重磅！分享 100 节免费的 Python、机器学习与数据分析公开课

甲子光年 CEO 在《少数人的路》中说：“技术推动了一次次工业革命，每一次都带来了至少 100倍以上的生产力的提高；第一次，机械革命，第二次，电气革命，第三次，信息革命，第四次，便是正在进行的智能革命”

而智能革命的当下，核心的主角便是人工智能。

▲人工智能产业结构

而对应的薪水也平均薪酬溢价高达 55%-110%，有 2，3 年经验的人才要价 50-60 万年薪是很正常的一件事情。在这种形势下，很多同学都产生了涉足人工智能的想法，并付诸了行动。

其中占比最重的是计算机视觉方向，其次是自然语言处理、智能机器人及自动驾驶。

▲计算机视觉的应用场景

其实网上关于人工智能的课程有很多，大量免费的资料可以去选择，也有很多书籍和视频可以去购买。但这些海量的资料加大了大家选择的成本，降低了学习的效率。很多同学有很好的数学和代码基础，觉得自己能够完全搞定人工智能。但自己在中英文夹杂的资料海里遨游了三个月后，收获甚微。

所以为了让大家能够高效率入门人工智能行业，我们邀请硅谷顶级科学家为大家在线直播 100 节免费公开课，一周 3-4 节课。

不要认为免费的公开课就没有干货。每周一次的 Review Session,我们会提前一周给出几个备选主题，由群内的同学们自主投票选择最心仪的主题。

这 100 节公开课有多硬核呢？设计紧密围绕学术界最新进展以及工业界的需求，涵盖了 80% 的人工智能知识点，并且结合了大量实战项目，包括热门的数据分析，自动驾驶，聊天机器人等项目，培养学员的动手能力，解决问题能来以及对知识的深入理解。

来看一下这周被选中的公开课主题，机器学习，数据分析，聊天机器人等。

扫描海报二维码入群，
加入免费公开课。

以下为具体时间安排及主题总览。

Python 初学者也能做 chatbot：

使用 AIML 框架搭建简单聊天机器人

时间： 3月12日（周二）晚上8：30

内容介绍

▼

1. AIML 框架结构介绍

2. AIML 框架的模板设计

3. 基于 AIML 框架的聊天机器人搭建

主讲人介绍

▼

周景阳

知识图谱领域专家

周景阳，技术领域、数据分析领域专家。曾任百度资深工程师、凡普金科和国美金融技术负责人。拥有8年以上、大数据和 AI 方面的实战经验，先后负责过金融风控、知识图谱、计算机视觉、聊天机器人等多个公司级的核心项目。多家在线教育平台的金牌讲师，拥有丰富的授课经验。

带你区分数据分析，数据挖掘，大数据的区别和应用场景

时间： 3月13日（周三）晚上8：30

内容介绍

▼

1. 数据行业进化史

2. 如何在数据行业找到工作

3. 数据相关岗位的面试与简历怎么样准备

主讲人介绍

▼

郭锐

第四范式资深算法工程师

北航计算机博士，曾参与多项国家自然科学基金及国家科技支撑计划项目，多篇论文被 SCI、EI 及中文核心期刊检索。目前就职于第四范式，任职资深算法工程师，擅长分布式系统，负责算法改进及其产品化、数据建模及可视化等。

作为一名AI从业者，你不得不知道的三个概念：

MLE，MAP 和贝叶斯估计

时间： 3月14日（周四）晚上8：30

内容介绍

▼

1. 用一个例子来形象地说明三者之间的区别

2. 详谈 MLE 与 MAP

3. Ridge Regression 与 LASSO

4. 不同先验概率与正则关系

5. 贝叶斯估计的挑战

6. 浅谈蒙特卡洛算法

主讲人介绍

▼

李文哲

NLP、知识图谱领域专家

美国南加州大学博士，曾任凡普金科（爱钱进）首席科学家，美国亚马逊/高盛高级工程师，AI量化投资公司首席科学家兼投资总监。在 AAAI, KDD, AISTATS 等顶会上发表过 15 篇以上论文，其中 3 篇获得 Best Paper Award，累计数百次引用。

晒一下好评

加入免费公开课。

之后的公开课安排

具体主题由学员投票决定

• 企业开发中代码是如何管理的

• 一起聊聊 AI / 数据相关岗位的技能图谱，职业规划，未来前景

• 一小时弄清楚自然语言处理技术概览以及应用场景

• 用例子来说明机器学习中的 MLE vs MAP vs 贝叶斯估计的区别

• 面试必考题：逻辑回归模型以及数学推导

• 一小时弄清楚什么是卷积神经网络

• Python 中那些不得不会的算法题目

• 大话面向对象

• 爬虫开发过程中那些绕不过的登录怎么办

• Python 结合计算机视觉技术进行验证码识别

• 高质量的代码必经之路-单元测试该怎么做

• Python 操作 MongoDB

• Python 操作 MySQL

• 爬虫开发中不得不掌握的正则技术

• Python 企业开发规范

• Python Web 开发框架 Django 入门

• Python Web 开发框架 Flask 入门

• Python 抓取贴吧评论并进行分析

• 零基础搭建简单的问答系统

• 怎么用知识图谱做金融风控系统

• 利用端到端的学习（end-to-end learning）搭建无人驾驶系统

• 搭建一个简单的目标检测系统（object detection）

• 深度学习的可解释性：深入浅出深度学习中的可视化（visualization）

• 聊聊中美人工智能人才培养、技术创新以及差异性

• 推荐系统中的常见算法介绍

• 矩阵分析（Matrix Factorization）详解：推荐系统最离不开的算法

• 几行代码可以实现的算法： KNN 的详解

• Metric Learning 中的经典：LMNN 算法详解

• 随机梯度下降法中的收敛理论

• SGD, Adagrad, Adam算法的详细比较

• 深入浅出递归神经网络（Recurrent Neural Network)以及应用

• RNN 中的梯度爆炸以及梯度消减，介绍 LSTM

• 一小时实现图像中的风格迁移（style transfer）

• 一小时实现语音中的情绪识别（emotion recognition）

• 基于 GraphX 做分布式图分析

• 图嵌入算法详解以及引用

• GBDT 和 XGBoost 算法应用以及实现

• 自适应系统所涉及到的技术要点

• 机器学习工程需要必备的数学知识

• 利用目标检测和跟踪算法分析英雄联盟视频

• 一小时教你怎么搭建 GPU 训练环境

• 一小时用 Keras 搭建人脸识别系统

• Google 的最新作品 BERT 模型详解以及实现

• 一小时实现机器自动写代码系统

  （持续更新中。。）

  
  

李文哲： 美国南加州大学博士，曾任凡普金科（爱钱进）首席科学家，美国亚马逊/高盛高级工程师，AI量化投资公司首席科学家兼投资总监。在 AAAI, KDD, AISTATS 等顶会上发表过 15 篇以上论文，其中 3 篇获得 Best Paper Award，累计数百次引用

袁源：美国新泽西理工博士，美国微软和美国亚马逊的资深推荐专家和技术负责人、主导多款核心推荐系统的研发，是人工智能、分布式系统、云计算方面的专家。拥有 14 年人工智能、推荐系统、自然语言处理、数字图像和视频处理项目经验。在 AI 会议上发表过 20 篇以上论文。

蓝振忠：美国卡耐基梅龙大学博士。现任 Google 科学家，曾任美国智能监控公司的首席科学家， 对视频和多媒体的智能分析有深入研究。他曾代表卡耐基梅隆大学在美国国家标准总局（NIST）举办的视频智能分析大赛中连续多年进入前三。先后在 NIPS、CVPR、ICCV、IJCAI、ICDM 等国际顶级会议上发表过 25 篇以上的论文，论文引用次数上千。

史源：美国南加州大学博士，美国AI基金创始人，拥有 10 多年人工智能领域相关研发和研究经历。卡耐基梅隆大学访问学者，先后在 ICML、AAAI、IJCAI、ICDM 等国际顶级会议上发表数篇论文，引用次数高达 1000。

周景阳：曾任百度资深工程师，国美和凡普金科的技术负责人。是技术领域、数据分析、知识图谱、视觉等领域的专家。

葛瀚骋：美国 Texas A&M 大学博士，美国亚马逊 Alexa 部门资深科学家，负责 Alexa 的智能化以及个性化的研发与应用，曾任职于美国 ebay 以及 NEC 北美实验室。主要的研究涉及到Tensor、社交分析、推荐系统等领域，在 KDD、AAAI、SIGIR、RecSys 等国际顶级会议上发表 15 篇以上的论文，数百次的引用。

Q: 如何参与之后的公开课？

扫描下面二维码（或海报）添加运营小姐姐
加入免费AI公开课