课程优势

点我咨询困惑

学习大纲

  • 第一周

    学习吴恩达机器学习原版视频:
    1.了解机器学习基本概念
    2.学习单变量线性回归,体验最基本模型的魅力
    3.学习线性代数的知识回顾+多元线性回归

    作业:
    【实操(1)】配置环境、开学习博客和github
    【实操(2)】编程作业1:线性回归
    【思考总结】以线性回归模型为最基本模型来阐述你认为的机器学习的认识

    作业视频讲解:
    【作业视频讲解】编程作业1:线性回归


  • 第二周

    学习吴恩达机器学习原版视频:
    1.学习逻辑回归,为神经网络深度学习等算法打好基础
    2.学习正则化,掌握防止过拟合的方法

    作业:
    【实操】编程作业2:逻辑回归+正则化
    【思考总结(1)】阐述对线性回归与逻辑回归的异同的理解
    【思考总结(2)】说明什么是过拟合以及过拟合的危害

    作业视频讲解:
    【作业视频讲解】编程作业2:逻辑回归+正则化

    比赛实战:
    【报名指导】零基础一小时报名“达观杯”NLP算法大赛

  • 第三周

    学习吴恩达机器学习原版视频:
    1.学习神经网络,理解神经元网络的结构(权重、分层等)

    作业:
    【实操】编程作业3:神经网络(1)
    【思考总结】使用矩阵的形式来表示神经网络的正向传播方式

    作业视频讲解:
    【作业视频讲解】编程作业3:神经网络(1)

    比赛实战:
    【视频课】“达观杯”NLP算法大赛(入门指导)

  • 第四周

    学习吴恩达机器学习原版视频:
    学习神经网络反向传播算法,理解反向传播算法的作用

    作业:
    【实操】编程作业4:神经网络(2)
    【推导】反向传播公式推导
    【思考总结】阐述你对反向传播的认识

    作业视频讲解:
    【作业视频讲解】编程作业

    比赛实战:
    【视频课】“达观杯”NLP算法大赛(进阶指导)

  • 第五周

    学习吴恩达机器学习原版视频:
    1.学习应用机器学习的建议,理解交叉验证、偏差、方差、正则化等概念
    2.学习机器学习系统,理解精确度、召回率、误差评估等指标

    作业:
    【实操】编程作业5:机器学习系统设计
    【思考总结(1)】阐述精确度和召回率的区别
    【思考总结(2)】描述你对交叉验证、偏差、方差、正则化等概念的理解

    作业视频讲解:
    【作业视频讲解】编程作业5:机器学习系统设计

  • 第六周

    学习吴恩达机器学习原版视频:
    学习支持向量机,理解函数间隔、几何间隔等内容

    作业:
    【实操】编程作业6:SVM
    【思考总结】与神经网络相比,SVM算法有哪些优势和不足?

    作业视频讲解:
    【作业视频讲解】编程作业6:SVM

  • 第七周

    学习吴恩达机器学习原版视频:
    1.学习k-means算法,理解其算法思路
    2.学习pca降维,深度掌握降维方式
    3.学习异常检测,了解异常检测的概念和技术

    作业:
    【实操】编程作业7:K-means+PCA
    【思考总结(1)】阐述监督学习和无监督学习的差异
    【思考总结(2)】何时需要使用PCA降维?
    【思考总结(3)】阐述异常检测和逻辑回归有什么异同

    作业视频讲解:
    【作业视频讲解】编程作业7:K-means+PCA

    比赛实战:
    【视频课】“Kaggle比赛——泰坦尼克号生存预测(入门指导)

  • 第八周

    学习吴恩达机器学习原版视频:
    1.学习推荐系统,重点掌握协同过滤的算法的思想与实现
    2.学习大规模机器学习,理解Mini-Batch的思想

    作业:
    【实操】编程作业8:异常检测与推荐系统
    【思考总结】举一些生活中的推荐系统应用实例,分析实现思路

    作业视频讲解:
    【作业视频讲解】编程作业8:异常检测与推荐系统
    【视频课】“Kaggle比赛——泰坦尼克号生存预测(进阶指导)

pc32-1.jpg


0-pc2.jpg





pc32 拷贝.jpg





pc33 拷贝.jpg


西瓜书3-2.jpg






01.jpg






西瓜书4-1.jpg






吴恩达机器学习4-2.jpg






pc32.jpg






吴恩达机器学习5-1.jpg





吴恩达机器学习5-2.jpg