google技术团队带你用golang实践机器学习

课程目标:学会基于golang使用机器学习

24小时内答疑 课时永久观看 15分钟内无条件退款
1. 仅限付费视频课程适用
2. 购买后15分钟内可以找到客服进行沟通退款
3. 退款将返还至51CTO学院账户,不支持提现
4. 下载资料后不再享有退款特权
5. 客服(Tel:400-101-1651)
6. 最终解释权归51CTO所有
4.4分 共86课时,共14小时53分钟
现价¥99.00
购买
  1. 课程介绍
  2. 课程大纲
课程目标

学会基于golang使用机器学习

适用人群

适合与有go基础希望深造机器学习的学员

课程简介


人工智能之父,艾伦·图灵很早就曾预测“有一天,人们会带着电脑在公园散步,并告诉对方,今天早上我的计算机讲了个很有趣的事”。

机器学习的核心是,“用算法解析数据,从中学习,然后对某些事物做出决定或预测。”这意味着,你无需明确地编程计算机来执行任务,而是教计算机如何开发算法来完成任务。机器学习主要有三种类型,它们各有优缺点,分别是:监督学习,无监督学习和强化学习。

监督学习

监督学习涉及到标注数据,计算机可以使用所提供的数据来识别新的样本。

监督学习的两种主要类型是分类和回归。在分类中,训练的机器将把一组数据分成特定的类。比如邮箱的垃圾邮件过滤器,过滤器分析之前标记为垃圾邮件的邮件,并将其与新邮件进行比较。如果达到某个百分比,则这些新邮件会被标记为垃圾邮件,并发送到相应的文件夹;不像垃圾邮件的将被归类为正常并发送到收件箱。

第二种是回归。在回归中,机器使用先前标注的数据来预测未来。比如天气应用。利用天气的相关历史数据(即平均温度,湿度和降水量),手机的天气应用可以查看当前天气,并对一定时间范围内的天气进行预测。

无监督学习

在无监督学习中,数据是未标注的。由于现实中,大多数的数据都是未标注的,因此这些算法特别有用。

无监督学习分为聚类和降维。聚类用于根据属性和行为对象进行分组。这与分类不同,因为这些组不会提供给你。聚类将一个组划分为不同的子组(例如,根据年龄和婚姻状况),然后进行有针对性的营销。另一方面,降维涉及通过查找共性来减少数据集的变量。大多数数据可视化使用降维来识别趋势和规则。

强化学习

强化学习使用机器的历史和经验来做出决策。强化学习的经典应用是游戏。与监督和无监督学习相反,强化学习不注重提供“正确”的答案或输出。相反,它专注于性能,这类似人类根据积极和消极后果进行学习。如果孩子碰到了热炉,他很快就会学会不再重复这个动作。同样在国际象棋中,计算机可以学习不将王移动到对手的棋子可以到达的地方。根据这个原理,在游戏中机器能够最终击败人类玩家。


第一章机器学习与深度学习概念-python实践
2节53分钟
1-1机器学习原理.
18:09
1-2深度学习原理.
35:09
第二章机器学习Golang实践
59节9小时46分钟
2-11机器学习与推荐引擎的介绍
13:56
2-22机器学习-内存keyvalue缓存系统
04:47
2-33机器学习-硬盘keyvalue缓存系统.
05:13
2-44机器学习-读取CSV文件
13:24
2-55.机器学习-读取CSV行列截取
13:41
2-66机器学习-读取json文件
02:59
2-77机器学习-读取csv取得极值
01:55
2-89机器学习基础-向量
09:04
2-910机器学习-基础向量计算
11:58
2-1011机器学习基础-矩阵简介
08:06
2-1112机器学习基础-矩阵计算
06:18
2-1213机器学习基础-统计
15:47
2-1314.机器学习基础-概率
37:17
2-1415机器学习基础-绘图
11:26
2-1515机器学习基础-绘图
12:30
2-1616机器学习基础-简单绘图
12:30
2-1717机器学习基础-根据数据绘图
09:00
2-1818机器学习基础-多列数据联合绘图
05:32
讲师介绍
尹成
讲师评分4.8分
擅长C/C++、python、go语言、sicikit-learn与tensorflow,2012年微软MVP,拥有15年编程经验与5年的教学经验。具备多年的软件编程经验与讲师授课经历,并在人机交互、教育、信息安全、广告,区块链系统开发诸多产品,具备深厚的项目管理经验以及研发经验与开发电子货币部署到微软Windows Azure的实战经验。教学讲解深入浅出,使学员能够做到学以致用。
X
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载