微信号:infoqchina

介绍:有内容的技术社区媒体

程序员应该怎么开启器机学习之路呢?

2017-09-09 09:15 QCon

不久之前,吴恩达推出了自己的深度学习在线课,收获了十分热烈的反响。随之,李沐也在线上推出了自己的机器学习课程。机器学习俨然已成为当前最热门、最受欢迎的领域。

对于大多数开发者们,开启机器学习之路,都会做过很多的尝试,比如海淘各种博客帖子,学习斯坦福大学的机器学习公开课,尝试深入理解机器学习的相关概念和模型,尝试处理一些小数据集……但是,你是不是有感觉,做过各种尝试,却依然会觉得不得其门而入。

目前市面上很多关于机器学习的课程都是从科研算法的角度去阐述机器学习。很多人感觉无从下手的原因可以总结为:还没有将从课本和线上视频中学习的理论、算法和数学形成一个知识体系,且应用到真实的场景中思考并应用这些知识。对于很多工程师来讲,怎么将机器学习应用到工作中来,是一个很重要的问题。

为了解决以上问题,我们依托 QCon 上海站大会,开设了会前两天深度培训,邀请 PayPal 大数据研发架构师、资深数据科学家张彭善,开设了【机器学习实践】课程,从工程的角度阐述如何在实际的工业问题中利用数据、收集数据、训练模型进而改善实际的业务问题。

课程简介
机器学习实践

本课程尝试从工程的角度阐述如何在实际的工业问题中利用数据、收集数据、训练模型进而改善实际的业务问题。听众不仅能学习到如何使用机器学习的方法去建立预测的模型, 也能了解到对于不同的业务问题如何选取具体的算法, 还可以学习到如何从无到有构建产品环境的机器学习应用。

讲师简介

张彭善,2008 年硕士毕业于上海交通大学,2012 年初加入 PayPal Risk Data Science 团队。2013 年初开始研发基于 Hadoop/YARN 的机器学习框架,以满足 PayPal 日益增长的风控大数据的需要。主要负责使用 Hadoop/YARN 实现分布式的神经网络、逻辑回归以及梯度提升树等算法。目前在 PayPal Risk 负责分布式机器学习的框架的研发以及机器学习工程化的端到端的系统平台建设。个人的兴趣主要集中在分布式的计算系统和大规模的机器学习 / 深度学习方向。

课程收益
  1. 了解机器学习和数据科学

  2. 如何对业务问题进行数学建模

  3. 如何收集数据、设计特征进行机器学习

  4. 学习各种机器学习的算法解决实际问题并了解其应用场景

  5. 如何部署模型上线, 如何开发具备产品强度的数据模型服务

  6. 了解深度学习发展历史、现状以及应用场景

目标听众

数据产品经理、数据分析师、数据科学家、应用开发人员以及对在工程中如何使用机器 习的技术解决实际问题有兴趣的初学者

咨询报名

深度培训在 QCon 大会前 2 天,10 月 15 日 -16 日在上海宝华万豪酒店举办,每天培训包括 10 小时的授课和 2 小时的提问交流。除了机器学习实践的课程,还有大数据实时计算的内容,点击【阅读原文】可以查看更多课程。

添加小助手微信,可以咨询培训大纲和更多内容,更有机会和两位老师面对面交流。


点击 「 阅读原文 」即可进入大会官网,了解更多信息,点击官网“立即报名”按钮即获得培训优惠机会。

 
InfoQ 更多文章 Q新闻丨谷歌在中国招募AI工程师;各主流编程语言的发展变化;Oracle 大幅裁减了 Solaris&nbs 帮助应届生、年轻程序员快速成长的12个锦囊 微服务架构中 API 的开发与治理 他分析了20年的 Gartner 技术炒作周期,发现了这些有趣的现象 给人工智能降点温:深度学习不是万能良药
猜您喜欢 平安金融科技移动技术周报(第十三期) 图像高斯模糊算法的原理及实现 勿转|戳我一下,给你看高清无码 初识梯度下降和牛顿法 当程序员成立了Hello World共和国……