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。

24讲

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

随机推荐

轻上西梅饮膳食纤维植物果蔬汁益生菌元风味饮料品牌口碑如何?图...

朗适RS100实用性高,购买推荐吗?产品使用感受分享?

卡诗元气姜粉瓶生姜洗发水250ml用户口碑怎么样?图文评测爆料分...

卡诗元气姜粉瓶生姜洗发水250ml分析怎么样?用户反馈评测结果!

滋源 无患子控油洗头水 200ml评测结果好吗?最新口碑评测反馈?

滋源 无患子控油洗头水 200ml实用性高,购买推荐吗?测评大揭秘...