1

4 月机器学习算法班 [上半年最火课程TOP 1]

4 月机器学习算法班,与以往所有班相比,不再只是理论,而是增加BAT实际工业应用,比如新增特征工程、模型调优等工程课,以及Logistic回归/随机森林/SVM/贝叶斯/LDA/HMM等算法在工业上的实践,此外更有 4 次深度学习课。在线直播、实时答疑、视频反复看。目前正在火热上课中。[课程咨询QQ群:151888952。课程咨询电话:18910848502。另,可内推BAT、可开发票]

  • 开班时间:直播已结束,现在购买看视频,干货极多
  • 课程时长: 20次课 [每次课至少两小时,课上课后答疑]
  • 价       格:原价1200,目前限时特价499元
  • 课程咨询
报名结束

扫描下载七月在线app

IOS
Android

立即参团

请务必填写真实信息,成团之后会第一时间通知您

参团费:5元

支付方式:

    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。

    本4 月机器学习算法班,历时一年打磨,主讲老师阵容空前强大(程、周、寒、龙、李),在线直播全程答疑(课上实时答疑、课后集中答疑),布置一定作业。同时,上课内容根据欲听课学员的反馈个性化定制,着重为初学者扫清前进道路上的障碍,为进阶者进一步巩固、提升,让所有学员都能在理论和实践层面入门机器学习,领略其强大魅力。

    此外,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。


上课方式:在线QQ群视频直播上课,天南地北,只要想听,谁都有机会报名参加。
课后视频:一周两课,每周六/日晚上上课。提供上课视频供课后随时反复观看、复习(PC端用Google浏览器登陆官网在线观看、手机端可APP下载观看)。
所需基础:大学里学过编程、概率统计(且本课程前4次课帮复习数学)、数据结构&算法即可。最重要的是对机器学习感兴趣、想深入。主要Python授课。

课程福利1  3个月全程辅导,课上2小时直播答疑、课后一周 7 天集中答疑,及与牛人师兄的互助讨论,帮你省下独自一人苦苦探索而浪费的巨大时间成本。3个月的课程结束后,有问题依然可以随时在群内或社区提问讨论。 带领/组织/指导大家参加阿里/滴滴/Kaggle等大数据或算法比赛,用实际数据说话,帮助学员在实际数据上更快成长,提升、锻炼学员能力,而且参加比赛的过程中经历数据处理、特征选择、模型调优、代码调参,是一个极好的真刀真枪的实战机会,对找/换工作的帮助非常大。


讲师团队

程博士 
上海交通大学博士毕业,任职于澳大利亚联邦科学院。长期从事通信与信号处理、机器学习与人工智能的研究。本次课程中负责:矩阵、凸优化等课。
周博 
浙大博士毕业,机器学习技术专家,熟练机器学习主流算法和深度学习框架Torch,专注计算机视觉、网络多媒体,开发多款计算机视觉产品。本次课程中侧重深度学习相关课程实战
寒小阳
目前在一著名电商公司负责搜索广告相关业务,多年实际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、点击率预估、图像识别。讲课清晰易懂,擅长用实际数据、代码、案例说话,备受学员好评。本次课程中负责微积分、回归、特征工程、模型调优、推荐系统、聚类、CNN等相关次课的工程应用、项目实践
龙心尘 多年IT领域机器学习/数据挖掘/自然语言处理经验,负责多个海量数据上网络安全机器学习项目,专注于算法应用与优化。做过NLP、web攻击智能识别、入侵检测自学习等相关项目。本次课程中负责概率统计、最大熵与EM算法、决策树、SVM、贝叶斯等课。
李韶华老师
新加坡南洋理工大学博士毕业,熟悉贝叶斯统计机器学习方法和深度学习在自然语言处理中的应用。读博前有在互联网公司三年的工作经验,认为解决实际问题的模型才是好模型。本次课程中负责LDA主题模型、采样与变分等课。

所有讲师分工协作、每位讲师讲自己最熟悉、最擅长的部分,更多嘉宾讲师具体上课时揭晓。


学员笔记


学员评价

部分学员评价第3课 阵、第6课 特征工程、第7课 模型调优、第9课 推荐系统


部分学员评价第13课 贝叶斯网络、第16课 人工神经网络,且第20课 冯讲HMM,不但全程每个知识点都举例子,且融入相声 666


课程大纲暂定如下,后续会有微调:
第1课 微积分与概率论
Taylor展式、梯度下降和牛顿法初步、Jensen不等式、

第2课 数理统计与参数估计
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 矩阵和线性代数
特征向量、对称矩阵对角化、线性方程

第4课 凸优化
凸集、凸函数、凸优化、KKT条件

第5课 回归
知识内容:线性回归、logistic回归、梯度下降
实践示例:线性回归与拟合,Logistic回归与分类
工程经验: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
内容:数据获取、数据清洗、特征抽取、特征选择与融合
目标:掌握实际工程数据上的特征处理与特征选择

第7课 模型调优
内容: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
目标:掌握一个实际工业界完整的机器学习模型构建的流程


第8课 最大熵与EM算法
熵、相对熵、信息增益、最大熵模型、IIS、GMM

第9课 推荐系统
基于内容推荐、协同过滤、排序学习、神经网络推荐
实践案例:实际电商推荐系统的算法与架构

第10课 聚类
K-means/K-Medoid/层次聚类
实践示例:K-means代码实现和实际应用分析 

第11课 决策树、随机森林、Adaboost
ID3、C4.5、CART、Bagging、GBDT、Adaboost、前向分步算法
实践案例: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
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
实践案例: 使用SVM进行数据分类 [含代码实现和参数调试分析]

第13课 贝叶斯网络
朴素贝叶斯、有向分离、马尔科夫模型

第14课 主题模型
pLSA、共轭先验分布、LDA
实践案例: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
MCMC/KL(p||q)与KL(q||p)

第16课 人工神经网络
全连接神经网络、BP算法、链式法则
实践案例:用BP网络做样本数据分类

第17课 深度学习之CNN
卷积操作、Polling操作
理解卷积网络、卷积网络训练以及GPU加速
实践案例:卷积网络在图像分类中的应用

第18课 深度学习之RNN
RNN 网络、LSTM
实践案例: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 深度学习实践
Caffe 入门教程
Tensor Flow/MxNet 简介
实践案例:使用Torch进行图像分类及卷积网络可视化的深度学习实践

第20课 贝叶斯网络和HMM
贝叶斯网络、概率计算问题、参数学习问题、状态预测问题
实践案例:使用HMM进行中文分词 [含代码实现和参数调试分析]

新生优惠

2016/7/10更新:已上完全部20次课,目前报名看视频无条件599元。


老生优惠

  • 算法班或求职班重老学员报机器学习:499
  • 算法班兼求职班重老学员报机器学习(比如报过11月算法基础班和3月面试求职班) 7.10日更新:399
  • 求职班兼算法班兼机器学习班 三/四/五重老学员 7.10日更新:299
  • 机器学习学员第二次再报机器学习 5折 目前299,同一人第三次再报机器学习 3折 目前199


报名方式
   直接进入此报名页面:https://www.julyedu.com/baoming/index/35,迅速完成填写报名信息-支付转账两个过程。
有优惠根据具体折扣转相应款项,并务必注明优惠理由,比如:

  • 已上完全部20次课,新学员报名看视频无条件599元
  • 算法班或求职班重老学员报机器学习:499

       周一到周五上午9点-晚上11点半报名交费,1小时以内审核通过后,点击网站右上角“我的课程”查看上课QQ群号,加群即代表报名成功。如果上班时间内已经交费但1小时以内未收到审核通知,敬请加课程咨询QQ群:151888952,咨询(凌晨0点-上午9点之间报名交费,当天上午10点前审核通过)。周六周日虽稍有延迟,但基本半天内审核通过。


常见Q&A

  1. 关于组团。3人组团的可以分别报名转账,但这3人每人各自报名转账时,但要注明一起团购的另外两个人的真实姓名,且三人尽量同一天内转账。
  2. 关于视频。课后提供上课视频供课后反复在线观看,PPT 在上课前1-3天公布。
  3. 关于数学。本次课程的前4次课帮助大家复习、巩固数学基础(高数、概率与统计、线代、凸优化),详见课程大纲。
  4. 关于优惠。如果只报其中单独的某一个班,4月ml班发微博或组队 8折 960,5月dl班目前直接8折 800。如果ml、dl两个班一起报,则可发微博或组队8折960报ml后,便可7折700报dl。
  5. 关于发票。报名转账后加上课QQ群,如需要发票(发票内容:技术服务、技术咨询、计算机技术培训 三者挑一),联系上课Q群管理员@na仔。
  6. 关于分期。如果学生一月生活费确实紧张(注意两个前提:学生、确实),可加课程咨询Q群:151888952 单独找管理员@na仔申请分两期付款。

  机器学习中的数学

《高等数学·上下册》

《概率论与数理统计·浙大版》、《数理统计学简史·陈希孺》

  机器学习公开课视频

《矩阵分析与应用·张贤达》

《凸优化(Convex Optimization) · Stephen Boyd & Lieven Vandenberghe著》

《统计学习方法·李航》

《Pattern Recognition And Machine Learning · Christopher M. Bishop著》,简称PRML

  July 博客中的机器学习系列

  基础课程:3 月面试求职班(偏算法)

友情提醒:以上预习资料不必全部看完,能看多少是多少。毕竟 最重要的是,每次上课前务必提前预习上课PPT。

PS

进阶课程:5 月深度学习班