本次课程涵盖机器学习领域标签学习、概率图模型以及神经网络等方面的理论算法教学，同时辅以Bot机器人与智能营销等方向的实战开发。除了理论课程之外，长达1个月的GPU云服务能快速提升学员的实战开发能力。

理论+实战相结合的线下授课方式，能使学员快速掌握机器学习的理论算法和实战训练，短期内就可以帮助学员迅速成长为专业的技术开发工程师。

开课安排

4月

15日

周六

16日

周日

4月

22日

周六

23日

周日

学员福利

1、线上GPU云服务

提供价值10万元的GPU云服务（实操1个月，助教不定期线上答疑）

2、优秀学员内推BAT企业

能力出众的学员，有机会被内推到一线互联网公司。

3、参观互联网AI企业

课程结束当天，主办方将安排参观国内技术公司。

4、现场将会有神秘大咖、技术大牛空降分享

5、包午餐，外地学员可帮订住宿（费用自理）

  • 前20位报名

    9折

    ¥4499

    限时抢购

  • 3人起参团

    8折

    ¥3999

    名额有限

  • 企业5人+团

    7.5折

    ¥3749

    人数越多折扣越大
立即报名

（点击报名，联系客服改价）

博士，现任国内某著名研究机构博士生导师

研究兴趣主要集中在：数据挖掘、人工智能、机器学习等相关领域的智能算法与模型研究，并特别关注智能技术在金融、互联网领域的创新应用。近年，在数据挖掘、人工智能、大数据等领域的多个顶级国际会议（SIGKDD、IJCAI、CIKM、ICDM）和期刊（TKDE、TIT、TKDD）上发表四十多篇高质量论文，并获得多个国际主流会议的论文奖。 将主要精力倾注于科研和教学工作本身。鼓励学生解决实际问题，既能产出高质量的学术论文，又能将工作真正落地；梦想在国内复制“斯坦福模式”的神话。并严谨负责的进行本科生和研究生的“人工智能”相关课程的教学工作；同时，也参与一些一线大公司的AI智能技术的培训。

适合人群

课程大纲

课程预览

课程计划

04-15

  • 1 、ML与AI的回顾和简介

    1.1 AI的潮起潮落：弱人工智能和强人工智能

    1.2 机器学习模型的构成：目标函数、优化、推理预测

    1.3 机器学习模型的分类：监督学习与非监督学习

    1.4 机器学习研究的新趋势：从标签学习到结构体学习

  • 2 、标签学习

    2.1 以分类、回归的思想建模（最小化回归误差和最小化信息熵）

    决策树：信息熵

    回归树

    Gradient Boosting Regression Tree：在工业界的广发应用与特征工程

    2.2 以概率的框架建模（最大化数据似然）

    复习概率论基本知识：sum rule, product rule

    Logistic Regression：从二分类到多分类的Softmax

    朴素贝叶斯

    2.3 集成学习方法

    Bagging、Random Forest、Adaboost

04-16

  • 3 、概率图模型方法

    3.1 有向的概率图模型

    3.11 经典有向概率图的具体模型：

    朴素贝叶斯的概率图模型

    矩阵分解的协同过滤方法：Probabilistic Matrix Factorization

    3.12 概率图模型设计的方法论

    3.13 引入隐变量的有向图概率图模型

    主题模型：PLSA

    混合高斯模型（无监督聚类）

    3.14 EM算法细节：对引入隐向量的结构体的建模

    3.2 无向概率图模型

    3.21 经典无向概率图的具体模型：

    条件随机场（Viterbi算法）

04-22

  • 4 、神经网络方法

    4.1 神经网络基础

    全连接前馈神经网络

    PLSA的神经网络实现方法

    4.2 Theano编程

    编程介绍、调试、Theano背后的设计思想

    4.3 卷积神经网络

    卷积神经网络原理：BP算法在卷积神经网络下的推导

    卷积神经网络应用：基本应用、图像虚幻化的应用

    4.4 循环神经网络

    循环神经网络原理：BP算法在循环神经网络下的推导

    循环神经网络基本应用：序列标注、语言建模

    循环神经网络高级应用：机器翻译、对话生成

04-23

  • 5、 前沿研究与案例

    5.1 机器学习案例实战一

    5.11闲聊机器人构建：生成式模型的研究前沿——

    对话的多机理建模

    自顶向下的树结构神经网络生成

    结构体预测的Adaboost方法（与对抗神经网络的结合）

    5.2 机器学习案例实战二

    5.21 线上行为在线下营销智能化中的建模实践

课程优势

课程目标

线下授课，快速掌握机器学习的理论算法和实战训练，帮助学员短期内转型专业的技术开发工程师

使学员能够快速上手，为AI项目开发应用打好基础

深入了解AI技术究竟是如何在实际的项目中落地的

Power By AI慕课学院 课程内容版权均归 AI慕课学院 所有