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！
↓↓↓