• 课程介绍
  • 课程目录
  • 机器学习为什么会成为当下最火热的技术

  • 李开复推崇的技术

    “ 中国在人工智能领域比移动互联网领域还适合创造世界顶尖的公司 ”

  • 应用广泛

    现今每个人的工作都和数据息息相关,比如数据分析、机器学习、深度学习、人工智能还有无人驾驶汽车等等。

  • 人工智能的核心

    使计算机具有智能的根本途径、其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。

  • 了解更多

    掌握机器学习技能后,能做什么?

  • 机器学习工程师

  • 高级数据分析师

  • 人工智能工程师

  • 机器人开发工程师

  • 机器学习能做出什么样的产品

    无人驾驶汽车
    无人驾驶汽车

    一款无人驾驶汽车,你可以向他提问比如“去哪儿吃晚餐好”,它则能轻松作答,并带您前往。

    智能教育
    智能教育

    根据不同孩子的学习习惯、能力及需求,定制个性化学习方案,充分挖掘每个孩子的潜能。

    可以思考的礼服
    可以思考的礼服

    分析了成千上万篇文章,扫描了数百张图像,并实时从社交评论中洞察情绪,使礼服随之变换颜色。

    隐私更具私密
    隐私更具私密

    快速抓取并且分析海量数据,通过持续的预测性评估来检测漏洞。并提供近乎实时的警报,有效的保护客户的个人隐私。

    智能医疗
    智能医疗

    实现患者与临床试验的高效匹配,为患者提供前沿的治疗方案选择,同时探索全新的医疗护理模式。

    机器学习就业前景

    机器学习近5年就业情况

    机器学习就业前景

    麦子带你进入人工智能的大世界

  • 1对1教学

    采用师徒制,1位专属导师全面负责你的教学工作,手把手带你制定目标,考核,批改作业,学习答疑 。

  • 每周直播

    专业老师每周安排直播课,带领学员一起复习每周学习的知识点,提高学习效率 。

  • 名师指导

    导师多为国内外知名互联网公司8年以上的企业经验大牛,也许你的老师就是Facebook,Google,BAT的大牛。

  • 专业的LPS(学习过程系统) 重塑学习过程,学习足迹完全数字化 什么是LPS?

    看看麦子的老师们,选择他们拜师吧,1对1指导

  • 唐宇迪
    唐宇迪
    同济大学计算机博士,深度学习领域一线实战专家

    参与多个国家级项目出品多套机器学习与深度学习系列课程

    跟老师聊聊
  • 全面覆盖了算法、大数据、神经网络系统

    我们选择这个行业里最顶尖的实战派老师、从学习到实践

  • 01
    机器学习基础

    配置开发环境;学习回归算法,一维数据的 NumPy 和 Pandas 操作;二维数据的 NumPy 和 Pandas 操作;以及可视化库Matplotlib

  • 02
    探索数据集

    学习决策树和随机森林以及向量机算法。项目一探索数据集:利用统计分析工具对观测数据建立模型,分析科比生涯数据;项目二探索数据集:利用统计分析工具对观测数据建立模型,再用算法进行信用卡欺诈检测;项目三决策树和随机森林数据处理:使用Kaggle分析泰坦尼克号获救指数。

  • 03
    机器学习进阶

    神经网络的学习,Tensorflow框架的使用,Mnist手写字体识别,PCA降维与SVD矩阵分解,以及聚类与集成算法

  • 查看完整课程大纲

    线上学习我们的优势在哪?

  • 1v1实时指导

    大咖导师只为你一个人上课,依据你的学习进展,定制你的学习,指导你的项目时间

  • 在线答疑

    大咖导师在线答疑,随时有问题,随时找老师

  • 项目实战

    实战才能出真知,全面提升学员实际的项目处理能力

  • 咨询线下课程

    媒体报道能量,荣誉证明实力

    媒体报道

    合作企业

    合作院校

    荣誉奖项

  • 麦子学院-最具口碑影响力在线教育机构
  • 麦子学院-领军企业
  • 麦子学院-中国最具创新在线教育品牌
  • 麦子学院-2015年度影响力在线教育品牌
  • 麦子学院-中国品牌价值在线教育机构
  • 麦子学院-2015年最具影响力教育品牌
  • 麦子学院-2013年度金金牌合作机构
  • 麦子学院-特色职业教育品牌
  • 现在行动,你有机会参加麦子学院的50%的奖学金计划
    立即报名

    填写表单领取红包

    * 报名成功后,麦子工作人员将在24小时内与您联系
    姓名不能为空
    请填写正确的电话号码
    填写表单领取红包
  • 1

    机器学习基础篇

    配置基本的编程环境,熟练使用Python语言 掌握机器学习中的算法及各类库的使用 完成机器学习入门的基础

  • 01
    Python快速入门
    1. · 系列课程环境配置
    2. · Python快速入门
    3. · 变量类型
    4. · List基础
    5. · List索引
    6. · 循环结构
    7. · 判断结构
    8. · 字典
    9. · 文件处理
    10. · 函数基础
  • 02
    回归算法
    1. · 机器学习概述
    2. · 回归算法
    3. · 线性回归误差原理推导
    4. · 目标函数求解
    5. · 逻辑回归原理
    6. · 梯度下降实例
    7. · 梯度下降原理
  • 03
    科学计算库Numpy
    1. ·NumPy数据结构
    2. · NumPy基本操作
    3. · NumPy矩阵属性
    4. · NumPy矩阵操作
    5. · NumPy常用函数
  • 04
    数据分析处理库Pandas
    1. ·Pandas数据读取
    2. · Pandas数据预处理
    3. · Pandas常用函数
    4. · Pandas-Series结构
  • 05
    可视化库Matplotlib
    1. ·Matplotlib-折线图
    2. · Matplotlib-子图操作
    3. · Matplotlib-条形图与散点图
    4. · Matplotlib-柱形图与盒图
    5. · Matplotlib-细节设置
  • 2

    机器学习提升篇

    通过项目实操及案例分析巩固基础知识,并进一步学习机器学习的进阶知识

  • 01
    使用Python分析科比生涯数据
    1. · 科比数据集简介
    2. · 数据预处理
    3. · 建模
  • 02
    案例实战-信用卡欺诈检测
    1. · 案例背景和目标
    2. · 样本不均衡解决方案
    3. · 下采样策略
    4. · 交叉验证
    5. · 模型评估方法
    6. · 正则化惩罚
    7. · 逻辑回归模型
    8. · 混淆矩阵
    9. · 逻辑回归阈值对结果的影响
    10. · 模型评估方法
    11. · smote样本生成策略
  • 03
    决策树与随机森林
    1. · 决策树概述
    2. · 熵原理形象解读
    3. · 决策树构造实例
    4. · 信息增益
    5. · 信息增益率
    6. · 决策树剪枝
    7. · 随机森林
    8. · 案例决策树参数
  • 04
    Kaggle竞赛案例-泰坦尼克获救预测
    1. · 数据介绍
    2. · 数据预处理
    3. · 回归模型
    4. · 随机森林模型
    5. · 特征选择
  • 05
    支持向量机算法
    1. · 支持向量机要解决的问题
    2. · 支持向量机求解目标
    3. · 支持向量机目标函数求解
    4. · 支持向量机求解例子
    5. · 支持向量的作用
    6. · 软间隔支持向量机
    7. · 核函数变换
  • 3

    机器学习智能篇

    学习如何搭建机器神经网络,实现机器中最基础的智能——识别

  • 01
    神经网络基础
    1. · 深度学习概述
    2. · 挑战与常规套路
    3. · 用K近邻来进行分类
    4. · 超参数与交叉验证
    5. · 线性分类
    6. · 损失函数
    7. · 正则化惩罚项
    8. · Softmax分类器
    9. · 最优化形象解读
    10. · 最优化问题细节
    11. · 反向传播
  • 02
    神经网络架构
    1. · 神经网络架构-整体架构
    2. · 神经网络架构-实例演示
    3. · 神经网络架构-过拟合解决方案
    4. · 神经网络架构-感受神经网络的强大
  • 03
    TensorFlow框架
    1. · 安装TensorFlow
    2. · 变量
    3. · 变量练习
    4. · 线性回归模型
    5. · 逻辑回归迭代
    6. · 神经网络模型
    7. · 逻辑回归迭代
    8. · 完成神经网络
    9. · 卷积神经网络参数
  • 04
    MNIST手写字体识别
    1. · 神经网络模型概述
    2. · TensorFlow参数
    3. · 卷积简介
    4. · 构造网络结构
    5. · 训练网络模型
  • 05
    PCA降维与SVD矩阵分解
    1. · PCA问题
    2. · PCA降维实例
    3. · SVD原理
    4. · SVD推荐系统
  • 06
    聚类与集成算法
    1. · 聚类算法
    2. · Adaboost集成算法
    3. · 特征工程
    4. · 特征工程2
  • 综合评分
    10.00
  • 课程质量 10.00
  • 老师满意度 10.00
  • 简洁易懂 10.00
  • 全部评价
  • 周安伟
    45分钟前
    作为一个刚入门的前端工程师,用这个视频教程作为学习 Vue 真是太好了,主要之前没怎么接触过模块化设计,网上对将这些方面的又不是很多。这个教程很 nice。1 天半看了 1/3 了,毫无难度,通俗易懂。唯一的一点不足就是这不是 Vue 2.0 的,有些不一样的地方我还得翻官方文档去改。但总的来说很好。点赞!
    老师回复:感谢支持~ 能学会使用 Vue 开发实战项目就是本门课的宗旨~由于课程录制时间比较早选择的是 1.0 的。
  • 周安伟
    45分钟前
    作为一个刚入门的前端工程师,用这个视频教程作为学习 Vue 真是太好了,主要之前没怎么接触过模块化设计,网上对将这些方面的又不是很多。这个教程很 nice。1 天半看了 1/3 了,毫无难度,通俗易懂。唯一的一点不足就是这不是 Vue 2.0 的,有些不一样的地方我还得翻官方文档去改。但总的来说很好。点赞!
  • 周安伟
    45分钟前
    作为一个刚入门的前端工程师
  • 周安伟
    45分钟前
    作为一个刚入门的前端工程师,用这个视频教程作为学习 Vue 真是太好了,主要之前没怎么接触过模块化设计,网上对将这些方面的又不是很多。这个教程很 nice。1 天半看了 1/3 了,毫无难度,通俗易懂。唯一的一点不足就是这不是 Vue 2.0 的,有些不一样的地方我还得翻官方文档去改。但总的来说很好。点赞!
    老师回复:感谢支持~ 能学会使用 Vue 开发实战项目就是本门课的宗旨~由于课程录制时间比较早选择的是 1.0 的。
  • 周安伟
    45分钟前
    作为一个刚入门的前端工程师,用这个视频教程作为学习 Vue 真是太好了,主要之前没怎么接触过模块化设计,网上对将这些方面的又不是很多。这个教程很 nice。1 天半看了 1/3 了,毫无难度,通俗易懂。唯一的一点不足就是这不是 Vue 2.0 的,有些不一样的地方我还得翻官方文档去改。但总的来说很好。点赞!
    老师回复:感谢支持~ 能学会使用 Vue 开发实战项目就是本门课的宗旨~由于课程录制时间比较早选择的是 1.0 的。
  • 周安伟
    45分钟前
    作为一个刚入门的前端工程师,用这个视频教程作为学习 Vue 真是太好了,主要之前没怎么接触过模块化设计,网上对将这些方面的又不是很多。这个教程很 nice。1 天半看了 1/3 了,毫无难度,通俗易懂。唯一的一点不足就是这不是 Vue 2.0 的,有些不一样的地方我还得翻官方文档去改。但总的来说很好。点赞!
    老师回复:感谢支持~ 能学会使用 Vue 开发实战项目就是本门课的宗旨~由于课程录制时间比较早选择的是 1.0 的。
  • 周安伟
    45分钟前
    作为一个刚入门的前端工程师,用这个视频教程作为学习 Vue 真是太好了,主要之前没怎么接触过模块化设计,网上对将这些方面的又不是很多。这个教程很 nice。1 天半看了 1/3 了,毫无难度,通俗易懂。唯一的一点不足就是这不是 Vue 2.0 的,有些不一样的地方我还得翻官方文档去改。但总的来说很好。点赞!
    老师回复:感谢支持~ 能学会使用 Vue 开发实战项目就是本门课的宗旨~由于课程录制时间比较早选择的是 1.0 的。
  • 加载更多评论

  • © 2012-2016 www.maiziedu.com

    蜀ICP备13014270号-4 Version 5.0.0 release20160127

    新课上线,优惠大礼包领取

    客服热线 400-862-8862

    回到顶部