主要观点总结
本文介绍了陈强老师即将在2024年7月18-21日于北京举办的“机器学习及Python应用”四天现场班的课程内容、授课安排、授课方式以及课程特色等信息。文章还列出了部分学员对陈强老师课程的反馈评价。
关键观点总结
关键观点1: 课程内容
课程涵盖机器学习引论、Python语言快速入门、数学回顾、线性回归、逻辑回归、多项逻辑回归、惩罚回归、K近邻法、决策树、随机森林、提升法、支持向量机、人工神经网络等内容。
关键观点2: 授课安排
陈强老师现场班授课时间为2024年7月18-21日，每天上午9:00-12:00，下午2:00-5:00，设有答疑时间。授课地点在北京市，提供交通住宿指南。
关键观点3: 课程特色
课程最大特色在于“一站式服务”，从机器学习的原理、数学推导，到Python语言命令与经典案例，精心设计、丝丝入扣，理论联系实操，让学员迅速理解机器学习的精髓，并掌握最流行的Python语言操作。
关键观点4: 学员反馈
学员对陈强老师的课程反馈评价很高，认为老师经验丰富、激情与魅力，擅长化繁为简、直指人心，让学员们迅速上手新知识与技能。往期学员表示收获满满，期待机器学习新书的出版。
正文
第
1讲 机器学习引论
(1) 什么是机器学习
(2) 机器学习的分类与术语
(3)
案例：
垃圾邮件过滤；手写体数字识别；图像识别；自动驾驶
第
2讲 Python语言快速入门
(1) Why Python？
(2) 安装Python与Spyder
(3) Python的模块(module)
(4) Python的对象(str, bool, list, tuple, dict, set)
(5) Python的函数(function)与方法(method)
(6) Numpy(ndarray), pandas(Series, Data Frame)
(7) sklearn(机器学习)与keras(深度学习)
(8) Python画图(Matplotlib, pandas, seaborn)
(9) Python面向对象编程
第
3讲 数学回顾
(1) 梯度向量
(2) 方向导数
(3) 梯度下降
(4) 向量微分
(5) 最优化
第
4讲 线性回归
(1) OLS
(2) 过拟合与泛化能力
(3) 偏差与方差的权衡
(4) 交叉验证
(5)
Python案例：
多项式回归的过拟合；波士顿房价
第
5讲 逻辑回归
(1) Logit
(2) 几率比
(3) 灵敏度与特异度
(4) ROC与AUC
(5) 科恩的kappa
(6)
Python案例：
泰坦尼克号旅客的存活
第
6讲 多项逻辑回归
(1) 多项Logit
