如果我的分享對(duì)您有用，可以點(diǎn)擊下面鏈接支持一下我的勞動(dòng)成果
我分享了300元學(xué)費(fèi)紅包給你，快來(lái)學(xué)Google、亞馬遜、Facebook官方的機(jī)器學(xué)習(xí)、數(shù)據(jù)分析、前端開發(fā)課程。在這領(lǐng)取:
https://cn.udacity.com/referral-invitation/?referral_recipient_amount_off=300&referral_recipient_coupon_code=E54FD818
課程概述
如今，機(jī)器學(xué)習(xí)是通向數(shù)據(jù)分析領(lǐng)域最令人興奮的職業(yè)生涯的“頭等艙”機(jī)票。隨著數(shù)據(jù)源以及處理這些數(shù)據(jù)所需計(jì)算能力的不斷增殖，直搗數(shù)據(jù)“黃龍”已成為快速獲取洞見和做出預(yù)測(cè)的最簡(jiǎn)單直白的方法。
機(jī)器學(xué)習(xí)將計(jì)算機(jī)科學(xué)和統(tǒng)計(jì)學(xué)結(jié)合起來(lái)，駕馭這種預(yù)測(cè)能力。對(duì)于所有志向遠(yuǎn)大的數(shù)據(jù)分析師和數(shù)據(jù)科學(xué)家，或者希望將浩瀚的原始數(shù)據(jù)整理成提純的趨勢(shì)和預(yù)測(cè)值的其他所有人士，機(jī)器學(xué)習(xí)都是一項(xiàng)必備技能。
本課程將透過(guò)機(jī)器學(xué)習(xí)的視角向你講授終端到終端的數(shù)據(jù)調(diào)查過(guò)程。課程將向你講解如何提取和識(shí)別最能表示你的數(shù)據(jù)的有用特征、一些最重要的機(jī)器學(xué)習(xí)算法，以及如何評(píng)價(jià)你的機(jī)器學(xué)習(xí)算法的性能。此課程提供中文版本。
喜歡這門課程？加入“機(jī)器學(xué)習(xí)工程師”或“數(shù)據(jù)分析師納米學(xué)位。
** 為什么學(xué)習(xí)這門課程？
這門課程中，你將手腦并用，通過(guò)實(shí)踐來(lái)學(xué)習(xí)！我們將通過(guò)展示引人入勝的使用案例以及解決趣味橫生的現(xiàn)實(shí)世界問(wèn)題（例如無(wú)人駕駛車），將機(jī)器學(xué)習(xí)帶到現(xiàn)實(shí)生活中來(lái)。在畢業(yè)設(shè)計(jì)中，你將挖掘美國(guó)安然（Enron）公司的電子郵件和財(cái)務(wù)數(shù)據(jù)，找出美國(guó)歷史上一次最大的公司欺詐案中的利益相關(guān)人士。
完成此入門課程之后，你將可以使用機(jī)器學(xué)習(xí)技術(shù)分析數(shù)據(jù)，也準(zhǔn)備好攻讀我們的數(shù)據(jù)分析師納米學(xué)位了。課程一開始，為了助你在機(jī)器學(xué)習(xí)的旅程上起步，我們將教你如何使用輔助工具（如預(yù)先寫好的算法與程序庫(kù)）回答有趣的問(wèn)題。
** 先修要求
要想通過(guò)本課程，你必須事先精通 Python 編程，并了解基本統(tǒng)計(jì)學(xué)知識(shí)。如果你需要回顧一下這些主題，可以看一看以下課程：
計(jì)算機(jī)科學(xué)導(dǎo)論 (你需要知道基本數(shù)據(jù)結(jié)構(gòu)和控制語(yǔ)句，并能夠編寫和導(dǎo)入函數(shù)。)
推論統(tǒng)計(jì)學(xué)入門
描述統(tǒng)計(jì)學(xué)入門
另一門課程數(shù)據(jù)科學(xué)入門最好也學(xué)一下，因?yàn)樗鼘⒂兄闶煜と绾我钥茖W(xué)的方式解決問(wèn)題。然而，不需要完成此額外課程，即能夠通過(guò)本課程。我們還將用到一點(diǎn)點(diǎn) git 的東西，相關(guān)課程也可以在優(yōu)達(dá)學(xué)城上找到。
有一點(diǎn)我們不作要求，那就是你不需要事先了解機(jī)器學(xué)習(xí)。如果你是剛剛接觸機(jī)器學(xué)習(xí)的初學(xué)者，那你來(lái)對(duì)地方了。
查看使用優(yōu)達(dá)學(xué)城的技術(shù)要求。
** 你將學(xué)習(xí)什么內(nèi)容？
項(xiàng)目
從安然公司郵件中識(shí)別欺詐行為
你將扮演偵探角色，運(yùn)用你所學(xué)的機(jī)器學(xué)習(xí)技能，根據(jù)安然公司公開的財(cái)務(wù)和郵件數(shù)據(jù)集，創(chuàng)建一個(gè)算法，從而識(shí)別可能有欺詐行為的安然公司員工。
** 學(xué)習(xí)計(jì)劃
你將學(xué)習(xí)如何從一個(gè)問(wèn)題和/或數(shù)據(jù)集入手，使用機(jī)器學(xué)習(xí)把它們轉(zhuǎn)化為洞見。
第 1-4 課：監(jiān)督分類
樸素貝葉斯模型：我們首先學(xué)習(xí)也許是世界上最偉大的文本分類算法。
支持向量機(jī) (SVMs)：機(jī)器學(xué)習(xí)領(lǐng)域10佳算法之一，在許多分類任務(wù)中都必須嘗試的一種算法。它為什么如此特別？因?yàn)樗軌颡?dú)立地、飛速地生成新特征。
決策樹：非常直白，往往準(zhǔn)確度不亞于SVM，但是（通常）要快得多。它是更復(fù)雜的方法（比如隨機(jī)森林和 Boosting 方法）的起步點(diǎn)。
第 5 課：數(shù)據(jù)集和問(wèn)題
在任何大型機(jī)器學(xué)習(xí)項(xiàng)目的背后，都有一個(gè)巨大的數(shù)據(jù)集，供算法從中借鑒。我們的靈感來(lái)自安然公司的電子郵件和財(cái)務(wù)數(shù)據(jù)這個(gè)“寶箱”，它本來(lái)應(yīng)該是嚴(yán)格保密的，但是當(dāng)該公司因一件重大欺詐案破產(chǎn)后，公諸于世。在講師的帶領(lǐng)下，讓我們將這個(gè)數(shù)據(jù)集整理成準(zhǔn)備好可供機(jī)器學(xué)習(xí)的格式，目標(biāo)是嘗試預(yù)測(cè)欺詐案件。
第 6、7 課：回歸與異常值
回歸法是使用最廣泛的機(jī)器學(xué)習(xí)算法，其重要程度與“分類”不相上下。然而，在回歸法當(dāng)中，有種情況會(huì)造成迅速出錯(cuò)，知道是什么嗎？那就是數(shù)據(jù)中存在讓人傷腦筋的異常值。我們將攻克難關(guān)，看一看如何識(shí)別和清理走那些煩人的數(shù)據(jù)點(diǎn)。
第 8 課：非監(jiān)督學(xué)習(xí)
K-Means 聚類：處理沒有標(biāo)記的數(shù)據(jù)時(shí)，它是同類算法中的佼佼者。使用它可以在首次接觸數(shù)據(jù)集時(shí)快速地搜尋其中的范式。
第 9-12 課：特征、特征、特征！
特征創(chuàng)建：把你對(duì)世界具有的人類直覺變成計(jì)算機(jī)可以使用的數(shù)據(jù)。
特征選擇：愛因斯坦說(shuō)得好：“讓一切盡可能的簡(jiǎn)單，簡(jiǎn)單到不能再簡(jiǎn)單。”應(yīng)用到我們這門課，就是說(shuō)要識(shí)別你的數(shù)據(jù)的最重要特征。
主成分分析：特征選擇的一個(gè)更復(fù)雜的做法，最重要的非監(jiān)督學(xué)習(xí)方法之一。
特征縮放：確保你的數(shù)據(jù)和算法能夠相互配合的簡(jiǎn)單技巧。從文本學(xué)習(xí)：在文本中可以找到的信息比任何其他格式都多，而且我們有現(xiàn)成的有效而又簡(jiǎn)單的工具用于提取這些信息。
第 13-14 課：驗(yàn)證與評(píng)價(jià)
培訓(xùn)/測(cè)試數(shù)據(jù)拆分：怎樣才能知道你所做的是否有效？只有靠驗(yàn)證。訓(xùn)練-測(cè)試拆分十分簡(jiǎn)單，也是理解你的結(jié)果的黃金標(biāo)準(zhǔn)。
交叉驗(yàn)證：給你的訓(xùn)練/測(cè)試拆分函數(shù)注射一點(diǎn)激素！像專業(yè)人士那樣驗(yàn)證你的機(jī)器學(xué)習(xí)結(jié)果。
精度、召回和 F1 得分（調(diào)和均值）：經(jīng)過(guò)所有這些數(shù)據(jù)驅(qū)動(dòng)的辛苦勞作，現(xiàn)在應(yīng)該針對(duì)你最關(guān)心的問(wèn)題定制指標(biāo)，用來(lái)量化你的結(jié)果了。
第 15 課：最后總結(jié)
我們退后一步，回顧我們迄今已經(jīng)學(xué)到了哪些內(nèi)容，看一看它們?nèi)绾涡纬梢粋€(gè)整體。
項(xiàng)目
每節(jié)課結(jié)束有迷你項(xiàng)目
畢業(yè)設(shè)計(jì)：在安然公司數(shù)據(jù)中尋找公司欺詐的跡象。
講師與合作伙伴
** Katie Malone
Katie 是實(shí)驗(yàn)物理學(xué)家出身，她第一次接觸到機(jī)器學(xué)習(xí)是在搜索希格斯玻色子等新粒子時(shí)，并從此對(duì)機(jī)器學(xué)習(xí)產(chǎn)生了興趣。不過(guò)，學(xué)習(xí)機(jī)器學(xué)習(xí)可不需要物理博士學(xué)位。很榮幸，Katie 欣然接受了我們的邀請(qǐng)，來(lái)教大家如何使用數(shù)據(jù)分析解決有趣的問(wèn)題。除了在實(shí)驗(yàn)室尋找新粒子和從事教學(xué)之外，她通常會(huì)在野外跑跑步，或者用食物“賄賂”鄰家的小狗。
** Sebastian Thrun
Sebastian Thrun 是優(yōu)達(dá)學(xué)城的創(chuàng)始人，同時(shí)也是斯坦福大學(xué)計(jì)算機(jī)科學(xué)專業(yè)研究教授、Google 研究員、美國(guó)國(guó)家工程院和德國(guó)科學(xué)院成員。Thrun 因?yàn)樗跈C(jī)器人和機(jī)器學(xué)習(xí)領(lǐng)域的研究為人所知，他在無(wú)人駕駛車領(lǐng)域的研究尤為出眾。
如果我的分享對(duì)您有用，可以點(diǎn)擊下面鏈接支持一下我的勞動(dòng)成果
我分享了300元學(xué)費(fèi)紅包給你，快來(lái)學(xué)Google、亞馬遜、Facebook官方的機(jī)器學(xué)習(xí)、數(shù)據(jù)分析、前端開發(fā)課程。在這領(lǐng)取:
https://cn.udacity.com/referral-invitation/?referral_recipient_amount_off=300&referral_recipient_coupon_code=E54FD818
