¥1.00 11 节 · 1044 人已学 七月在线
专为程序员设计的数学课
套餐中一共包含5门程序员必学的数学课程(共47讲) 课程1:《零基础入门微积分》 课程2:《数理统计与概率论》 课程3:《代码学习线性代数》 课程4:《数据处理的最优化》 课程5:《马尔可夫随机过程》 哪些人适合学习这门课程? 1)大学生,平时只学习了数学理论,并未接触如何应用数学解决编程问题; 2)对算法、数据结构掌握程度薄弱的人,数学可以让你更好的理解算法、数据结构原理及应用; 3)看不懂大牛代码设计思想的人,因为所有的程序设计底层逻辑都是数学; 4)想学习新技术,如:人工智能、机器学习、深度学习等,这门课程是你的必修课程; 5)想修炼更好的编程内功,在遇到问题时可以灵活的应用数学思维解决问题。 在这门「专为程序员设计的数学课」系列课中,我们保证你能收获到这些: ①价值300元编程课程大礼包 ②应用数学优化代码的实操方法 ③数学理论在编程实战中的应用 ④程序员必学的5大数学知识 ⑤人工智能领域必修数学课 备注:此课程只讲程序员所需要的数学,即使你数学基础薄弱,也能听懂,只需要初中的数学知识就足矣。 如何听课? 1、CSDNapp:我的-我的内容库-我的课程 2、程序员学院app:我的-学习 3、pc端CSDN官网:https://edu.csdn.net/ 我的订阅-收费课
¥49.00 0 节 · 10153 人已学 王文凯
人工智能必备数学知识
[本课程属于AI完整学习路线套餐,该套餐已“硬核”上线,点击立即学习!] 【为什么学习数学?】 人工智能的本质是数学,网上有很多AI课程,只蜻蜓点水的介绍一下算法背后的数学理论,知识点比较混乱,不成体系,学了以后一旦在实战遇到难点就不知道该怎么办了。比方说老师遇到过用很多层MLP预测用户转化率的工程师,只是单纯的追求模型的“复杂度”,而忘记了底层数学的本质回归问题超过3层神经网络足以拟合空间中任一曲线,耗费了大量的运算资源却造成了模型的过拟合。 很多同学因为不理解AI底层的数学和理论,知其然不知其所以然,遇到问题不知道如何从根源上去思考排查解决问题,而是花了大量时间做一个“调参侠”,期望蒙中一个优化组合,可是调参空间之巨大如果没有方向随机的搜索和买彩票一样。但是专门的数学课学习起来非常抽象和枯燥,而且其中大量内容和人工智能关系不大。因此在设计这门专为人工智能服务的数学课,讲解从人工智能用到的底层的数学逻辑,让大家可以真正理解数学知识。 【讲师介绍】 褚英昊  技术总监 深造于美国圣地亚哥国家超级计算中心,毕业后归国曾服务于世界某500强中国区AI Lab,是人工智能+智能制造领域的专家。先后发表国际期刊21篇(其中SCI收录17篇),第一作者发明专利11份。 【学习目标】  1、更加高效学习、更好的理解AI知识 2、在找工作中在众多的套工程的“调参侠”中脱颖而出,获得面试官的重视 3、在实际工作和开发中,遇到问题能理解问题的本质,真正做到精准而高效的解决问题,获得领导的倚重 【梳理数学与AI知识之间的关联】 【专门为数学设计的项目案例】
¥69.00
超级会员免费
51 节 · 9890 人已学 褚英昊
机器学习实战系列套餐(必备基础+经典算法+案例实战)
机器学习实战系列套餐以实战为出发点,帮助同学们快速掌握机器学习领域必备经典算法原理并结合Python工具包进行实战应用。建议学习顺序:1.Python必备工具包:掌握实战工具 2.机器学习算法与实战应用:数学原理与应用方法都是必备技能 3.数据挖掘实战:通过真实数据集进行项目实战。按照下列课程顺序学习即可! 课程风格通俗易懂,用最接地气的方式带领大家轻松进军机器学习!提供所有课程代码,PPT与实战数据,有任何问题欢迎随时与我讨论。
¥1247.00
超级会员免费
0 节 · 1232 人已学 唐宇迪
大数据风控实践
本课程从实践出发,系统总结互金行业个人小额信贷使用的量化风控方法和技术手段。 本课程作为入门级教程,深入浅出揭开大数据风控神秘面纱,给从业人员以参考。 主要面向对象风控政策人员/现金贷创业人员/程序员。
¥99.00 30 节 · 1717 人已学 李峰
AI算法架构师/推荐系统架构/搜索引擎架构/大数据用户画像系统架构
一、课程优势本课程有陈敬雷老师的清华大学出版社配套书籍教材《分布式机器学习实战》人工智能科学与技术丛书,新书配合此实战课程结合学习,一静一动,互补高效学习!本课程由互联网一线知名大牛陈敬雷老师全程亲自授课,技术前沿热门,是真正的互联网工业级实战项目。二、课程简介       大数据和算法类的系统和传统的业务系统有所不同,一个是多了离线计算框架部分,比如Hadoop集群上的数据处理部分、机器学习和深度学习的模型训练部分等,另一个区别就是大数据和算法类系统追求的是数据驱动、效果驱动,通过AB测试评估的方式,看看新策略是否得到了优化和改进。所以在系统架构上,需要考虑到怎么和离线计算框架去对接,怎么设计能方便我们快速迭代的优化产品,除了这些,像传统业务系统那些该考虑的也照样需要考虑,比如高性能、高可靠性、高扩展性也都需要考虑进去。这就给架构师非常高的要求,一个是需要对大数据和算法充分了解,同时对传统的业务系统架构也非常熟悉。        本节课就对当前几个热门的大数据算法系统架构(推荐系统架构设计、个性化搜索引擎架构设计、用户画像系统架构设计)做一个深度解析!1.个性化推荐算法系统 是一个完整的系统工程,从工程上来讲是由多个子系统有机的组合,比如基于Hadoop数据仓库的推荐集市、ETL数据处理子系统、离线算法、准实时算法、多策略融合算法、缓存处理、搜索引擎部分、二次重排序算法、在线web引擎服务、AB测试效果评估、推荐位管理平台等。如下就是我们要讲的个性化推荐算法系统架构图,请大家仔细欣赏、品味:      这节课我们就对推荐系统的整体架构和各个子系统做了详细的讲解,解开个性化推荐算法系统神秘的面纱!2.个性化搜索引擎 和个性化推荐是比较类似的,这个架构图包含了各个子系统或模块的协调配合、相互调用关系,从部门的组织架构上来看,目前搜索一般独立成组,有的是在搜索推荐部门里面,实际上比较合理的应该是分配在大数据部门更好一些,因为依托于大数据部门的大数据平台和人工智能优势可以使搜索效果再上一个新的台阶。下面我们来详细的讲一下整个架构流程的细节。如下就是我们要讲的个性化搜索架构图,请大家仔细欣赏、品味:这节课我们就对个性化搜索的整体架构和各个子系统做了详细的讲解,解开搜索引擎神秘的面纱!   3.大数据用户画像系统  用户画像是一个非常通用普遍使用的系统,从我们的架构图中可以看出,从数据计算时效性上来讲分离线计算和实时计算。离线计算一般是每天晚上全量计算所有用户,或者按需把用户数据发生变化的那批用户重新计算。离线计算主要是使用Hive SQL语句处理、Spark数据处理、或者基于机器学习算法来算用户忠诚度模型、用户价值模型、用户心理模型等。实时计算指定的通过Flume实时日志收集用户行为数据传输到Kafka消息队列,让流计算框架Flink/Storm/SparkStreaming等去实时消费处理用户数据,并触发实时计算模型,计算完成后把新增的用户画像数据更新搜索索引。个性化推荐、运营推广需要获取某个或某些用户画像数据的时候直接可以毫秒级别从搜索索引里搜索出结果,快速返回给调用方数据。这是从计算架构大概分了两条线离线处理和实时。下面我们从上到下详细看下每个架构模块。如下就是我们要讲的大数据用户画像架构图,请大家仔细欣赏、品味:这节课我们就对大数据用户画像系统的整体架构和各个子系统做了详细的讲解,解开用户画像系统神秘的面纱!三、老师介绍 陈敬雷  充电了么创始人,CEO兼CTO陈敬雷,北京充电了么科技有限公司创始人,CEO兼CTO,十几年互联网从业经验,曾就职于用友、中软、凡客、乐蜂网(唯品会)、猎聘网、人民日报(灵思云途)、北京万朝科技,曾任架构师、首席技术官、首席科学家等职务,对业务领域B端、C端、电商、职场社交招聘、内容文娱、营销行业都有着丰富的经验,在技术领域,尤其在大数据和人工智能方向有丰富的算法工程落地实战经验,其中在猎聘网任职期间主导的推荐算法系统项目获得公司优秀项目奖,推荐效果得到5倍的提升。 陈敬雷著有清华大学出版社两本人工智能书籍,分别是《分布式机器学习实战(人工智能科学与技术丛书)》、《自然语言处理原理与实战(人工智能科学与技术丛书)》。 目前专注于大数据和人工智能驱动的上班族在线教育行业,研发了充电了么app和网站,用深度学习算法、nlp、推荐引擎等技术来高效提升在线学习效率。  
¥168.00
超级会员免费
7 节 · 24 人已学 陈敬雷
推荐算法系统CF协同过滤用户行为挖掘
推荐算法系统CF协同过滤用户行为挖掘 :一、课程优势本课程有陈敬雷老师的清华大学出版社配套新书教材《分布式机器学习实战》人工智能科学与技术丛书,新书配合此实战课程结合学习,一静一动,互补高效学习!本课程由互联网一线知名大牛陈敬雷老师全程亲自授课,技术前沿热门,是真正的互联网工业级实战项目。二、课程简介       协同过滤 (Collaborative Filtering, 简称 CF)作为经典的推荐算法之一,在电商推荐推荐系统中扮演着非常重要的角色,比如经典的推荐为如看了又看、买了又买、看了又买、购买此商品的用户还相同购买等都是使用了协同过滤算法。尤其当你网站积累了大量的用户行为数据时,基于协同过滤的算法从实战经验上对比其他算法,效果是最好的。基于协同过滤在电商网站上用到的用户行为有用户浏览商品行为,加入购物车行为,购买行为等,这些行为是最为宝贵的数据资源。比如拿浏览行为来做的协同过滤推荐结果叫看了又看,全称是看过此商品的用户还看了哪些商品。拿购买行为来计算的叫买了又买,全称叫买过此商品的用户还买了。如果同时拿浏览记录和购买记录来算的,并且浏览记录在前,购买记录在后,叫看了又买,全称是看过此商品的用户最终购买。如果是购买记录在前,浏览记录在后,叫买了又看,全称叫买过此商品的用户还看了。在电商网站中,这几个是经典的协同过滤算法的应用。     下面就给大家直接深度解密推荐系统的最核心精髓部分!!!三、老师介绍 陈敬雷  充电了么创始人,CEO兼CTO陈敬雷,北京充电了么科技有限公司创始人,CEO兼CTO,十几年互联网从业经验,曾就职于用友、中软、凡客、乐蜂网(唯品会)、猎聘网、人民日报(灵思云途)、北京万朝科技,曾任架构师、首席技术官、首席科学家等职务,对业务领域B端、C端、电商、职场社交招聘、内容文娱、营销行业都有着丰富的经验,在技术领域,尤其在大数据和人工智能方向有丰富的算法工程落地实战经验,其中在猎聘网任职期间主导的推荐算法系统项目获得公司优秀项目奖,推荐效果得到5倍的提升。 陈敬雷著有清华大学出版社两本人工智能书籍,分别是《分布式机器学习实战(人工智能科学与技术丛书)》已出版、《自然语言处理原理与实战(人工智能科学与技术丛书)》。 目前专注于大数据和人工智能驱动的上班族在线教育行业,研发了充电了么app和网站,用深度学习算法、nlp、推荐引擎等技术来高效提升在线学习效率。  
¥88.00
超级会员免费
4 节 · 9 人已学 陈敬雷
《R语言数据分析与挖掘》(微课版)
【为什么要学习本门课程】 本序列视频由浅入深、内容丰富、全面系统地介绍了R语言基础知识和使用R语言进行数据可视化、数据分析与挖掘的方法。而且能学会从实际问题分析入手,应用R语言来解决商业数据分析的问题。 【课程特点】 1.        基于R语言 本系列视频之所以采用R语言,是因为它具有强大的图形展示和统计分析功能,可免费使用和更新并具有大量的可随时加载的有针对性的扩 2.        理论与应用结合 本系列视频详细地介绍了R语言在数据处理、数据可视化和数据分析与挖掘中的应用,侧重于理论与应用相结合,实例丰富且通俗易懂。本书以问题为导向,通过问题来介绍R语言的使用方法。 3.        案例丰富且实用性强 本系列视频案例丰富,有很强 的针对性。各章详细介绍了R语言下案例的具体操作过程,学者只需按照视频中步骤一步步操作,就能掌握数据分析能力,解决实际工作问题。 【主题大纲&设计思路】 第1章:R语言数据分析概述 第2章:R语言数据操作基础 第3章:R语言数据读写 第4章:数据基本管理 第5章:数据预处理 第6章:R语言重要绘图技术 第7章:高级绘图工具 第8章:聚类分析 第9章:理解线性回归 第10章:决策树 第11章:神经网络与支持向量机 第12章:模型性能评估
¥199.00
超级会员免费
131 节 · 108 人已学 谢佳标
机器学习算法教程
机器学习算法从入门到精通,细致讲解算法原理,深究算法背后的秘密!
¥19.00
超级会员免费
5 节 · 93 人已学 刘老师
¥149.00 10 节 · 19 人已学 七月在线
已订阅内容
我的课程 精品专栏 图文专栏
登录后即可查看
七天热销榜
下载资源