机器学习365天特训营 - 第二期
授课教师：云博士
教师简介：美国哈佛大学大数据分析方向博士后，浙江大学计算机科学与技术专业博士，曾任华为高级软件工程师/项目经理。发明专利多项，软件著作权多项，国际重要期刊论文数十篇，国家及省部级项目多项，横向项目数十项。
有效期：4年
幂次学院（商标号28794153）AI技术学习平台，专注于AI技术人才教育。为AI学习爱好者提供“技术理论＋技术实践相结合的AI技术培训；学习群＋辅导员双轨制的AI学习辅导；非商业项目＋商业项目并行的AI项目开发”。致力于培养出既懂理论，又能实战的AI技术人才。
机器学习365天特训营邀请美国哈佛大学博士后带您零基础入门机器学习。从发展历程、概念、基本名词、术语、评估方法讲起，到算法模型与实战演练。每周两次直播，全年117次理论+实战课程（讲师直播答疑，课程7*24小时问答服务，学院社群7*24小时交流，课程资料随时下载）让你的每一个问题都能够得到解答。
直播 + 回放：每周二19：00 - 20：00，20：00 - 21：00，随时随地随时回看。从零开始学习，1年成为机器学习专家！
提供的服务：名师授课 + 随时随地课程问答服务 + 随时随地社群交流 + 课程资料下载。
现在报名送价值899元的机器学习之Python编程基础与数据分析和价值899元的人工智能数学基础2018暑期8天集训营，系统学习人工智能学习中所需要用到的数学知识、Python编程知识。知识一步到位，只为让你学会。
快邀请自己的小伙伴一起来加入机器学习吧！未来的世界将是属于我们的时代！
- 选修
1.1 课程简介与机器学习发展史
- 选修
2.1 线性代数（一）
2.2 线性代数（二）
2.3 线性代数（三）
2.4 线性代数（四）
2.5 线性代数（五）
- 选修
3.1 概率论（一）
3.2 概率论（二）
3.3 概率论（三）
3.4 概率论（四）
- 选修
4.1 Visual Studio Code使用（一）
- 必修
1.1 引言、基本术语、假设空间
1.2 归纳偏好、发展历程、应用现状
- 必修
2.1 经验误差与过拟合
2.2 评估方法（留出法，交叉验证法，自助法）
2.3 评估法代码分析
2.4 性能度量（混淆矩阵 ，准确率，精确度，敏感度，特异度，F1 score）
- 必修
3.1 线性回归（一）
3.2 线性回归（二）
3.3 线性回归（三）
3.4 线性回归（四）
3.5 逻辑回归（一）
3.6 逻辑回归（二）
- 必修
4.1 划分选择与算法基本思想（一）
4.2 划分选择与算法基本思想（二）
4.3 代码分析与KNN
4.4 机器学习中距离和相似性度量方法概述
- 必修
5.1 处理缺失数据，处理类别数据
5.2 数据标准化与归一化
5.3 特征选择
5.4 特征排序，plot_decision_regions函数讲解
- 必修
6.1 使用支持向量机最大化分类间隔
6.2 SVM非线性分类
- 必修
7.1 神经网络基础知识
7.2 神经网络（一）
7.3 神经网络（二）
- 必修
8.1 卷积神经网络CNN基本原理
8.2 开源深度学习框架与常见卷积网络模型
8.3 基本分类（一）
8.4 基本分类（二）
8.5 文本分类
8.6 回归
8.7 过拟合与欠拟合
8.8 模型的保存与恢复
8.9 使用CNN图像识别
8.10 使用CNN识别图像2
8.11 循环神经网络
8.12 自然语言处理
8.13 自然语言处理2
8.14 自然语言处理3
8.15 LSTM例子
- 必修
9.1 极大似然估计
9.2 朴素贝叶斯分类器
9.3 朴素贝叶斯2
9.4 朴素贝叶斯3
9.5 朴素贝叶斯4
9.6 EM算法
- 必修
10.1 集成学习概述
10.2 Bagging, Boosting, Stacking-1
10.3 Bagging, Boosting, Stacking-2
10.4 xgboost例子
10.5 xgboost2
- 必修
11.1 k-means聚类
11.2 层次聚类
11.3 层次聚类2
11.4 密度聚类
- 必修
12.1 主成分分析
12.2 主成分分析2
12.3 LDA降维1
12.4 LDA降维2
12.5 非线性PCA，流形学习，度量学习
12.6 非线性PCA,流形学习,度量学习2
12.7 综合应用-文本降维与聚类
12.8 综合应用-文本降维与聚类2
- 必修
13.1 子集搜索与评价
13.2 子集搜索与评价2
13.3 过滤式选择
13.4 包裹式选择，嵌入式选择与L_1正则化
13.5 稀疏表示与字典学习
13.6 Python特征选择
- 必修
14.1 基础知识
14.2 PAC学习与有限假设空间
14.3 VC维、Rademacher复杂度
14.4 稳定性
- 必修
15.1 生成式等方法基本理论
15.2 基本理论2
15.3 python接口1
15.4 python接口2
15.5 python接口3
- 必修
16.1 隐马尔可夫模型1
16.2 隐马尔可夫模型2
16.3 隐马尔可夫模型3
16.4 马尔科夫随机场
16.5 条件随机场
16.6 学习与推断
16.7 话题模型
- 必修
17.1 基本概念
17.2 常用方法
- 必修
18.1 Q-learning1
18.2 Q-learning2
18.3 深度强化学习
18.4 代码分析1
18.5 代码分析2
18.6 代码分析3
- 必修
19.1 影评分类引入增量学习的例子
19.2 增量学习算法思想
- 必修
20.1 keras相关知识
20.2 keras相关知识2
20.3 keras相关知识3
20.4 keras相关知识4
20.5 keras相关知识5
20.6 迁移学习
20.7 迁移学习2
20.8 迁移学习3
- 必修
21.1 主动学习简介与例子
- 必修
22.1 多任务学习简介
- 必修
23.1 Resnet的keras具体实现
23.2 Resnet的keras具体实现2
23.3 推荐系统
23.4 推荐系统2
23.5 deep dream
23.6 deep dream2
23.7 风格迁移
23.8 风格迁移2
23.9 风格迁移3
23.10 图像分割
23.11 图像分割2
23.12 图像分割3
23.13 图像分割4
23.14 目标检测1
23.15 目标检测2
23.16 目标检测3
23.17 目标检测4
23.18 目标检测5
23.19 目标检测6
23.20 目标检测7
23.21 类别不平衡数据集处理
23.22 类别不平衡数据集处理2
23.23 GAN网络
23.24 GAN2
23.25 GAN3
23.26 GAN4
23.27 图像分类的误差分析
开课时间：
2018年10月02日起。每周二19:00-20:00，20:00-21:00。共117个课时。
学习方式：
在线直播 + 直播回看（4年内无限制次数反复回看）
常见问题：
Q：需要什么基础？
A：1、Python编程基础（可报名机器学习之Python编程基础与数据分析 | 点击报名）2、人工智能数学基础（可报名《人工智能数学基础2018暑期8天集训营》 | 点击报名）现在报名机器学习365天特训营以上两科免费赠送
Q：课程视频可以回看吗？
A：4年有效期内均可不限次数回看。
Q：有学员讨论群吗？
A：有。付费报名后可联系助教老师申请进群。
Q：可以下载课件、课上讲师的源码吗？
A：可以。每节直播课程结束后会将课上所有文件归档，学员可自由下载。
Q：其他问题？
A：请移步联系方式。
做口碑最好的人工智能线上教育品牌
微信扫码支付
