人工智能趋势分析 与 学习技术内容

预测模型实际应用于金融、医疗、大数据等领域，成为抢手机器学习工程师！

机器学习（入门）课程

Get 知识点：

　　掌握 Python、微积分、线性代数和统计基础知识，为成为机器学习工程师打好基础。

项目1：分析心理学现象

统计学是数据分析的主要组成部分，它可以帮助你调查数据，并根据观察到的情况作出推论。

在该项目中，你将使用描述统计学和统计检验分析对实验心理学中的典型现象——斯特鲁普效应展开调查，为读者提供直观的数据可视化，并根据实验结果，利用统计推断得出结论。

 

项目2：探索数据集

NumPy 与 Pandas 是实现数据科学诸多问题最重要的 Python 库。

在该项目中，你将选择优达学城提供的泰坦尼克号和棒球运动员中任一数据集，并使用 NumPy 和 Pandas 进行分析，体验从提出问题到发现成果的整个数据分析过程。

 

项目3：预测房价

模型的评价指标是机器学习建模过程中非常重要的一环。

在该项目中你将利用统计分析工具对观测数据建立模型，预测新房屋的销售价格，并评估你的模型的表现好坏。

 

机器学习（进阶）课程

　　Get 知识点：

　　　　全面了解、掌握机器学习领域内的监督式学习、非监督式学习、强化学习和深度学习，并亲手挑战前沿应用项目。

项目1：为慈善机构寻找募捐者

 

监督学习是通过已标注过的训练数据来完成分类或回归任务的一类机器学习方法。

在该项目中，你将学习如何训练决策树、SVM、神经网络等监督学习模型，用来预测已标记数据。

 

项目2：创建客户细分

当数据样本没有标签的情况下，非监督学习是其解决问题的最佳方案。

在该项目中，在这个项目中，你将应用无监督学习技能研究产品花销数据，学习如何找出未标记数据中的模式和结构，进行特征变换，提高模型的预测表现，从而改善经销商日后的服务。

  

项目3：训练智能车学会驾驶

 

强化学习也是一类重要的机器学习方法，它是一个序列决策问题。

在该项目中，你将使用 Q-学习等强化学习算法，训练人工智能体，使它能够对周围环境做出最佳选择。最终使自动驾驶智能车能够稳定的到达终点。

 

项目4：图片分类

 

深度学习是当今世界上最火热的一类机器学习方法。

在该项目中在这一部分中，你将学会使用 Tensorflow，并且搭建一个卷积神经网络，教会它识别与区分图片中的物体。

 

项目5：毕业项目（部分为 Kaggle 历年竞赛真题）

 

选择一个你感兴趣的项目，使用你在前期课程中学到的机器学习知识来解决它！

选择一：训练特斯拉 - 根据车辆的前置相机所拍摄的路况图像，实现对车辆转向角度的预测。

选择二：驾驶员状态检测 - 使用深度学习方法检测驾驶员的状态，有效降低事故发生。

选择三：猫狗大战 - 使用深度学习方法识别图片中是猫还是狗。

选择四：文档自动分类 - 利用自然语言处理技术对大量分档实现精准自动归类。