适合人群

作为一项前沿的技术,人工智能不可能做到零门槛,所以需要你具备一些基本的前提条件。

  1. 熟悉 Python 基础语法

《楼+ 机器学习实战》课程将会使用 Python 语言作为代码实战过程中唯一的编程语言。除了 Python 语言具备语法简单,上手快的特点。选择其的另一个重要原因是目前在机器学习领域,最优秀的开源项目和工具几乎都提供了对 Python 语言的支持。

如果你对 Python3 还不够了解和熟悉,非常推荐学习蓝桥免费基础课程:Python3 简明教程

  1. 有一定的数学基础

为了更好地理解机器学习算法原理,你需要具备一定的数学基础。如果你是理工科学生,并在大学本科阶段学习 过数学基础知识依据足够。不需要你花费大量时间去全面重温《高等数学》、《线性代数》等课程内容,只要有印象, 回忆起来就非常快了。除此之外,非理工科学生需要你掌握基础的线性代数知识,推荐观看 可汗学院线性代数基础课程

如果你的数学基础较差,但又想学习人工智能知识,不要忘记我们是人工智能实战课程。本次课程中,我们对常 用的开源框架都进行了讲解,你可以着重于对人工智能方法的应用。简单来讲,如果你实在无法理解算法背后 的数学原理,掌握使用 Python 完成人工智能代码实战也是一件很有收获的事情。,

每周付出的时间

每周至少有 12 小时用于完成实验、挑战任务

坚持到底的决心

不会因为遇到困难而半途而废,有毅力坚持到最后

积极主动的态度

遇到问题能与小组同学及助教讨论,积极主动寻求答案

真实学员评价

基本达到了我对课程的预期,还不错,愿实验楼越办越好。

谢谢六周的陪伴,课程设置循序渐进,答疑服务很及时,:)

通过楼+机器学习,系统地认识整个机器学习知识体系,注重模型训练整个流程的实际操作,最后还有一个 kaggle 项目检验自己的学习成果,相当棒!!!

优点:内容很丰富,知识脉络清晰,上手快,挑战难易适度; 需改进:网络太卡体验不是很好;

课程整体知识量还是挺丰富的~如果能按时的付出时间完成课程,会有不小的收获,基本上能将机器学习的基本概念与实现流程梳理一遍, 对算法也能有相应的了解,实验楼领进门,修行还要看个人,各位共勉了,还有最后一章的 RNN 和 GAN 跨度稍微有一点大...ouo...

感谢实验楼给我们提供了一个可以学习实践知识的平台 ,优质的课程让我们受益匪浅。

先说好的: 1.实验文档写的很好,配图很生动便于理解,算是尽可能地把高深的定义用最形象的方式去告诉给大家了,至于能不能领会最后还是得靠自己去细细思考,跟助教、大家的讨论。 2.每周总结的思维导图很赞,我自己就很喜欢用这种方式去把零散的知识串起来,至少知道这一周过来自己都学了哪些东西,分别有哪些子类,时不时就在脑子里过一遍,发现某个概念的具体定义忘了就可以再翻出对应的文档再学一遍,学习就是如此反复的过程。 3.我自己是一个比较懒散的人。。。没有外力监督就很容易懈怠,有个学习时间排名,每天再忙也会挤出些许时间去做实验。 4.huhuhang 老师直播挺耐心细致的,跟大家互动很多很有趣~ 说一点不好的: 平均每周16小时这个实际上达不到吧!其实学习起来花时间最多的也就第二周的课程,最多12小时左右,16小时设置不太合理!

课程安排

课程准备阶段

第0周

预备知识

本课程将使用 Python 作为代码实战过程中的唯一编程语言,需要你熟悉使用 Python 构建机器学习模型的 常用工具模块,包括 NumPy,Pandas 以及绘图工具 Matplotlib。 如果你还未掌握上述技能,请在开课前 自学以下课程:Python3简明教程NumPy 数值计算基础课程Pandas 数据处理基础课程Matplotlib 数据绘图基础课程。 详细内容,请阅读正式课程页面中的课程准备相关内容。

监督学习阶段

本阶段将围绕着机器学习中的监督学习问题展开,这也是机器学习领域中最重要的内容之一。你将学习回归和 分类 2 大类问题所适用的数十种方法和算法,并学会使用其解决实际问题。

第1周

监督学习回归方法

本周将围绕监督学习中的回归问题展开,内容将涵盖线性回归、多项式回归、岭回归等不同的回归算法及模型评 价机制。实验将从原理讲解,通过 Python 实现核心算法,并最终学会使用开源工具完成快速建模。

第2 ~ 3周

监督学习分类方法

接下来的 2 周时间将围绕监督学习中的分类问题展开,内容将涵盖逻辑回归、K 近邻算法、 朴素贝叶斯、 支持向量机、决策树、随机森林、装袋和提升等常用的近 10 种不同的方法和算法。实验将从原理讲解,通过 Python 实现核心算法,并最终学会使用开源工具完成实战应用。除此之外,你还会学习到机器学习工程领域模 型部署和增量训练等知识内容。

无监督学习阶段

无监督学习同样是机器学习中重要的分支之一,本阶段将了解无监督学习中数据聚类、主成分分析等方法。 涉及到划分聚类、层次聚类、 密度聚类、谱聚类等类别下近 10 种不同的聚类算法。

第4周

无监督学习方法

本周将围绕无监督学习中的聚类问题展开,内容将涵盖划分聚类、层次聚类、 密度聚类、谱聚类等类别下近 10 种不同的聚类算法。实验将从原理讲解,通过 Python 实现核心算法,并对不同的聚类算法进行比较与评估。

工程应用阶段

本阶段将了解机器学习工程实践方法,包括前沿的自动化机器学习技术以及机器学习模型部署方法。最终, 我们将通过项目挑战比赛来检验课程的学习成果。

第5周

机器学习工程

本周内容将涉及到自动化机器学习技术,自动化机器学习可以一定程度上降低机器学习模型的开发门槛,算法的 选择、训练、调优、部署等一系列过程都可以交给自动化组件来完成。与此同时,我们将掌握机器学习模型的部 署方法,并独立完成云端模型 RESTful API 的设计和部署。

第6周

项目挑战比赛

为了检验课程内容的学习成果,你需要独立完成最终的课程项目挑战。我们依托于 Kaggle 建立了实战化的比赛, 你将体会到竞争带来的乐趣。如果你能够出色完成项目挑战内容,将有机会获得课程设置的现金奖学金。除此之外, 认真完成项目挑战的学员,也将收到课程组给出的评阅意见。

FAQ

课程会涉及到深度学习吗?

不会,蓝桥提供了楼+ 深度学习实战课程。如果你不具备机器学习基础,我们建议你先 学习本课程后,再学习深度学习相关知识。

是否支持退款?

开课后24小时内可以申请全额退款。

支持什么付款方式?

目前支持微信,支付宝付款,花呗分期。

课程中如何进行答疑?

蓝桥共有3种答疑方式:QQ群/微信群实时答疑,1V1桌面共享答疑,讨论区答疑。

其中周一至周五每天 09:00-18:30 可使用QQ群实时答疑,必要的时候会使用蓝桥的共享桌面功能提供 1V1 共享桌面协作; 其余时间,无法保证及时回复,可以在讨论区提问,助教上班后第一时间回复解决。

其余时间,无法保证及时回复,可以在讨论区提问,助教上班后第一时间回复解决。

楼+课程与其他课程的区别是什么?

楼+ 面向的是希望系统化学习某一技术的用户,提供了更完善的学习路径和教学服务。楼+课程与其它课程最大 的不同体现在教学服务上:

loupus features

学完能达到什么水平?

对机器学习常见算法原理熟悉、能手动实现部分核心算法,同时学会使用开源框架搭建预测模型,可达到机器学 习初级工程师的水平。

课程主要是什么形式?

课程核心采用实验+挑战+教学服务模式,不是直播和录播:

对于课程中的挑战,我们会提供实际工作中会遇到的问题或项目任务,包含若干知识点,需要在线完成,系统自动评判PASS或FAIL。

点击此处了解如何学习楼+课程

如果你还不熟悉蓝桥,点击这里了解蓝桥

开课前需要做什么准备?

  1. 只需要准备一台能上网的电脑,学习将在蓝桥的在线环境进行,无需安装配置本地环境;

  2. 阅读课程须知,并完成第0周的课程学习(你可以报名后在课程详情页找到它)

学完能找到工作吗?

课程内容基本覆盖了常用的机器学习方法,也满足了机器学习初级工程师的基本需要。如果要尝试寻找机器学 习方面的工作,除了熟知机器学习的算法和原理,还需要具备较为扎实的 Python 编程能力和工程实现能力。 当然,如果能动手亲自学完课程中的代码和习题,相信你在这些方面都能得到很大的提升。

课程是否有有效期?

楼+的教学服务结束后,无法享受QQ群答疑服务。但仍可以在课程有效期内(默认180天,遇特殊情况可申请延长) 学习课程并享受讨论区答疑服务。