• 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?;た突У母鋈艘?。

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??榛杓?,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??榛杓?,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??榛杓?,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??榛杓?,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??榛杓?,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??榛杓?,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 三国全面战争武将代码在哪个文件夹

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