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：
7 W7 H" z8 G0 o# }: t5 I6 L7 q& P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。

# B7 T7 Z5 V1 V" E0 L课程目录：
第1课 机器学习与微积分
4 n  c+ F$ C% S& T, F1 [7 F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
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
# X6 O" X. y5 B* P) G! m- }8 k第4课 凸优化初步
# [) N4 w; H: E& M- y知识点1： 凸集、凸函数、凸优化、KKT条件
7 x3 o) F7 `% ^) C* T) C, w8 F第5课 线性回归与逻辑回归
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
; V- {# A9 P/ e0 N0 u, ]7 c" F  H6 c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
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+ t7 x( L  a第8课 最大熵与EM算法
知识点1： 熵、相对熵、信息增益、最大熵模型、IIS、GMM
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
' L: c( q8 F  }. f* t$ i) \! l; k实战项目： 实际电商推荐系统的算法与架构
第10课 聚类算法与应用
知识点1： K-means/K-Medoid/层次聚类
0 m. M9 W( z! ?% s2 B7 m/ m实战项目： K-means代码实现和实际应用分析
第11课 决策树、随机森林、Adaboost
知识点1： ID3、C4.5、CART、Bagging、GBDT、Adaboost、前向分步算法
+ C* R/ }9 ^2 d7 a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]
5 }6 ~' C, _7 j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
- C: G! t% S2 x* Q" w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]
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
  d9 G7 d  H! V& `知识点1： pLSA、共轭先验分布、LDA
/ h8 N* q# T. ?* d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]
第15课 采样与变分
知识点1： MCMC/KL(p||q)与KL(q||p)
, G9 a& v8 S1 q* y3 s" S/ Z第16课 人工神经网络
6 C1 H* |+ X- D3 p2 |2 ?; P知识点1： 全连接神经网络、BP算法、链式法则
实战项目： 用BP网络做样本数据分类
* C  L* i2 F0 L. S, L& D第17课 卷积神经网络
* \+ P( _3 k6 i$ Q# u知识点1： 卷积操作、Polling操作
9 U! q+ J0 M: Q: ~" f3 B知识点2： 理解卷积网络、卷积网络训练以及GPU加速
. F' |0 P- H* |0 _4 g, w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
6 {1 f' p) }# h4 D# I9 w& p  \# k2 \( h知识点1： RNN 网络、LSTM
; q/ l9 }# j7 Z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
% f4 D% v; n$ D6 x1 _2 i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
" ]& J. m4 y, J第20课 概率图模型初步
. i8 Q# U! Q: e9 {1 f8 G4 E5 x" l! l+ i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
: g  }; o1 K  h' \0 M; H4 h0 N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]
* c  s$ p! W8 ~; O( {, u; b
5 U0 [9 S$ E" k) a3 N: p7 C

m9128213

很好的教程～～