【公告】经过学院课程团队与讲师的充分沟通，「机器学习实践-EM实践」课程内容和案例还有进一步充实并优化的空间。为了给讲师充足的时间调整，将「EM实践」章节向后延迟一周，更改至下周六（9月23日）晚7-9点进行直播授课。给各位学员带来的不便，烦请大家见谅！

       机器学习是当前人工智能与大数据领域的基础，也是研究热点。企业市场面临近百万的机器学习算法工程师职位空缺，同时，Google、BAT等各大公司竞相高薪招聘。
       本次课程，以实践为核心，由阿里云天池Top10科学家、中科院自动化所一线教师以及西安电子科技大学博士组成课程团队，讲述主流机器学习算法的实现与应用。
       课程内容主要包括：线性回归和决策树在天池大数据竞赛中的应用，机器学习在手写数字分类、人脸识别和图像分割领域的应用与实现。

——讲师团队——

金陵书生
信息获取与控制专业博士，现阿里云天池科学家排行榜前10（排名：7 / 92129）

       在机器学习和电力大数据分析方面具有近3年的研究与开发经历，曾获2016年全国高校计算机大赛大数据挑战赛（阿里音乐流行趋势预测大赛）冠军、2017年阿里聚安全算法挑战赛季军、2016年中国计算机学会大数据与计算智能大赛二等奖。目前在高校从事电力大数据的研发工作，兼任电力企业大数据研发负责人。

邵博士
中科院自动化所博士，现任副教授、硕士生导师

       主要研究方向包括机器学习、模式识别与图像处理，具有两年教学授课经验，作为项目负责人承担国家自然科学基金，在国际主流期刊和会议上发表多篇论文。

—— 课程内容 ——

- 线性回归应用实践 -
1. 线性回归实践（线性回归简要原理及参数分析）    2. Logistic回归和Softmax回归的应用    3. 线性回归的特征工程    4. 线性回归在天池大数据竞赛中的应用

- 决策树实践 -
1. 常用决策树算法的使用方法（RF/xgboost/lightGBM）    2. xgboost的参数调优    3. 决策树算法的模型融合    4. 决策树在天池大数据竞赛中的应用

- 支持向量机实践 -
1. SVM算法的Matlab实现    2. LibSVM代码库介绍    3. 参数交叉验证    4. SVM完成手写数字分类以及人脸识别应用

- 数据降维实践 -
1. 主成分分析、线性判别分析代码实现    2. 人脸识别应用：基于主成分分析、线性判别分析的人脸识别    3. LLE降维实现    4. 数据可视化应用

- KMeans聚类 -
1. KMeans算法实现    2. Kmeans应用    3. 谱聚类算法实现    4. 图像分割应用

- EM实践 -
1. 多高斯分布估计的EM实现    2. 多高斯分布估计与Kmeans之间的关系    3. 多高斯分布估计应用

- 授课时间 -
9月2日-9月17日，连续3周（每周六、日晚7点-9点）；

—— 课程亮点 ——

•  在线直播授课，一年内随时可以视频回放；
•  课前、课中和课后均安排答疑，微信群内实时与讲师交流；
•  课程内容PPT提前向学员公开，程序源代码均公开给学员；
•  不定期赠送相关电子版资料。

联系客服 开启学习之路