AI算法工程师学习路线总结之机器学习篇 | 硬货

栏目: 数据库 · 发布时间: 5年前

内容简介:1. 课程背景

AI算法工程师学习路线总结之机器学习篇 | 硬货

【磐创AI导读】 本期是磐创AI联合七月在线平台推出的 AI算法工程师系列 进阶课程的第二部分——机器学习第九期,课程涵盖 机器学习算法 特征工程 BAT工业级 机器学习实战项目 深度学习算法 等内容,带大家由浅到深学习机器学习课程。同样针对已关注磐创AI的老友们,为大家争取到了6个课程 免单 券,以及大量的课程优惠券,具体参与形式详解文末“ 粉丝福利 ”。拉至 文末 可直接扫码进 咨询群 领取100G机器学习干货资源

1. 课程背景

  • 正在网上看视频的你,是否看了网上很多的视频,却始终迷迷糊糊、不成体系?

  • 正在看书自学的你,是否在学习过程中遇到了很多问题,但始终不得其解,而且还找不到人问,没有人快速给你解决?

  • 正在学校上课的你,是否对每个模型和算法都能说个大概,但却不知道它们在公司里是如何应用的,想一探究竟,却始终得不到答案?

  • 正在读研的你,是否因为导师强塞的方向和巨大的压力无法短期入门精通而焦虑万分?

  • 正在找工作的你,是否投了很多公司的简历(巴不得一上午投完所有招聘的公司),但投了之后,简历始终都是石沉大海、杳无音讯

  • 正在做机器学习工作的你,是否技术上遇到了瓶颈,对模型的选择/调优、特征工程等不够熟练,导致在团队中竞争力不够,从而升职加薪困难?

AI算法工程师学习路线总结之机器学习篇 | 硬货

因为机器学习是一门实战性极强的学科,所以看一个课程是否有真正的工业实战,一看讲师团队是否是公司里多年实际带队做机器学习的,二看教学理念/侧重。

第一方面,本课程的所有讲师均全部来自BAT + Google的一线技术大咖亲自授课,是 真正工业人士授课的工业课程 ,帮助学员实际理解这些机器学习理论模型算法到底是如何应用在工业实践中的。

第二方面,如上所说,网上视频很多,但由于没有个性化的内容、辅导、答疑,导致不少初学者看再多视频,视频看再多次,都是迷迷糊糊、不成体系,故 本课程一直维持着讲师助教组长高水准答疑,更首次新增作业和阶段考试,且作业和考试均一对一批改,更针对性的提供面试辅导、推荐就业,助力找/换工作和升职加薪

2. 课程介绍

七月在线《机器学习》系列的课程大纲一直在不断优化、内容案例不断升级,特别是课程服务不断提升,第九期在保证“来自真正工业实践,真正工业人士授课的工业课程,且侧重实战项目辅导,六大阶段、层层深入、直通ML的本质及其应用”的基础上, 首次新增作业和考试的1v1批改,提供CPU&GPU双云平台和面试辅导,考试优秀者内推BAT、TMD等一线互联网公司

3. 课程特色

  • 来自真正工业实践,真正工业人士授课的工业课程,侧重实战项目辅导;

  • 提供CPU和GPU双云平台,作业和考试均1v1批改;(不但提供基于Jupyter Notebook定制的CPU云平台,方便在线实时编译作业;而且还全程提供已提前装好Tensorflow、Caffe、Mxnex等主流DL框架的GPU云实验平台)

  • 组织学员参加数据科学比赛和讨论;

  • 提供面试辅导,就业推荐。

AI算法工程师学习路线总结之机器学习篇 | 硬货 AI算法工程师学习路线总结之机器学习篇 | 硬货

4. 课程大纲

预习阶段 机器学习中的数学基础

微积分

l 知识点1: 微积分的基本概念

概率论

l 知识点1: 概率论简介

线性代数

l 知识点1: 线性代数基础

凸优化

l 知识点1: 凸优化简介

第一阶段 掌握基本模型 打开 ML 大门

第1课 回归问题与应用

l 知识点1: 线性回归

l 知识点2: logistic回归

l 知识点3: 梯度下降

l 知识点4: 实际工程海量数据下的logistic回归使用

l 实战项目: 分布拟合与回归、用LR分类与概率预测

l 实战项目: 用LR完成Kaggle比赛迈开第一步

第2课 决策树与树集成模型

l 知识点1: 不同类型的分类树模型

l 知识点2: 决策树回归

l 知识点3: 树模型过拟合与优化

l 知识点4: 使用随机森林进行数据分类

l 知识点5: Bagging

l 知识点6: 随机森林

l 实战项目: 信用卡欺诈检测

第3课 SVM

l 知识点1: 线性可分支持向量机、线性支持向量机

l 知识点2: 非线性支持向量机

l 知识点3: SMO

l 实战项目: 使用SVM进行数据分类

第4课 最大熵与EM算法(上)

l 知识点1: 熵、相对熵、信息增益

l 知识点2: 最大熵模型、IIS、GMM

第二阶段 重中之重 特征工程

第5课 机器学习中的特征工程处理

l 知识点1: 数据清洗、异常点处理

l 知识点2: 特征抽取、选择与组合策略

l 实战项目: 特征处理与特征选择模板

第6课 多算法组合与模型最优化

l 知识点1: 机器学习问题场景分析、算法选择

l 知识点2: 模型构建、模型性能分析与优化策略

l 实战项目: 构建模型组合策略 工具 与模板

第三阶段 工业实战 在实战中掌握一切

第7课 sklearn与机器学习实战

l 知识点1: sklearn板块介绍

l 知识点2: sklearn完成数据预处理与特征工程

l 知识点3: 建模流水线搭建

l 实战项目: 经典Titanic案例,商品销量预测案例等

第8课 高级工具xgboost/lightGBM与建模实战

l 知识点1: xgboost使用方法与高级功能

l 知识点2: lightGBM使用方法与高级功能

l 实战项目: Titanic与商品销量预测进阶,Kaggle案例实战

第9课 电商推荐系统

l 知识点1: 推荐系统与评估

l 知识点2: 基于内容的推荐

l 知识点3: 基于近邻的推荐--协同过滤

l 知识点4: 隐语义模型

l 实战项目: 从头手写搭建协同过滤与隐语义模型推荐

l 实战项目: 基于scikit-surprise的推荐系统

第10课 聚类

l 知识点1: K-means/K-Medoid

l 知识点2: 层次聚类

l 知识点3: GMM

实战项目: K-means/GMM代码实现和实际应用分析

第11课 聚类与推荐系统实战

l 实战项目: 基于用户聚类的推荐系统

l 实战项目: 推荐系统比赛案例(数据、代码)

第四阶段 高阶知识 深入机器学习

第12课 贝叶斯网络

l 知识点1: 朴素贝叶斯

l 知识点2: 有向分离

l 知识点3: 马尔科夫模型

第13课 隐马尔科夫模型HMM

l 知识点1: 概率计算问题

l 知识点2: 参数学习问题

l 知识点3: 状态预测问题

l 实战项目: 使用HMM进行中文分词

第14课 主题模型

l 知识点1: pLSA

l 知识点2: 共轭先验分布

l 知识点3: LDA

l 实战项目: 使用LDA进行文档分类

第五阶段 迈入深度学习 打开DL大门

第15课 神经网络初步

l 知识点1: 全连接神经网络

l 知识点2: 反向传播算法与权重优化

l 知识点3: 训练注意点

l 知识点4: 通用混合神经网络模板

l 实战项目: 手写神经网络解决非线性切分问题

第16课 卷积神经网络与计算机视觉

l 知识点1: 卷积神经网络结构分析

l 知识点2: 过拟合与随机失活

l 知识点3: 卷积神经网络理解

l 知识点4: 典型网络结构详解

l 实战项目: 利用ResNet与inception解决一般图像分类问题套路

第17课 循环神经网络与自然语言处理

l 知识点1: 循环神经网络

l 知识点2: 长时依赖问题与长短时记忆网络

l 知识点3: BPTT算法

l 实战项目: 利用循环神经网络生成文本作诗

第18课 深度学习实践

l知识点1: Caffe应用要点

l 知识点2: TensorFlow/Keras简介

l 实战项目: 用神经网络完成图像分类与特征提取

l 实战项目: 用Keras构建文本情感分析模型

5. 讲师团队

AI算法工程师学习路线总结之机器学习篇 | 硬货

寒小阳  著名电商搜索广告负责人

多年实战ML/DL/DM项目经验,专注海量数据上机器学习算法的应用与优化。做过推荐系统、NLP、点击率预测、图像识别等。讲课清晰易懂,擅长用实际数据、代码、案例说话,备受数千名学员好评。

AI算法工程师学习路线总结之机器学习篇 | 硬货

加号 原TypeScore首席数据科学家

曾师从 Google DeepMind 的领军人物Prof.Nando de Freitas主攻Deep Learning,牛津大学计算机系毕业。UiiTech创始人,原TypeScore首席数据科学家。现就职于伦敦某投资银行的金融创新实验室,专注金融行业的AI架构与大数据产品研发。

AI算法工程师学习路线总结之机器学习篇 | 硬货

张雨石  Google工程师

Google工程师 ,北航硕士毕业,对深度学习、计算机视觉和自然语言处理有着极大的热忱,CSDN博客上有多篇文章流传甚广。去Google之前,曾先后在腾讯、百度实习。

AI算法工程师学习路线总结之机器学习篇 | 硬货

Johnson  CMU 计算机博士

熟练机器学习、统计与凸优化。曾工作于百度、谷歌等公司的AI实验室。更在 AAAI/IJCAI/AISTATS 等顶级会议上发表过多篇论文。

6. 上课方式

  • 七月在线官网课程录播(支持Windows、Mac、Pad等一切平台,无需安州任何额外软件);

  • 支持课程实时答疑、提供PPT、代码等课程资料,视频可反复学习,且 有任何疑问可随时在课程群向老师提问

7. 适配岗位

注:薪资数据来源于拉勾网

  • 机器学习工程师

AI算法工程师学习路线总结之机器学习篇 | 硬货

8. 粉丝福利

针对已关注“磐创AI”公众号的粉丝,我们将推出以 下四大福利:

福利一 我们将送出6张《机器学习 第九期》 程免单券 ,可直接扫描下方课程咨询二维码报名领取,数量有限,先到先得。

福利二 关注“磐创AI”公众号,后台回复“ 0618 ”,即可免费获得 机器学习 第九期课件 ,满满的都是干货。

福利三 扫描下方二维码,备注“ 磐创粉丝 ”表明磐创粉丝身份,即可获得课程免费试听的机会,并在报名时 享受一定额度的课程优惠券

福利四: 七月在线 平台 2019年VIP会员 关注" 磐创AI" 公众号,后台回复" 我是 锦鲤 "参与抽奖。将在6月25日22:00点进行开奖,抽出一名幸运粉丝,获得价值 3299元 的七月在线平台VIP会员,可免费畅学七月在线平台的 任意 课程,并可想用 GPU&CPU双云实验平台

另:针对近期迫切期望转岗或就业机器学习工程师的童鞋,推荐强度更大且线上+线下结合的ML集训营9 详见:

https://www.julyedu.com/weekend/train9?v=m1 )。详情可扫描下方二维码咨询。

10. 报名方式

AI算法工程师学习路线总结之机器学习篇 | 硬货

扫描上方二维码,备注“磐创粉丝”,进行咨询与报名

AI算法工程师学习路线总结之机器学习篇 | 硬货

扫描上方二维码,进微信咨询群

你也许还想

AI算法工程师学习路线总结之 Python

   干货|Python进阶系列学习笔记(一)

欢迎扫码关注:

AI算法工程师学习路线总结之机器学习篇 | 硬货

 点击下方  |   |  了解更多


以上所述就是小编给大家介绍的《AI算法工程师学习路线总结之机器学习篇 | 硬货》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

从算法到程序

从算法到程序

徐子珊 / 2013-3 / 59.00元

《从算法到程序:从应用问题编程实践全面体验算法理论》第1章讨论算法设计、分析的基本概念,第2章讨论算法设计中最常用的几个数据结构,包括链表、栈、队列、二叉搜索数、散列表等。第3章讨论了算法设计的两个基本策略:渐增策略与分支策略。这3章的内容,为读者阅读本书以后的内容奠定了基础。第4章讨论了几个代数计算的基本问题及其算法,包括矩阵运算、解线性方程组、多项式运算等。第5章讨论了几个关于计算几何的基本问......一起来看看 《从算法到程序》 这本书的介绍吧!

在线进制转换器
在线进制转换器

各进制数互转换器

图片转BASE64编码
图片转BASE64编码

在线图片转Base64编码工具

SHA 加密
SHA 加密

SHA 加密工具