首页 AI学术青年与开发者社区
机器学习算法与实战基础入门

机器学习算法与实战基础入门

开课时间:课程正在进行中,每周定时更新
开课时长:共13课时,11课程课时+2答疑课时
机器学习 基础入门
会员价¥499.00
现价:¥699.00
原价:¥999.00

  开通会员,立省200元 立即开通

  当前课程,会员领券立减59元>>

该课程已关闭

课程介绍
【课程概述 】
 

本课程主要着重于机器学习理论的数学推导,对涉及到的数学概念进行讲解,对算法的实现给出详细的推导过程,对于算法中涉及到的数学知识进行讲解分析,数学理论深度上满足机器学习算法工程师要求。

【开课时间 】

2017年12月1日录制回放视频可随时在线反复观看
【讲师介绍】

陈安宁,日本名古屋大学博士

长期从事数值计算方面的研究,对机器学习基础算法理论有深入理解,擅长基础算法的数学理论推导。目前主要从事计算工程相关课题和机器学习在数据分析方面的应用,包括市场预测和软件开发。
 
【课程亮点 】

►求知

 
名古屋计算流体博士授课
 
陈博士长期从事数值计算研究,擅长基础算法的数学理论推导,将深入浅出为学员讲解并手把手带做项目实践。

项目实战

课程详解每个知识点,结合每节课实训项目,讲师提供课件代码,学员实训完成作业,理论与实践结合,高效掌握课程内容;

辅助学习

全程有班主任学习进度督促+上课签到+作业安排,管理规范,辅助学习,尽最大程度保障学习效果;

疑难解答

组建学员答疑社群,群内有资深讲师、达人助教即时解答课程疑难,辅以周末安排讲师直播答疑,与每位学员实时互动;

学习激励

学习期间,根据50%平时表现+30%作业完成度+20%分享精神,表现优异者,可在指定学习课程(价值699元)中任意选择一门免费继续学习;

 

►求职

 

简历优化

根据集训营实战项目,将涉及到的关键知识点和项目经历优化到您的简历中;

岗位内推

AI慕课学院联手雷锋网,资源涵盖国内多家500强企业,匹配学员就业与岗位需求,为学员提供岗位信息推荐与简历内推福利;

 
【课程目录 】
第一课 神经元,神经网络及线性分类器
  1. 大脑和神经元
    1. Hebb法则
    2. McCulloch and Pitts神经元
    3. McCulloch and Pitts神经元模型的限制
  2. 神经网络
  3. 感知机
  4. 线性分类
  5. 线性回归

算法编程实践:感知机算法实现

第二课 多层感知机(MLP)
  1. 前向传播
  2. 误差的后向传播(bp算法)及其公式推导

算法编程实践:多层感知机的实现

第三课 降维技术

3.1线性判别分析(LDA)

3.2 主成分分析(PCA)

第四课 支持向量机(SVM)

 4.1 优化分离

      4.2 核函数

      4.3 支持向量机算法

      4.4 支持向量机扩展

编程实践:SVM算法实现

第五课 概率学习

5.1朴素贝叶斯方法

     5.2 最近邻法

     5.3 高斯混合模型

编程实践:贝叶斯算法实现

第六课 决策树学习(DT)

   6.1 决策树构建

      6.2 分类和递归树(CART)

编程实践:决策树算法实现

第七课 集成学习(Ensemble learning)

 7.1 Boosting

      7.2 Bagging

      7.3 随机森林(RF)

编程实践: GBDT的实现

第八课 非监督学习

 8.1 k平均算法(K-means Algorithm)

       8.2 向量量化(Vector Quantisation)

       8.3 自组织特征映射图(Self-organising feature map)

第九课 马尔科夫链蒙特卡罗方法(Markov Chain Monte Carlo, MCMC)

  9.1 取样

       9.2 蒙特卡洛方法

       9.3 提议分布(Proposal distribution)

       9.4 马尔科夫蒙特卡洛方法

第十课 神经网络及卷积神经网络​

10.1 神经网络

       10.2 卷积神经网络

实践项目:从零开始进行卷积神经网络的编程实践

第十一课 条件随机场

11.1概率无向图模型

    11.2条件随机场的定义

    11.3条件随机场的概率计算问题

    11.4 条件随机场的学习算法

    11.5 条件随机场的预测算法

 

【学习方式 】
在线听课 + 在线答疑 + 交流互动 + 社区辅导
 
【常见问题 】
Q:在哪里上课?
A:课程直播和回放都在AI研习社(https://www.yanxishe.com/course)上进行,不需要其他直播软件。每期直播都有视频回放,付费学员可反复观看,持续有效。
 
Q:参加本门课程有什么要求?
A:有高中数学基础即可。
 
Q:会有实际上机演示和动手操作吗?
A:有,几乎每节课老师均会准备上机演示部分,学员可以学习老师的实践经验。
 
Q:本课程怎么答疑?
A:本次课程老师会集中直播答疑,保证学员不会因为群信息刷屏错过答疑。此外,本课程配备学习助教,定期在付费学员群里及时解答大家学习过程中遇到的问题,保证大家学习无忧。每期课件及代码资料都会分享到学员群供学员下载。
 
Q:课程中使用的软件工具是什么?会提供课程中使用的代码吗?
A:课程中使用工具为Python,会提供代码。
 
Q:报名后是否可以开发票?
A:可以开具发票,请在下单处提交发票申请,填写发票信息即可。
课程目标
  • 以机器学习各种算法为目标,在推导算法的过程中,进行相关数学理论的讲解
  • 本课程主要涉及以下机器学习算法:逻辑回归,K邻近法,主成分分析(PCA),朴素贝叶斯法,决策树,支持向量机(SVM),Boost方法,隐马尔科夫模型,感知机模型,神经网络(NN),卷积神经网络CNN
  • 课程目标是掌握以上机器学习算法的数学推导理论和算法实现
适合人群
  • 有一定的编程能力,对数据结构有较好理解,机器学习零基础及初学入门人员
  • 需要补充机器学习的基本算法理论的相关人员

相关课程

开课日期:深度学习鼻祖Hinton公开课视频,随到随学开始
免费课 32217

授课教师

日本名古屋大学博士
微信扫码分享课程