而导致你的问题被老师错过。
联系方式
参团后,请务必加客服微信,有重要通知
1、客服微信:13161642255
2、客服手机:13161642255
3、邮件:kefu@dajiangtai.com
4、网站:dajiangtai.com
参团须知
1、参团支付定金,等待拼团成功
2、参团后请联系客服,加入微信群
3、拼团最高阶梯达到,或者时间到期
4、收到微信补款通知,点击链接补款
5、访问大讲台官网dajiangtai.com
6、用拼团时留言的手机号注册学习账号
7、等待客服人员为你的账号开通课程
8、再次确认是否已加客服微信为好友
PM 2017/05/25
回复