扫码支付

购买商品:
商品价格:

价格读取中

支付方式:
微信

请扫码进行支付

支付宝

请扫码进行支付

二维码已过期,请点击刷新

机器学习(大咖版) 直播

想学机器学习,却困在无从下手?自学大半年机器学习,却苦于无人答疑?学了模型和算法,却不知如何应用?

AI100特邀中科院教授卿来云老师,从零开始讲解机器学习知识,45天系统实训!12个真实应用案例!直播+案例+实训,层层递进,直通机器学习的本质及其应用!

该系列课程包括机器学习所需的数学基础、算法应用、模型及实际案例。资深大咖,干货十足,课程群实时答疑,机器学习相关资料不定期分享。手把手领你走进机器学习的大门!

从原理到实战应用,摆脱枯燥的公式,由浅入深,为快速进入人工智能行业,进军金融、医疗、教育等领域,成为一名机器学习工程师,奠定坚实的基础!

【福利】购买课程即可赠送Python基础资料!加小助手“superaihelper”,回复“大咖”加入课程讨论群!

原价: ¥699.00
活动
活动价: ¥499.00 会员9折
活动: 【转发领券】【会员用券】【课程专属群】
立即报名
适应人群
课程大纲
  • 01

    机器学习简介

    冒教授

    1. 机器学习定义;
     
    2. 机器学习行业应用举例;
     
    3. 机器学习任务:分类、回归、聚类、降维、半监督学习、迁移学习、强化学习;
     
    4. 机器学习算法的组成部分:目标函数(损失函数+正则)、优化方法;
     
    5. 模型评估和模型选择:模型复杂度、overfitting、交叉验证、超参数空间、网格搜索…
     
    案例:波士顿房价。包含内容——损失函数、L1/L2正则、最小二乘、梯度下降/随机梯度下降。
     
    课程目标:熟悉机器学习领域的常用术语,了解机器学习在AI环境中的位置。

     

     

    10月11日 19:15 - 21:30 观看回顾
  • 02

    第一个机器学习实例

    冒教授

    1.   学习环境配置:常用软件、环境配置及机器学习库;anaconda:Python、Python科学计算包(NumPy,SciPy,Pandas)、Python数据可视化工具包(Matplotlib, seaborn)、Python机器学习库(scikit-learn);
     
    2.   特征工程初步;
     
    3.   线性回归实现。
     
    案例:波士顿房价预测案例详解。包含内容——数据集探索(Pandas、seaborn);复习模型评估和模型选择:交叉验证、网格搜索(Sklearn)。
     
    课程目标:学会用机器学习工具包从头到尾用线性回归解决一个实际问题。

     

    10月13日 19:30 - 22:00 观看回顾
  • 03

    Logistic回归分析及神经网络

    冒教授

    1. 损失函数:logistic损失;
     
    2. 优化算法:IRLS(梯度下降、牛顿法)、BP算法;
     
    3. 正则化:L1/ L2;
     
    4. 复习模型评估。
     
    案例:Otto商品分类。包含内容——用Logistic回归和神经网络实现Otto商品分类。
     
    课程目标:理解分类任算法Logistic回归和神经网络原理,复习数据集探索,并学会用sklearn用Logistic回归和(浅层)神经网络实现分类任务。

     

    10月18日 19:30 - 21:30 观看回顾
  • 04

    支持向量机(SVM)

    冒教授

    1. 损失函数:Hingloss损失;
     
    2. 优化算法:SOM(神经网络聚类算法)、支持向量机——SMO(序列最小最优化算法);
     
    3.  正则化:L2/L1;
     
    4.  其他:最小间隔、核方法、支持向量回归。
     
    案例:用SVM实现Otto商品分类,重点比较SVM(不同参数正则参数和核函数)与Logistic回归。
     
    课程目标:学会用SVM模型分类任务。
    10月20日 19:30 - 21:30 观看回顾
  • 05

    降维与矩阵分解

    冒教授

    1. 主成分分析(PCA);
     
    2. 独立成分分析(ICA);
     
    3. 非负矩阵分解(NFM);
     
    4. 隐因子模型(LFM)。
     
     
    案例:人脸图像特征提取:PCA、ICA、NFM、LFM在推荐系统部分案例进行讲解。
     
    课程目标:学习用降维技术对高维特征进行降维。

     

    10月25日 19:30 - 21:30 观看回顾
  • 06

    聚类

    冒教授

    1. Kmeans聚类和混合高斯模型GMM(EM算法);
     
    2. 吸引子传播聚类算法(Affinity Propagation聚类算法);
     
    3. Density Peak聚类算法。
     
    案例:1. Iris数据聚类分析:Kmeans、AP what makes Paris;2. Paris: 判别特征发现:聚类分类迭代(SVM、Kmeans)。
     
    课程目标:学会常用的聚类算法。
    10月27日 19:30 - 21:30 观看回顾
  • 07

    特征工程

    冒教授

    1. 数据预处理;
     
    2. 特征编码:标签编码、Dummy (One hot) 编码、后验均值编码;
     
    3. 特征组合;
     
    4. 特征选择。
     
    案例:Rent Listing Requries数据探索及特征工程。
     
    数据预处理:缺失值处理、异常值处理、数据相关性分析、数据可视化特征编码。
     
    课程目标:学会数据预处理常用方法及特征编码方法。

     

    11月01日 19:30 - 21:30 观看回顾
  • 08

    决策树及基于树的集成模型:随机森林

    冒教授

    1. 损失函数:Gini系数;
     
    2. 正则:L1/L2正则、及早停止;
     
    3. 优化:分裂;
     
    4. Bagging &随机森林。
     
    案例:蘑菇分类。包含内容——决策树、随机森林、Logistic回归、参数调优和网格搜索。
     
    课程目标:学习Bagging集成思想及基于决策树的集成算法——随机森林。

     

    11月03日 19:30 - 21:30 观看回顾
  • 09

    梯度提升决策树(GBDT)

    冒教授

    1. 第一个Boosting算法:AdaBoost;
     
    2. 流行GBDT模型:xgboost、lightGBM。
     
    案例:Otto商品分类。包含内容——xgboost及参数调优。
     
    课程目标:学会kaggle神器xgboost原理及其在实例任务上的应用。
    11月08日 19:30 - 21:30 观看回顾
  • 10

    推荐系统与广告点击率(CTR)预估(1)

    冒教授

    1. 协同过滤(Collaborative filtering,CF);
     
    2. 基于内容的过滤;
     
    3. FFM & LFM;
     
    4. 关联规则。
     
    案例:Expedia Hotel Recommendations。
     
    课程目标:学习推荐系统和CTR预估的基本技术。
    11月10日 19:30 - 21:30 观看回顾
  • 11

    推荐系统与广告点击率(CTR)预估(2)

    冒教授

    1. 排序学习;
     
    2. 模型评估。
     
    案例:Expedia Hotel Recommendations。
     
    课程目标:通过实际案例学会推荐系统实现。
    11月22日 19:30 - 21:30 观看回顾
  • 12

    广告点击率(CTR)预估和模型融合

    冒教授

    1. Blending;
     
    2. Stacking。
     
    案例:Otto商品分类/Expedia Hotel Recommendations:Stacking。
     
    课程目标:准备做一只机器学习大咖。
    11月24日 19:30 - 21:30 直播中
课程交流&提醒

扫码加课程小助手,回复“大咖”,进课程讨论群一起做机器学习大咖!

大家关心的问题

最新直播还未开始哦,请查看上期直播回顾~~ヾ(≧▽≦*)

3

直接跳过
系列直播课报名:机器学习(大咖版)×

请关注公众号,及时获取最新资讯

姓名:
手机:
邮箱:
成功提示×

直播课程报名成功

系列名称:机器学习(大咖版)

把公开课分享你的朋友们吧: