2017年《機(jī)器學(xué)習(xí)》升級(jí)版IV，從理論到實(shí)踐
2017年3月14日開(kāi)課6月份結(jié)束 價(jià)值899 資料齊全-
小象學(xué)院
課程名稱：
《機(jī)器學(xué)習(xí)》升級(jí)版 IV
主講老師：
鄒博xa0 xa0xa0 xa0小象學(xué)院獨(dú)家簽約
計(jì)算機(jī)博士，現(xiàn)科學(xué)院從事科研教學(xué)工作；主持國(guó)家級(jí)科研項(xiàng)目2個(gè)，副負(fù)責(zé)1個(gè)，國(guó)家專利2項(xiàng)，研究方向機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、計(jì)算幾何，應(yīng)用于股票交易與預(yù)測(cè)、醫(yī)藥圖像識(shí)別、智能畜牧等方向。擅長(zhǎng)機(jī)器學(xué)習(xí)模型選擇、核心算法分析和代碼實(shí)現(xiàn)。
課程目標(biāo)：
本課程特點(diǎn)是從數(shù)學(xué)層面推導(dǎo)最經(jīng)典的機(jī)器學(xué)習(xí)算法，以及每種算法的示例和代碼實(shí)現(xiàn)（Python）、如何做算法的參數(shù)調(diào)試、以實(shí)際應(yīng)用案例分析各種算法的選擇等。
開(kāi)課時(shí)間：
2017年3月14日，共24次課，每次2小時(shí)
學(xué)習(xí)方式：
在線直播，共24次
每周3次（周二、四、六，晚上20:00-22:00）
直播后提供錄制回放視頻，在線反復(fù)觀看，有效期1年
升級(jí)版IV的內(nèi)容特色：
xa0 xa0xa0 xa01.xa0xa0拒絕簡(jiǎn)單的“調(diào)包”——增加3次“機(jī)器學(xué)習(xí)的角度看數(shù)學(xué)”和3次“Python數(shù)據(jù)清洗和特征提取”，提升學(xué)習(xí)深度、降低學(xué)習(xí)坡度。
xa0 xa0xa0 xa02.xa0xa0增加網(wǎng)絡(luò)爬蟲(chóng)的原理和編寫(xiě)，從獲取數(shù)據(jù)開(kāi)始，重視將實(shí)踐問(wèn)題轉(zhuǎn)換成實(shí)際模型的能力，分享工作中的實(shí)際案例或Kaggle案例：廣告銷量分析、環(huán)境數(shù)據(jù)異常檢測(cè)和分析、數(shù)字圖像手寫(xiě)體識(shí)別、Titanic乘客存活率預(yù)測(cè)、用戶-電影推薦、真實(shí)新聞組數(shù)據(jù)主題分析、中文分詞、股票數(shù)據(jù)特征分析等。
xa0 xa0xa0 xa03.xa0xa0強(qiáng)化矩陣運(yùn)算、概率論、數(shù)理統(tǒng)計(jì)的知識(shí)運(yùn)用，掌握機(jī)器學(xué)習(xí)根本。
xa0 xa0xa0 xa04.xa0xa0闡述機(jī)器學(xué)習(xí)原理，提供配套源碼和數(shù)據(jù)；確保“懂推導(dǎo)，會(huì)實(shí)現(xiàn)”。
xa0 xa0xa0 xa05.xa0xa0刪去過(guò)于晦澀的公式推導(dǎo)，代之以直觀解釋，增強(qiáng)感性理解。
xa0 xa0xa0 xa06.xa0xa0重視項(xiàng)目實(shí)踐(如工業(yè)實(shí)踐、Kaggle等)，重視落地。
xa0 xa0xa0 xa07.xa0xa0對(duì)比不同的特征選擇帶來(lái)的預(yù)測(cè)效果差異。
xa0 xa0xa0 xa08.xa0xa0思考不同算法之間的區(qū)別和聯(lián)系，提高在實(shí)際工作中選擇算法的能力。
xa0 xa0xa0 xa09.xa0xa0涉及和講解的部分Python庫(kù)有：Numpy/Scipy/matplotlib/Pandas/scikit-learn/XGBoost/libSVM/LDA/Gensim/NLTK/HMMLearn，涉及的其他“小”庫(kù)在課程的實(shí)踐環(huán)節(jié)會(huì)逐一講解。
xa0 xa0xa0 xa010.xa0xa0每個(gè)算法模塊按照“原理講解->自己動(dòng)手實(shí)現(xiàn)->使用已有機(jī)器學(xué)習(xí)庫(kù)”的順序，切實(shí)做到“頂天立地”。
課程大綱：
第一課：機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)1 – 數(shù)學(xué)分析
xa0 xa0xa0 xa01.xa0xa0機(jī)器學(xué)習(xí)的一般方法和橫向比較
xa0 xa0xa0 xa02.xa0xa0數(shù)學(xué)是有用的：以SVD為例
xa0 xa0xa0 xa03.xa0xa0機(jī)器學(xué)習(xí)的角度看數(shù)學(xué)
xa0 xa0xa0 xa04.xa0xa0復(fù)習(xí)數(shù)學(xué)分析
xa0 xa0xa0 xa05.xa0xa0直觀解釋常數(shù)e
xa0 xa0xa0 xa06.xa0xa0導(dǎo)數(shù)/梯度
xa0 xa0xa0 xa07.xa0xa0隨機(jī)梯度下降
xa0 xa0xa0 xa08.xa0xa0Taylor展式的落地應(yīng)用
xa0 xa0xa0 xa09.xa0xa0gini系數(shù)
xa0 xa0xa0 xa010. 凸函數(shù)
xa0 xa0xa0 xa011. Jensen不等式
xa0 xa0xa0 xa012. 組合數(shù)與信息熵的關(guān)系
第二課：機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)2 – 概率論與貝葉斯先驗(yàn)
xa0 xa0xa0 xa01.xa0xa0概率論基礎(chǔ)
xa0 xa0xa0 xa02.xa0xa0古典概型
xa0 xa0xa0 xa03.xa0xa0貝葉斯公式
xa0 xa0xa0 xa04.xa0xa0先驗(yàn)分布/后驗(yàn)分布/共軛分布
xa0 xa0xa0 xa05.xa0xa0常見(jiàn)概率分布
xa0 xa0xa0 xa06.xa0xa0泊松分布和指數(shù)分布的物理意義
xa0 xa0xa0 xa07.xa0xa0協(xié)方差(矩陣)和相關(guān)系數(shù)
xa0 xa0xa0 xa08.xa0xa0獨(dú)立和不相關(guān)
xa0 xa0xa0 xa09.xa0xa0大數(shù)定律和中心極限定理的實(shí)踐意義
xa0 xa0xa0 xa010.深刻理解最大似然估計(jì)MLE和最大后驗(yàn)估計(jì)MAP
xa0 xa0xa0 xa011.過(guò)擬合的數(shù)學(xué)原理與解決方案
第三課：機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)3 – 矩陣和線性代數(shù)
xa0 xa0xa0 xa01.xa0xa0線性代數(shù)在數(shù)學(xué)科學(xué)中的地位
xa0 xa0xa0 xa02.xa0xa0馬爾科夫模型
xa0 xa0xa0 xa03.xa0xa0矩陣乘法的直觀表達(dá)
xa0 xa0xa0 xa04.xa0xa0狀態(tài)轉(zhuǎn)移矩陣
xa0 xa0xa0 xa05.xa0xa0矩陣和向量組
xa0 xa0xa0 xa06.xa0xa0特征向量的思考和實(shí)踐計(jì)算
xa0 xa0xa0 xa07.xa0xa0QR分解
xa0 xa0xa0 xa08.xa0xa0對(duì)稱陣、正交陣、正定陣
xa0 xa0xa0 xa09.xa0xa0數(shù)據(jù)白化及其應(yīng)用
xa0 xa0xa0 xa010.向量對(duì)向量求導(dǎo)
xa0 xa0xa0 xa011.標(biāo)量對(duì)向量求導(dǎo)
xa0 xa0xa0 xa012.標(biāo)量對(duì)矩陣求導(dǎo)
第四課：Python基礎(chǔ)1 – Python及其數(shù)學(xué)庫(kù)
xa0 xa0xa0 xa01.xa0xa0解釋器Python2.7與IDE：Anaconda/Pycharm
xa0 xa0xa0 xa02.xa0xa0Python基礎(chǔ)：列表/元組/字典/類/文件
xa0 xa0xa0 xa03.xa0xa0Taylor展式的代碼實(shí)現(xiàn)
xa0 xa0xa0 xa04.xa0xa0numpy/scipy/matplotlib/panda的介紹和典型使用
xa0 xa0xa0 xa05.xa0xa0多元高斯分布
xa0 xa0xa0 xa06.xa0xa0泊松分布、冪律分布
xa0 xa0xa0 xa07.xa0xa0典型圖像處理
第五課：Python基礎(chǔ)2 – 機(jī)器學(xué)習(xí)庫(kù)
xa0 xa0xa0 xa01.xa0xa0scikit-learn的介紹和典型使用
xa0 xa0xa0 xa02.xa0xa0損失函數(shù)的繪制
xa0 xa0xa0 xa03.xa0xa0多種數(shù)學(xué)曲線
xa0 xa0xa0 xa04.xa0xa0多項(xiàng)式擬合
xa0 xa0xa0 xa05.xa0xa0快速傅里葉變換FFT
xa0 xa0xa0 xa06.xa0xa0奇異值分解SVD
xa0 xa0xa0 xa07.xa0xa0Soble/Prewitt/Laplacian算子與卷積網(wǎng)絡(luò)
xa0 xa0xa0 xa08.xa0xa0卷積與(指數(shù))移動(dòng)平均線
xa0 xa0xa0 xa09.xa0xa0股票數(shù)據(jù)分析
第六課：Python基礎(chǔ)3 – 數(shù)據(jù)清洗和特征選擇
xa0 xa0xa0 xa01.xa0xa0實(shí)際生產(chǎn)問(wèn)題中算法和特征的關(guān)系
xa0 xa0xa0 xa02.xa0xa0股票數(shù)據(jù)的特征提取和應(yīng)用
xa0 xa0xa0 xa03.xa0xa0一致性檢驗(yàn)
xa0 xa0xa0 xa04.xa0xa0缺失數(shù)據(jù)的處理
xa0 xa0xa0 xa05.xa0xa0環(huán)境數(shù)據(jù)異常檢測(cè)和分析
xa0 xa0xa0 xa06.xa0xa0模糊數(shù)據(jù)查詢和數(shù)據(jù)校正方法、算法、應(yīng)用
第七課： 回歸
xa0 xa0xa0 xa01.xa0xa0線性回歸
xa0 xa0xa0 xa02.xa0xa0Logistic/Softmax回歸
xa0 xa0xa0 xa03.xa0xa0廣義線性回歸
xa0 xa0xa0 xa04.xa0xa0L1/L2正則化
xa0 xa0xa0 xa05.xa0xa0Ridge與LASSO
xa0 xa0xa0 xa07.xa0xa0梯度下降算法：BGD與SGD
xa0 xa0xa0 xa08.xa0xa0特征選擇與過(guò)擬合
xa0 xa0xa0 xa09.xa0xa0Softmax回歸的概念源頭
xa0 xa0xa0 xa010.最大熵模型
xa0 xa0xa0 xa011.K-L散度
第八課：回歸實(shí)踐
