机器学习、数据科学和 Python 深度学习
完整的机器学习实践教程，包含数据科学、Tensorflow、人工智能和神经网络
讲师：Frank Kane
口袋资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！
用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。
你会学到什么
- 使用 Tensorflow 和 Keras 构建人工神经网络
- 使用 Apache Spark 的 MLLib 大规模实施机器学习
- 使用深度学习对图像、数据和情绪进行分类
- 使用线性回归、多项式回归和多元回归进行预测
- 使用 MatPlotLib 和 Seaborn 进行数据可视化
- 了解强化学习 – 以及如何构建吃豆人机器人
- 使用 K-Means 聚类、支持向量机 (SVM)、KNN、决策树、朴素贝叶斯和 PCA 对数据进行分类
- 使用训练/测试和 K-Fold 交叉验证来选择和调整您的模型
- 使用基于项目和基于用户的协同过滤构建电影推荐系统
- 清理输入数据以删除异常值
- 使用 T 测试和 P 值设计和评估 A/B 测试
本课程包括：
- 15.5 小时点播视频
- 6 篇文章
- 1 个可下载资源
- 在手机和电视上访问
- 结业证书
要求
- 您需要一台能够运行 Anaconda 3 或更新版本的台式计算机（Windows、Mac 或 Linux）。本课程将引导您安装必要的免费软件。
- 需要一些先前的编码或脚本经验。
- 至少需要高中水平的数学技能。
描述
新的！ 更新了生成模型的额外内容：变分自动编码器 (VAE) 和生成对抗模型 (GAN)
机器学习和人工智能 (AI) 无处不在；如果您想了解 Google、Amazon 甚至 Udemy 等公司如何从海量数据集中提取意义和见解，本数据科学课程将为您提供所需的基础知识。根据 Glassdoor 和 Indeed 的数据，数据科学家是收入最高的工作之一，平均工资为 120,000 美元。这只是平均水平！这不仅仅是关于金钱 – 它也是有趣的工作！
如果您有一些编程或脚本编写经验，本课程将教您技术行业中真正的数据科学家和机器学习从业者使用的技术 – 并为您进入这条热门的职业道路做好准备。这个全面的机器学习教程包括100 多场讲座，跨越15 小时的视频，大多数主题包括动手 Python 代码示例，您可以将其用作参考和练习。我将利用我在亚马逊和 IMDb 的 9 年经验来指导您了解哪些重要，哪些不重要。
每个概念都以简单的英语介绍，避免混淆数学符号和行话。然后使用您可以试验和构建的 Python 代码进行演示，并附上您可以保留以供将来参考的注释。在本课程中，您不会找到这些算法的学术、深入的数学覆盖——重点是对它们的实际理解和应用。最后，您将获得一个最终项目来应用您所学的知识！
本课程的主题来自对最大技术雇主的数据科学家职位列表中的实际要求的分析。我们将介绍真正雇主正在寻找的机器学习、人工智能和数据挖掘技术的 AZ，包括：
- 使用 TensorFlow 和 Keras 的深度学习/神经网络（MLP、CNN、RNN）
- 使用变分自动编码器 (VAE) 和生成对抗网络 (GAN) 创建合成图像
- 使用 MatPlotLib 和 Seaborn 在 Python 中进行数据可视化
- 迁移学习
- 情绪分析
- 图像识别与分类
- 回归分析
- K-Means 聚类
- 主成分分析
- 训练/测试和交叉验证
- 贝叶斯方法
- 决策树和随机森林
- 多重回归
- 多层次模型
- 支持向量机
- 强化学习
- 协同过滤
- K-最近邻
- 偏差/方差权衡
- 集成学习
- 词频/反向文档频率
- 实验设计和 A/B 测试
- 特征工程
- 超参数调优
…以及更多！还有一整节是关于使用 Apache Spark 进行机器学习的，它可以让您将这些技术扩展到在计算集群上分析的“大数据”。
如果您是 Python 新手，请不要担心 – 本课程从速成课程开始。如果你以前做过一些编程，你应该快速上手。本课程向您展示如何在基于 Microsoft Windows 的 PC、Linux 桌面和 Mac 上进行设置。
如果你是一名希望转入令人兴奋的新职业轨道的程序员，或者是一名希望过渡到科技行业的数据分析师——本课程将教你现实世界行业数据科学家使用的基本技术。这些是任何成功的技术专家都绝对需要了解的主题，您还在等什么？ 现在报名！
- “我开始学习你的课程……最终我产生了兴趣，并且在朋友给我这份工作之前从未想过我会为公司工作。我学到了很多在学术界不可能学到的东西并彻底享受它。对我来说，您的课程帮助我了解如何处理企业问题。如何思考如何在企业 AI 研究中取得成功。我发现您是 ML 领域最令人印象深刻的讲师，简单而令人信服。” – Kanad Basu，博士
本课程适用于：
- 想要过渡到利润丰厚的数据科学和机器学习职业道路的软件开发人员或程序员将从本课程中学到很多东西。
- 技术人员对深度学习的真正作用感到好奇
- 希望过渡到科技行业的金融或其他非科技行业的数据分析师可以使用本课程学习如何使用代码而不是工具来分析数据。但是，您需要一些编码或脚本编写经验才能成功。
- 如果您之前没有编码或脚本编写经验，那么您不应该参加这门课程。先去上一门 Python 入门课程。
