學Python可以干很多崗位，有爬蟲工程師，有數據分析師，有自動化運維，有后端開發，而這么多崗位里面薪資最高的一定是AI的算法崗位，做機器學習的崗位！量大而且薪資很高！

我們都知道機器學習是AI領域最為重要的技術，不管以后從事哪一類AI的崗位都離不開機器學習。其實 機器學習的基礎很大程度上決定了一個AI從業者能力的上線 ，這就好比一個對數據敏感的人可以做好運營、市場、產品等各種崗位的職責。鑒于機器學習的重要地位， 貪心學院繼火爆的NLP訓練營 ，這次又重磅推出了《機器學習高階訓練營》，是 全網唯一一款100%純粹的機器學習訓練營 ，內容既有廣度又有深度，也包含了很前沿的內容。具體的細節可以參考一下下方的大綱，一定不會讓你失望。?

(精彩回顧，往期學員的采訪)

貪心學院全新的 《機器學習高階訓練營》 ：

可以很自信地說，這是 全網唯一的體系完整、同時具有一定深度 的機器學習訓練營，每一個細節由淺入深、面面俱到，而且幫助你構建 知識體系之間的關聯性 。如果你的情況符合以下任何一種，就說明這個訓練營是你的菜！?

• 對于機器學習的理解有些零散，缺乏體系化，目前還 看不到一個大局，以及算法之間內在的關系；

• 雖然有機器學習基礎，當仍然 停留在調用的階段 、對模型的改造這些無從下手；

• 目前已經從事AI崗位，但感覺自己的 技術達到了瓶頸 ，希望能夠深入下去，有本質的提升；

• 以后想從事研究崗位、或者申請國外相關專業博士或者碩士，需要彌補自己的知識體系；

• 細節控、很想知道每個模型的細 節以及背后的why ，但自己又很難琢磨出來；

• 目前只是停留在使用基本的機器學習模型，對比較 前沿的技術 不是特別了解；

• 希望根據業務場景能夠在 模型上做一些創新 、以及有能力自己求解出來；

• 很喜歡機器學習，也有一定的經驗，就想 挑戰一下自己的極限 到底在哪里；

• 也是最重要的，以后想從事 一線的AI工程師/專家/科學家。

鑒定完畢，下面就讓我們一起來了解一下這個 最體系化，最有挑戰的，實踐性最強的，最燒腦的 《機器學習高階訓練營》 吧:

課程大綱

第一階段 機器學習基礎與凸優化

【核心知識點】

.? KNN算法，Weighted KNN算法

.? Approximated KNN算法

.? KD樹，近似KD樹

.? Locality Sensitivity Hashing

.? 線性回歸模型

.? Bias-Variance Trade-off

.? 正則的使用：L1, L2, L-inifity Norm

.? LASSO， Coordinate Descent，ElasticNet

.? 邏輯回歸與最大似然

.? 隨機梯度下降法與小批量梯度下降法

.? 多元邏輯回歸模型

.? 凸集，凸函數

.? 凸函數與判定凸函數

.? Linear/Quadratic/Integer Programming

.? 對偶理論，Duality Gap，KKT條件

.? Projected Gradient Descent

.? 迭代式算法的收斂分析

【部分案例講解】:

.? 基于QP的股票投資組合策略設計

.? 基于LP的短文本相似度計算

.? 基于KNN的圖像識別

第二階段 SVM與集成模型

【核心知識點】

.? Max-Margin的方法核心思想

.? 線性SVM的一步步構建

.? Slack Variable以及條件的松弛

.? SVM的Dual Formulation

.? Kernelized SVM

.? 不同核函數的詳解以及使用

.? 核函數設計以及Mercer's Theorem

.? Kernelized Linear Regression

.? Kernelized PCA, Kernelized K-means

.? 集成模型的優勢

.? Bagging, Boosting, Stacking

.? 決策樹以及信息論回顧

.? 隨機森林，完全隨機森林

.? 基于殘差的提升樹訓練思想

.? GBDT與XGBoost

.? 集成不同類型的模型

.? VC理論

【部分案例講解】：

.? 基于XGBoost的金融風控模型

.? 基于PCA和Kernel SVM的人臉識別

.? 基于Kernal PCA和Linear SVM的人臉識別

第三階段? 無監督學習與序列模型

【核心知識點】

.? K-means算法， K-means++

.? EM算法以及收斂性

.? 高斯混合模型以及K-means

.? 層次聚類算法

.? Spectral Clustering

.? DCSCAN

.? 隱變量與隱變量模型

.? HMM的應用以及參數

.? 條件獨立、D-separation

.? 基于Viterbi的Decoding

.? Forward/Backward算法

.? 基于EM算法的參數估計

.? 有向圖與無向圖模型區別

.? Log-Linear Model

.? Feature Function的設計

.? Linear CRF以及參數估計

【部分案例講解】：

.? 基于HMM和GMM的語音識別

.? 基于聚類分析的用戶群體分析

.? 基于CRF的命名實體識別

第四階段 深度學習

【核心知識點】

.? 神經網絡與激活函數

.? BP算法

.? 卷積層、Pooling層、全連接層

.? 卷積神經網絡

.? 常用的CNN結構

.? Dropout與Bath Normalization

.? SGD、Adam、Adagrad算法

.? RNN與梯度消失

.? LSTM與GRU

.? Seq2Seq模型與注意力機制

.? Word2Vec, Elmo, Bert, XLNet

.? 深度學習中的調參技術

.? 深度學習與圖嵌入（Graph Embedding）

.? Translating Embedding (TransE)

.? Node2Vec

.? Graph Convolutional Network

.? Structured Deep Network Embedding

.? Dynamic Graph Embedding

【部分案例講解】：

.? 基于Seq2Seq和注意力機制的機器翻譯

. 基 于TransE和GCN的知識圖譜推理

. 基于CNN的人臉關鍵點檢測

第五階段 推薦系統與在線學習

【核心知識點】

.? 基于內容的推薦算法

.? 基于協同過濾的推薦算法

.? 矩陣分解

.? 基于內容的Gradient Tree

.? 基于深度學習的推薦算法

.? 冷啟動問題的處理

.? Exploration vs Exploitation

.? Multi-armed Bandit

.? UCB1 algorithm，EXP3 algorithm

.? Adversarial Bandit model

.? Contexulalized Bandit

.? LinUCB

【部分案例講解】:

.? 使用Gradient Boosting Tree做基于 interaction 與 content的廣告推薦

.? 使用深度神經網絡做基于interaction 與 content的推薦

.? LinUCB做新聞推薦, 最大化rewards

第六階段? 貝葉斯模型

【核心知識點】

.? 主題模型（LDA) 以及生成過程

.? Dirichlet Distribution, Multinomial Distribution

.? 蒙特卡洛與MCMC

.? Metropolis Hasting與Gibbs Sampling

.? 使用Collapsed Gibbs Sampler求解LDA

.? Mean-field variational Inference

.? 使用VI求解LDA

.? Stochastic Optimization與Bayesian Inference

.? 利用SLGD和SVI求解LDA

.? 基于分布式計算的貝葉斯模型求解

.? 隨機過程與無參模型（non-parametric)

.? Chinese Retarant Process

.? Stick Breaking Process

.? Stochastic Block Model與MMSB

.? 基于SGLD與SVI的MMSB求解

.? Bayesian Deep Learning模型

.? Deep Generative Model

【部分案例講解】:

.? 基于Bayesian LSTM的文本分析

.? 使用無參主題模型做文本分類

.? 基于貝葉斯模型實現小數量的圖像識別

第七階段 增強學習與其他前沿主題

【核心知識點】

.? Policy Learning

.? Deep RL

.? Variational Autoencoder(VAE)與求解

.? 隱變量的Disentangling

.? 圖像的生成以及Disentangling

.? 文本的生成以及Disentangling

.? Generative Adversial Network(GAN)

.? CycleGan

.? 深度學習的可解釋性

.? Deconvolution與圖像特征的解釋

.? Layer-wise Propagation

.? Adversial Machine Learning

.? Purturbation Analysis

.? Fair Learning

【部分案例講解】:

.? 基于GAN的圖像生成

.? 基于VAE的文本Style Transfer

.? 可視化機器翻譯系統

* 由于此領域的飛速發展，我們會在課程進行過程中也會及時更新，確保2周之內新出的重要技術第一時間可以理解并使用。

課程設計緊密圍繞學術界最新進展以及工業界的需求，涵蓋了所有核心知識點，并且結合了大量實戰項目，培養學員的動手能力，解決問題能來以及對知識的深入理解。

部分課程項目介紹

課程適合誰？

• 有機器學習基礎，有較強的編程能力；

• 對數據結構與算法比較熟悉；

• 想申請國外名校AI相關專業的碩士/博士；

• 已經在AI領域從事工作，想要升職加薪；

• 想轉型成為一線AI工程師 (已具備基礎)。

課程特色

• 內容上包含了作為 AI頂級工程師 必備的核心技術體系；

• 內容上包含了大量 最前沿的技術；

• 具備一定的 挑戰性和深度 ，區別于市面上的其他同類的課程；

• 理論與實戰的結合，所有的理論會本質層面講起，而且非常通俗易懂，即便很 難理解的BERT, Bayesian NN 也會讓你能夠聽得懂并且能夠理解；

• 包含具有挑戰性的課程項目作業和理論作業，這些會幫助你更深入地理解學過的知識點， 每一個重要的知識點會配備實戰講解以及核心代碼review；

• 配備頂尖講師團隊，均在機器學習、深度學習領域有很深的研究和工作經驗。

教學模式

我們主要采用 直播 的方式， 一周4-5次的直播教學 ，? 包括2次的main lectures, 1-2次的discussion session (講解某一個實戰、必備基礎、案例或者技術上的延伸）， 1次的paper reading session (每周會assign一篇必備論文，并且直播解讀)。教學模式上也參考了美國頂級院校的 教學體系。?以下為其中一周的課程安排，供參考。?

報名方式

請掃描下面的二維碼咨詢課程

服務體系

看完被嚇著了？這玩意學不會可咋整啊？

導師們是不會讓你以智商為理由逃跑的，

我們為大家配備了全一線工程師的助教團隊，

嚴防死守以學不會為由的逃兵出現！

• 全職助教實時答疑

看直播的時候："誒？這步怎么推導出來的呢？"

編程跑項目實踐的時候："誒？這段代碼是干嘛的呢？"

看論文的時候："誒？為什么好像看懂了，又不知道在講什么呢？"

不管你在學習過程中遇到多少阻礙，你都可以通過以下4種方式解決：

• 直接在線問導師；

• 或者記錄到共享文檔中，等待每日固定時間的直播答疑；

• 學習社群中全職助教，24h隨時提問答疑

• 共同的問題在Review Session里面做講解

注：每次答疑，班主任都會進行記錄，以便學員實時查閱。

• 編寫一些技術類文章

通過在知乎上發表相關技術文章進行自我成果檢驗，同時也是一種思想碰撞的方式，導師會對發表的每一篇文章寫一個詳細的評語。萬一不小心成為一個大V了呢？

雖然寫文章的過程萬分痛苦，學習群里半夜哀嚎遍野，但看一看抓著頭發寫出來的文章結果還是非常喜人的！看著自己收獲的點贊數，大家都默默地感謝起導師們的無情！

這種滿滿的成就感，讓大家一篇接一篇寫了下去！

個個都立刻變身成了知乎大牛~

• Project項目

除了文章，算法工程師立命的根本--項目代碼，導師更是不會放過的。每次在Gitlab上布置的作業，導師們都會帶領助教團隊會予以詳細的批改和反饋。并逼著你不斷的優化！

課程導師

看了這么多，是不是非常崇拜設計出如此地獄式學習計劃的大牛，那就來正式認識一下這位訓練營中人人聽了都聞風喪膽，但又讓人崇拜+喜愛+欲罷不能的訓練營魔頭導師們:

李文哲

NLP、知識圖譜領域專家

美國南加州大學博士，曾任凡普金科（愛錢進）首席科學家，美國亞馬遜/高盛高級工程師，AI量化投資公司首席科學家兼投資總監。在AAAI, KDD, AISTATS等頂會上發表過15篇以上論文，其中3篇獲得Best Paper Award，累計數百次引用。

袁源

機器學習、推薦系統專家

美國微軟總部和美國亞馬遜總部的資深推薦系統工程師、主導多款核心推薦系統的研發，是人工智能、分布式系統、云計算方面的專家。美國新澤西理工博士，擁有14年人工智能、推薦系統、自然語言處理、數字圖像和視頻處理項目經驗。

畢業標準

進去企業敲門磚的”畢業證“如何得到？

導師們之所以被學員們戲稱為大魔頭不單單因為技術牛，更因為他同時掌管著訓練營學員的生殺大權！光學習是怎么可以的，我們的訓練營是有考核的！

大魔頭們給學習成果定義了充分的可量化標準。貪心學院紅頭文件曬給你看：

• 考核 機制

我們也有嚴格的考核機制，包括項目作業的完成度、直播到課率、文章寫作等要素。而且根據這些考核來確定畢業生以及優秀畢業生。針對于優秀畢業生，我們會提供很豐厚的激勵機制。

再被大魔頭們折磨了多個日日夜夜后，大家不但沒有放棄學習，而且很快樂地學習著。來聽聽大家的心聲吧：

(精彩回顧，往期學員的采訪)

我們的魔鬼訓練營體系已經在眾多課程中得到了認可，我們的課程幫助了大量有招聘或者轉型需求的學員達到技能提升或幫助大家拿到offer。

千萬不要覺得這是一個 對標其他線上課程的普通的訓練營：

由于內容的專業性以及深度，在過去我們的訓練營課程吸引了大量的全球頂級名府的學員，這里不乏來自 CMU, Columbia, USC, UCSD等美國頂級名校 和 清北上交等國內名校學員 ，還有 知名企業很多準一線的工程師 。

我們訓練營的特色可以概括為：

體系化、專業性、深度、精細化講解，

最重要的一點是可以幫助你 看到里面的本質 、而且能夠把零零散散的知識點串起來，

我們只做 AI教育 ，因為這是我們最擅長的領域！?

今年十月，我們將帶來全新的

《機器學習高階訓練營》 。

這個被全網尊稱為能找到的

最體系化，

最有挑戰的，

實踐性最強的，

最燒腦的，

機器學習訓練營等著你們！

勇士們讓我看到你們的雙手~

PS：

1、本課程為 收費教學 。

2、每期僅招收 50 人，將擇優錄取。

3、我們配備相應的教材，越早加入就有更多預習準備的時間！

另外我們會從留言區挑選兩名同學送兩本??

機器學習最佳的實戰書

報名方式

請掃描下面的二維碼咨詢課程

我們是誰？ 我們是一家專注于人工智能領域的在線教育公司，由一群有情懷的硅谷科學家來創辦。我們提供最專業的AI課程以及每月4-5期的免費AI類公開課。關注此公眾號（“貪心科技AI”）可以獲得相關的信息。