Layout Boxed
Background

从零基础到深度学习工程师系列课程第一课

机器学习基础课程,小白的破冰之旅

想要了解机器学习却不知从何下手? 外文书籍语言受限难以理解?阅读资料繁多看得一头雾水?自学遇到问题却无人解答?当下众多公司和个人投入大量精力到机器学习领域,谷歌、百度等互联网巨头纷纷布局,从国有企业到创业公司对机器学习人才存在大量需求缺口。目前市场线下入门课程少之又少,针对这一需求,fastai中文社区专为零基础小白设计机器学习破冰之旅,2天带你快速入门。

本课程由fastai中文社区开设,提供一个绝好的机器学习入门环境,并为深度学习课程打下基础。课程独具特色地将学生带到实际案例中, 帮助学员消除畏惧心理、培养学习兴趣、掌握入门方法。在两天的课程中,与项目经验丰富的大咖交流,在导师精心的有针对性的指导下,让零基础学员也能通过机器学习算法解决实际问题,享受实战乐趣,为日后进一步向深度学习工程师发展打下坚实基础。

授课团队:

Chris:深度学习工程师,电气工程师,是一位具有超凡想象力的企业家。曾参与P2P贷款违约预测、广告墙检测算法、学生语言发音评分等项目,目前正在开发全球污染预测、语音情绪映射、外汇价格预测等项目。

Max:深度学习工程师,无人驾驶工程师,对外经贸大学金融学博士,酷爱滑雪和登山运动的探险家,有丰富的教学经验,能说一口流利的中文。

Lucas:深度学习工程师,清华大学软件学院硕士,是一位热衷于在机器学习、计算机视觉方向创业的企业家,曾参与基于审美偏好模型的推荐系统、视频流中的实体特定对象检测、视频中的血流检测与增强等项目。

石任梁:深度学习工程师,fastai中文社区全职教师,无人驾驶创业方向,对当前最新的无人驾驶技术开发有相当丰富的实战经验。

崔伊达:深度学习工程师,毕业于纽约州立大学石溪分校,应用数学与统计专业与经济学专业双专业。曾参与了清华大学紫荆谷创业家极速锻造研修班项目的教学工作,目前在fastai中文社区承担运营及口译工作。

开课时间 & 背景要求

本期开课时间:9月23日-24日
上课地点:中关村南四街四号中科院软件园区2号楼

如果你是没接触过机器学习的小白,两天的学习我们让你得到质的飞跃,向着机器学习工程师进发。

在历次的两天速成课上:
学员A,普通公司HR,进门时完全零基础,连环境都没有配上,出门时已经能调出自己的模型。
学员B,国内985大学学生,完成白天的课程学习后深夜还在研究,在老师的帮助和引荐下找到了一份实习工作。
学员C,程序员,多次下课后主动同老师进行交流,自己研究出了老师上课没有讲过的模型。
学员D,著名互联网公司产品经理,在听完课程后对机器学习有了基本了解,设计产品、与公司技术人员交流不再不能接轨。
我们相信,通过认真的学习,你也能和他们一样优秀!

简易代码+趣味项目,2天搞定机器学习!

课程介绍

第0课:A day with machine learning
Chris用一名机器学习工程师生活中的一天形象地介绍了机器学习给我们的日常生活带来了哪些变化,机器学习能够为我们做哪些事情,以及机器学习的未来展望。

第1课: Type of Problem: Classification, Regression and Clustering
机器学习问题类型主要探讨了三类不同的类型:分类问题、回归问题和聚类问题。通过与生活相结合,找到现实世界存在的不同问题的客观性,探寻解决问题的途径和算法可能。

第2课:Regression Algorithms
用“白酒质量评分”案例的形式探讨回归算法在实际生活中的广泛应用,体验线性回归的编程乐趣。

第3课:Decision Tree Algorithms
用“银行票据分类”案例探讨决策树算法是怎样工作的,以及在实际生活中的广泛应用场景。

第4课:Dimensionality Reduction Algorithms
主要介绍了基本的降维算法比如主成分分析(PCA)等在数据预处理中的应用。

第5课:Clustering Algorithms
通过一些应用场景例如营销、图书馆、保险、城市规划等生动地介绍了聚类算法在实际生活中的广泛应用。

第6课:Sweat the small stuff
概述了常见的调参Fintune以及数据预处理的小小技巧,包括超参数、训练/测试集拆分、以及数据输入等。

第7课:Introduction to Deep Learning
讲解了深度学习的基本知识,包括深度学习的发展历史、GPU、反向传播、单层神经网络以及前馈网络、卷积神经网络、循环神经网络的基本知识和应用场景。

第8课:FFNN 前馈神经网络
阐释前馈神经网络的运作机理,并回顾第一天的问题,探讨前馈网络的应用场景,展望前馈网络的未来。

第9课:RNN 循环神经网络
基于循环神经网络的工作原理,结合机器学习的几大问题,探讨循环神经网络的应用场景,并展望循环网络的未来。

第10课:CNN 卷积神经网络
卷积神经网络怎样工作?为什么卷积神经网络在图像分类上表现这么好?以及Mnist手写数字识别案例。

Q&A
没有基础能不能学?
Fastai的口号是让深度学习民主化,希望普通人都能够应用深度学习。我们的课程对零基础非常友好,直接进入环境是短期内迅速提升最有效的办法。
不用先学理论再进行实战吗?
我们学开车,最好的办法是上手练习,开多了就熟悉了,而不是先学习车的结构。机器学习也是一样,重在实战和应用。必须的理论,像是开车的规则,我们会在实战中讲解。
3.两天的时间能学的会吗?
我们往期的两天课程很多同学成功调出自己的模型,相信自己!
4.线上的课程和教材也很多,为什么要报这个课?
现存的教材偏重理论,新手难以消化。在实战中会有各种个性化的问题,线下的课程有接受老师面对面交流指导的机会。自己学习是很枯燥,难以坚持的,这里能和一帮志同道合的朋友有更深的接触,一起学习。

限时优惠价格
(原价2999元)

优惠价:899元

Back to Top