数据科学:从线性回归到深度学习,tgbaggio,课程介绍:
1. 不仅从“道”的层面阐释了数据科学所要解决的核心问题——数据模型、算法模型的理论内涵和适用范围
2. 而且从“术”的层面以Python为工具,展示如何搭建模型以及通过算法实现模型,具有很强的实操性
3. 呈现数据科学较全面的知识体系,带给大家不同的观看学习体验
课程特色:
1. 勾勒出关于数据科学的全景图
2. 融合了统计学、机器学习和计算机科学的精髓
3. 详解分布式机器学习、深度学习等前沿方向
课程大纲:
1. 数据科学概述
2. Python安装与简介:告别 空谈
3. 数学基础:恼人但又不可或缺的知识
4. 线性回归:模型之母
5. 逻辑回归:隐藏因子
6. 工程实现:计算机是怎么算的
7. 计量经济学的启示:他山之石
8. 监督式学习之SVM: 万能分类器
9. 监督式学习之树模型: 模型的联结
10. 生成式模型之贝叶斯框架:量化信息的价值
11. 生成式模型之朴素贝叶斯:简单但有效的文本分类器
12. 生成式模型之判别分析:特殊的逻辑回归
13. 生成式模型之隐马尔可夫模型:量化投资的利器
14. 非监督学习之聚类
15. 非监督学习之降维
16. 分布式机器学习:集体力量
17. 神经网络:模拟人的大脑
18. 深度学习:继续探索 适用人群:对数据科学感兴趣的朋友,最好有一定数学和编程基础