1个月教你学会用Python实现机器学习

什么是机器学习？

在最简单的层面上，机器学习只是优化数学方程式的过程。有几种不同的机器学习，都有不同的目的。机器学习中最流行的两种形式是监督学习和无监督的学习。我们将在下面介绍他们的工作原理：

监督学习：监督学习使用已知数据的标签示例来预测未来的结果。例如，如果你跟踪天气状况，以及你最喜欢的球队是否在那天比赛，你可以随着时间的推移从这些模型中学习，并根据天气预报来预测比赛当天是否会因为天气原因被取消。“监督”部分意味着你必须向系统提供你已经知道的“答案”。也就是说，你已经知道你的球队什么时候比赛，并且你知道那些天的天气。计算机迭代地读取这些信息，并使用它来形成模型并做出预测。 监督学习的其他应用也可以是预测人们是否会违约贷款（例如信用卡欺诈检测）。

无监督学习 - 无监督学习是指一种你不一定知道你正在寻找什么“答案”的机器学习。不像“球队遇到下雨天”的例子，无监督的学习更适合探索或聚类工作。集群将类似或相关的东西组合，因此你可以为其添加一组Twitter帖子，并让它告诉你人们经常讨论的东西是什么。应用到无监督学习的一些算法是K-Means和LDA。

谁在使用机器学习？

一个更好的问题是：谁不在他们的业务中使用机器学习？如果没有，为什么不用呢？

从医疗，金融，石油，天然气等行业已经实现了数据分析的可能性。

以下是一些注重机器学习的知名公司：

❶ Google -——Google整个公司都在使用机器学习，从Google翻译到帮助你将照片分类再到自驾汽车研究。Google的团队也开发了TensorFlow，这是一个领先的深度学习框架。

❷ Facebook —— Facebook在广告领域大量使用机器学习。通过查看你的兴趣，你访问的页面和你喜欢的内容，Facebook可以很好地了解你，以及你可能感兴趣购买的东西。它使用此信息向你显示新闻源中的广告和帖子。 Facebook还使用机器学习识别照片中的人脸，并帮助您标记它们。

❸ Netflix -——Netflix使用你观看的电影，评分和搜索来创建自定义推荐。Netflix和Amazon采用的一种机器学习算法称为协同过滤。事实上，Netflix举办了一个名为Netflix奖的比赛，授予可以开发新的更好的推荐系统的人。

当然，超模君相信，机器学习能应用的领域绝不仅限于这些。

为此，超级数学建模携手唐宇迪老师以时下最火的AI语言——Python为基础，为你带来实用度与趣味度满分的《Python机器学习实战》课程！课程将着重解决机器学习各类算法中延伸的实际问题案例（例信用卡欺诈检测、泰坦尼克获救预测、科比运动生涯数据分析等等）；一步一步为你演示各个案例的实际操作，即使没有任何Python基础的同学也可以轻松上手。

适宜人群

◆ 人工智能、机器学习、深度学习爱好者、科研工作者、数据分析爱好者

◆ 希望学习或提高使用Python其他更有趣的技能（绘制图像，人脸识别，验证码识别等等）

◆ Python零基础也可以参与本课程的学习

课程介绍

该课程使用数据领域最主流语言Python及其分析与建模库作为核心武器。对于机器学习经典算法给出完整的原理推导并基于实例进行讲解，实例演示如何应用机器学习算法解决实际问题。

部分课程截图

解析如何运用机器学习来分析科比的运动生涯数据

科比运动生涯数据分析结果

课程试听

class="video_iframe" data-vidtype="2" allowfullscreen="" frameborder="0" data-ratio="1.7647058823529411" data-w="480" scrolling="no" data-src="http://v.qq.com/iframe/player.html?vid=y05043m01em&width=638&height=358.875&auto=0" style="display: block; width: 638px !important; height: 358.875px !important;" width="638" height="358.875" data-vh="358.875" data-vw="638" src="http://v.qq.com/iframe/player.html?vid=y05043m01em&width=638&height=358.875&auto=0"/>

你将收获