1

9月机器学习在线班 [含实践]

  • 开班时间:2015年10月11日 晚上7点
  • 课程时长: 20
  • 价       格:1200 [原价1200,现价960]
  • 课程咨询
报名结束

扫描下载七月在线app

IOS
Android

网上视频很多,但由于没有个性化的内容、辅导、答疑,导致不少初学者看再多视频,视频看再多次,都是迷迷糊糊、不成体系。

    本次9月机器学习在线精品课程,主讲老师阵容强大(邹博 + 周博,两大博士为理论实践全力护航),支持在线实时互动(讨论答疑),上课内容根据欲听课学员的反馈个性化定制,且在6月机器学习在线班的基础上加大实践内容(机器学习和深度学习相关实践),着重为初学者扫清前进道路上的障碍,为进阶者进一步巩固、提升,让所有学员都能在理论和实践层面入门机器学习,领略其强大魅力。

上课方式:在线QQ群视频直播上课,天南地北,只要想听,谁都有机会报名参加。
上课时间:10
月11日晚上7点开始上课,一周两次课,每周六每周日晚上7 - 9点上课PS:大部分次课提供上课视频供课后反复观看(20次课至少18次课有视频)。
上课基础:一定的编程、语言、数据结构、算法基础。
课程福利:3个月全程辅导,除了每次课2小时的在线直播,更有讲师一周 7 天*12小时全天候答疑,及与牛人师兄的互助讨论,帮你省下独自一人苦苦探索而浪费的巨大时间成本。3个月的课程结束后,有问题依然可以随时在群内提问讨论。

主讲老师

  1. 邹博,计算机科学博士毕业,七月算法在线学院最受欢迎的讲师之一(听过课的皆赞誉有加,有口皆碑),讲课清晰易懂,推导机器学习细致透彻。
  2. 周博,浙大博士毕业,阿里巴巴技术专家,熟练机器学习主流算法和深度学习框架Torch,专注计算机视觉、网络多媒体,开发多款计算机视觉产品。
  3. 更多嘉宾讲师具体上课时揭晓。

考虑到不少初学者因数学功力不足,公式不会推导而学不下去,故本次课程的前4次课帮大家重点梳理下机器学习所需要的数学知识,具体上课内容安排如下

  • 第1课 微积分与概率论
    • Taylor展式/牛顿法/梯度/指数族分布/共轭分布
  • 第2课 数理统计与参数估计
    • 统计量/切比雪夫不等式/大数定理/中心极限定理/参数估计方法
  • 第3课 线性代数
    • 向量/矩阵/方程/特征向量
  • 第4课 凸优化
    • 凸集、凸函数、凸优化、KKT条件
  • 第5课 回归
    • 最小二乘法、梯度下降、稀疏、过拟合、Logistic回归
    • 代码示例:使用批处理梯度下降和随机梯度下降(SGD)求回归参数
  • 第6课 梯度下降算法剖析
    • 自适应学习率、拟牛顿
    • 代码示例:使用Armijo准则的BGD/SGD求自适应学习率
  • 第7课 最大熵模型
    • 熵、最大熵模型、IIS
  • 第8课 PCA、SVD、LDA(Linear Discriminant Analysis)
  • 第9课 聚类
    • 距离度量、K-means/K-Medoid/密度聚类/谱聚类
  • 第10课 决策树和随机森林
    • ID3、C4.5、CART、Bagging、GBDT
  • 第11课 Adaboost
    • Adaboost、前向分步算法
  • 第12课 SVM
    • 线性可分支持向量机/线性支持向量机/非线性支持向量机、SMO
    • 机器学习实验课1: SVM代码实现和分析,纯Web交互式,无需任何安装环境。
  • 第13课 贝叶斯网络
    • 朴素贝叶斯、有向分离、马尔科夫模型/ HMM /pLSA /LDA
  • 第14课 EM算法
    • GMM/pLSA/HMM
    • 代码示例:使用EM算法求GMM参数——以男女身高为例
    • 代码示例:使用EM算法求GMM参数——图像分割
  • 第15课 主题模型
    • pLSA/共轭先验分布/LDA
    • 机器学习实验课2:
      水木社区BBS语料的LDA帖子分类实践  
  • 第16课 采样与变分
    • MCMC/KL(p||q)与KL(q||p)
  • 第17课 隐马尔科夫模型HMM
    • 概率计算问题/参数学习问题/状态预测问题
  • 第18课 条件随机场CRF
    • 概率无向图模型/MRF/线性链CRF
  • 第19课 人工神经网络:BP算法,CNN,RNN
  • 第20次课 深度学习
    • 机器学习实验课3:以Torch为框架的深度学习实践

  3个月全程辅导:每周末2次在线直播 + 一周7天无间歇全程答疑,仅收1200元。但具备以下7个条件之一者均可享受 8 折优惠

  1. 3人或3人以上组队8折优惠。3人或3人以上一起报名,全部享受团购价8折优惠(1200*0.8=960)。PS:想组队一起报名12月机器学习在线班的,除了可以跟身边的同学、朋友或同事一块组队报名之外,还可以加此QQ群:252422340,到群内完成组队,进群后可直接在群内吆喝道:新学员12月机器学习求组队”。
  2. 发题库APP的下载链接至任一高校bbs享受单人8折优惠。发七月题库APP的下载链接:http://www.julyapp.com/ + 一两句自己的真实体验感受,到任一高校bbs,便可以凭借发的链接享受单人报名直接8折优惠。PS:最后报名时在“优惠理由”那里写上分享的bbs链接。
  3. 发题库APP截图到微博单人8折优惠下载七月题库APP(http://www.julyapp.com/),截图或分享题目到微博上,并AT@七月题库@研究者July,即可凭借分享的微博链接享受单人直接8折优惠。PS:最后报名时在“优惠理由”那里写上分享的微博链接。
  4. 社区积分前200名单人8折优惠。截止到11月27日晚0点,积分/威望排名前200位的朋友:http://ask.julyedu.com/people/order-integral(积分/威望前200名为前4页)新学员单独一人报名亦可享受8折优惠(1200*0.8=960)。PS:迅速获取社区积分享受8折优惠的办法:http://ask.julyedu.com/integral/rule/
  5. 关注我们发招生链接单人8折优惠。关注我们的官方微博:@七月算法,和我们的微信公众账号:julyedu,同时把本期课程班的招生链接发微博(招生链接为:http://www.julyedu.com/course/getDetail?course_id=31),即可享受单独一人报名的8折优惠。PS:最后报名时在“优惠理由”那里写上:关注官方微博+微信公众号,且已发招生链接,我的微博昵称为XXX,微信昵称为XXX”。
  6. 看视频发微博单人8折优惠。从我们的官网 http://www.julyedu.com/video/index 上任意选择一个视频,把视频学习心得 + 视频链接发新浪微博,即可享受单独一人报名的8折优惠。PS:最后报名时在“优惠理由”那里写上“已发视频学习心得,微博链接为:....”。
  7. 看视频写评论单人8折优惠。从我们的官网 http://www.julyedu.com/video/index 上任意选择挑2个视频,把视频学习心得写在评论下,享受单独一人报名的8折优惠。PS:最后报名时在“优惠理由”那里写上“已看完XX 2个视频且发评论,我的 julyedu.com 账号昵称为XX”。

特别优惠

  • 老学员跨班报名单人7折优惠,老学员重复报名单人5折优惠。4月/5月/7月算法班/8月面试求职班老学员单独跨班12月机器学习在线班享受7折优惠,3月/6月/9月机器学习在线班/2014年机器学习线下班老学员报名12月机器学习在线班5折优惠。换言之,老学员单人跨班报名(如机器学习班的跨班报算法,算法班的跨班报机器学习)  7折,老学员单人重复听课(比如机器学习班的再次报名机器学习班) 5折。
报名方式

   点击“我要报名”按钮,进入报名页面,迅速完成填写报名信息-支付转账两个过程。

  • 有优惠根据具体折扣转相应款项,并务必注明优惠理由,
    • 新学员 和某某3人一起团购报名 8折
    • “已分享题库APP,微博链接为....”
    • “社区积分/威望第XX名某某 8折(在积分前200名)“
    • “已发视频学习心得,微博链接为:....”
    • “已关注官方微博+官方公众号,且已发招生链接,我的微博昵称为XXX,我的微信昵称为XXX”
    • “已看完XX某2个视频且发评论,我的 julyedu.com 账号昵称为XX”
    • “4月算法在线班老学员跨班报名机器学习 7折”等等。
    • “3月/6月机器学习在线班老学员重复报名 5折”
  • 上班时间(白天上午9点-下午12点,下午2点-晚上11点)报名交费,4小时以内审核通过,如果审核通过,刷新报名页面,上面会显示上课QQ群号,代表报名成功。如果上班时间内已经交费但4小时以内未收到审核通知,敬请微博私信催July尽快极速审核(凌晨0点-上午9点之间报名交费,当天下午1点前审核通过)。
常见Q&A
  • 3人组团的可以分别报名转账,但这3人每人各自报名转账时,但要注明一起团购的另外两个人的真实姓名,且尽量同时间段内打,否则很可能被视为非一起报名。
  • 大部分次课提供上课视频供课后反复观看(20次课至少15次课有视频)PPT 在上课前1-3天公布。
  1. 3月机器学习在线班的部分上课视频:http://www.julyedu.com/video/index?category=%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0&course=23
  2. 《高等数学·上下册》;
  3. 《概率论与数理统计·浙大版》、《数理统计学简史·陈希孺》;
  4. 《矩阵分析与应用·张贤达》;
  5. 《凸优化(Convex Optimization) · Stephen Boyd & Lieven Vandenberghe著》;
  6. 《统计学习方法·李航》;
  7. 《Pattern Recognition And Machine Learning · Christopher M. Bishop著》,简称PRML;
  8. July 博客中的机器学习系列:http://blog.csdn.net/v_july_v/article/category/1061301
  9. July新书《编程之法:面试和算法心得》。
返回顶部