零基础实战机器学习

零基础实战机器学习 / AI时代你的机器学习第一课

黄佳
新加坡埃森哲公司资深顾问,《零基础学机器学习》作者
  • 课程目录
  • 课程介绍
  • 在线阅读:开篇词|开发者为什么要从实战出发学机器学习?

    如果你是要使用机器学习的技术,那我觉得对你来说,最简单的学习方法就是“做中学”。

  • 01|打好基础:到底什么是机器学习?

    到底什么是机器学习?

  • 02|工具准备:安装并使用Jupyter Notebook

    怎么快速安装一个时候新手的机器学习环境呢?

  • 03|实战5步(上):怎么定义问题和预处理数据?

    在机器学习实战中,怎么定义问题和预处理数据?

  • 04| 实战5步(下):怎么建立估计10万+软文点击率的模型?

    机器学习是怎么建立模型的?

  • 05 | 数据探索:怎样从数据中找到用户的RFM值?

    怎么才能用机器学习给用户精准画像,求出用户的RFM值呢?

  • 06 | 聚类分析:如何用RFM给电商用户做价值分组画像?

    怎么用聚类分析给电商用户做价值分组画像?

  • 07|回归分析:怎样用模型预测用户的生命周期价值?

    怎样用聚类分析预测用户的生命周期价值?

  • 08 | 模型优化(上):怎么用特征工程提高模型效率?

    3类你必须掌握的特征工程

  • 09|模型优化(中):防止过拟合,模型也不能太精细

    为什么模型在训练集上得了满分1.0,而在验证集上的得分却如此低呢?

  • 10|模型优化(下):交叉验证,同时寻找最优的参数

    怎么利用较小的数据集,从而达到较大数据集的效果呢?

  • 11|深度学习(上):用CNN带你认识深度学习

    要构建出能够实现图像分类的CNN,我们通常需要把“卷积+池化”的组合重复搭建几次,形成深度卷积网络。

  • 12|深度学习(中):如何用RNN预测激活率走势?

    RNN和其它类型的神经网络相比,它的特点是建立了自身的记忆机制,善于根据历史信息预测后续走势。

  • 13|深度学习(下):3招提升神经网络预测准确率

    深度学习的性能优化和其它普通的机器学习模型类似,我们也可以从数据处理、网络模型本身,以及如何对神经网络进行参数调优这三个主要方面去考虑。

  • 14|留存分析:哪些因素会影响用户的留存率?

    用户的留存和流失,是阴和阳的两极,此消彼长。收集和分析用户行为数据,有助于我们摸清用户是“留”还是“失”之间的微妙门道。

  • 15|二元分类:怎么预测用户是否流失?从逻辑回归到深度学习

    逻辑回归是解决二元分类问题最简单的方法,它的实现也比较简单,就是从sklearn中导入、创建并拟合逻辑回归模型,方法与我们在前面几关中的步骤完全相同。

  • 16|性能评估:不平衡数据集应该使用何种评估指标?

    评估分类模型要比评估回归模型的难度大很多,评估的方法也更为多样化,尤其是对于各类别中样本数量并不平衡的数据集来说,我们绝对不能单用准确率这一个方面作为考量的标准。

  • 17|集成学习:机器学习模型如何“博采众长”?

    集成学习在机器学习中是很特别的一类方法,能够处理回归和分类问题,而且它对于避免模型中的过拟合问题,具有天然的优势。

  • 18 | 增长模型:用XGBoost评估裂变海报的最佳受众群体

    增长模型常用于评估营销活动、推广海报对用户的订单增量的影响,国外的一些大厂也在使用它提升促销转化率。

  • 19 | 胸有成竹:如何快速定位合适的机器学习算法?

    在定位合适的机器学习算法时,有一个最基本的原则是,从简单的模型开始构建基准模型,然后尝试更复杂的方法。

  • 20 | 模型部署:怎么发布训练好的机器学习模型?

    通常,我们会把机器学习模型部署到生产系统中投入使用。部署机器学习模型有多种方式,比如开发人员重新编写模型、通过Web应用把模型部署到Web服务器、通过Tensorflow Lite等工具部署到移动端等。

  • 21|持续精进:如何在机器学习领域中找准前进的方向?

    一旦你踏进了机器学习领域,就等同于踏进了“终身学习”之旅。

  • 一套习题,测出你对机器学习的掌握程度

    这套测试题共有 3 道单选题和 17 道多选题,满分 100,快来挑战吧!

  • 结束语 | 可以不完美,但重要的是马上开始

    我们每个人的一生中,都会出现几个非常棒的想法,这些是属于你自己的机遇。当机遇来临时,抓住它最好的方式就是马上开始。如果你瞻前顾后,无限放大那些阻碍因素,那你永远也不可能达成你的目标。

你将获得

  • 轻松入门机器学习的路线图
  • 真实电商业务场景五阶段实战
  • 9 大实用的机器学习算法
  • 揭秘机器学习应用的底层逻辑

讲师介绍


课程介绍

机器学习堪称是从数据中挖掘价值的万金油,它的算法库已经非常成熟了,按理说机器学习应该是人人都能用得上的技术,可事实上很多人在入门机器学习时,总面临着这样的问题:

  • 听到机器学习就觉得它的算法很难,望而却步。
  • 想去学机器学习,可市面上的学习资料里都是大量算法的推导解析,看都看不懂,怎么学?
  • 在一些机器学习资料中,虽然理论和实践内容搭配很合理,但案例离自己真实的应用场景比较远,学了遇到实际问题了还是不会做。

其实,如果你定位自己是机器学习的应用者,而不是机器学习算法的研究者的话,那么你根本就没有必要去死磕算法的推导细节,你只需要从做中学就行了,也就是从做实际项目开始,在项目中去理解算法的原理,学会把算法模型灵活地运用到一个一个的具体场景之中。

为此,我们特意邀请到了黄佳老师,他根据自己从业多年后半路出家机器学习的丰富经验,梳理出了一套小白快速入门机器的方法论,帮助你零基础搞懂机器学习。同时,他还会手把手带你完成一个运营场景下的机器学习闯关,让你在真实的业务场景下,真正理解机器学习算法应用的诀窍,学会用机器学习的技术去解决你的业务问题,真正把机器学习用起来。

课程模块设计

课程按照准备、业务场景闯关、持续赋能分为三大部分。

准备篇
主要讲解机器学习究竟是什么,黄佳老师手把手带你部署机器学习项目的开发环境,通过一次简单的机器学习线性回归实战,来教你机器学习实战的5个步骤。

业务场景闯关篇
结合电商“易速鲜花”的运营场景,黄佳老师专门为你设置了五大关卡,在实战中引导你如何去理解机器学习基础知识,利用算法解决实际问题。这五大关卡分别是:

获客关:主要包括如何用机器学习了解你的用户,如何计算他们的RFM值,如何用聚类分析给他们做价值分组画像等。

变现关:主要是讲如何预测App用户的生命周期价值,以及如何提升LTV预测准确率。这里你将学到回归算法、决策树算法和随机森林算法,以及一些特征工程和模型性能优化的知识。

激活关:通过给鲜花图片分类的例子,讲解什么是深度学习。然后教你如何用深度学习预测激活率、提高预测准确率。通过这一关,你可以学会使用深度学习中的CNN和RNN算法。

留存关:在这一关,黄佳老师将带你一步步找出影响用户留存的因子,找出高流失风险的用户,并预测他们是否会流失。这里你将学到逻辑回归和深度学习在分类问题中的实战应用。

裂变关:最后一关,和黄佳老师一起通过XGBoost选择最佳的裂变方案,让你的用户变身为你的推销员!

持续赋能篇
机器学习的发展日新月异,所以黄佳老师会教你如何定位最合适的机器学习算法,如何把机器学习部署到生产中。此外,还会不定期地更新一些最新的算法,持续为你赋能。


课程目录


【每天 1.3 元,解锁极客时间超级会员】


特别放送

免费领取福利



限时活动推荐


订阅须知

教程推荐

Derby在线教程

RSpec在线教程

Sed在线教程

Java Nio在线教程

LISP在线教程

SQL在线教程

随机推荐

京东京造除螨贴优缺点测评,这样选不盲目

商旅宝眼罩睡眠男女遮光睡觉午休护眼罩3D透气耳塞评测数据如何,...

千团精工披萨盘可以入手吗?评测教你怎么选

美的饮水机立式家用办公旋钮双封闭门防尘大储物柜式饮水器一定要...

微软XboxSeries评测结果好吗,评测值得买吗

美的空调大1匹评测结果好吗,评测值得入手吗