【开班啦】机器学习精英40天成长计划

据赛迪顾问报告显示，到2018年止，未来人工智能市场规模将增长至29%。

机器学习工程师在招聘市场上一票难求，薪资水平高于普通开发者30%。

机器学习精英40天成长计划，157节课，360度督促你的成长，做有竞争力的开发者。

CSDN经典VIP资源积分，资源下载从此免费

三个阶段157课时（必学8天，进阶20天，实战12天），基础+答疑两不误

成长计划将以阅读资料，学视频和群交流的形式进行，将由小秘书提供专属服务，为你的技术成长保驾护航。

第一阶段 机器学习必备基础知识点

完成本阶段，你可以掌握机器学习的基本知识点，其中重点是熟练掌握Python库。本阶段将用8天的时间完成，共计31课时，包括4次基础课+1次集中答疑。

（一）Python语言学习

1.初始变量 2.list结构 3.索引 4.循环 5.判断 6.字典 7.文件处理 8.函数基础阶段

（二）科学计算库Numpy

1.Numpy数组结构 2.数据基本操作 3.矩阵操作 4.矩阵创建与初始化 5.常用函数

（三）数据分析处理库Pandas

数据读取与显示 2.数值计算与排序 3.数据预处理方法 4.透视表与自定义函数

（四）可视化库Matplotlib

1.简易折线图 2.条形图 3.直方图 4.可视化图表细节

（五）金牌答疑和实践：集中讨论Python机器学习疑难问题

第二阶段 机器学习必备算法

通过这个部分的学习，可掌握机器学习的核心算法。本阶段的难点是：“机器学习算法推导与流程理解”，同学们要多巩固练习。将用20天的时间完成，共计70课时，以及2次集中答疑的课来完成。

（一）回归算法

1.机器学习概述 2.线性回归算法原理推导 3.线性回归目标函数 4.求解目标函数

（二）逻辑回归算法

1.逻辑回归原理 2.梯度下降实例 3.梯度下降原理

（三）决策树算法

1.决策树算法概述 2.熵原理形象解读 3.决策树构造实例 4.信息增益原理 5.信息增益率的作用

（四）随机森林

1.决策树剪枝策略 2.随机森林模型 3.决策树中所涉及的参数

（五）支持向量机算法

1.支持向量机要解决的问题 2.支持向量机求解目标 3.支持向量机目标函数 4.支持向量机求解实例 5.支持向量的作用 6.软间隔支持向量机 7.支持向量机核函数变换

（六）PCA与SVD

1.SVD奇异值分解原理 2.SVD推荐系统实例 3.PCA降维原理 4.PCA应用实例

（七）计算机视觉图像分类任务

1.计算机视觉领域的挑战与机器学习常规套路 2.K近邻来进行图像分类任务 3.超参数与交叉验证

（八）神经网络基础

1.线性分类 2.损失函数 3.神经网络正则化惩罚项 4.softmax分类器 5.反向传播原理 6.最优化问题 7.神经网络梯度下降原理

（九）神经网络架构

1.神经网络整体架构 2.神经网络实例演示 3.过拟合解决方案 4.感受神经网络的强大

（十）Xgboost

1.集成思想 2.xgboost基本原理 3.xgboost目标函数推导 4.xgboost求解实例

（十一）强化学习

1.强化学习基本概念 2.马尔科夫决策过程 3.Bellman方程 4.值迭代求解 5.QLearning算法

第三阶段 实用阶段，学以致用，6案例+AI案例实战 （高级班）

本阶段处于机器学习的实战阶段，有趣的时刻到了！本阶段12天，共计56课时。通过这个阶段，可以运用机器学习的核心案例，尤其是如何将机器学习算法应用在真实的数据集上。

（一）使用 Pandas 与 Matplotlib 分析科比职业生涯数据

1.Pandas数据预处理 2.matplotlib折线图绘制 3.科比数据集分析 4.使用scikit-learn库建模

（二）信用卡欺诈检测

1.案例背景及挑战 2.模型评估方法 3.逻辑回归与交叉验证 4.参数对模型的影响 5.模型预测效果 6.逻辑回归阈值作用 7.过采样解决方案

（三）泰坦尼克船员获救预测

1.泰坦尼克数据简介 2.随机森林模型 3.特征重要性评估方法

**（四）**Tensorflow实战

1.Tensorflow安装 2.基本计算单元-变量 3.常用基本操作 4.构造线性回归模型 5.Mnist数据集简介 6.逻辑回归框架 7.迭代完成逻辑回归模型

**（五）**Mnist手写字体识别

1.Mnist数据集预处理 2.Tensorflow构造神经网络模型 3.使用神经网络进行分类任务 4.卷积神经网络模型

（六）股价预测与Xgboost

1.基于文本的股价预测 2.转换词频向量进行预测 3.Xgboost安装 4.Xgboost实例演示

（七）让AI自己玩游戏DQN网络

1.DeepQnetwork原理 2.DQN网络细节 3.搭建DQN网络模型 4.代码实现DQN网络模型（基于Tensorflow）

带队资深讲师唐宇迪

计算机博士，机器学习领域专家。

专注于机器学习与计算机视觉领域，善于深度学习一线实战。

参与多个国家级计算机视觉项目，多年数据领域培训经验。

其丰富的教学讲解经验，课程生动形象，风格通俗易懂。

精英40天成长计划班

第一阶段 机器学习必备基础知识点（8天，31课时，1次集中答疑）

第二阶段 机器学习必备算法（20天，70课时，2次集中答疑）

第三阶段 实用阶段，6案例+AI案例实战 （高级班，12天，56课时）

原价1017元，预售价格399元