Python在機器學習領域應用是非常廣泛的, 比如, 我們可以使用機器學習進行驗證碼識別, 使用機器學習實現電腦視覺專案, 或者, 我們也可以使用機器學習技術實現網頁分類、文本挖掘、情感分析等等各種各樣的事情。 機器學習的重點在於演算法, 而演算法的學習相對來說是比較枯燥的, 所以, 只有在學習的時候讓演算法跟實例結合, 才能夠讓演算法的學習變得不枯燥, 並且也才能夠更好的將理論運用與實踐。
直播時間:
3月23日開始起的每週四(5月5日除外)晚上20:00開始, 連續12周。
每週大約1-2小時哦!
直播平臺:
主講嘉賓:
韋瑋 (重慶韜翔網路科技有限公司CEO)
CSDN學院特邀IT專家, 多年IT技術實戰開發經驗, 曾出品過多門IT類課程, 也做過技術總監, 現在運營一家專注於中大型軟體發展與IT技術服務的公司。
第一周:使用K-近鄰演算法識別簡單數位驗證碼實戰
分享內容(2017.03.23)
1、課程介紹與機器學習常見理論基礎講解
2、K-近鄰演算法精講
3、K-近鄰演算法 Python 的實現
4、使用K-近鄰演算法識別簡單數位驗證碼實戰
第二周:使用決策樹演算法對測試資料進行分類實戰
分享內容(2017.03.30 )
1、課程介紹與機器學習常見理論基礎講解
2、K-近鄰演算法精講
3、K-近鄰演算法 Python 的實現
4、使用K-近鄰演算法識別簡單數位驗證碼實戰
第三周:使用 AdaBoost 演算法進行二分類實戰
分享內容(2017.04.06
1、AdaBoost 元演算法精講
2、AdaBoost 元演算法的 Python 實現
3、二分類思路
4、項目實戰:使用 AdaBoost 演算法進行二分類實戰
第四周:使用支援向量機(SVM) 演算法進行模式識別實戰
分享內容(2017.04.13
1、支持向量機(SVM)演算法精講
2、支持向量機(SVM)演算法的Python實現
3、模式識別思路
4、項目實戰:使用支援向量機(SVM)演算法進行模式識別實
第五周:使用邏輯回歸演算法進行融資成功概率分析實戰
分享內容(2017.04.20
1、邏輯回歸演算法精講
2、邏輯回歸演算法的 Python 實現
3、融資成功概率分析思路
4、專案實戰:使用邏輯回歸演算法進行融資成功概率分析實戰
第六周:使用線性回歸進行連續型分佈預測實戰
分享內容(2017.04.27
1、線性回歸演算法精講
2、線性回歸演算法的 Python 實現
3、連續型分佈預測概述
4、項目實戰:使用線性回歸進行連續型分佈預測實戰
由於文章長度有限, 剩下第8、9、10、11、12周的分享內容就不一一列舉了, 只列舉下主題哦!具體詳情記得到報名頁面查看哦!
第7周主題:使用 Apriori 演算法進行關聯分析實戰
第8周主題:使用 AdaBoost 演算法進行二分類實戰
第9周主題:使用 FP-growth 演算法進行頻繁項集挖掘實戰
第10周主題:通過 scikit-learn 實現文本特徵提取
第11周主題:通過 scikit-learn 實現情感分析
第12周主題:通過 MILK 預測用戶的還貸能力
本課程適合哪些用戶?
本節課程面向有基礎或無基礎對python機器學習感興趣的人員, 通過系列課程的學習, 瞭解實現原理, 並進行實踐開發。
1、課程全部採用 Python3.X 進行, 雖然 Python2 比較穩定, 但 Python3 一定是未來的趨勢, 現在掌握 Python3, 一定會搶佔先機。
2、課程注重實戰, 全程通過實戰講解, 絕對乾貨。
3、課程體系比較強, 會為大家講解幾種典型的機器學習專案的開發, 讓大家以此為中心, 可以學會各種類型機器學習專案的開發。
4、報名的用戶, 可以進入專享學習交流群, 隨時溝通交流。
5、直播後提供視頻重播+課件, 反復學習和鞏固知識。
6、線上問答+專屬答疑課(每兩週一次), 幫助學生實戰運用
如何報名參與活動?
常見問題
長按識別二維碼入群
Q2:為什麼我報了名, 卻沒有被拉群?
A2:小助手每天會定期手動拉群, 如果還沒拉到您, 請不要著急, 我們一定會拉的!報名在講座開始前半小時截止, 不要來太晚哦!
(放下小助手的二維碼, 加的時候備註python, 否則無法拉入群!切記切記)
Q3:報名後錯過直播可以重播嗎?資料代碼可以共用嗎?
A2:報名後錯過直播會提供重播的,
點擊“閱讀原文”, 即刻報名!
↓↓↓