周志华《机器学习》西瓜书新出算法推导视频!(超级详细)

AI助手已提取文章相关产品:

【文末重金招募讲师】不是每个人都适合2万小时定律,努力的方向不对,就是白努力。

如果你对人工智能跃跃欲试,第一步该怎么办?我通常的做法是,先收集人工智能有关的信息,或者问问身边正在学习的师兄师姐,寻求他们的方法或建议。

如果你已经开始学习,并且了解一点机器学习这个概念,那么你就应该知道这本书“周志华《机器学习》”,号称人工智能领域中文版开山之作

640?wx_fmt=jpeg

这是一本面向中文读者的机器学习教科书,适合正在学习机器学习的学生,以及对人工智能机器学习感兴趣的人士。为了让读者通过本书对机器学习有所了解,作者使用了通俗易懂的切西瓜的方式,生动有趣的讲解了机器学习基础知识的各方面,被业内戏称“西瓜书”。

这也是很多入行大咖,很多学人工智能方向,很多知乎大V,优秀的博主强烈推荐的书籍。

虽说书是好书,但由于篇幅限制,这本书对于公式推导的部分未能进行详尽的描述,也导致很多读者无法理解其算法的原理和公式推导的过程。

这也是很多人,买了书,但最后没有看完,或者看到一半放弃的原因。

为此我们专门开设了一场算法理论+实战结合最紧密的“机器学习”西瓜书训练营。

640?wx_fmt=jpeg

640?wx_fmt=png

周志华《机器学习》西瓜书训练营

640?wx_fmt=jpeg

算法推导过程详解

《西瓜书》的学习顺序≠书本阅读顺序,我们重新由浅入深,排列学习顺序,加入算法公式的推导详解视频细化到每一步,让你彻底搞懂机器学习内在的每一个原理

640?wx_fmt=jpeg

640?wx_fmt=jpeg

比赛实战

针对书本过于理论化的不足,我们加强了实战部分的比重,在整个教学设计上,带打两场AI重量级大赛,通过比赛让自己熟悉机器学习的算法,将抽象的理论知识嵌入比赛代码,边学边用

640?wx_fmt=jpeg

640?wx_fmt=jpeg

三大维度答疑

1、导师接受1对1提问,12小时之内保证解决问题

2、每月统一收集问题直播答疑,系统讲解重难点

3、微信群助教及时互动,群友互答

640?wx_fmt=png

作业视频讲解

对于优秀作业我们将置顶,老师及助教将进行点评和批改

640?wx_fmt=jpeg640?wx_fmt=jpeg

△可上下滑动,查看往期学员部分打卡详情

还会针对作业进行详细的视频讲解

640?wx_fmt=jpeg

640?wx_fmt=jpeg

除此以外,你还能获得

1、赠送价值1198元为期一年1对1咨询服务,11位重量级人工智能大咖坐镇,全方位解决你的学习困惑

2、超过15家知名互联网企业的工作内推

640?wx_fmt=jpeg

3:深度之眼策划了10场(学习赋能)+20场(技术应用方向)重量级AI直播,不是技术硬干货,但每一场都有独特的价值,翻到文末,查看具体主题和参与方式

良好的学习氛围

各大985、211名校学生都选择加入我们的训练营一起学习,不乏哈佛、麻省、清华、北大、中科院本科研究生,华为、阿里、滴滴的工程师

加入我们,你就能收获一群优质的学习伙伴

640?wx_fmt=jpeg640?wx_fmt=jpeg

△可上下滑动,查看往期训练营学员群内互答,加深理解

看到同学们这么认真的在做学习笔记,也是满满的成就感

睁开眼,阳光和你都在~

640?wx_fmt=jpeg640?wx_fmt=jpeg

△可上下滑动,查看往期训练营学员部分作业完成详情

我们的模式在往期训练营里中备受好评!而我们,还在不断的更新迭代

640?wx_fmt=jpeg

△可上下滑动,查看往期训练营学员部分评价详情

教学大纲

【第一周】

1.【学前准备】开营仪式

2.了解机器学习基本概念

3.入门比赛:“达观杯”NLP算法大赛(报名和入门指导)

【第二周】

1.线性模型

2.学习sklearn包中逻辑回归算法的使用

3.作业:梳理算法工作流程,使用sklearn的逻辑回归接口实现MNIST 分类

【第三周】

1.  决策树的分裂准则

2.  决策树的剪枝和连续值处理

3.学习sklearn包中决策树算法的使用

4.作业:掌握构建一个棵树的基本流程,使用sklearn的决策树接口实现鸢尾花分类

5.入门比赛:“达观杯”NLP算法大赛(进阶指导)

【第四周】

1.支持向量机原始模型的建立和求解

2.核函数和软间隔支持向量机

3.了解sklearn包中svm算法的使用

4.作业:掌握SVM公式推导,使用sklearn的SVM接口实现鸢尾花分类

【第五周】

1.极大似然估计与朴素贝叶斯

2.EM算法

3.了解sklearn包中的朴素贝叶斯算法的适用

4.作业:掌握极大似然估计和朴素贝叶斯分类器,使用sklearn的高斯贝叶斯接口实现鸢尾花分类

【第六周】

1.神经网络结构

2.BP算法

3.深度学习初探

4.了解sklearn包中神经网络的使用

5.作业:掌握BP算法,使用sklearn的神经网络接口实现MNIST分类

【第七周】

1.经验误差与过拟合

2.评估方法

3.性能度量

4.了解sklearn包中模型评估方法的使用

5.进阶比赛:天池 o2o 优惠券使用预测比赛(报名指导)

【第八周】

1.特征降维

2.特征选择

3.了解sklearn包中特征选择和降维算法的使用

4.作业:掌握特征选择和降维算法的使用

5.进阶比赛:天池 o2o 优惠券使用预测比赛(入门指导)

【第九周】

1.集成学习

2.结合策略

3.实验-lightGBM的使用

4.进阶比赛:天池o2o优惠券使用预测比赛(进阶指导)

【第十周】

1.聚类

2.HMM

3.对K-means算法进行实践

【第十一周】

1.任务与奖赏

2.K-摇臂赌博机

3.有/无模型学习

4.比赛复盘和期末总结

-长按以下二维码速速报名-

640?wx_fmt=png

报名时间:2019.8.22-9.22(过时无法参与)

开课时间:9.9日-12.1日

带学导师团


学AI,顶级书本+权威导师,你就相当于成功了一半,而我们经验丰富的导师团

640?wx_fmt=jpeg

业内常用的一句话叫”不问怎么入门,直接上路就好“,变态的自律,你会取得难以想象的成就。停留在舒适圈你只会原地踏步

为了鼓励学员,我们一直坚持对于优秀的学生发放奖金

640?wx_fmt=png

按要求完成全勤打卡,我们将赠送你如下福利!!(训练营采取的积分机制,打卡、点评、点赞都会有得到相应的积分,凭积分就可以换取相应奖品!)

640?wx_fmt=png

640?wx_fmt=png

事实证明,往期训练营结束后,每一期坚持打卡的人,都拿回了报名时他所付的金额

640?wx_fmt=png

我们的学员凡是参与过一期的人,都不断的在参与我们其他的主题,所有人说“太值了”!

现在参与报名,仅需98元!

或许这只是你一张电影票的钱,

还不够你买一款游戏,一套皮肤

但是如果你愿意选择加入我们,你能获得不仅仅是

扎实的理论算法推导功底+比赛实战经验

还有一群优秀的学习伙伴!

-长按以下二维码速速报名-

640?wx_fmt=png

报名时间:2019.8.22-9.22(过时无法参与)

开课时间:9.9日-12.1日

640?wx_fmt=png

最后一期98元!下期将涨价至198元!

添加班主任微信进学员内部群

640?wx_fmt=png

开启你的升级之旅

640?wx_fmt=gif

重磅推出深度之眼VIP

640?wx_fmt=gif

一年畅学17大主题训练营,从小白入门到进阶大神的最佳学习方式

640?wx_fmt=png

640?wx_fmt=jpeg

订阅须知

Q、课程资料在哪里看?

A、所有的课程资料均会在训练营上传。

Q、报名后可以退款吗?

A、本服务为虚拟内容产品,一经购买,概不退款,敬请谅解。

Q、可以开具发票吗?

A、可以开具普通电子发票,请联系微信班主任填写需要的信息即可。

名企合作

截止目前,我们已经和多家国内知名在线教育平台和比赛机构建立了合作关系,只为给大家提供最优质的学习服务:

640?wx_fmt=jpeg

640?wx_fmt=jpeg

讲师招募!!

深度之眼首创训练营模式,在不到两年时间已有1.8万名付费学员,我们长期招募兼职讲师,以在线工作为主,分成收入佳

只要您在一下方面有某一专长:

1、对数据分析、数据挖掘方向有擅长,可带数据科学相关班

2、有多年Python开发经验,对web/爬虫/运维/数据分析/云计算/大数据其中一个领域熟悉,可申请做Python课程导师

3、精读过《深度学习》花书、李航《统计学习方法》、《机器学习》西瓜书、等AI类知名书籍,可以开设以此书籍为教材的带读班

4、系统学过李宏毅的《机器学习》《深度学习》、李飞飞《计算机视觉课》、或是国外名校的知名公开课,可以开设以此课程为教材的带学班

5、 打过Kaggle、天池、AI challenger、科赛网、DC等竞赛,并取得过前5的成绩,可带竞赛班

6、如果你自己曾经读过AI类的经典或者前沿论文,并且对论文做过深入的分析和研究,可作为我们的paper精读班老师

7、如果你在企业里面,有参加过实际的企业项目,可以作为我们AI企业项目实战班

我们不需要你全能,只要你在某一个方面特别擅长,即可担任我们的带学导师

(了解薪资报酬,可以进入【深度之眼】公众号回复关键词【讲师】)

招募分享达人

如果你热爱分享技术、学习经验、心得、我们为你搭建平台,帮你打造个人影响力!

欢迎大家扫客服微信联系我们!

640?wx_fmt=jpeg

同时欢迎HR联系我们探讨内推、实习等合作!

640?wx_fmt=jpeg

福利大赠送

640?wx_fmt=png

640?wx_fmt=jpeg

如何获取资料?

如何获取资料?

1.关注公众号“深度之眼

640?wx_fmt=jpeg

2.后台回复:资料,即可领取

640?wx_fmt=jpeg

PS:我们所收集的所有资源均来自网络,仅供私下交流学习之用,任何涉及到商业目的的均不能使用,所有资源均来自互联网的优秀作者们,版权归原作者或企业所有。

您可能感兴趣的与本文相关内容

### 关于周志华机器学习》(西瓜)第二章的学习笔记 #### 模型评估与选择概述 模型评估与选择是机器学习领域的重要组成部分,旨在通过合理的方法评价不同模型的表现并挑选最优者。这一过程不仅涉及如何衡量单个模型的好坏,还包括怎样对比多个候选方案以做最佳决策。 #### 偏差、方差和噪声的概念解析 偏差度量了学习算法的期望预测与实际结果之间的差距,反映了算法自身的拟合精度;方差描述的是相同规模训练集变化引起的学习效果波动情况,体现了数据扰动带来的影响;而噪声则设定了给定任务下所有可能采用的学习方法能达到的最佳预期泛化误差界限,揭示了问题本身固有的复杂性和挑战性[^2]。 #### 性能度量指标——P-R图及其应用 为了更直观地展示各类分类器的工作特性,通常会绘制精确率-召回率(Precision-Recall, P-R)曲线来辅助分析。当面对多组实验结果时,可以通过观察这些图形相互间的位置关系来进行优劣评判:如果某条曲线始终位于另一条之上,则表明前者具有更好的整体表现;而对于那些存在交点的情况,则需进一步计算各自下方区域面积大小作为判断依据之一。此外,“平衡点”作为一种特殊的性能测度,在特定条件下也能提供有价值的参考信息[^3]。 #### 偏差-方差分解理论简介 该理论为理解学习算法的一般化能力提供了框架性的指导思路,通过对平均测试错误率实施拆分操作,可以深入剖析导致过拟合现象背后的原因所在,并据此探索改进措施的方向。具体而言,总误差由三部分构成——不可约减误差点(即噪声)、平方形式表达来的偏差项以及线性累加而成的方差成分[^4]。 ```python import numpy as np from sklearn.model_selection import train_test_split from sklearn.metrics import precision_recall_curve, auc def evaluate_model_performance(model, X, y): """ 计算并返回PR曲线下面积(AUC),用于量化模型的整体性能。 参数: model (object): 已经训练好的分类模型实例。 X (array-like of shape (n_samples, n_features)): 测试特征矩阵。 y (array-like of shape (n_samples,)): 对应的真实标签向量。 返回: float: PR AUC得分。 """ # 划分训练集/验证集 X_train, X_val, y_train, y_val = train_test_split(X, y, test_size=0.2) # 使用训练集拟合模型 model.fit(X_train, y_train) # 获取验证集中各观测对应的概率估计值 probas_pred = model.predict_proba(X_val)[:, 1] # 绘制PR曲线并求得AUC分数 precisions, recalls, _ = precision_recall_curve(y_val, probas_pred) pr_auc_score = auc(recalls, precisions) return pr_auc_score ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值