失去的
还是会回来的
“超模君，错过了，就意味着不再可能了吗？”
今天超模君起床按亮手机，一条QQ未读讯息赫然亮在眼前；本来就没睡醒，现在更是一lemon逼。
“咱们好像还没开始啊，何来错过？”
带着几分惶恐几分不安，超模君回复了这位妹纸。
“哎呀，你想什么呢，我说的是我错过了昨晚的直播答疑会。”
顿时papapa打脸，无比尴尬，但是机智如超模君。
“没有错过，我们还有可能，直播答疑会的视频今晚你就能看到了。”
“好嘞，超模君棒棒！”妹纸透露出几分激动和喜悦。
“今晚月色好美！看完视频，不如我们……”
“超模君再见”
……
Python机器学习实战的课程大纲简介
昨天晚上8点，超模特邀讲师唐宇迪老师在超模Python 交流群主持了“Python机器学习实战”的第一次直播答疑会，引起众模友速速围观。
唐老师首先介绍了“Python机器学习实战”的课程大纲，通过课程目录向大家完整讲解了整个课程的学习内容和学习目的。
“第一点，Python这门语言是比较容易学的，用起来很简洁，也很迅速，所以我们选Python来作为这门课程的主流语言；另一方面呢，咱们要做的是机器学习，是跟人工智能和数据挂钩的，在数据这门领域当中，Python是用得最多也是最广的。”
“学习这门课程，大家并不能只是凭着自己的爱好和兴趣而选择，大家学习这门课程的初衷普遍也要为了之后做考虑，之后我们可能想去从事数据挖掘、机器学习和人工智能相关的这些领域的工作，而这些工作，都离不开Python。”
给同学们答疑过程
做完课程介绍之后，唐老师接下来和模友们进行了大概半个小时的答疑，超模君挑选出几个稍微有代表性的问题记录下来。
深山少年：“学完这个课程后能达到什么程度？”
唐老师：“这个视频课程一共是20来个小时，想要在20来个小时当中去学到一个很高的水平，这样说肯定是骗人的，咱们视频的目的是帮助大家快速了解这些东西，但是能够用得什么样，光看视频是远远不够的，还是要靠大家做很多的联系的。”
深山少年：“老师，课程能介绍一些提升的书籍么？”
唐老师：有一本国外的书叫 《Machine LearningReaction》，中文版是机器学习实战，写得非常好，不光是有通俗的讲解，也有配套的代码，大家可以去网上搜索，有PDF版本。
纳珀儿：“学习这个课程需要数学基础，具体要哪些数学课程？”
唐老师：数学基础，包括高数，线性代数，概率论，就是大学学习的基础数学；大学的时候可能觉着学习这些东西不知道用在哪里，那么现在学习机器学习就可以用上了。
经济统计--王斯：“作为一个初学者，在很多方面都是萌新，这门课程容易理解么？”
唐老师：我的这门机器学习课，其实从讲解上都是比较通俗的，我一般都会用自己的话把这些总结的通俗易懂，容易理解。
麦田：“机器学习和深度学习有什么区别？”
唐老师：“机器学习涉及的面比较广，深度学习可以当成机器学习的一个分支，因为机器学习里面有一个算法叫做神经网络，神经网络就是深度学习最基础的内容，深度学习相当于把神经网络的延伸。”
“深度学习课程什么时候会开设？”
唐老师：“届时和超模班主任大鱼老师商量一下，大概在5月份月底或者是6月初就会开设，也是由我进行主讲。”
Vlson chow:“Python能够做什么应用？”
Dr.five：Python是军刀，实战当中，我们可以用来做数据分析，可以用来做爬虫，可以用来做可视化
唐老师：Python不光能做机器学习，在这个爬虫，数据分析，可视化处理和运维等们都可以运用Python解决。
经济统计—王斯：我是通过数学建模了解到Python，我一直以为是像Matlab一样的。
唐老师：Python比Matlab简单，推荐大家用Python而不用Matlab，因为Matlab大家可能是在学校用得比较多，可是当你去工作的时候就会发现，同事很少有用Matlab，基本上都是用Python和C++。
{}课程大纲{}
第一章：Python快速入门
机器学习必备Python基础，快速掌握Python基础语法与常用结构。
第二章：回归算法
走进机器学习世界的第一个算法，详解回归算法的数学原理推导与求解过程。由回归算法过度到逻辑回归算法，讲解最优化原理与梯度下降求解方法。
第三章：科学计算库Numpy
Python科学计算库Numpy,在数据科学领域我们面对的都是矩也就是数据是由样本和特征所组成的,详解Numpy里常用函数的使用方法。
第四章：数据分析处理库Pandas
Python数据分析处理库Pandas，从数据的读取和预处理开始，讲解如何使用Pandas进行数据的分析和处理操作。
第五章：可视化库Matplotlib
Python可视化库Matplotlib，讲解如何对分析的结果进行可视化展示以及常用函数使用方法。
第六章：使用Python库分析科比的生涯数据
使用Python库分析科比的直接生涯数据，从数据读取开始，一步步讲解如何使用Python进行数据预处理以及建模操作。
第七章：案例实战—信用卡欺诈检测
案例实战信用卡欺诈检测，从问题的挑战开始，一步步解决样本不均衡数据，提出两种解决方案，基于逻辑回归建立模型并进行模型评估。
第八章：决策树与随机森林
从熵原理开始，详解决策树建立的衡量标准，实例讲解决策树节点的选择方法与决策树剪枝策略并由决策树算法延伸到随机森林。
第九章：Kaggle竞赛案例—泰坦尼克获救预测
选择经典Kaggle竞赛案例，从数据预处理开始一步步完成整个模型的建立过程。
第十章：支持向量机算法
经典算法支持向量机，从原理推导开始讲解SVM如何得出最好的分割线并引入核函数打造一个强大的分类模型。
第十一章：神经网络基础
把复杂的神经网络模型分模块讲解，逐个攻破神经网络中所涉及的每一个细节知识点。
第十二章：神经网络架构
详解神经网络整体架构，分析神经网络的组成以及实例演示神经网络建模过程并分析如何解决神经网络的过拟合问题。
第十三章：Tensorflow框架
机器学习利器Tensorflow使用方法演示，从机器学习到神经网络模型实战如何使用Tensorflow来完成建模的工作。
第十四章：Mnist手写字体识别
选择经典案例手写字体识别，使用Tensorflow从零开始建立神经网络模型。
第十五章：PCA降维操作与SVD矩阵分解
基于案例讲解PCA降维操作与SVD奇异值分解，从流程讲解PCA与SVD工作流程，并结合实例演示效果。
第十六章：聚类与集成算法
聚类算法与集成算法讲解并引入特征工程讲解如何对复杂数据进行特征提取。
感谢我们的唐老师为我们录制和剪辑了第一次的直播答疑会视频，接下来每周我们都会举办一次直播答疑会，希望模友们都能留心，有任何问题都可以和我们的唐老师面对面交流，想听听我们唐老师完美的声线和富有磁性的嗓音么？赶快加入我们！
超模Python交流QQ群
579295081
超模君等你来撩
