讲师介绍：

陈远祥，北京邮电大学副教授 。2014年毕业于北京大学，获通信与信息系统专业博士学位，2015年-2017年在北京大学做博士后研究。

发表SCI/EI学术论文80余篇，其中第一或通讯作者论文40余篇，申请发明专利4项。

主持国家自然科学基金面上项目，国家重点研发计划子课题，国家自然科学基金青年项目及博士后基金等多个国家级和省部级项目。

IEEE、OSA会员，OpticsExpress, IEEE Photonics Technology Letters，PhotonicsJournal，Applied Optics等多个SCI期刊审稿人。

预习课程：

Python编程基础与数据清洗：https://www.peixun.net/view/1595.html

正式课程：

第一部分：机器学习学术应用介绍（3小时）

• 机器学习基本思想

• 常用机器学习算法模型

• 机器学习算法库介绍

• 机器学习在学术领域应用场景

第二部分：算法原理与实战（24小时）

1、KNN算法：

KNN算法基本原理

常用相似度衡量方法

KNN用于分类和回归

KNN模型参数优化

Python案例：KNN用于鸢尾花数据集分类

2、决策树：

决策树基本原理

决策树分类

决策树用于分类和回归实现

决策树参数优化

Python案例：决策树实现波士顿房价预测

3、线性回归：

线性回归的求解

岭回归

LASSO和弹性网

Python案例：线性回归实现鲍鱼年龄预测

4、逻辑回归：

逻辑回归基本原理

从线性回归到逻辑回归

逻辑回归实现和参数优化

Python案例：逻辑回归实现病马死亡率预测

5、神经网络：

神经网络基础

神经网络中的激活函数

神经网络Python实现与参数调优

Python案例：手写数字识别

6、贝叶斯网络：

贝叶斯分类原理

朴素贝叶斯

贝叶斯模型分类

Python案例：垃圾邮件过滤

7、支持向量机：

支持向量机分类原理

线性SVM和非线性SVM

Python案例：人脸识别

8、随机森林：

决策树与随机森林

随机森林原理

随机森林Python实现与参数调优

Python案例：随机森林用于泰坦尼克沉船预测

9、聚类：

聚类原理

聚类和分类

k-means聚类原理

k-means python实现

Python案例：聚类用于客户价值识别

第三部分：Python机器学习学术应用指导（3小时）

• 数据发现与变量创造，预测，因果推断；

• 文本大数据应用；

• 基于机器学习的学术论文写作指导

优惠：

现场班老学员9折优惠；
同一单位三人以上同时报名9折优惠；

以上优惠不叠加。

联系方式：

尹老师

电话：13321178792

QQ：42884447

WeChat：JGxueshu