<small id="xllpy"></small>
<span id="xllpy"></span>
  • <span id="xllpy"><output id="xllpy"><b id="xllpy"></b></output></span>
    1. <optgroup id="xllpy"><li id="xllpy"><del id="xllpy"></del></li></optgroup>
      <span id="xllpy"><output id="xllpy"><nav id="xllpy"></nav></output></span>
      • 課程介紹
      • 課程目錄

      機器學習為什么會成為當下最火熱的技術

      • 李開復推崇的技術

        “ 中國在人工智能領域比移動互聯網領域還適合創造世界頂尖的公司 ”

      • 應用廣泛

        現今每個人的工作都和數據息息相關,比如數據分析、機器學習、深度學習、人工智能還有無人駕駛汽車等等。

      • 人工智能的核心

        使計算機具有智能的根本途徑、其應用遍及人工智能的各個領域,它主要使用歸納、綜合而不是演繹。

      了解更多

      掌握機器學習技能后,能做什么?

      • 機器學習工程師

      • 高級數據分析師

      • 人工智能工程師

      • 機器人開發工程師

      機器學習能做出什么樣的產品

      無人駕駛汽車
      無人駕駛汽車

      一款無人駕駛汽車,你可以向他提問比如“去哪兒吃晚餐好”,它則能輕松作答,并帶您前往。

      智能教育
      智能教育

      根據不同孩子的學習習慣、能力及需求,定制個性化學習方案,充分挖掘每個孩子的潛能。

      可以思考的禮服
      可以思考的禮服

      分析了成千上萬篇文章,掃描了數百張圖像,并實時從社交評論中洞察情緒,使禮服隨之變換顏色。

      隱私更具私密
      隱私更具私密

      快速抓取并且分析海量數據,通過持續的預測性評估來檢測漏洞。并提供近乎實時的警報,有效的保護客戶的個人隱私。

      智能醫療
      智能醫療

      實現患者與臨床試驗的高效匹配,為患者提供前沿的治療方案選擇,同時探索全新的醫療護理模式。

      機器學習就業前景

      機器學習近5年就業情況

      機器學習就業前景

      麥子帶你進入人工智能的大世界

      • 1對1教學

        采用師徒制,1位專屬導師全面負責你的教學工作,手把手帶你制定目標,考核,批改作業,學習答疑 。

      • 每周直播

        專業老師每周安排直播課,帶領學員一起復習每周學習的知識點,提高學習效率 。

      • 名師指導

        導師多為國內外知名互聯網公司8年以上的企業經驗大牛,也許你的老師就是Facebook,Google,BAT的大牛。

      專業的LPS(學習過程系統) 重塑學習過程,學習足跡完全數字化 什么是LPS?

      看看麥子的老師們,選擇他們拜師吧,1對1指導

      • 唐宇迪
        唐宇迪
        同濟大學計算機博士,深度學習領域一線實戰專家

        參與多個國家級項目出品多套機器學習與深度學習系列課程

        跟老師聊聊

      全面覆蓋了算法、大數據、神經網絡系統

      我們選擇這個行業里最頂尖的實戰派老師、從學習到實踐

      • 01
        機器學習基礎

        配置開發環境;學習回歸算法,一維數據的 NumPy 和 Pandas 操作;二維數據的 NumPy 和 Pandas 操作;以及可視化庫Matplotlib

      • 02
        探索數據集

        學習決策樹和隨機森林以及向量機算法。項目一探索數據集:利用統計分析工具對觀測數據建立模型,分析科比生涯數據;項目二探索數據集:利用統計分析工具對觀測數據建立模型,再用算法進行信用卡欺詐檢測;項目三決策樹和隨機森林數據處理:使用Kaggle分析泰坦尼克號獲救指數。

      • 03
        機器學習進階

        神經網絡的學習,Tensorflow框架的使用,Mnist手寫字體識別,PCA降維與SVD矩陣分解,以及聚類與集成算法

      查看完整課程大綱

      線上學習我們的優勢在哪?

      • 1v1實時指導

        大咖導師只為你一個人上課,依據你的學習進展,定制你的學習,指導你的項目時間

      • 在線答疑

        大咖導師在線答疑,隨時有問題,隨時找老師

      • 項目實戰

        實戰才能出真知,全面提升學員實際的項目處理能力

      咨詢線下課程

      媒體報道能量,榮譽證明實力

      媒體報道

      合作企業

      合作院校

      榮譽獎項

      • 麥子學院-最具口碑影響力在線教育機構
      • 麥子學院-領軍企業
      • 麥子學院-中國最具創新在線教育品牌
      • 麥子學院-2015年度影響力在線教育品牌
      • 麥子學院-中國品牌價值在線教育機構
      • 麥子學院-2015年最具影響力教育品牌
      • 麥子學院-2013年度金金牌合作機構
      • 麥子學院-特色職業教育品牌
      現在行動,你有機會參加麥子學院的50%的獎學金計劃
      立即報名

      填寫表單領取紅包

      * 報名成功后,麥子工作人員將在24小時內與您聯系
      姓名不能為空
      請填寫正確的電話號碼
      填寫表單領取紅包
      • 1

        機器學習基礎篇

        配置基本的編程環境,熟練使用Python語言 掌握機器學習中的算法及各類庫的使用 完成機器學習入門的基礎

          • 01
            Python快速入門
            1. · 系列課程環境配置
            2. · Python快速入門
            3. · 變量類型
            4. · List基礎
            5. · List索引
            6. · 循環結構
            7. · 判斷結構
            8. · 字典
            9. · 文件處理
            10. · 函數基礎
          • 02
            回歸算法
            1. · 機器學習概述
            2. · 回歸算法
            3. · 線性回歸誤差原理推導
            4. · 目標函數求解
            5. · 邏輯回歸原理
            6. · 梯度下降實例
            7. · 梯度下降原理
          • 03
            科學計算庫Numpy
            1. ·NumPy數據結構
            2. · NumPy基本操作
            3. · NumPy矩陣屬性
            4. · NumPy矩陣操作
            5. · NumPy常用函數
          • 04
            數據分析處理庫Pandas
            1. ·Pandas數據讀取
            2. · Pandas數據預處理
            3. · Pandas常用函數
            4. · Pandas-Series結構
          • 05
            可視化庫Matplotlib
            1. ·Matplotlib-折線圖
            2. · Matplotlib-子圖操作
            3. · Matplotlib-條形圖與散點圖
            4. · Matplotlib-柱形圖與盒圖
            5. · Matplotlib-細節設置
      • 2

        機器學習提升篇

        通過項目實操及案例分析鞏固基礎知識,并進一步學習機器學習的進階知識

          • 01
            使用Python分析科比生涯數據
            1. · 科比數據集簡介
            2. · 數據預處理
            3. · 建模
          • 02
            案例實戰-信用卡欺詐檢測
            1. · 案例背景和目標
            2. · 樣本不均衡解決方案
            3. · 下采樣策略
            4. · 交叉驗證
            5. · 模型評估方法
            6. · 正則化懲罰
            7. · 邏輯回歸模型
            8. · 混淆矩陣
            9. · 邏輯回歸閾值對結果的影響
            10. · 模型評估方法
            11. · smote樣本生成策略
          • 03
            決策樹與隨機森林
            1. · 決策樹概述
            2. · 熵原理形象解讀
            3. · 決策樹構造實例
            4. · 信息增益
            5. · 信息增益率
            6. · 決策樹剪枝
            7. · 隨機森林
            8. · 案例決策樹參數
          • 04
            Kaggle競賽案例-泰坦尼克獲救預測
            1. · 數據介紹
            2. · 數據預處理
            3. · 回歸模型
            4. · 隨機森林模型
            5. · 特征選擇
          • 05
            支持向量機算法
            1. · 支持向量機要解決的問題
            2. · 支持向量機求解目標
            3. · 支持向量機目標函數求解
            4. · 支持向量機求解例子
            5. · 支持向量的作用
            6. · 軟間隔支持向量機
            7. · 核函數變換
      • 3

        機器學習智能篇

        學習如何搭建機器神經網絡,實現機器中最基礎的智能——識別

          • 01
            神經網絡基礎
            1. · 深度學習概述
            2. · 挑戰與常規套路
            3. · 用K近鄰來進行分類
            4. · 超參數與交叉驗證
            5. · 線性分類
            6. · 損失函數
            7. · 正則化懲罰項
            8. · Softmax分類器
            9. · 最優化形象解讀
            10. · 最優化問題細節
            11. · 反向傳播
          • 02
            神經網絡架構
            1. · 神經網絡架構-整體架構
            2. · 神經網絡架構-實例演示
            3. · 神經網絡架構-過擬合解決方案
            4. · 神經網絡架構-感受神經網絡的強大
          • 03
            TensorFlow框架
            1. · 安裝TensorFlow
            2. · 變量
            3. · 變量練習
            4. · 線性回歸模型
            5. · 邏輯回歸迭代
            6. · 神經網絡模型
            7. · 邏輯回歸迭代
            8. · 完成神經網絡
            9. · 卷積神經網絡參數
          • 04
            MNIST手寫字體識別
            1. · 神經網絡模型概述
            2. · TensorFlow參數
            3. · 卷積簡介
            4. · 構造網絡結構
            5. · 訓練網絡模型
          • 05
            PCA降維與SVD矩陣分解
            1. · PCA問題
            2. · PCA降維實例
            3. · SVD原理
            4. · SVD推薦系統
          • 06
            聚類與集成算法
            1. · 聚類算法
            2. · Adaboost集成算法
            3. · 特征工程
            4. · 特征工程2
      綜合評分
      10.00
      • 課程質量 10.00
      • 老師滿意度 10.00
      • 簡潔易懂 10.00
      全部評價
      • 周安偉
        45分鐘前
        作為一個剛入門的前端工程師,用這個視頻教程作為學習 Vue 真是太好了,主要之前沒怎么接觸過模塊化設計,網上對將這些方面的又不是很多。這個教程很 nice。1 天半看了 1/3 了,毫無難度,通俗易懂。唯一的一點不足就是這不是 Vue 2.0 的,有些不一樣的地方我還得翻官方文檔去改。但總的來說很好。點贊!
        老師回復:感謝支持~ 能學會使用 Vue 開發實戰項目就是本門課的宗旨~由于課程錄制時間比較早選擇的是 1.0 的。
      • 周安偉
        45分鐘前
        作為一個剛入門的前端工程師,用這個視頻教程作為學習 Vue 真是太好了,主要之前沒怎么接觸過模塊化設計,網上對將這些方面的又不是很多。這個教程很 nice。1 天半看了 1/3 了,毫無難度,通俗易懂。唯一的一點不足就是這不是 Vue 2.0 的,有些不一樣的地方我還得翻官方文檔去改。但總的來說很好。點贊!
      • 周安偉
        45分鐘前
        作為一個剛入門的前端工程師
      • 周安偉
        45分鐘前
        作為一個剛入門的前端工程師,用這個視頻教程作為學習 Vue 真是太好了,主要之前沒怎么接觸過模塊化設計,網上對將這些方面的又不是很多。這個教程很 nice。1 天半看了 1/3 了,毫無難度,通俗易懂。唯一的一點不足就是這不是 Vue 2.0 的,有些不一樣的地方我還得翻官方文檔去改。但總的來說很好。點贊!
        老師回復:感謝支持~ 能學會使用 Vue 開發實戰項目就是本門課的宗旨~由于課程錄制時間比較早選擇的是 1.0 的。
      • 周安偉
        45分鐘前
        作為一個剛入門的前端工程師,用這個視頻教程作為學習 Vue 真是太好了,主要之前沒怎么接觸過模塊化設計,網上對將這些方面的又不是很多。這個教程很 nice。1 天半看了 1/3 了,毫無難度,通俗易懂。唯一的一點不足就是這不是 Vue 2.0 的,有些不一樣的地方我還得翻官方文檔去改。但總的來說很好。點贊!
        老師回復:感謝支持~ 能學會使用 Vue 開發實戰項目就是本門課的宗旨~由于課程錄制時間比較早選擇的是 1.0 的。
      • 周安偉
        45分鐘前
        作為一個剛入門的前端工程師,用這個視頻教程作為學習 Vue 真是太好了,主要之前沒怎么接觸過模塊化設計,網上對將這些方面的又不是很多。這個教程很 nice。1 天半看了 1/3 了,毫無難度,通俗易懂。唯一的一點不足就是這不是 Vue 2.0 的,有些不一樣的地方我還得翻官方文檔去改。但總的來說很好。點贊!
        老師回復:感謝支持~ 能學會使用 Vue 開發實戰項目就是本門課的宗旨~由于課程錄制時間比較早選擇的是 1.0 的。
      • 周安偉
        45分鐘前
        作為一個剛入門的前端工程師,用這個視頻教程作為學習 Vue 真是太好了,主要之前沒怎么接觸過模塊化設計,網上對將這些方面的又不是很多。這個教程很 nice。1 天半看了 1/3 了,毫無難度,通俗易懂。唯一的一點不足就是這不是 Vue 2.0 的,有些不一樣的地方我還得翻官方文檔去改。但總的來說很好。點贊!
        老師回復:感謝支持~ 能學會使用 Vue 開發實戰項目就是本門課的宗旨~由于課程錄制時間比較早選擇的是 1.0 的。
      • 加載更多評論

      © 2012-2016 www.www.wq525.com

      蜀ICP備13014270號-4 Version 5.0.0 release20160127

      新課上線,優惠大禮包領取

      客服熱線 400-862-8862

      回到頂部

      啪啪啪视频1000