【100人拼团已经结束，感兴趣的同学可以 >>点这里领取600元优惠券<< 插班学习，详情咨询微信/QQ： 84985152】
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。
6、总起来说该课程能快速引人入门但又有所延伸。
7、重实战，几乎每个章节后面都有实战项目，涉及：logistic回归举例－房价预测、实际案例－垃圾邮件分类、应用案例－文本情感分类、应用案例－垃圾邮件分类、案例 GBDT在广告点击率预估中的应用、利用卷积神经网络进行表情识别。
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。
讲师介绍
-
杜老师，北航硕士，北邮博士
杜老师，北航硕士，北邮博士，高级算法研究院，曾先后在各类一线金融、电信、互联网、安全公司从事大数据、机器学习工作，参与创立过一家数据营销公司和人工智能情感计算公司，在人工智能情感计算领域和智能内容安全识别领域有较深的积累和经验
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
30天搞定机器学习课程大纲
| 微积分 |
导数与导数法则
多元函数求积分（求梯度） 链式求导法则 常用函数（logistic函数、softmax函数） 泰勒级数与极值 |
| 概率论 |
随机变量
累计分布函数 概率密度函数 高斯分布 贝叶斯公式 |
| 矩阵论 |
矩阵的基本运算
矩阵结合律与分配律 常见的矩阵 矩阵范数 矩阵的特征值分解，方阵的特征值（Eigenvalues）与特征向量（Eigenvectors） 二次型 特征分解应用－－PCA 人脸识别 |
| 搭建Python开发平台 |
基础平台搭建
|
| Python使用入门 |
数据结构
库的导入和添加 |
| python数据分析工具 |
Numpy——python的数值计算存储
Scipy —— python 机器学习函数库 Matplotlib ——python matlab接口 Pandas —— python的数据分析存储 Scikit－learn —— python的机器学习库 keras与tensorflow ——python的深度学习库 Gensim —— python 文本相似度计算 |
| 数据清洗 |
拉格朗日插值法 牛顿插值法 异常值处理 |
| 数据集成 |
实体识别 冗余属性识别 |
| 数据变换 |
简单函数变换 规范化 连续属性离散化 |
| 数据规约 |
属性规约 数值规约 |
| Python主要数据预处理函数 |
| 线性回归 |
线性回归函数模型 最大似然与最小平方 线性判别分析 正则化最小平法 多分类学习 |
| Logistic回归 |
线性判别分析 多分类学习（softmax回归） 类别不平问题 实战：logistic回归举例－房价预测 |
| 决策树与随机森林 |
熵、KL散度、CHI 决策树算法－ID3、C4.5 决策树剪枝算法 结合策略 Bagging与Randomforest GDBT 算法 实战:案例GBDT在广告点击率预估中的应用 |
| Adaboost算法 |
弱分类器选择 使用LR＋Adaboost进行人脸表情分类 |
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。
