Python师资培训-机器学习

从机器学习学术应用介绍
到机器学习核心算法
到机器学习学术应用指导
北邮博导陈远祥亲授和答疑

Python师资培训-机器学习**

培训时间2023年5月13-14, 20-21, 27日 (五天)
培训地点远程直播, 提供全程录播回放
培训费用4000元 (含远程资料录播答疑)
授课安排9:00-12:0014:00-17:00答疑
点击了解详情

讲师介绍

陈远祥北京邮电大学副教授 。2014年毕业于北京大学获通信与信息系统专业博士学位2015年-2017年在北京大学做博士后研究。

发表SCI/EI学术论文80余篇其中第一或通讯作者论文40余篇申请发明专利4项。

主持国家自然科学基金面上项目国家重点研发计划子课题国家自然科学基金青年项目及博士后基金等多个国家级和省部级项目。

IEEE、OSA会员OpticsExpress, IEEE Photonics Technology LettersPhotonicsJournalApplied Optics等多个SCI期刊审稿人。

正式课程

第一部分0.5天机器学习学术应用介绍

机器学习基本思想

常用机器学习算法模型

机器学习算法库介绍

机器学习在学术领域应用场景

第二部分算法原理与实战4天

1、KNN算法

KNN算法基本原理

常用相似度衡量方法、KNN用于分类和回归

KNN模型参数优化

Python案例
KNN用于鸢尾花数据集分类

2、决策树

决策树基本原理

决策树分类

决策树用于分类和回归实现

决策树参数优化

Python案例
决策树实现波士顿房价预测

3、线性回归

线性回归的求解、岭回归、LASSO和弹性网

Python案例
线性回归实现鲍鱼年龄预测

4、逻辑回归

逻辑回归基本原理

从线性回归到逻辑回归

逻辑回归实现和参数优化

Python案例
逻辑回归实现病马死亡率预测

5、神经网络

神经网络基础

神经网络中的激活函数

神经网络Python实现与参数调优

Python案例
手写数字识别

6、贝叶斯网络

贝叶斯分类原理

朴素贝叶斯

贝叶斯模型分类

Python案例
垃圾邮件过滤

7、支持向量机

支持向量机分类原理

线性SVM和非线性SVM

Python案例
人脸识别

8、随机森林

决策树与随机森林

随机森林原理

随机森林Python实现与参数调优

Python案例
随机森林用于泰坦尼克沉船预测

9、聚类

聚类原理

聚类和分类

k-means聚类原理

k-means python实现

Python案例
聚类用于客户价值识别

第三部分Python机器学习学术应用指导0.5天

数据发现与变量创造预测因果推断

文本大数据应用

基于机器学习的学术论文写作指导