楼+之机器学习实战第11期

6周成为机器学习初级工程师

25 个实验 + 19 个挑战 + 1 个项目挑战比赛

开课时间

11-25 19:00

课程时长

6周

开课倒计时

服务支持 开课后24小时内无条件退款

服务支持 支持蚂蚁花呗

服务支持 支付后可开发票

限时优惠价 ¥1399 ¥2599

本期早鸟价,7天优惠进行中!

特价仅剩:

适合人群

作为一项前沿的技术,机器学习不可能做到零门槛,所以需要你具备一些基本的前提条件。


1. 熟悉 Python 基础语法

《楼+ 机器学习实战》课程将会使用 Python 语言作为代码实战过程中唯一的编程语言。除了 Python 语言具备语法简单,上手快的特点。选择其的另一个重要原因是目前在机器学习领域,最优秀的开源项目和工具几乎都提供了对 Python 语言的支持。

如果你对 Python3 还不够了解和熟悉,非常推荐学习实验楼免费基础课程:《Python3 简明教程》


2. 有一定的数学基础

为了更好地理解机器学习算法原理,你需要具备一定的数学基础。如果你是理工科学生,并在大学本科阶段学习过数学基础知识依据足够。 不需要你花费大量时间去全面重温《高等数学》、《线性代数》等课程内容,只要有印象,回忆起来就非常快了。除此之外, 非理工科学生需要你掌握基础的线性代数知识,推荐观看《可汗学院线性代数基础课程》

如果你的数学基础较差,但又想学习机器学习知识,不要忘记我们是机器学习实战课程。本次课程中,我们对常用的开源框架都进行了讲解,你可以着重于对机器学习方法的应用。简单来讲,如果你实在无法理解算法背后的数学原理,掌握使用 Python 完成机器学习代码实战也是一件很有收获的事情。

每周付出的时间

每周至少有 12 小时用于完成实验、挑战任务

坚持到底的决心

不会因为遇到困难而半途而废,有毅力坚持到最后

积极主动的态度

遇到问题能与小组同学及助教讨论,积极主动寻求答案

真实学员评价

基本达到了我对课程的预期,还不错,愿实验楼越办越好。

谢谢六周的陪伴,课程设置循序渐进,答疑服务很及时,:)

通过楼+机器学习,系统地认识整个机器学习知识体系,注重模型训练整个流程的实际操作,最后还有一个 kaggle 项目检验自己的学习成果,相当棒!!!

优点:内容很丰富,知识脉络清晰,上手快,挑战难易适度; 需改进:网络太卡体验不是很好;

课程整体知识量还是挺丰富的~如果能按时的付出时间完成课程,会有不小的收获,基本上能将机器学习的基本概念与实现流程梳理一遍, 对算法也能有相应的了解,实验楼领进门,修行还要看个人,各位共勉了,还有最后一章的 RNN 和 GAN 跨度稍微有一点大...ouo...

感谢实验楼给我们提供了一个可以学习实践知识的平台 ,优质的课程让我们受益匪浅。

先说好的: 1.实验文档写的很好,配图很生动便于理解,算是尽可能地把高深的定义用最形象的方式去告诉给大家了,至于能不能领会最后还是得靠自己去细细思考,跟助教、大家的讨论。 2.每周总结的思维导图很赞,我自己就很喜欢用这种方式去把零散的知识串起来,至少知道这一周过来自己都学了哪些东西,分别有哪些子类,时不时就在脑子里过一遍,发现某个概念的具体定义忘了就可以再翻出对应的文档再学一遍,学习就是如此反复的过程。 3.我自己是一个比较懒散的人。。。没有外力监督就很容易懈怠,有个学习时间排名,每天再忙也会挤出些许时间去做实验。 4.huhuhang 老师直播挺耐心细致的,跟大家互动很多很有趣~ 说一点不好的: 平均每周16小时这个实际上达不到吧!其实学习起来花时间最多的也就第二周的课程,最多12小时左右,16小时设置不太合理!

课程安排

课程准备阶段

第0周

预备知识

本课程将使用 Python 作为代码实战过程中的唯一编程语言,需要你熟悉使用 Python 构建机器学习模型的常用工具模块,包括 NumPy,Pandas 以及绘图工具 Matplotlib。 如果你还未掌握上述技能,请在开课前自学以下课程:《Python3简明教程》 《NumPy 数值计算基础课程》 《Pandas 数据处理基础课程》 《Matplotlib 数据绘图基础课程》。详细内容,请阅读正式课程页面中的课程准备相关内容。

监督学习阶段

本阶段将围绕着机器学习中的监督学习问题展开,这也是机器学习领域中最重要的内容之一。你将学习回归和分类 2 大类问题所适用的数十种方法和算法,并学会使用其解决实际问题。

第1周

监督学习回归方法

本周将围绕监督学习中的回归问题展开,内容将涵盖线性回归、多项式回归、岭回归等不同的回归算法及模型评价机制。实验将从原理讲解,通过 Python 实现核心算法,并最终学会使用开源工具完成快速建模。
第2~3周

监督学习分类方法

接下来的 2 周时间将围绕监督学习中的分类问题展开,内容将涵盖逻辑回归、K 近邻算法、 朴素贝叶斯、支持向量机、决策树、随机森林、装袋和提升等常用的近 10 种不同的方法和算法。实验将从原理讲解,通过 Python 实现核心算法,并最终学会使用开源工具完成实战应用。除此之外,你还会学习到机器学习工程领域模型部署和增量训练等知识内容。

无监督学习阶段

无监督学习同样是机器学习中重要的分支之一,本阶段将了解无监督学习中数据聚类、主成分分析等方法。涉及到划分聚类、层次聚类、 密度聚类、谱聚类等类别下近 10 种不同的聚类算法。

第4周

无监督学习方法

本周将围绕无监督学习中的聚类问题展开,内容将涵盖划分聚类、层次聚类、 密度聚类、谱聚类等类别下近 10 种不同的聚类算法。实验将从原理讲解,通过 Python 实现核心算法,并对不同的聚类算法进行比较与评估。

工程应用阶段

本阶段将了解机器学习工程实践方法,包括前沿的自动化机器学习技术以及机器学习模型部署方法。最终,我们将通过项目挑战比赛来检验课程的学习成果。

第5周

机器学习工程

本周内容将涉及到自动化机器学习技术,自动化机器学习可以一定程度上降低机器学习模型的开发门槛,算法的选择、训练、调优、部署等一系列过程都可以交给自动化组件来完成。与此同时,我们将掌握机器学习模型的部署方法,并独立完成云端模型 RESTful API 的设计和部署。
第6周

项目挑战比赛

为了检验课程内容的学习成果,你需要独立完成最终的课程项目挑战。我们依托于 Kaggle 建立了实战化的比赛,你将体会到竞争带来的乐趣。如果你能够出色完成项目挑战内容,将有机会获得课程设置的现金奖学金。除此之外,认真完成项目挑战的学员,也将收到课程组给出的评阅意见。

FAQ

学完能达到什么水平?

对机器学习常见算法原理熟悉、能手动实现部分核心算法,同时学会使用开源框架搭建预测模型,可达到机器学习初级工程师的水平。

课程主要是什么形式的?

*对于课程中的实验,我们会提供完整的代码和详细的文档,同时嵌入关键步骤的录制视频,是在模仿练习;

*对于课程中的挑战,我们会提供实际工作中会遇到的问题或项目任务,包含若干知识点,需要在线完成,系统自动评判PASS或FAIL。

点击此处了解如何学习楼+课程

如果你还不熟悉实验楼,点击这里了解实验楼

开课前需要做什么准备?

1. 只需要准备一台能上网的电脑,学习将在实验楼的在线环境进行,无需安装配置本地环境;

2.阅读课程须知,并完成第0周的课程学习(你可以报名后在课程详情页找到它)

学完能找到工作吗?

课程内容基本覆盖了常用的机器学习方法,也满足了机器学习初级工程师的基本需要。如果要尝试寻找机器学习方面的工作,除了熟知机器学习的算法和原理,还需要具备较为扎实的 Python 编程能力和工程实现能力。当然,如果能动手亲自学完课程中的代码和习题,相信你在这些方面都能得到很大的提升。

楼+课程与其它课程的区别是什么?

楼+ 面向的是希望系统化学习某一技术的用户,提供了更完善的学习路径和教学服务。楼+课程与其它课程最大的不同体现在教学服务上:

课程会涉及到深度学习吗?

不会,实验楼提供了《楼+ 深度学习实战》课程。如果你不具备机器学习基础,我们建议你先学习本课程后,再学习深度学习相关知识。

是否支持退款?

开课后24小时内可以申请全额退款,因为之后会进行项目分组,10人一组,为避免对同组的影响,分组后不再接受退款申请。

支持什么付款方式?

目前支持微信,支付宝付款,花呗分期。

课程中如何进行答疑?

实验楼共有3种答疑方式:QQ群实时答疑,1V1桌面共享答疑,讨论区答疑。

其中工作时间(工作日9:00~18:30)可使用QQ群实时答疑,必要的时候会使用实验楼的共享桌面功能提供 1V1 共享桌面协作;

非工作时间,无法保证及时回复,可以在讨论区提问,助教上班后第一时间回复解决。

课程是否有有效期?

楼+的教学服务结束后,无法享受QQ群答疑服务。但仍可以在课程有效期内(默认180天,遇特殊情况可申请延长)学习课程并享受讨论区答疑服务。