极客时间出品的专栏课《零基础实战机器学习》作者黄佳，价值59元现在免费分享。
![[极客时间]零基础实战机器学习（完结）-黄佳](https://www.it-tutorial.net/wp-content/uploads/2024/06/4e2cef7e5006faa976dc2c5e9dd0f5f7.png)
课程介绍
你是否曾被机器学习的复杂算法所困扰，望而却步？或是想要学习但市面上的资料都太过理论化，难以理解？那么，我们为你带来了一个全新的机器学习入门方法。黄佳老师，一位在机器学习领域拥有丰富经验的专家，将带你从零开始，用实践的方式掌握机器学习的精髓。课程将从准备篇开始，帮助你了解机器学习的基本概念，并手把手教你搭建开发环境，进行一次简单的线性回归实战。在此基础上，你将学习到实战的五个关键步骤，为后续的业务场景闯关打下坚实基础。
接下来的业务场景闯关篇，黄佳老师将结合真实的电商运营场景，通过五大关卡让你在实践中深入理解机器学习的应用。你将学会用机器学习算法了解用户、预测用户生命周期价值、提升预测准确率，甚至用深度学习进行图片分类和预测。在每一个关卡中，你都会接触到不同的算法和技巧，让你真正感受到机器学习的魅力。这些关卡设计旨在让你在实战中快速掌握机器学习算法的原理和应用，从而能够灵活运用它们去解决实际业务问题。
最后，持续赋能篇将为你提供持续学习的动力和资源。黄佳老师将教你如何定位最合适的机器学习算法，并将机器学习部署到生产中。此外，课程还会不定期更新最新的算法知识，确保你能够跟上机器学习的发展步伐。通过这门课程的学习，你将不仅能够零基础搞懂机器学习，还能够将其应用到实际业务中，发挥出巨大的价值。
课程目录
│ ├── 开篇词丨开发者为什么要从实战出发学机器学习？.html
│ ├── 开篇词丨开发者为什么要从实战出发学机器学习？.m4a
│ └── 开篇词丨开发者为什么要从实战出发学机器学习？.pdf
├── 02-准备篇(4讲)
│ ├── 01丨打好基础：到底什么是机器学习？.html
│ ├── 01丨打好基础：到底什么是机器学习？.m4a
│ ├── 01丨打好基础：到底什么是机器学习？.pdf
│ ├── 02丨工具准备：安装并使用JupyterNotebook.html
│ ├── 02丨工具准备：安装并使用JupyterNotebook.m4a
│ ├── 02丨工具准备：安装并使用JupyterNotebook.pdf
│ ├── 03丨实战5步（上）：怎么定义问题和预处理数据？.html
│ ├── 03丨实战5步（上）：怎么定义问题和预处理数据？.m4a
│ ├── 03丨实战5步（上）：怎么定义问题和预处理数据？.pdf
│ ├── 04丨实战5步（下）：怎么建立估计10万+软文点击率的模型？.html
│ ├── 04丨实战5步（下）：怎么建立估计10万+软文点击率的模型？.m4a
│ └── 04丨实战5步（下）：怎么建立估计10万+软文点击率的模型？.pdf
├── 03-业务场景闯关篇 (6讲)
│ ├── 05丨数据探索：怎样从数据中找到用户的RFM值？.html
│ ├── 05丨数据探索：怎样从数据中找到用户的RFM值？.m4a
│ ├── 05丨数据探索：怎样从数据中找到用户的RFM值？.pdf
│ ├── 06丨聚类分析：如何用RFM给电商用户做价值分组画像？.html
│ ├── 06丨聚类分析：如何用RFM给电商用户做价值分组画像？.m4a
│ ├── 06丨聚类分析：如何用RFM给电商用户做价值分组画像？.pdf
│ ├── 07丨回归分析：怎样用模型预测用户的生命周期价值？.html
│ ├── 07丨回归分析：怎样用模型预测用户的生命周期价值？.m4a
│ ├── 07丨回归分析：怎样用模型预测用户的生命周期价值？.pdf
│ ├── 08丨模型优化（上）：怎么用特征工程提高模型效率？.html
│ ├── 08丨模型优化（上）：怎么用特征工程提高模型效率？.m4a
│ ├── 08丨模型优化（上）：怎么用特征工程提高模型效率？.pdf
│ ├── 09丨模型优化（中）：防止过拟合，模型也不能太精细.html
│ ├── 09丨模型优化（中）：防止过拟合，模型也不能太精细.m4a
│ ├── 09丨模型优化（中）：防止过拟合，模型也不能太精细.pdf
│ ├── 10丨模型优化（下）：交叉验证，同时寻找最优的参数.html
│ ├── 10丨模型优化（下）：交叉验证，同时寻找最优的参数.m4a
│ ├── 10丨模型优化（下）：交叉验证，同时寻找最优的参数.pdf
│ ├── 11｜深度学习（上）：用CNN带你认识深度学习.html
│ ├── 11｜深度学习（上）：用CNN带你认识深度学习.m4a
│ ├── 11｜深度学习（上）：用CNN带你认识深度学习.pdf
│ ├── 12｜深度学习（中）：如何用RNN预测激活率走势？.html
│ ├── 12｜深度学习（中）：如何用RNN预测激活率走势？.m4a
│ ├── 12｜深度学习（中）：如何用RNN预测激活率走势？.pdf
│ ├── 13丨深度学习（下）：3招提升神经网络预测准确率.html
│ ├── 13丨深度学习（下）：3招提升神经网络预测准确率.m4a
│ ├── 13丨深度学习（下）：3招提升神经网络预测准确率.pdf
│ ├── 14丨留存分析：哪些因素会影响用户的留存率？.html
│ ├── 14丨留存分析：哪些因素会影响用户的留存率？.m4a
│ ├── 14丨留存分析：哪些因素会影响用户的留存率？.pdf
│ ├── 15丨二元分类：怎么预测用户是否流失？从逻辑回归到深度学习.html
│ ├── 15丨二元分类：怎么预测用户是否流失？从逻辑回归到深度学习.m4a
│ ├── 15丨二元分类：怎么预测用户是否流失？从逻辑回归到深度学习.pdf
│ ├── 16丨性能评估：不平衡数据集应该使用何种评估指标？.html
│ ├── 16丨性能评估：不平衡数据集应该使用何种评估指标？.m4a
│ ├── 16丨性能评估：不平衡数据集应该使用何种评估指标？.pdf
│ ├── 17丨集成学习：机器学习模型如何“博采众长”.m4a
│ ├── 17｜集成学习：机器学习模型如何“博采众长”_.html
│ ├── 17｜集成学习：机器学习模型如何“博采众长”_.pdf
│ ├── 18丨增长模型：用XGBoost评估裂变海报的最佳受众群体.html
│ ├── 18丨增长模型：用XGBoost评估裂变海报的最佳受众群体.m4a
│ └── 18丨增长模型：用XGBoost评估裂变海报的最佳受众群体.pdf
├── 04-持续赋能篇(3讲)
│ ├── 19丨胸有成竹：如何快速定位合适的机器学习算法？.html
│ ├── 19丨胸有成竹：如何快速定位合适的机器学习算法？.m4a
│ ├── 19丨胸有成竹：如何快速定位合适的机器学习算法？.pdf
│ ├── 20丨模型部署：怎么发布训练好的机器学习模型？.html
│ ├── 20丨模型部署：怎么发布训练好的机器学习模型？.m4a
│ ├── 20丨模型部署：怎么发布训练好的机器学习模型？.pdf
│ ├── 21丨持续精进：如何在机器学习领域中找准前进的方向？.html
│ ├── 21丨持续精进：如何在机器学习领域中找准前进的方向？.m4a
│ └── 21丨持续精进：如何在机器学习领域中找准前进的方向？.pdf
└── 05-结束语(1讲)
├── 结束语丨可以不完美，但重要的是马上开始.html
├── 结束语丨可以不完美，但重要的是马上开始.m4a
├── 结束语丨可以不完美，但重要的是马上开始.pdf
├── 一套习题，测出你对机器学习的掌握程度.html
├── 一套习题，测出你对机器学习的掌握程度.m4a
└── 一套习题，测出你对机器学习的掌握程度.pdf
6 directories, 72 files
以上就是极客时间黄佳老师的专栏课《零基础实战机器学习》的详细介绍了。
本文由提供IT教程网提供，仅供学习交流使用，未经许可，禁止转载!
原课程地址：https://time.geekbang.org/column/intro/100085501,有能力的朋友请支持正版，谢谢！
评论(0)