课程来自陆家嘴学堂的Python机器学习与深度学习集训营。
课程重视代码实践，使用金融、气象、农业、交通、安防等工业界实际数据(数据已脱媒)进行机器学习模型的落地应用。在课件坚持推导公式的同时，更重视机器学习和深度学习的原理与实操。将实际工作中遇到的行业应用和痛点做最直观切实的展示。重视算法模型的同时，更强调实际问题中应该如何模型选择、特征选择和调参。老师在中科院做科研，同时在多家企业任职首席或顾问，有丰富的工业经验，能够保证听着尽快了解数据挖掘、机器学习、深度学习的本质和实践应用。
课程目标：
1.主要内容了解机器学习的思维方式和关键技术。
2.了解深度学习和机器学习在当前工业界的落地应用。
3.能够根据数据分布选择适合的算法模型并书写代码。
4.初步胜任使用Python进行数据挖掘、机器人学习、深度学习等公众。
课程目录(含课件)：
第1节：Python基础- Python及其数学库1
第1节：Python基础- Python及其数学库2
第2节：Python基础 – Python及其数学库3
第3节：Python基础 – 数据清洗和特征选择
第4节：多元回归和Logistic回归
第5节：决策树和随机森林
第6节：SVM
第7节：聚类
第8节：EM算法
第9节：隐马尔科夫模型HMM
第10节：主题模型LDV
第11节：卷积神经网络CNN1
第11节：卷积神经网络CNN2
第12节：图像视频的定位与识别（上）
第12节：图像视频的定位与识别（下）
第12节：图像视频的定位与识别1（上海交大博士 腾讯研究员）
第12节：图像视频的定位与识别2（上海交大博士 腾讯研究员）
第12节：图像视频的定位与识别3（上海交大博士 腾讯研究员）
第12节：图像视频的定位与识别4（上海交大博士 腾讯研究员）
第13节：循环神经网络RNN
第14节：1.什么是自然语言处理？
第14节：2.语言模型（31分钟）
第14节：3.语料库和语言知识库（11分钟）
第14节：4.词法分析（68分钟）
第14节：5.句法分析（11分钟）
第14节：6.语义分析（23分钟）
第14节：7.语言模型复习（9分钟）
第14节：8.词向量（27分钟）
第14节：9.词向量-案例（24分钟)
第14节：10.文本分类（82分钟）
第14节：11.机器翻译（25分钟）
第14节：12.信息抽取（13分钟）
第14节：13.篇章分析（3分钟）
第14节：14.问答系统（12分钟）
第15节：生成对抗网络GAN
第16节：强化学习RL_1.为何学习增强学习
第16节：强化学习RL_2.马尔科夫决策过程
第16节：强化学习RL_3.动态规划
第16节：强化学习RL_4.蒙特卡罗
第16节：强化学习RL_5.时间差分方法
第16节：强化学习RL_6.多步时间差分方法
第16节：强化学习RL_7.值函数逼近
第16节：强化学习RL_8.策略函数逼近
第16节：强化学习RL_9.整合学习与规划
