你将获得
轻松入门机器学习的路线图
真实电商业务场景五阶段实战
9 大实用的机器学习算法
揭秘机器学习应用的底层逻辑
课程介绍
毋庸置疑，机器学习是这个时代的热点，聊天机器人、人脸识别、自动驾驶、大型电商的精准推荐系统的背后都是机器学习。不仅如此，机器学习还能解决很多工作或者生活上的问题，比如提高垃圾邮件分类器的效率，比如预测明年白菜是不是会涨价等等。
机器学习堪称是从数据中挖掘价值的万金油，它的算法库已经非常成熟了，按理说机器学习应该是人人都能用得上的技术，可事实上很多人在入门机器学习时，总面临着这样的问题：
听到机器学习就觉得它的算法很难，望而却步。
想去学机器学习，可市面上的学习资料里都是大量算法的推导解析，看都看不懂，怎么学？
在一些机器学习资料中，虽然理论和实践内容搭配很合理，但案例离自己真实的应用场景比较远，学了遇到实际问题了还是不会做。
其实，如果你定位自己是机器学习的应用者，而不是机器学习算法的研究者的话，那么你根本就没有必要去死磕算法的推导细节，你只需要从做中学就行了，也就是从做实际项目开始，在项目中去理解算法的原理，学会把算法模型灵活地运用到一个一个的具体场景之中。
为此，我们特意邀请到了黄佳老师，他根据自己从业多年后半路出家机器学习的丰富经验，梳理出了一套小白快速入门机器的方法论，帮助你零基础搞懂机器学习。同时，他还会手把手带你完成一个运营场景下的机器学习闯关，让你在真实的业务场景下，真正理解机器学习算法应用的诀窍，学会用机器学习的技术去解决你的业务问题，真正把机器学习用起来。
课程目录
开篇词 (1讲)
开篇词｜开发者为什么要从实战出发学机器学习？.mp3
准备篇 (4讲)
01｜打好基础：到底什么是机器学习？.mp3
02｜工具准备：安装并使用Jupyter Notebook.mp3
03｜实战5步（上）：怎么定义问题和预处理数据？.mp3
04｜ 实战5步（下）：怎么建立估计10万+软文点击率的模型？.mp3
业务场景闯关篇 (14讲)
05 | 数据探索：怎样从数据中找到用户的RFM值？.mp3
06 | 聚类分析：如何用RFM给电商用户做价值分组画像？.mp3
07｜回归分析：怎样用模型预测用户的生命周期价值？.mp3
08 | 模型优化（上）：怎么用特征工程提高模型效率？.mp3
09｜模型优化（中）：防止过拟合，模型也不能太精细.mp3
10｜模型优化（下）：交叉验证，同时寻找最优的参数.mp3
11｜深度学习（上）：用CNN带你认识深度学习.mp3
12｜深度学习（中）：如何用RNN预测激活率走势？.mp3
13｜深度学习（下）：3招提升神经网络预测准确率.mp3
14｜留存分析：哪些因素会影响用户的留存率？.mp3
15｜二元分类：怎么预测用户是否流失？从逻辑回归到深度学习.mp3
16｜性能评估：不平衡数据集应该使用何种评估指标？.mp3
17｜集成学习：机器学习模型如何“博采众长”?.mp3
18 | 增长模型：用XGBoost评估裂变海报的最佳受众群体.mp3
持续赋能篇 (3讲)
19 | 胸有成竹：如何快速定位合适的机器学习算法？.mp3
20 | 模型部署：怎么发布训练好的机器学习模型？.mp3
21｜持续精进：如何在机器学习领域中找准前进的方向？.mp3
结束语 (2讲)
一套习题，测出你对机器学习的掌握程度.mp3
结束语 | 可以不完美，但重要的是马上开始.mp3
评论0