掌握100+知识点，80+案例，玩转Python机器学习与深度学习！

如果村里通了网，那你一定知道【AI】人工智能。

如果你会网上冲浪，那你一定看到过【ML】机器学习。

在网上看到一个段子：ML派坐落美利坚合众山中，百年来武学奇才辈出，隐然成江湖第一大名门正派，门内有三套入门武功，曰：图模型加圈，神经网加层，优化目标加正则。有童谣为证：熟练ML入门功，不会作文也会谄。

但许多人仍有此疑问：学习机器学习，无从下手怎么办？尝试过各种学习方法，为什么依然是个门外汉？为什么传统的学习机器学习途径收效甚慢？作为一名对机器学习心有向往的程序员，我该以什么样的姿势开始呢？

机器学习真的这么难吗？特意采访了机器学习大咖邹博老师，以下是老师的回复：

时光飞逝，我从开始接触机器学习到现在已经十多年了。想当初，我也是一个小白，我先把大学教材《高等数学》、《线性代数》、《概率论》从头到尾都看了一遍，然后又看了多家机构的机器学习教学视频。

可以说当初的迷茫、慌张、害怕、忐忑，心路历程非常艰辛。

因为感觉东西太多太多了，一会儿机器学习一会儿深度学习，一会儿这个导师的视频，一会儿那个机构的教程，都不知道从哪学，要学哪些？

后来参加工作了，发现那些基本的数学知识从头到尾全部看一遍，其实没那个必要，只需要掌握必要的几个基础点就好了。

大家都以为机器学习和深度学习很难，其实很简单，最快的办法就是直接上手做项目实践，一个项目做下来，过程中发现不懂的地方学习，查缺补漏很快就能上手了。

如果你想入门机器学习和深度学习；

如果你想从事人工智能行业

如果你想为自己的未来多做些储备，并确信自己有足够的学习能力；

建议你接受挑战

《Python机器学习与深度学习16天高级训练营-零基础入门》

课程强调动手操作；内容以代码落地为主，以理论讲解为根，以公式推导为辅。共16天16个模块32个学时，每学时各1~1.5小时，136个知识点，82个代码和案例实践，讲解机器学习和深度学习的模型理论和代码实践，梳理机器学习、深度学习、计算机视觉的技术框架，从根本上解决如何使用模型、优化模型的问题；每次课中，首先阐述算法理论和少量公式推导，然后使用真实数据做数据挖掘、机器学习、深度学习的数据分析、特征选择、调参和结果比较。

课程中部分案例成果图

廖茂文

游戏AI研究员，中国人工智能学会高级会员，高级工程师，人工智能布道师。研究兴趣：自然语言处理、生成对抗网络、金融量化，参与过多项省市级人工智能项目，获得软件著作权2项，预著有《GAN生成对抗网络实战：数学算法原理与TensorFlow实现》。

生辉

上海交大博士，腾讯算法研究员，在腾讯广告负责推荐算法和计算机视觉方便的工作，熟悉推荐算法，计算机视觉常用算法，常用机器学习和深度学习算法。

Paul

毕业于西南大学，2018.3-至今滴滴资深算法工程，主要从事司乘服务管控相关的工作，通过判责模型对司乘纠纷判责，异常订单模型识别等，用到的模型有xgboost、lr、朴素贝叶斯等。2015.7-2018.3 新浪微博算法工程师，主要从事微博feed流推荐工作，负责微博首页新用户信息流推荐的算法和策略工作，用到的模型有LR、FM、决策树等，包括实时流storm特征提取和在线训练。