机器学习是席卷全球的专业术语。它抓住了大众的想象力,让人联想到未来自学人工智能和机器人的愿景。
机器学习是一组帮助计算机自行学习和适应的技术和工具的总称。
机器学习算法可帮助 AI 学习,而无需明确的编程来执行所需的操作。
从输入的样本中学习模型,机器学习算法仅仅根据学习到的模型来预测和执行任务,而并不是通过预定义的程序指令来预测和执行任务。
在无法应用严格算法的情况下,机器学习就是救星。它从以前的模式中学习新流程并执行知识。
机器学习应用于发文领域也在近几年快速增长:
市面上机器学习的视频及课程比比皆是,彼机器学习非此机器学习
2020-2022年机器学习学术应用课程受到了高校老师和同学的肯定,2022年暑期新上机器学习进阶课程,帮助高校人群进一步提升学术中机器学习更加深入与前沿的应用技能:
- 集成学习--完美适用于结构化数据
可广泛应用于:时间序列,医疗健康,入侵系统等相关的研究领域
- 特征工程--是机器学习成功的关键
- 深度学习--解决人工进行特征提取与选择好坏费时费力,且靠经验和运气的问题
在金融领域应用越来越广泛:股票市场预测,算法交易,信用风险评估,投资组合配置,资产定价与衍生品市场
Python暑期师资培训丨机器学习系列
课程时间及培训方式:
机器学习线上班:30小时@随报随学
机器学习进阶班:24小时@随报随学
→ 报名“机器学习线上班”赠送Python编程+数据清洗课程
→ 授课与答疑均是课程主讲老师本人
→ 不同于其他Python课程,单独为学术研究打造的Python机器学习学术应用课程
授课嘉宾简介
陈远祥老师,北京邮电大学副教授 。北京大学博士及博士后。
发表SCI/EI学术论文80余篇,其中第一或通讯作者论文40余篇,申请发明专利4项。主持国家自然科学基金面上项目,国家重点研发计划子课题,国家自然科学基金青年项目及博士后基金等多个国家级和省部级项目。
IEEE、OSA会员,Optics Express, IEEE Photonics Technology Letters,Photonics Journal,Applied Optics等多个SCI期刊审稿人。
课程内容:
机器学习线上课程(30小时):
第一部分:机器学习学术应用介绍:
1. 机器学习基本思想
2. 常用机器学习算法模型
3. 机器学习算法库介绍
4. 机器学习在学术领域应用场景
第二部分:算法原理与实战
1、KNN算法:
(1) KNN算法基本原理
(2) 常用相似度衡量方法、KNN用于分类和回归
(3) KNN模型参数优化
(4) Python案例:KNN用于鸢尾花数据集分类
2、决策树:
(1) 决策树基本原理
(2) 决策树分类
(3) 决策树用于分类和回归实现
(4) 决策树参数优化
(5) Python案例:决策树实现波士顿房价预测
3、线性回归:
(1) 线性回归的求解、岭回归、LASSO和弹性网
(2) Python案例:线性回归实现鲍鱼年龄预测
4、逻辑 回归:
(1) 逻辑回归基本原理
(2) 从线性回归到逻辑回归
(3) 逻辑回归实现和参数优化
(4) Python案例:逻辑回归实现病马死亡率预测
5、神经网络:
(1) 神经网络基础
(2) 神经网络中的激活函数
(3) 神经网络Python实现与参数调优
(4) Python案例:手写数字识别
6、贝叶斯网络:
(1) 贝叶斯分类原理
(2) 朴素贝叶斯
(3) 贝叶斯模型分类
(4) Python案例:垃圾邮件过滤
7、支持向量机:
(1) 支持向量机分类原理
(2) 线性SVM和非线性SVM
(3) Python案例:人脸识别
8、随机森林:
(1) 决策树与随机森林
(2) 随机森林原理
(3) 随机森林Python实现与参数调优
(4) Python案例:随机森林用于泰坦尼克沉船预测
9、聚类:
(1) 聚类原理
(2) 聚类和分类
(3) k-means聚类原理
(4) k-means python实现
(5) Python案例:聚类用于客户价值识别
第三部分:Python机器学习学术应用指导
(1) 数据发现与变量创造,预测,因果推断;
(2) 文本大数据应用;
(3) 基于机器学习的学术论文写作指导
机器学习进阶课程(24小时):
一、 集成学习介绍与应用(8小时)
1. 集成学习的优势
2. 集成学习常用算法介绍:原理与实现
- 随机森林
- adaboost
- GBDT
- Xgboost
- Stacking
3. 集成学习算法的学术应用
二、 高级特征工程处理技术(8小时)
1. 特征工程的重要性
2. 常用特征工程处理技术:
- 特征选择
- 特征构造
- 特征转换
- 特征学习
3. 特征工程的在学术研究中的应用
三、 神经网络与深度学习(8小时)
1. 神经网络的引入,为什么需要深度学习?
2. 深度学习常用模型介绍与应用:
- 卷积神经网络与图像处理
- 循环神经网络与文本分析
- 多模态网络与应用
3. 深度学习在学术研究中的应用:
- 股票市场预测
- 信用风险评估
- 资产定价
课程费用
机器学习30小时线上课程:4000元
机器学习进阶暑期课程:4200元
提供电子版发票及开课通知,结业证书
报名链接:
机器学习30小时线上课程报名:https://www.peixun.net/main.php?mod=buy&cid=1735
机器学习进阶暑期课程报名:https://www.peixun.net/main.php?mod=buy&cid=1851
报名流程:
1,点击对应课程报名链接,在线提交报名信息 ;
2,提交订单,在线支付;
3,2个工作日发送发票及通知;
4,缴费后发送资料及课程学习方式。
课程试听及咨询:
尹老师
电话:13321178792
QQ:42884447
WeChat:JGxueshu