大數據文摘攜手4位講師，共同為大家打造了這門「機器學習在線培訓直播課程」，未來，會有更多精品課程上線，敬請期待。
課程簡介
本課程涵蓋了基礎複習，算法講解，案例應用，工程經驗分享，工作指導等方面內容，從理論到實踐詳細講述機器學習相關內容，更有來自矽谷的大數據科學家揭秘工作方式與工具。
機器學習所需數學基礎與背景知識
機器學習常見問題與算法
工業界應用機器學習算法解決實際數據問題思路
面試指導與其他福利
豪華講師團
程博士：畢業於上海交通大學，上海市優秀博士學位論文(專業唯一)。現任職於澳大利亞聯邦科學院大數據研究中心，聘為研究科學家。長期從事信號處理、大數據和機器學習、壓縮感知方面的研究，在本領域國際權威期刊和會議上發表論文40餘篇。對工程中的應用數學深有研究。
李韶華博士：南洋理工大學的博士和新加坡國立大學的博士後，中科大少年班畢業，熟悉貝葉斯統計機器學習方法和詞嵌入等表示學習方法。讀博前在網際網路公司工作三年，了解業界需求，致力於研究能解決實際問題的機器學習方法。
寒小陽：資深算法工程師，專注海量數據上機器學習算法的應用與優化，有多年實際機器學習/深度學習/數據挖掘項目經驗，負責過多個電商機器學習項目。做過推薦系統、文本挖掘、點擊率預估、深度學習圖像識別與檢索。擅長用通俗易懂的方式直觀解釋機器學習相關知識，並輔以案例幫助理解。大數據文摘機器學習專欄主編。
龍心塵：資深算法工程師，專注於算法應用與優化，負責過海量數據上網絡安全機器學習項目，用戶畫像相關項目。做過NLP、web攻擊智能識別、入侵檢測自學習，用戶畫像。善於深入淺出的剖析數學理論在機器學習/深度學習中的應用。大數據文摘機器學習專欄主編。
五大福利
大咖零距離：邀請矽谷數據科學家線上互動，與學員實時交流
Kaggle案例解析：Kaggle比賽實戰案例解析，直擊BAT最重視的CTR預估與推薦系統。
內推機會：優秀學員將獲得內推頂級網際網路公司的機會
就業輔導：行業資深專家指導學員撰寫簡歷及面試輔導
工程經驗：輔導優秀學員參加知名大數據、人工智慧大賽
課程詳細介紹
理論結合實踐 20節課X 2小時/節
第1課 微積分理論與應用
理論知識：優化問題極值分析、標量和矢量導數、梯度和Hessian矩陣、Taylor展式
相關應用：優化迭代法綜述(梯度下降法、牛頓、擬牛頓、DFP、BFGS等）
第2課 概率論與應用
理論知識：高斯分布、其它常見分布與共軛分布、中心極限定理、貝葉斯定理
相關應用：貝葉斯推斷、極大似然估計
第3課 矩陣分析與應用
理論知識：子空間、特徵分解、廣義特徵分解、廣義瑞利商
相關應用：PCA本質、LDA初步
第4課 凸優化理論與應用
理論知識：凸集、凸函數、凸優化、對偶、KKT條件
相關應用：機器學習中常見的凸優化問題及SVM初步
第5課 回歸
知識內容：線性回歸、logistic回歸、梯度下降
實踐示例：線性回歸與擬合，Logistic回歸與分類
工程經驗：實際工程海量數據下的logistic回歸使用，包括樣本處理、特徵處理、算法調優和背後的原理
第6課 推薦系統
知識內容：基於內容推薦、協同過濾、隱因子模型、用戶行為序列建模
實踐案例：協同過濾與隱因子模型推薦案例，基於spark的電影推薦
第7課 聚類
知識內容：K-means/K-Medoid/層次聚類/GMM
實踐示例：K-means實際應用分析與工程經驗
第8課 決策樹、隨機森林、
ID3、C4.5、CART、Bagging
實踐案例：使用隨機森林進行數據分類 [含代碼實現和參數調試分析]
第9課 Adaboost、GBDT、GBRT，組合算法
Adaboost、GBDT、GBRT
實踐案例：GBDT案例
第10課 SVM
知識內容：線性可分支持向量機、線性支持向量機、非線性支持向量機、對偶法、核方法
實踐案例：SVM與核函數使用，使用SVM進行數據分類
第11課 貝葉斯方法
知識內容：貝葉斯網絡、概率計算問題、參數學習問題、狀態預測問題
實踐案例：樸素貝葉斯進行文本分類，三種模型，數據平滑[含代碼實現和參數調試分析]
第12課 主題模型
知識內容：pLSA、共軛先驗分布、LDA
實踐案例：使用LDA進行文檔分類 [含gensim開發實例和參數調試分析]
第13課 採樣與變分
知識內容：MCMC/KL(p||q)與KL(q||p)
第14課 人工神經網絡
知識內容：全連接神經網絡、BP算法、鏈式法則
實踐案例：用BP網絡做樣本數據分類
第15課 深度學習與卷積神經網絡
知識內容：卷積神經網絡層次結構與功能，可視化與直觀理解，訓練注意事項
實踐案例：卷積網絡在圖像分類中的應用
第16課 深度學習之RNN
知識內容：RNN 網絡、LSTM
實踐案例：回歸網絡在自然語言處理中的應用（字符模型和文本生成，char-rnn 案例分析）
第17課 深度學習開源框架與使用
知識內容：caffe，Tensorflow與MxNet使用方法，優缺點對比
實踐案例：使用caffe完成圖像分類，使用Tensorflow與MxNet完成數據分類
第18課 特徵工程
知識內容：數據獲取、數據清洗、特徵抽取、特徵選擇與融合
實踐案例：實際工程數據的特徵處理與特徵選擇案例
第19課 模型調優
知識內容：實際機器學習項目下的場景分析、算法選擇、模型構建與調優、kaggle示例
實踐案例：實際數據上的完整機器學習模型構建與調優的流程
第20課 工作與面試指導
知識內容：網際網路公司常見面試問題，項目內容問答指導
實踐案例：模擬網際網路面試流程
在線直播+錄像回放
8月30日晚開課 20:00-22:00，每周3次課，十一期間放假一周
錯過課程也可在線反覆觀看錄像。
定價：1188元
優惠：
8月23日前報名9折優惠
3人成團，團購9折優惠
在校學生8折優惠
更重要的！以上優惠可以疊加
8月23日 21:00前繳費，再享限時9折優惠
8月24日 以後，沒有限時優惠，但以下優惠依然有效
報名
（1）長按下方二維碼
（2）點擊文末「閱讀原文」
培訓諮詢
微信：shujupeixun（數據培訓）
添加好友，請備註「培訓」