返回上一级
人工智能进阶课程--
机器学习（Machine Learning）
深入学习人工智能机器学习，课程结合实战快速成为行业精英
扫描关注，提前了解课程动态
编程方法的革命影响的将不是一个行业，而是一个元行业，因为它影响的是基础的软件技术。
人工智能被写入《政府工作报告》，人工智能的时代即将到来
-
国家政策支持
加快培养聚集人工智能人才培养高水平人工智能创新人才和团队
加快高端人工智能人才引进力度
建设人工智能学科
-
国家战略目标
达到人工智能竞争力主导地位2020年人工智能和应用达到世界先进水平
2025年人工智能成为引导经济转型主要动力
2030年中国要成为世界主要人工智能创新中心
开课信息
Course Info
机器学习训练营
直播课训练营 第一期
开课时间：01月15日
剩余仅剩50席
越早报名优惠越多
开课后7天无条件退款、支持分期
￥8800.00
机器学习训练营
直播课训练营 第一期
开课时间：01月15日
剩余仅剩50席
越早报名优惠越多
开课后7天无条件退款、支持分期
￥8800.00
课程介绍
Course description
课程安排
课程学习+项目练习
每周3h专业授课+1h案例讲解
课上讲师专业讲解，学习基础知识，课后通过项目案例不断加深记忆
毕业设计
毕业设计（大型实战项目任选其一）
为期一个月的毕业设计，真枪实弹，直击名企
公共课程
每周1h公共课程，回顾基础知识，巩固基础，达到温故知新的效果
面向人群
- 目前从事互联网相关工作，未来希望从事人工智能方面相关工作的学员。
- 无行业基础，但是对人工智能怀有憧憬或希望亲手打造相关产品的学员。
- 对数学或编程感兴趣的喜欢解决复杂难题的学员。
- 即将步入职场却没有具体职业规划，想尝试人工智能领域的学员。
需具备能力
本科及以上学历最佳
英语能力，通过CET-4最佳
持续学习能力，课程每周需投入
课程+项目、作业共计约6小时时间
对于人工智能基础薄弱的学员，我们免费提供初级入门课程课程涉及领域
- 数据分析与挖掘
- 模式识别
- 虚拟助手（Siri）
- 交通预测
- 过滤垃圾邮件和恶意软件
师资力量
Our instructors
课程研发团队
李文哲
人工智能、知识图谱领域专家
人工智能、知识图谱领域专家。 曾任北京会牛科技的首席科学家兼投资总监 、美国亚马逊和高盛的高级工程师， 负责过金融知识图谱、聊天机器人、量化交易、自适应教育系统等核心项目，并兼任多加创业公司的技术顾问。美国南加州大 学博士，荷兰阿姆斯特丹访问学者，南开大学本科，先后在AAAI、KDD、AISTATS、CHI、IAAI 等国际会议上发表过15篇以 上论文、并荣获 IAAI、IPDPS-Parlearning、CISC-W 的Best Paper Award。
-
周景阳
前百度资深工程师
人工智能领域专家、百度人工智能事业群资深工程师、多家一线公司技术负责人和技术顾问。业内公认技术工程、数据分析、大数据等多领域专家。
-
Jerry Yuan
美国微软资深工程师
美国微软总部和美国亚马逊总部的资深推荐系统工程师、美国新泽西理工人工智能博士，是人工智能、分布式系统、云计算方面的专家。
-
蓝振忠
Google人工智能科学家
现任Google科学家，美国卡耐基梅隆人工智能博士，曾任美国智能监控公司的首席科学家， 对视频和多媒体的智能分析有深入研究。
教师团队/导师介绍
-
郭老师
人工智能、自然语言处理领域资深工程师，985院校计算机硕士。在一线金融科技企业，负责过推荐系统、知识图谱等多款知名产品的核心算法研发工作。熟悉算法理论、大型工程构建、择业经验。
课程亮点
Course highlights
-
双师教学 顶级团队
一线技术专家亲自授课；同时为学 员配备了经验丰富的助教团队，均 毕业于美国顶尖高校。
-
金牌助教 24h辅导
博士助教团队提供在线答疑，代码 审核，帮助学员快速解决问题，消 灭“拦路虎”，消除盲点，不怕学不 会！
-
产学结合 真实案例
课程涵盖10个实习项目+Capstone 项目，且侧重技能不同，学员的知 识体系会更加全面。
-
小班精学 全程监督
小班授课，小群互动，班主任日日 陪伴，全程督学，关注你点滴进 步，不怕拖延症。
-
Capstone
学员有机会选择并完成自己感兴趣 的课题，无论应用性的还是学术性 的课题，导师助教团队都可以很好 地指导你。或许这样的一个项目可 以让你实现拥有顶会论文的目标。
-
最专业、最体系化的课程
从传统NLP技术到基于深度学习的 NLP技术，帮助学员理解技术深层 次的本质关系。
-
前沿顶会论文深度解读
我们将邀请国内外的AI博士与资深 工程师，来对NIPS, ICML，ACL, EMNLP等AI会议的热点paper 进行详解与讨论。
-
就业面试指导 就业推荐
在课程末期，导师助教团队会给学 员提供个性化就业面试指导。成绩 优异者，还会帮你内推一线AI企业 的岗位。
专业课程大纲
机器学习基础与数学
（3周）
机器学习概论
KNN，近似KNN，KD树
线性回归，岭回归，LASSO
正则的使用：L1和L2比较
逻辑回归与最大似然
梯度下降法与随机梯度下降法
小批量GD
机器学习数学基础
简单凸优化介绍
项目
集成模型
（2周）
信息论基础
决策树模型与构建
集成模型的优势
随机森林与完全随机森林
Bagging与Boosting
XGBoost模型
项目
文本分析
（2周）
条件独立性质
朴素贝叶斯模型
文本的表示
词向量
训练词向量
句子向量
主题模型的使用
项目
无监督学习
（2周）
降维与PCA算法
K-means与K-means++
GMM模型
EM算法
K-means与GMM的比较
项目
深度学习
（3周）
神经网络与BP算法
卷积神经网络（卷积，空洞卷积，可分离卷积，1*1卷积）
激活函数（激活函数作用，Relu）
常见损失函数（cross-entropy，smooth l1，focal loss， dice loss）
深度学习中的正则化（L1，L2，BN, GN, Dropout）
优化算法（SGD，Momentum，NAG，Adam）
RNN与梯度消失
LSTM与GRU
Seq2Seq与注意力机制
项目
推荐系统
（2周）
基于内容的推荐算法
基于协同过滤的推荐算法
矩阵分解
基于内容的Gradient Tree
基于深度学习的推荐算法
冷启动问题的处理
Exploration vs Exploitation
Multi-armed Bandit
项目
毕业设计
- 毕业项目选择一
- 毕业项目选择二
- 毕业项目选择三
-
基于医疗知识图谱的问答系统
任务概要：
医疗+AI领域一向都是行业的热点。在本项目中，大家将有机会完成一款基于知识图谱的问答系统。从知识图谱的搭建到问答系统模块、最后到部署上线，你将会体会到完整的流程。
涉及到的技术点：
爬虫，文本数据清洗、预处理，文本挖掘，文本分类，知识图谱的构建以及查询，序列到序列模型，attention机制，模型部署
基本构建要点：
基于垂直网站数据的医药知识图谱构建
知识图谱相关概念的理解，确定知识图谱的原型
爬取格式化数据，数据清洗及处理
熟悉图数据neo4j的使用，将格式化数据存储于图数据库中
基于医药知识图谱的自动问答
问答模式
问句分词解析（由医疗领域存在许多专业词汇，需要手动实现分词算法）
基本的数据预处理，如去除停用词、无用符号、特殊词汇等
匹配问句的意图（基于句向量间的匹配）
获取问句中的关键信息（词槽）
将意图以及关键信息转化为查询语句
将查询结果转化为自然语言的形式
问答模式
闲聊语料库的清洗、整理
根据seq2seq+attention训练闲聊模型
-
人体关键点检测
任务概要：
人体关键点检测可以用于对身体和手的姿态进行估计估计，对于关键点的估计可以应用于人体的运动分析、行为分析、绘画辅助、游戏人物动作采集、虚拟现实等领域。通过本项目我们构建一个人体关键点检测系统，并且实时输出检测结果。
涉及到的技术点：
图像预处理、Hourglass Networks、点回归、点分类、关系匹配、匈牙利算法
基本构建要点：
准备工作:
阅读相关论文，掌握人体关键点检测核心思想
查阅最新人体关键点检测论文，参考其核心代码实现
训练环境的安装与调试
网络模型训练
数据增强，整理跟自己研究方向相关场景的数据
跑通人体关键点检测相关代码
加入数据进行模型训练
模型评估与调优
计算模型准确率，对模型进行评价
针对具体想要改进的点进行深入研究并且动手实现
重新进行模型训练并评估
归纳总结在模型优化过程中的经验
-
Kaggle比赛（文本匹配）
任务概要：
Quora可以认为是英文的知乎，如何给用户匹配接近的问题是平台面临的挑战。客服机器人等应用也会使用文本匹配技术。
基本构建要点：
第一周：问题调研以及基础学习
研读相关的研究论文
自己编写深度学习模块（LSTM、CNN、FC、Dropout等）
调用自己的Class手动实现模型的Baseline
第二周：特征工程以及模型调优
研究数据特点、制作优质的人工特征（如：图特征等）
调节超参数（包括网络结构），抛出但模型的最优结果
第三周：模型的融合
多模型融合、超越单模型结果
使用预训练模型、超越现有深度学习模型
融合所有模型，刷榜
第四周：总结与整
对不同文本匹配模型的原来进行总结分类
总结人工特征的经验、总结模型调优的结果、融合模型的效果
完成一篇完整的Technical Report
公共课程
Python编程
Numpy, Pandas, Sklearn的使用
数据结构与算法
软件工程技术
模型部署于上线
A/B测试
职业辅导
往期优秀学员毕业后成功入职一线名企
- 算法工程师—cv/语音方向
- 机器学习算法工程师
- 机器学习推荐算法工程师
- 机器学习架构工程师
- 数据挖掘工程师
- 机器学习算法工程师
推荐课程
Recommended Course
Q&A
- 1人工智能与ML的关系？
- 人工智能包含领域众多，如机器学习、计算机视觉、推荐系统、自然语言处理等；ML(Machine Learning) 机器学习是人工智能（AI）的一个子领域。
- 2为什么要学习机器学习相关课程？
- 机器学习为我们今天使用的许多服务提供了驱动力，头条的推荐系统，百度和必应等搜索引擎，Siri和天猫精灵这样的语音助理，这些例子都表明机器学习在当今数据丰富的世界中已经开始发挥关键的作用
- 3学完课程能达到什么水平？
-
1、能够解决常见的人工智能与自然语言问题。
2、应对bat等大厂的相关职位面试的能力。
3、有能力独自阅读最新文献，掌握第一手知识。
- 4零基础可以学习这门课程吗？
- 本课程为以就业为导向的机器学习课程，需要一定的编程基础，对于不曾涉及人工智能领域学习的学员，我们提供了免费的入门级课程，建议添加我们的课程顾问微信，专业的顾问会根据学员的个人情况，为您即时提供合理的建议。
对于满足以下条件的学员，我们提供50%的学费减免
具有QS或US News世 界排名前100名学校的 硕士、博士学位或正在 攻读硕士、博士学位
以第一作者身份发表过 至少一篇，或者非第一 作者身份发表2篇以上 CCF C类以上的会议 (包括C类)
自己的Github项目中至 少有一个项目star数超 过300
ACM、MCM竞赛获得 亚洲区或国际一等奖及 以上
Kaggle，天池竞赛获得 过前5%成绩