【快班】Python机器学习_选课中心-炼数成金-Dataguru专业数据分析社区

【快班】Python机器学习

此课程所属【python数据分析师职业方向】, 【人工智能职业方向】专业，报名专业套餐，可享受0元学习特惠！点击了解详情

随报随学	共9课	★★★
开课时间	课程周期	难易度

招生中

立即报名

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，学习本课程前最好先学过（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）

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首选语言，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。

课程大纲

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

课程学费: 学费：400元（固定学费：300元 + 逆向学费：100元）
新颖的课程收费形式：“逆向收费”约等于免费学习，课程收取300元固定收费 + 100元逆向学费，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300元为固定收费，另外100元是暂存学费，即如果学员能完成全部课程要求，包括完成全部的书面作业，则100元全款退回。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。

【快班】Python机器学习	立即报名
开课时间：随报随学课程周期：共9课难易度：★★★

授课老师

老师其他课程

课程所属专业

其他快班课程

专业相关课程

热招课程