七月在线 人工智能机器学习4月机器学习算法班 最火实战项目课程 视频教程【20课时】

冰点也疯狂

课程介绍：
整个课程不仅将帮助大家入门机器学习，更将结合BAT工业应用，且几乎每一次课都提供实际案例、数据集、代码，让学员结合实际案例理解机器学习算法，从数据清洗、特征处理、模型构建、模型调优到实际机器学习项目分析，让大家了解实际工业界是怎么用这些机器学习算法的，合适的更可帮忙内推BAT。
. L- O! D- N" p+ h' ]9 G
$ Y! r9 _6 H! f0 i课程目录：
$ @7 @& Y6 R" M* W# R第1课 机器学习与微积分
  l& X/ B5 Y) }( a1 s知识点1： Taylor展式、梯度下降和牛顿法初步、Jensen不等式
第2课 数理统计和参数估计
知识点1： 常见分布与共轭分布、切比雪夫不等式、大数定理、中心极限定理、矩估计、极大似然估计
6 Q' a4 J. F1 D6 o! F第3课 矩阵分析与应用
知识点1： 特征向量、对称矩阵对角化、线性方程
0 A! `8 k- j1 f" Z6 q. ?. ~, C# ^/ T第4课 凸优化初步
知识点1： 凸集、凸函数、凸优化、KKT条件
第5课 线性回归与逻辑回归
4 E' o& p/ z& x* v0 ]  S- P, d知识点1： 线性回归、logistic回归、梯度下降
实战项目： 线性回归与拟合，Logistic回归与分类
实战项目： 实际工程海量数据下的logistic回归使用，包括样本处理、特征处理、算法调优和背后的原理
第6课 特征工程
知识点1： 数据获取、数据清洗、特征抽取、特征选择与融合
第7课 工作流程与模型调优
) i4 @! O, r5 A知识点1： 实际机器学习项目下的场景分析、算法选择、模型构建与调优、kaggle示例
" J  s2 h0 p% F' r8 c3 _第8课 最大熵与EM算法
) \9 b, h  L0 I, _5 b  G知识点1： 熵、相对熵、信息增益、最大熵模型、IIS、GMM
) K: c' {8 t" i/ i2 Y4 l第9课 推荐系统
知识点1： 基于内容推荐、协同过滤、排序学习、神经网络推荐
实战项目： 实际电商推荐系统的算法与架构
4 [6 E9 q7 q" y: l第10课 聚类算法与应用
知识点1： K-means/K-Medoid/层次聚类
" N2 |+ G; b5 u) `1 f6 z实战项目： K-means代码实现和实际应用分析
* O0 ?# E) T* ^0 U( b第11课 决策树、随机森林、Adaboost
. n7 ~% g  i) H6 J3 E  Q% n知识点1： ID3、C4.5、CART、Bagging、GBDT、Adaboost、前向分步算法
" q. t$ ]( B" W# k实战项目： 使用随机森林进行数据分类 [含代码实现和参数调试分析]
第12课 SVM
知识点1： 线性可分支持向量机、线性支持向量机、非线性支持向量机、SMO
实战项目： 使用SVM进行数据分类 [含代码实现和参数调试分析]
6 \% V1 z/ v1 z' S8 c4 I. B第13课 贝叶斯方法
知识点1： 朴素贝叶斯、有向分离、马尔科夫模型
第14课 主题模型
# c) H( q% ]! S" i知识点1： pLSA、共轭先验分布、LDA
( Z4 g' J) l! _8 f* J% h2 g. l实战项目： 使用LDA进行文档分类 [含gensim开发实例和参数调试分析]
9 U0 H& v, \1 v7 x第15课 采样与变分
1 l7 R0 f# L6 ?! i% n: s知识点1： MCMC/KL(p||q)与KL(q||p)
第16课 人工神经网络
7 K3 ^7 {' j* G- i0 e知识点1： 全连接神经网络、BP算法、链式法则
% t( o; I7 y& E! a6 i6 H) J% M实战项目： 用BP网络做样本数据分类
第17课 卷积神经网络
6 e, n7 u% Z+ L7 M* k& D& q* Y知识点1： 卷积操作、Polling操作
/ R: R/ \& ?" ^5 P1 [/ O知识点2： 理解卷积网络、卷积网络训练以及GPU加速
实战项目： 卷积网络在图像分类中的应用
第18课 循环神经网络与LSTM
知识点1： RNN 网络、LSTM
% d( Y& C6 N% ~; t. Z5 a2 q实战项目： 回归网络在自然语言处理中的应用（字符模型和文本生成，char-rnn 案例分析）
第19课 关于框架
知识点1： Caffe 入门教程
知识点2： Tensor Flow/MxNet 简介
实战项目： 使用Torch进行图像分类及卷积网络可视化的深度学习实践
" Y( i6 g% I* h, i' F第20课 概率图模型初步
# {3 S7 ^# {& B2 o- T, v" N' G知识点1： 贝叶斯网络、概率计算问题、参数学习问题、状态预测问题
! W- j8 v' T* j0 e实战项目： 使用HMM进行中文分词 [含代码实现和参数调试分析]

m9128213

很好的教程～～