¥1699 ¥ 3199

越早报名越优惠,扫描页面右侧二维码参与活动即可再优惠¥100!(本期福利升级,赠送高级会员3个月!)

楼+ 是实验楼精心打造的教学产品,课程由实验楼一线核心研发人员和首席技术专家制作,且提供导师直播,助教实时答疑,1v1桌面共享等服务。

在楼+的学习过程中,你会在实验中动手学习,在挑战中检验自己的学习成果,在大项目协作中体验真实工作流程,以此来达到学习的目的,对只看不动手说NO!

楼+的教学服务能让你少走弯路,短时间内系统入门某一技术,并教会你持续成长的方法。这里没有鸡汤,没有捷径,都是实实在在你的汗水付出和楼+团队尽最大努力提供的教学服务。

你的收获,就是楼+的唯一目标!

为什么要学机器学习

近两年来,机器学习概念非常火。各类新闻站点利用机器学习向你推进「符合胃口」的资讯。特斯拉、Uber、百度自动驾驶车上路,也是机器学习在为之领航。安检口的人脸识别、天气交通的精准预报都得益于机器学习的应用。此外,机器学习还可以用于智能客服平台、智能门诊系统、信贷风险评估、欺诈检测、视觉识别等各类行业。

所以,机器学习能做的事情非常之多。可以这样说,几乎每个行业都有机器学习的用武之地,几乎每个流程都可能引入机器学习进一步优化。

课程介绍视频

课程亮点

• 囊括了绝大多数常用的机器学习算法,并对理论进行深入浅出的讲解

• 涵盖了最常用、最优秀的机器学习和深度学习开源框架,工作学习均足够

• 深度学习部分使用昂贵的 GPU,训练模型更高效,更贴近真实生产环境

• 在动手中学习,随时检验学习效果,享受 QQ群助教实时答疑

学完可达到的水平

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,达到机器学习初级工程师的水平。

怎么学习楼+?

看了那么多视频和直播,一到动手的时候还是发懵?不用怕,在楼+的学习全过程中,你会在实验中学习,在挑战中检验自己的学习成果,在大项目协作中体验真实工作流程(部分楼+无此阶段),以此来达到学习的目的,对只看不动手说NO!

所以,你每周需要拿出16小时来完成我们提供的一系列的实验和挑战任务,期间遇到问题需要你主动在QQ群寻求专职助教和导师的答疑。学习和实战阶段的每周最后一天需要来参加导师的直播(2-3小时),内容是上周知识点回顾,挑战任务解析,重点难点问题解答和下周知识导学;

楼+ 的服务

实验+自主挑战

学习后及时运用

学习更高效

导师直播

每次2-3小时直播讲解挑

战作业、下周知识导学

QQ群实时助教答疑

遇到问题

及时讨论与解答

1V1辅导

疑难问题预约1V1辅导

学习更高效

GPU计算支持

训练模型更高效

更贴近真实生产环境

小组结伴学习

小组成员结伴学习

共同进步,分享知识

结业报告证书

包含真实学习数据

成绩合格即可获得结业证书

课程安排

开课时间:2018年7月23日

6周课程 = 7次直播 + 35个实验 + 13个挑战

课程准备阶段

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。

第0周
预备知识
现在~2018.07.22
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百题大冲关》 《Pandas百题大冲关》 《使用Matplotlib绘制2D和3D图形》
机器学习阶段
本阶段将围绕着机器学习中的监督学习和⾮监督学习问题展开。你不仅可以学会使⽤回归⽅法预测房屋的价格或股票的收益,还可以尝试完成疾病预测、红酒品类鉴定等分类问题。
第1周
监督学习:回归
2018.07.23 ~ 2018.07.29
本周将围绕监督学习中的回归问题展开,内容将涵盖⼀元线性回归、多元线性 回归、多项式回归等 3 种不同的回归⽅法。实验将从原理⼊⼿,通过 Python 实现核⼼ 算法,并最终使⽤ scikit-learn 构建完整的回归预测模型。
第2周
监督学习:分类
2018.07.30 ~ 2018.08.05
本周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、感知器、⼈⼯神经⽹络、决策树、随机森林、装袋和提⽰ 等常⽤的 10 种不同的⽅法。实验将从原理⼊⼿,通过 Python 实现核⼼算法,并最终 使⽤ scikit-learn 构建完整的分类预测模型。
第3周
⾮监督学习:聚类
2018.08.06 ~ 2018.08.12
本周将围绕⾮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 4 ⼤类别下近 10 种不同的聚类算法。实验将从原理⼊⼿,通过 Python 实现核⼼算法,并对不同的聚类算法进⾏分析⽐较。
强化学习阶段
本阶段将接触到非常有趣的强化学习内容。强化学习是机器学习中十分重要的一部分,你的模型将具有适应环境的能力,接近于想象中的 AI 效果。该阶段的最后, 你将拥有一只虚拟宠物,并让它自己学会找到迷宫的出口。
第4周
强化学习
2018.08.13 ~ 2018.08.19
本周将围绕强化学习展开,内容会涉及最常⽤的 Q 学习以及 SARSA 学习算 法。实验将会对学习过程、决策过程、更新过程进⾏详细解读。最后,我们会利⽤ OpenAI 开源的 Gym 环境⼯具包完成迷宫挑战。
深度学习阶段
本阶段会涉及到深度学习的内容。实验将手把手教你入门 TensorFlow、Keras、Caffe 以及 Pytorch 等 4 个知名的深度学习框架。同时从理论和实战上熟悉 CNN 卷积 神经网络、RNN 循环神经网络、自编码器以及当下火热的 GAN 生成对抗网络。
第5周
深度学习基础
2018.08.20 ~ 2018.08.26
本周是深度学习的基础内容,课程将带领⼤家熟悉深度学习 4 个最常⽤框架的 使⽤,即 Google 开源的 TensorFlow、Facebook 开源的 Pytorch 以及 Keras 和 Caffe。你 不仅将了解每个框架的基本组成,还可以动⼿构建出经典的深度神经⽹络。
第6周
深度学习
2018.08.27 ~ 2018.09.02
最后⼀周将会涉及到深度学习的核⼼知识。框架只是⼯具,只有熟悉常见的深 度神经⽹络的结构和原理,才能从算真正意义上的⼊门深度学习。本周的实验将围绕 着 CNN 卷积神经⽹络、RNN 循环神经⽹络、⾃编码器以及当下热门的 GAN ⽣成对 抗⽹络展开。
适合人群 & 前提条件

1. 熟悉Python编程基础(必要)


《楼+之机器学习实战》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 Python 3 还不够了解和熟悉,那就非常推荐学习实验楼免费基础课程:《Python3 简明教程》 的前12个实验,如果有时间,能独立完成其中的挑战是极好的。


2. 有一定的数学基础(非必要)


为了更好地理解机器学习算法原理,你最好具备一定的数学基础。如果你在大学本科阶段学习过《高等数学》、《线性代数》、《概率论》,那就完全足够了。当然,无需对这三门课程都非常熟悉,只要有印象,回忆起来就非常快了。


如果,你完全没有线性代数、数理统计等基础,也不用太担心。首先,在课程内容中,凡涉及到数学的地方,我们都会做必要的解释。另外,《楼+ 机器学习实战》将会更突出「实战」,并使用尽量容易理解的语言来介绍算法背后的原理,而非深奥理论的探索。


你需要做到

每周付出的时间

每周至少有 16 小时用于完成实验、挑战任务并观看直播

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

现在报名,即可享受新课上线最低价

 福利1:课程结束时,有效学习时间前3名,可获得¥500现金奖学金。

 福利2:开课即赠送6周高级会员。

 福利3:若课程在半年内有升级,老学员可免费享受课程升级内容。

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?

课程核心是实验和挑战,不是直播和录播。对于实验,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

直播是如何安排的?

直播安排在每周的固定某一天的19:30,直播时间表将会展示在课程详情页的课程须知中。

每次直播前,我们也会在QQ群和微信群里进行通知。

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,6人一组,为避免对同组的影响,分组后不再接受退款申请。

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)

怎么分组?

开课第二天下午进行分组,大家可以根据工作情况,所在地区等情况自由组队,需要组队满6个人并告知班主任。如果没有参加自由组队的将会随机分配分组。

支持什么付款方式?

目前支持微信,支付宝付款。若想分期购买,你可以给你的支付宝绑定一张信用卡,通过支付宝使用信用卡支付。暂不支持花呗分期等分期付款方式。

学完能找工作吗?

6 周的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。

课程中如何进行答疑?

实验楼共有4种答疑方式:QQ群实时答疑,1V1桌面共享答疑,讨论区答疑和直播提问。

其中工作时间(工作日9:00~18:00)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。

直播错过了怎么办?

直播有录制的回放视频,会在第二天发放到课程的实验列表里。但是还是鼓励大家尽量参与,直播过程中可以随时提问与导师互动,导师也会讲很多工作中的应用场景,收获会比较大。

课程是否有有效期?

楼+12周的教学服务结束后,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。

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:

0% Complete

加载中,精彩就在后面...

卡住了?点击重试