楼主: PLMKI
3656 13

[机器学习] 菊安酱&菜菜 女神讲师的机器学习精品课程 [推广有奖]

回帖奖励 465 个论坛币 回复本帖可获得 5 个论坛币奖励! 每人限 1 次
  • 0关注
  • 5粉丝

运营管理员

副教授

62%

还不是VIP/贵宾

-

威望
0
论坛币
33589 个
学术水平
8 点
热心指数
13 点
信用等级
5 点
经验
15686 点
帖子
382
精华
0
在线时间
746 小时
注册时间
2017-5-3
最后登录
2018-12-6

PLMKI 发表于 2018-11-23 16:06:07 |显示全部楼层

机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。

机器学习.jpg

在CDA就有这样的两位女神级别的老师,她们是忠实的机器学习的研究者。当你遇到颜值与才华并存的她们,你会发现,原来机器学习如此简单有趣!



江湖人称“机器学习狂热粉”的——菊安酱!


《机器学习实战》详解(12期连载)——菊安酱

【课程介绍】

此课程为机器学习经典必学书《机器学习实战》的解读与剖析,菊安酱用python3高级数据结构重新码了一遍,并在此基础上新增加非常丰富的实用案例。


【课程安排】

  • 每周一更新一期视频,每期3小时。持续连载12期,共计三个月
  • 提前三天公布算法和课程详情
  • 专属答疑群,与讲师零距离
  • 完整版课件/代码/数据/案例陪你成机器学习大神。

【课程费用】

全套课程(12期视频,每期3小时)+全套资料(所有案例,课件,数据)。199元/人。


【课程内容】

算法基本原理 + 机器学习算法的python代码实现 + 实例

工作簿8.jpg

立即报名

PS:为帮助广大的机器学习爱好者有一个共同学习交流的机会,此课程推出直播平台。

直播时间:每周一晚20:00-21:00,期间支持下载直播内容相关的少部分课件。

直播内容:课程完整内容的1/3。

直播/回放入口




机器学习sklearn课堂优秀的海归女硕士——菜菜!

菜菜的机器学习sklearn课堂(12期连载)

【课程介绍】

sklearn是一个简单,免费,三行代码就能够实现复杂算法的机器学习工具包。它几乎覆盖了所有主流的机器学习算法,能够辅助我们实现从数据清洗到模型建成的全过程。十二周中,菜菜将会为你解读sklearn中的主流算法,带你处理数据,调整参数,完善算法,调用结果。为你解析参数,助你理解算法原理。更会带你遍历案例,带你实战给你刷经验,为帮助你成为优秀的数据挖掘工程师打下坚实的基础。


【课程安排】

  • 每周三更新一期视频,每期3小时。持续连载12期,共计三个月
  • 提前三天公布算法和课程详情
  • 专属答疑群,与讲师零距离
  • 完整版课件/代码/数据/案例陪你成机器学习大神。

【课程费用】

全套课程(12期视频,每期3小时)+全套资料(所有案例,课件,数据)。199元/人。


【直播内容】

算法基本原理 + scikit-learn参数详解 + 代码实操

菜菜课表.png

课程入口

PS:为帮助广大的机器学习爱好者有一个共同学习交流的机会,此课程推出直播平台。

直播时间:每周一晚20:00-21:00,期间支持下载直播内容相关的少部分课件。

直播内容:课程完整内容的1/3。

直播/回看入口


联系方式:

CDA数据分析王老师

电话:010-53605625
手机:15600706208(微信)

Q  Q:  1281241407

邮 箱:wangxingang@pinggu.org

518264620602911207.jpg





PLMKI 发表于 2018-11-24 20:17:26 |显示全部楼层
在机器学习中可以使用许多不同的模型,但它们通常被分为三种不同的学习类型:监督、无监督和强化。根据要完成的任务,有些模型比其他模型更合适、性能更好。
监督学习:其特点是在训练模型时明确标记每个数据点的正确结果,以便找它们之间的关系,确保在引入未分配的数据点时,可以正确的做出预测或分类。
无监督学习:该类学习的特征是算法在训练模型时期不对结果进行标记,而直接在数据点之间找有意义的关系,它的价值在于发现模式以及相关性。如,一个喜欢这瓶酒的人也喜欢这一个。
强化学习:这种类型的学习是有监督学习和无监督学习的结合。它通常用于解决更复杂的问题。在实践中,该类学习类型可应用于控制机器人手臂、找到最有效的电机组合、机器人导航等领域。同时逻辑游戏也很适合强化学习如扑克等。强化学习的其他应用在物流、日程安排和任务的战略规划中也很常见。
回复

使用道具 举报

PLMKI 发表于 2018-11-24 20:19:21 |显示全部楼层
机器的能力是否能超过人的,很多持否定意见的人的一个主要论据是:机器是人造的,其性能和动作完全是由设计者规定的,因此无论如何其能力也不会超过设计者本人。这种意见对不具备学习能力的机器来说的确是对的,可是对具备学习能力的机器就值得考虑了,因为这种机器的能力在应用中不断地提高,过一段时间之后,设计者本人也不知它的能力到了何种水平。
回复

使用道具 举报

PLMKI 发表于 2018-11-24 20:19:42 |显示全部楼层
机器学习进入新阶段的重要表现在下列诸方面:

(1) 机器学习已成为新的边缘学科并在高校形成一门课程。它综合应用心理学、生物学和神经生理学以及数学、自动化和计算机科学形成机器学习理论基础。

(2) 结合各种学习方法,取长补短的多种形式的集成学习系统研究正在兴起。特别是连接学习符号学习的耦合可以更好地解决连续性信号处理中知识与技能的获取与求精问题而受到重视。

(3) 机器学习与人工智能各种基础问题的统一性观点正在形成。例如学习与问题求解结合进行、知识表达便于学习的观点产生了通用智能系统SOAR的组块学习。类比学习与问题求解结合的基于案例方法已成为经验学习的重要方向。

(4) 各种学习方法的应用范围不断扩大,一部分已形成商品。归纳学习的知识获取工具已在诊断分类型专家系统中广泛使用。连接学习在声图文识别中占优势。分析学习已用于设计综合型专家系统。遗传算法与强化学习在工程控制中有较好的应用前景。与符号系统耦合的神经网络连接学习将在企业的智能管理与智能机器人运动规划中发挥作用。

(5) 与机器学习有关的学术活动空前活跃。国际上除每年一次的机器学习研讨会外,还有计算机学习理论会议以及遗传算法会议。
回复

使用道具 举报

PLMKI 发表于 2018-11-24 20:20:39 |显示全部楼层
机器学习已经有了十分广泛的应用,例如:数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人运用
回复

使用道具 举报

PLMKI 发表于 2018-11-24 20:21:15 |显示全部楼层
稍为严格的提法是:机器学习是一门研究机器获取新知识和新技能,并识别现有知识的学问。这里所说的“机器”,指的就是计算机;现在是电子计算机,以后还可能是中子计算机、光子计算机或神经计算机等等
回复

使用道具 举报

晏几道 发表于 2018-11-24 21:17:47 |显示全部楼层
支持一下
回复

使用道具 举报

wangyong8935 发表于 2018-11-26 16:45:14 |显示全部楼层

回帖奖励 +5 个论坛币

回复

使用道具 举报

xjg 发表于 2018-11-28 09:18:20 |显示全部楼层

回帖奖励 +5 个论坛币

回复

使用道具 举报

幽兰自芳 发表于 2018-11-28 20:24:05 |显示全部楼层

回帖奖励 +5 个论坛币

看看               
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 我要注册

GMT+8, 2018-12-15 11:22