程序員應該怎麼開啟器機學習之路呢?
不久之前,吳恩達推出了自己的深度學習在線課,收穫了十分熱烈的反響。隨之,李沐也在線上推出了自己的機器學習課程。機器學習儼然已成為當前最熱門、最受歡迎的領域。
對於大多數開發者們,開啟機器學習之路,都會做過很多的嘗試,比如海淘各種博客帖子,學習斯坦福大學的機器學習公開課,嘗試深入理解機器學習的相關概念和模型,嘗試處理一些小數據集……但是,你是不是有感覺,做過各種嘗試,卻依然會覺得不得其門而入。
目前市面上很多關於機器學習的課程都是從科研演算法的角度去闡述機器學習。很多人感覺無從下手的原因可以總結為:還沒有將從課本和線上視頻中學習的理論、演算法和數學形成一個知識體系,且應用到真實的場景中思考並應用這些知識。對於很多工程師來講,怎麼將機器學習應用到工作中來,是一個很重要的問題。
為了解決以上問題,我們依託 QCon 上海站大會,開設了會前兩天深度培訓,邀請 PayPal 大數據研發架構師、資深數據科學家張彭善,開設了【機器學習實踐】課程,從工程的角度闡述如何在實際的工業問題中利用數據、收集數據、訓練模型進而改善實際的業務問題。
課程簡介
機器學習實踐
本課程嘗試從工程的角度闡述如何在實際的工業問題中利用數據、收集數據、訓練模型進而改善實際的業務問題。聽眾不僅能學習到如何使用機器學習的方法去建立預測的模型, 也能了解到對於不同的業務問題如何選取具體的演算法, 還可以學習到如何從無到有構建產品環境的機器學習應用。
講師簡介
張彭善,2008 年碩士畢業於上海交通大學,2012 年初加入 PayPal Risk Data Science 團隊。2013 年初開始研發基於 Hadoop/YARN 的機器學習框架,以滿足 PayPal 日益增長的風控大數據的需要。主要負責使用 Hadoop/YARN 實現分散式的神經網路、邏輯回歸以及梯度提升樹等演算法。目前在 PayPal Risk 負責分散式機器學習的框架的研發以及機器學習工程化的端到端的系統平台建設。個人的興趣主要集中在分散式的計算系統和大規模的機器學習 / 深度學習方向。
課程收益
了解機器學習和數據科學
如何對業務問題進行數學建模
如何收集數據、設計特徵進行機器學習
學習各種機器學習的演算法解決實際問題並了解其應用場景
如何部署模型上線, 如何開發具備產品強度的數據模型服務
了解深度學習發展歷史、現狀以及應用場景
目標聽眾
數據產品經理、數據分析師、數據科學家、應用開發人員以及對在工程中如何使用機器 習的技術解決實際問題有興趣的初學者
諮詢報名
添加小助手微信,可以諮詢培訓大綱和更多內容,更有機會和兩位老師面對面交流。
點擊展開全文
※9月沙龍:探秘AWS物聯網平台及邊緣計算
※微服務架構中 API 的開發與治理
※帶你走近比特幣背後的技術世界
※揭秘智能時代的新運維,CNUTCon大會日程總覽
※SparkUI:一個可供參考的前端開發實踐
TAG:InfoQ |