課程詳情：

Python大數(shù)據(jù)機器學(xué)習(xí)實戰(zhàn)

高級工程師實戰(zhàn)培訓(xùn)班

本課程特點是從數(shù)學(xué)層面推導(dǎo)經(jīng)典的機器學(xué)習(xí)算法，以及每種算法的示例和代碼實現(xiàn)（Python）、如何做算法的參數(shù)調(diào)試、以實際應(yīng)用案例分析各種算法的選擇等。

1.每個算法模塊按照“原理講解→分析數(shù)據(jù)→自己動手實現(xiàn)→特征與調(diào)參”的順序。

2.“Python數(shù)據(jù)清洗和特征提取”，提升學(xué)習(xí)深度、降低學(xué)習(xí)坡度。

3.增加網(wǎng)絡(luò)爬蟲的原理和編寫，從獲取數(shù)據(jù)開始，重視將實踐問題轉(zhuǎn)換成實際模型的能力，分享工作中的實際案例或Kaggle案例：廣告銷量分析、環(huán)境數(shù)據(jù)異常檢測和分析、數(shù)字圖像手寫體識別、Titanic乘客存活率預(yù)測、用戶-電影推薦、真實新聞組數(shù)據(jù)主題分析、中文分詞、股票數(shù)據(jù)特征分析等。

4.強化矩陣運算、概率論、數(shù)理統(tǒng)計的知識運用，掌握機器學(xué)習(xí)根本。

5.闡述機器學(xué)習(xí)原理，提供配套源碼和數(shù)據(jù)。

6.以直觀解釋，增強感性理解。

7.對比不同的特征選擇帶來的預(yù)測效果差異。

8.重視項目實踐，重視落地。思考不同算法之間的區(qū)別和聯(lián)系，提高在實際工作中選擇算法的能力。

9.涉及和講解的部分Python庫有：Numpy、Scipy、matplotlib、Pandas、scikit-learn、XGBoost、libSVM、LDA、Gensim、NLTK、HMMLearn。