号主推荐:《统计学习方法》是大多数人机器学习入门启蒙，但书本中很多概念没有详细描述，因此对于很多学这本书的学生来说，还有一定的难度。所以，今天特别为大家精心准备了一场集算法推导视频+作业讲解视频+教学指导为一体的李航《统计学习方法》训练营！
众所周知，AI行业里的技术大牛，微软亚洲研究院、华为诺亚方舟实验室等知名机构有着丰富的从业经历的李航博士，又推出了“蓝宝书”《统计学习方法》第二版！
很多同学都在举双手跟风说要购买，问一个扎心的问题：你能看懂整本书吗？
李航的《统计学习方法》就详细的讲述了这些内容构成的三要素
方法=模型+策略+算法，学完这本书，你会掌握：
1.模型：根据不同的问题，如何选择合适的模型
2.策略：具体的模型，我们以怎样的评判准则对模型进行评优
3.算法：确定了合适模型和评优准则，如何用合适的计算方法求模型最优解
统计学习方法之间的不同， 主要来自其模型、 策略、 算法的不同。 确定了模型、 策略、 算法， 统计学习的方法也就确定了。
通过这本书的学习，我们能够从本质上掌握统计学习方法。
而最近，李航博士，也推出了《统计学习方法》第二版，据了解，《统计学习方法》第一版主要是介绍了监督学习的算法与模型。而第二版主要增加的是无监督学习，但是在工业应用的领域内，我们90%所应用的还是监督学习的算法。因此，学这本书，我们应当首先掌握的重点，仍是监督学习。
我们都知道《统计学习方法》涵盖了机器学习领域内90%应该掌握的算法，不仅对于学术研究，还是工业应用来说，这都是本好书。但是书本中很多概念都没有详细描述，因此对于很多学这本书的学生来说，还是有一定的难度。
所以，我们针对很多想学好机器学习的学员，遇到的这些困难，精心准备了一场集算法推导视频+作业讲解视频+教学指导为一体的李航《统计学习方法》训练营！
针对书本公式推导缺少很多细节，自主学习需要在网上查阅大量的资料，耗费大量学习时间，因此，我们加入31节算法公式的推导详解视频细化到每一步，让你彻底搞懂机器学习内在的每一个原理。
▼部分教学视频
我们还对作业进行了详细的视频讲解，将作业代码完成了复现，让我们知其然更知其所以然
▼部分作业讲解视频
同时在很多同学在学习过程中遇到的不懂的问题，我们采取全方位的答疑模式
1、导师接受1对1提问，1天之内保证解决问题
2、每月统一收集问题直播答疑，系统讲解重难点
3、微信群助教及时互动，群友互答
Week1
【视频课】第1章 统计学习方法概论
【视频课】第2章 感知机
【视频课】第3章 k近邻
作业：
【推导】推导正态分布均值的极大似然估计和贝叶斯估计
【思考题】思考感知机模型的假设空间？模型复杂度体现在哪里？
【代码复现】自编程/调用sklearn实现一个感知机算例
【思考题】思考k近邻算法的模型复杂度体现在哪里？什么情况下会造成过拟合？
【代码复现】自编程/调用sklearn实现一个k近邻算法算例
作业视频讲解：
极大似然估计和贝叶斯估计作业
感知机算例自编程和sklearn实现
Week2
【视频课】第4章 朴素贝叶斯法
【视频课】第5章 决策树
作业：
【代码复现】自编程/调用sklearn实现朴素贝叶斯算法
【证明题
】证明CART剪枝算法中，当α确定的情况下，存在唯一的最小子树Ta使得损失函数Cα（T）最小。
【代码复现】调用sklearn实现决策树算例，有余力者进行自编程实现
作业视频讲解：
K近邻算法自编程和sklearn实现
朴素贝叶斯自编程和sklearn实现
Week3
【视频课】第6章 逻辑斯谛回归与最大熵模型
【视频课】第7章 支持向量机
作业：
【代码复现】自编程/调用sklearn实现逻辑斯缔回归模型，尝试改变参数，选择不同算法
【代码复现】手算/自编程/调用sklearn完成习题7.2，求线性可分支持向量机的最大间隔分离超平面和分类决策函数
作业视频讲解：
决策树自编程和sklearn实现
逻辑斯蒂回归自编程和sklearn实现
Week4
【视频课】第8章 提升方法
【视频课】第9章 EM算法及推广
作业：
【代码复现】自编程/调用sklearn对提升方法例题8.1进行实现
【代码复现】自编程求解两分量高斯混合模型的参数
作业视频讲解：
支持向量机算例自编程和sklearn实现
提升方法算例的自编程和sklearn实现
Week5
【视频课】第10章 隐马尔科夫模型
【视频课】第11章 条件随机场
作业：
【代码复现】自编程实现隐马尔可夫模型的前向、后向和维特比算法
【代码复现】自编程实现条件随机场习题11.4
作业视频讲解：
用EM算法自编程估计两分量高斯混合模型的参数
自编程实现隐马尔可夫模型的前向、后向和维特比算法
自编程实现条件随机场习题11.4
不仅如此，我们还为我们的学员准备了多种福利
1、赠送价值1198元为期一年1对1咨询服务，11位重量级人工智能大咖坐镇，全方位解决你的学习困惑
2、每周五人工智能研究方向前沿问题或职业发展话题讨论，老师和400+学员的集体头脑风暴，资源、干货、观点一起碰撞
如何正确入门机器学习和深度学习？
如何阅读人工智能领域Paper?
AI的就业和发展前景到底怎么样？
......
凡参与过的人都说
3、超过15家知名互联网企业的内推合作
4、get AI行业人脉资源，带学导师，班级同学，同学校友等等等，之后，大家可能都是AI圈的同事哦！
学AI，顶级书本+权威导师，你就相当于成功了一半，而我们有广受学员好评的导师团带学！
这或许只是你一张电影票或者一顿饭钱
但如果你拿来跟随我们学习，你将收获更多！
报名时间：2019年7月8日—2019年7月24日（过时无法参与）
学习周期：2019年7月24日 —2019年8月25日
学完有效果吗？事实证明，统计学习不仅人工智能算法课的基础，也是数据分析最重要的一环
如果你曾经参加过我们的训练营，你知道每一位学生对我们都是真实的反馈。
而我们，还在不断的更新迭代
可上下滑动，查看部分学员评价
在我们的学习群里，你不仅能接触到更多严格要求自己的人，还能让你的学习效果在深度交流中实现最大化！
如果你还在犹豫，不如看看有多少位学生已经加入学习了
1、超过2.8w+学员已加入训练营
2、累积打卡总195683+次
为了鼓励学生坚持学习，按要求完成作业任务并且打卡全勤者，我们将赠送你如下福利！！前20名全额退还学费！不花一分钱，学完整门课！截止目前我们已累积返现8万余元，还在不断累积
（训练营内还采取互动分享制，参与分享打卡，分享学习心得，均可以获得不同程度奖励！详情见课程内说明）
此外，积极参加社群活动，还有机会获得【深度之眼】的精美周边产品。
最受好评的课程，仅需98元！
过时将无法参与！！！
我们每一期都能招募500+学员，
每一位学员都给予高度好评
如此质量高的一门课，你确定不来学习一次？
你能获得的。不仅仅是知识和能力，
更有一群陪你学习的伙伴！
报名时间：2019年7月8日—2019年7月22日
学习周期：2019年7月22日 —2019年8月25日
添加班主任送你免费《Python 基础训练营》
备注：如有任何问题，也请添加班主任微信咨询
开启你的升级之旅
除此以外，如果你对我们的课程感兴趣，还可以选择加入我们的VIP。专享十七大训练营，通过系统的课程体系让你从入门进阶到企业实战
购买VIP需添加班主任微信拉群哦！
支持花呗/信用卡分期，我们帮你付全部利息！
Q：课程资料在哪里看？
A：所有的课程资料均会在训练营内上传，报名以后请务必添加客服微信入群！
Q：视频可以电脑看吗？
A：课程视频支持PC端播放。
Q：我们的课是基于第几版教学？
A：我们暂时还是以李航《统计学习方法》第一版为主，第二版已在更新中，等你学完可免费参与更新后的复训！
Q：报名后可以退款吗？
A：本服务为虚拟内容产品，一经购买，概不退款，敬请谅解。
Q：可以开具发票吗？
A：可以开具普通发票，请联系微信班主任填写需要的信息即可。
深度之眼首创训练营模式，在不到两年时间已有1.8万名付费学员，我们长期招募兼职讲师，以在线工作为主，分成收入佳
只要您在一下方面有某一专长：
1、对数据分析、数据挖掘方向有擅长，可带数据科学相关班
2、有多年Python开发经验，对web/爬虫/运维/数据分析/云计算/大数据其中一个领域熟悉，可申请做Python课程导师
3、精读过《深度学习》花书、李航《统计学习方法》、《机器学习》西瓜书、等AI类知名书籍，可以开设以此书籍为教材的带读班
4、系统学过李宏毅的《机器学习》《深度学习》、李飞飞《计算机视觉课》、或是国外名校的知名公开课，可以开设以此课程为教材的带学班
5、 打过Kaggle、天池、AI challenger、科赛网、DC等竞赛
，并取得过前5的成绩，可带竞赛班
6、如果你自己曾经读过AI类的经典或者前沿论文，并且对论文做过深入的分析和研究，可作为我们的paper精读班老师
7、如果你在企业里面，有参加过实际的企业项目，可以作为我们AI企业项目实战班
我们不需要你全能，只要你在某一个方面特别擅长，即可担任我们的带学导师
招募分享达人
如果你热爱分享技术、学习经验、心得、我们为你搭建平台,帮你打造个人影响力!
如何获取资料？
1.关注
“深度之眼”公众号
2.点击菜单：精选资料，即可领取
PS：我们所收集的所有资源均来自网络，仅供私下交流学习之用，任何涉及到商业目的的均不能使用，所有资源均来自互联网的优秀作者们，版权归原作者或企业所有。
