机器学习课程

本课程的先决条件:Python编程的工作知识, 本科数学, 和CLI经验.

重点将放在亲身参与发展，一起进行练习和讲习班. 很少阅读.

课程费用:5000美元

1. 机器学习概述
   1. 介绍
   2. 机器学习的用途
   3. 使用Anaconda IDE进行Python开发的环境配置
   4. Python库导入
2. 预处理
   1. 数据管理的重要性
   2. 数据科学中自变量和因变量的区别
   3. 如何导入数据和段I和段D变量
   4. 用于清理数据的脚本开发
      1. 检查对象
      2. 用Mean, Median和Mode替换Python中的NaN单元格
   5. 缺失价值管理
   6. 建立测试和训练数据集
   7. 归一化和特征缩放
   8. 数据分类
   9. Numpy
      1. 数组
         1. Dtype
         2. 向上转换:隐式转换，Astype，结构化数组
         3. 复制功能
         4. Nan表示占位符元素
         5. 无穷等于无穷
         6. 置换
3. 回归
   1. 线性回归
      1. 5线性回归的假设
      2. 简单的
      3. 多个
      4. 多项式
   2. 决策树
   3. 森林
4. 分类
   1. 朴素贝叶斯
      1. 生成vs判别模型
      2. 垃圾邮件分类系统
   2. K个近邻
      1. 可视化
      2. XOR问题
   3. 决策树
      1. 信息熵
      2. 信息增益最大化
   4. 随机森林
   5. 罗吉斯回归
   6. 感知器的概念
   7. 偏见方差
   8. 演算法
5. 贝叶斯网络
   1. 概述
   2. 概率管理
   3. 探索和开发
   4. 阈值管理
   5. 构建A/B测试系统
   6. 多元高斯似然
6. 聚类
   1. K均值聚类
   2. 基于层次的聚类
   3. 集群可视化
7. 神经网络
   1. 概述
   2. Tensorflow
   3. 图像识别
   4. 玻尔兹曼机
   5. 直觉的发展
   6. 卷积vs人工vs循环
   7. LeNet
   8. Theano
   9. 面部识别引擎
   10. 卷积神经网络(CNN)
   11. 人工神经网络(ANN)
   12. 循环神经网络(RNN)
8. 供应商机器学习系统
   1. 谷歌自然语言处理引擎
   2. 自然语言理解
   3. AWS预测模型
9. 特殊机器学习问题案例研究
   1. 马尔可夫决策过程
   2. 重建谷歌PageRank
   3. 蒙特卡罗
   4. 时间差异学习
   5. 近似的方法

职业培训部-宝缇嘉没有获得DEAC的认证，也没有资格获得VA的资助.