实话说,现在转行 AI 的是越来越多,市面上 AI 的课也是五花八门,但是一股脑地去学了,真的能找到一份好的工作吗?其实不然。
经过我秋招对 AI 算法行业的一些面试,现在这个方向招人已经和之前大不相同了,之前只要你会点简单的机器学习算法,能说出点原理,能做到熟练调用就完全可以,但现在难度已经大了太多太多。现在面试考验的的已经远远不止工程实战能力,而是对算法的透彻理解和推导能力。为什么?因为现在仅仅靠代码无法区分面试者的差距,调包的话很多人都会,但是真正懂得内部原理的却寥寥无几。只有懂得详细的算法机理,才能真正对整个项目有透彻的理解,从而可以从更底层对算法进行调优,让结果产生质的区别,这样水平差距就显现出来了。
所以,现在考验的是两个方面?工程动手能力必不可少,其次在这个基础上需要有对算法透彻的理解。
然而市面上的教程缺乏的就是这两方面的有机结合。比如吴恩达、林轩田的课程就比较偏理论,学了一堆公式推导,但是不知道怎么用。而一些培训机构一上来就是将 Numpy、Pandas、Sklearn 框架的使用,一点底层算法也不讲,让学习者一个个变成了调包侠。
基于上述问题,我和几位机器学习大佬创办了一个结合理论和实战的机器学习训练营。其实现在训练营已经开办了三期了,经过我们的不断优化,这期训练营又有了更大的改观,在理论的基础上增加了许多实战项目。
整个课程的大纲和流程是这样的:
本期开课 日期 | 2019-01-28 |
开班仪式 为同学们讲解课程的目标、课程规划、课程理念等内容 |
| 章节 | 课程 |
第 1 周 | 机器学习基础 | 机器学习的定义和假设,理解构建机器学习系统的要素,VC维以及可学习理论简介 |
|
|
实战项目:基于线性模型完成房价预测问题 |
第 2 周 |
线性回归模型 | 线性回归是最为经典的机器学习模型,本周将从数学原理过渡到实战应用带你全面掌握该模型 |
|
|
|
课后练习:构建高阶特征 增强线性模型的学习能力 |
第 3 周 | 逻辑回归模型 | 从多个角度全方面理解逻辑回归:逻辑回归作为工业界应用最为广泛的模型,掌握该算法是尤其必要的 |
|
|
实战项目:预测鸢尾花品种 实现多分类模型 |
第 4 周 | 神经网络模型 | 神经网络是近年来机器学习最令人兴奋的领域,本周将带你进入神经网络的世界 |
|
|
实战项目:利用神经网络构建一个准确率99%的手写数字识别模型 |
第 5 周 | 神经网络 模型原理 | 理解反向传播算法,并且利用Keras搭建你自己的第一个神经网络 |
|
|
课后练习:使用预训练深度学习模型完成特征提取 |
第 6 周 | 机器学习 系统设计 | 带领你完整的领略整个机器学习系统的要点:从问题定义、数据收集再到模型构建和评估的要点和细节 |
|
|
大作业:Kaggle竞赛——Instacart市场篮子分析 |
第 7 周 | 支持向量机 | 支持向量机作为理论上最为优美的模型,其在实际中也被广泛应用部署,本周课程将从零开始推导SVM算法,并且带你理解核函数的原理 |
|
|
实战项目:基于主成分分析和支持向量机完成人脸识别任务 |
第 8 周 | 无监督学习 | 本周课程将关注于无监督学习,并且带你理解具体的无监督应用的场景和其相比于监督学习的优势 |
|
|
课后练习:实现你自己的k-means算法 |
第 9 周 | 异常检测和 推荐算法 | 异常检测、推荐系统是有监督学习非常重要的两大应用,本周课程将关注于异常检测和推荐系统的常用算法介绍 |
|
|
实战项目:基于协同过滤算法构建电影推荐系统 |
第 10 周 | 大规模 机器学习 | 如何从海量数据中学习,本周课程将是一个进阶指南,包括对于机器学习进阶的展望 |
|
|
学期结束 | 2019-04-14 |
课程一共是设计了十周内容,从基本的机器学习基础开始讲起,逐步扩展到神经网络、系统设计、大规模机器学习算法等内容,循序渐进地将机器学习相关的知识讲述明白,同时更重要的是,在每一周我们都设计了一个课后练习或实战项目,来帮助大家强化当周学习的内容。另外更重要的是,其中还包括了一个 Kaggle 竞赛项目,如果你对 Kaggle 感兴趣的话,我们也会带你进入 Kaggle 竞赛的世界。
正好也都快寒假了,正好趁着这个时间,大家可以多来充充电。过年期间休息一周,课程结束时间顺延。
编程语言
很多朋友会关心课程的一些项目中使用的编程语言是什么,在这里我们主要使用的编程语言是 Python,绝大多数的项目都是通过 Python 来完成的,可能用到的框架有 Numpy、Pandas、Sklearn、XGBoost、LightGBM、TensorFlow、Keras、Matplotlib 等,当然如果你要是使用 R、Matlab 等其他语言也是完全可以的。
导师介绍
大家肯定会关心,来带着学习的导师究竟是怎样的人?导师是我的几位好朋友,都是拥有丰富实战经验并取得过国内数据挖掘竞赛多次冠军的大佬,介绍如下:

- 小飞老师 -
机器学习算法工程师,香港理工大学研究员,两届 KDD CUP 全球季军,Kaggle Master,天池、 CCF、DC 等国内各大机器学习竞赛平台冠军,SCI期刊审稿人。
- 悦悦老师 -
机器学习算法工程师,Top 2 高校毕业,Kaggle Grand Master,曾获 KDD CUP 全球季军,天池、CCF、DC、等各大机器学习竞赛平台冠军,实战经验非常丰富。
- 开心老师 -
机器学习算法工程师,拿到过阿里、腾讯、微软、今日头条等等 Special Offer,曾获在线编程挑战赛第 1 名,天池大数据竞赛全国冠军, KDD CUP全球季军等。
- 静觅老师 -
机器学习算法工程师,微软中国工程师,《Python3网络爬虫开发实战》作者,静觅博客博主,进击的Coder公众号主,擅长网络爬虫、Web开发、深度学习等。
训练营模式
另外大家肯定想知道这是一个怎样的学习流程,下面详细介绍一下,整个训练营的模式是这样子的:
自学为主,答疑为辅。名师指导,助教监督!
训练营的设办为学员提供良好的学习环境,训练营的学习模式为:
由经验丰富的老师们为学员精心制定学习计划、准备学习资料;
由助教们及时提醒监督大家在自己的空闲时间按照每周安排的进度学习相关知识;
学习过程中由疑惑、遇到问题可以随时在微信群进行讨论交流,同时可以在圈子应用上发布自己的疑问,老师们会在收到提问提醒后24小时内提供专业解答。
整个学习过程中,我们确保学员有人导学、有人督学、学有所成!
训练营学习周期为十周,依照课程表的安排开展学习,每周的学习流程如下:
每周一助教会在知识圈、微信群和圈子发布阅读材料,学员自行下载阅读。
每周四助教会在知识圈、微信群和圈子发布本周课后练习/实战项目题目。
每周日助教会在知识圈、微信群和圈子发布课后练习/实战项目参考答案。
平日里学员间可以互相讨论所学知识、难点、疑点,巩固自己所学知识。
这就是全部吗?当然不是。我们还安排了主题班会、知识分享、竞赛带打活动。其中有:
在这个过程中,其实最重要的是坚持,整个训练营持续是十周的时间,如果你可以跟着我们学下来,你能获得的有:
机器学习算法理论知识
超强动手实现技术的能力
讲师+助教学习答疑
Kaggle Grandmaster 的竞赛经验
校招中收割 Offer 的笔面试经验
圈友学习成果互评,分享交流
当然还有更有价值的的,就是加入我们的圈子,扩展自己的人脉,不管是问题咨询还是项目合作,都有更多的选择。
面向群体
如果你是一名在读学生,想了解机器学习的方方面面。
如果你正在从事其他行业,想转行或从事机器学习方向。
如果你是一名机器学习爱好者,想获得更多的项目实战经验,或者想参加 Kaggle 类似的比赛。
如果你是一名机器学习专家,想结识更多的机器学习大佬。
这个训练营都可以提供给你。
如果你没有任何机器学习或数学相关基础那也没有关系,本训练营会为你从最基础的部分讲起,其中就包含了学习该门课所必备的数学基础知识体系。
当然最好的是你需要懂一些基本的 Python 知识,这会让你的整个学习过程更加顺利,更加得心应手。当然不懂也没关系,我们也会耐心地为你解答。
课程定价
现在的课程相比之前三期扩充了非常多的实战案例,另外还增加了多个活动,其中包括知识分享、竞赛带打等等,所以这一期的价格有所提高,是 199 元,如果你真的可以从中学习到一些知识,这个钱一定是非常有价值的。
另外之前参加过前三期的朋友,如果你觉得之前还学的不够扎实不够好,或者想继续深入学习,也可以再次加入学习。
大家报名可以通过扫描下方二维码参与报名:

最好的投资就是投资自己,也希望我们能与你一起进步,一起同行!
崔庆才
静觅博客博主,《Python3网络爬虫开发实战》作者
隐形字
个人公众号:进击的Coder