全球软件开发大师课:机器学习和AI精粹
体系课

全球软件开发大师课:机器学习和AI精粹

  • 机器学习

如何使用AWS和谷歌云平台来解决机器学习和人工智能中的本质问题。

¥129
本课程包括
  • 7小时12分钟的视频随时观看
  • 可在APP随时观看
  • 结业证书
课程合作品牌
机械工业出版社
你将收获
  • 理解机器学习的数据科学概念和Python基础
  • 学会使用Flask、Pandas开发一个数据工程API
  • 全面了解EDA
  • 掌握基于Python的AWS、Google Cloud Platform开发

数千家企业正在使用三节课企业版学习

无限制学习2000+门课程,200+精选学习专题

免费申请体验>
课程介绍

视频课程展示了如何使用AWS和谷歌云平台来解决机器学习和人工智能中的本质问题。本课程涵盖了如何通过Jupyter笔记本开始使用Python,然后继续深入到Python数据科学库中的各种具体细节,包括Pandas, Seaborn, scikit-learn和TensorFlow。

EDA,即探索性数据分析,是机器学习的核心。为此本课程还重点介绍了如何在Python和Jupyter笔记本中执行EDA。除此之外,也会将软件工程基础知识与课程内容做关联教学,并提供关于linting、测试、命令行工具、数据工程api等方面的关键性说明。

学习提示:

为了帮助学习者对本课程进行选择,这里列出学习本门课程所需要具备的一些技能。

  • 学习任何语言的初级编程技巧

  • Unix或Linux上命令行初学者

  • 对云技术有初步了解

适合人群
  • 具有一定SQL经验的数据科学从业者
  • 希望在AWS和GCP上扩展基于云机器学习的数据科学从业者
  • 希望了解如何更深入实践数据科学原理的软件开发人员
  • 希望理解Python中的机器学习和人工智能
讲师介绍
亚马逊AWS机器学习专家、Google云架构专家
擅长领域:
  • 机器学习
拥有大约20年的Python编程经验,是Python SoftwareFoundation的成员。亚马逊云服务AWS机器学习认证专家、AWS认证大数据专家、Google认证云架构专家,曾供职于ABC、索尼、迪士尼、AT&T等多家知名企业,担任CTO、总经理、首数据科学家、首席云架构师等职位。同时,Noah Gift作为导师兼具丰富的教学、研究与行业经验。他在加州大学伯克利分校(UCB)信息学院数据科学硕士项目、加州大学戴维斯分校(UCD)管理研究生院商业分析硕士项目、以及西北大学数据科学硕士项目担任讲师,教授和设计机器学习、A和数据科学等课程。
传播工业技术、工匠技能和工业文化,助力我国自主创新能力提升
擅长领域:
  • 智能制造
  • 企业创新与商业模式
  • 数字化思维与认知
  • 数字化领导力
机工社先后获评“全国优秀出版社”“全国百佳出版单位”“中国500最具价值品牌”“世界媒体500强”“国家文化出口重点企业”“中国版权最具影响力企业”“中国图书海外馆藏影响力出版100强”和“教育部教材出版基地”。机工旗下出版物曾获得全国科学大会奖、国家图书奖、中国出版政府奖、全国优秀科技图书奖、中国好书、全国教材建设奖等众多国家奖项。机工社新世纪的快速发展,在业界引起广泛关注,2014年其改革发展实例被收录进哈佛大学案例库应用于教学实践,并通过哈佛大学的出版网络向全球发行,成为中国文化产业战略管理“走出去”第一家。 传播工业技术、工匠技能和工业文化,助力我国自主创新能力提升,是机工社的使命与追求。愿与各界机构、各界人士携手同行,集知播识,再铸辉煌。
课程大纲
共0节 时长0分钟 全部收起
课程开篇介绍
3分钟
第1课:用Python基础知识介绍数据科学编码
共8节 | 33分钟
  • 1.0 学习目标
    1分钟
  • 1.1 使用IPython、Jupyter和Python REPL
    2分钟
  • 1.2 编写过程性语句
    3分钟
  • 1.3 使用字符串和字符串格式
    6分钟
  • 1.4 使用数字和算术运算
    7分钟
  • 1.5 与数据结构交互
    9分钟
  • 1.6 编写和运行脚本
    4分钟
  • 1.7 总结
    1分钟
第2课:编写和应用函数
共9节 | 29分钟
  • 2.0 学习目标
    1分钟
  • 2.1 编写函数
    7分钟
  • 2.2 利用函数式编程的概念
    6分钟
  • 2.3 利用延迟计算函数
    3分钟
  • 2.4 使用修饰符
    3分钟
  • 2.5 使类像函数一样运行
    2分钟
  • 2.6 对一个Pandas DatasFrame应用一个函数
    5分钟
  • 2.7 使用Python Lambdas
    2分钟
  • 2.8 总结
    1分钟
第3课:使用Python控制结构
共9节 | 30分钟
  • 3.0 学习目标
    1分钟
  • 3.1 创建循环
    3分钟
  • 3.2 使用if/else/break/continue/pass statements
    5分钟
  • 3.3 了解try/except
    4分钟
  • 3.4 理解生成器表达式
    6分钟
  • 3.5 理解列表解析
    3分钟
  • 3.6 理解排序
    4分钟
  • 3.7 理解Python正则表达式
    3分钟
  • 3.8 总结
    1分钟
第4课:用Python编写、使用和部署库
共5节 | 13分钟
  • 4.0 学习目标
    1分钟
  • 4.1 用Python编写和使用库
    2分钟
  • 4.2 使用pipenv,pip,virtualenv,coda
    3分钟
  • 4.3 将Python代码部署到生产环境中
    6分钟
  • 4.4 总结
    1分钟
第5课:理解Python类
共7节 | 15分钟
  • 5.0 学习目标
    1分钟
  • 5.1 了解类和函数之间的区别
    2分钟
  • 5.2 制作简单的对象并与之交互
    3分钟
  • 5.3 了解类继承
    5分钟
  • 5.4 与特殊类方法交互
    2分钟
  • 5.5 创建元类
    2分钟
  • 5.6 总结
    1分钟
第6课:Python和Pandas中的IO操作
共8节 | 39分钟
  • 6.0 学习目标
    1分钟
  • 6.1 使用写文件操作
    3分钟
  • 6.2 使用读文件操作
    2分钟
  • 6.3 使用序列化技术
    9分钟
  • 6.4 使用Pandas DataFrames
    8分钟
  • 6.5 使用带有Pandas DataFrames的谷歌表格
    4分钟
  • 6.6 在Python中使用并发的方法
    12分钟
  • 6.7 总结
    1分钟
第7课:学习Software Carpentry
共7节 | 25分钟
  • 7.0 学习目标
    1分钟
  • 7.1 新建Data Science Github项目布局
    4分钟
  • 7.2 使用git和Cithub管理变更
    6分钟
  • 7.3 使用CircleCI和AWS Code Build来构建和测试来自Githud的项目
    5分钟
  • 7.4 使用静态分析和测试工具:pylint、pytest和coverage
    4分钟
  • 7.5 测试Jupyter Notebooks
    2分钟
  • 7.6 总结
    3分钟
第8课:使用Flask和Pandas创建一个数据工程API
共10节 | 28分钟
  • 8.0 学习目标
    1分钟
  • 8.1 制作项目布局图
    3分钟
  • 8.2 为项目安排一个Makefile
    1分钟
  • 8.3 为Pandas聚合创建一个命令行工具
    3分钟
  • 8.4 使用插件传递pandas
    2分钟
  • 8.5 编写Flask API
    6分钟
  • 8.6 继承Swagger文档
    3分钟
  • 8.7 Python基准测试项目
    3分钟
  • 8.8 继承测试和检查
    5分钟
  • 8.9 总结
    1分钟
第9课:了解社会力量对NBA影响的探索性数据分析(EDA)和ML项目
共12节 | 58分钟
  • 9.0 学习目标
    1分钟
  • 9.1 社交媒体数据收集
    8分钟
  • 9.2 在pandas中导入和合并数据
    4分钟
  • 9.3 了解相关热图和成对图
    4分钟
  • 9.4 在Python中使用线性回归
    7分钟
  • 9.5 在Python中使用ggplot
    2分钟
  • 9.6 使用k-means聚类
    12分钟
  • 9.7 使用PCA和scikit-learn
    2分钟
  • 9.8 使用scikit-learn进行ML分类测试
    2分钟
  • 9.9 使用scikit-learn进行ML回归预测
    2分钟
  • 9,10 用于交互式数据可视化
    12分钟
  • 9.11 总结
    3分钟
第10课:理解中级机器学习
共5节 | 15分钟
  • 10.0 学习目标
    1分钟
  • 10.1 人工智能、机器学习和深度学习概念
    3分钟
  • 10.2 大数据
    5分钟
  • 10.3 使用推荐系统
    4分钟
  • 10.4 总结
    2分钟
第11课:基于Python的AWS Cloud ML和AI管道
共11节 | 1小时12分钟
  • 11.0 学习目标
    1分钟
  • 11.1 使用AWS Web服务
    12分钟
  • 11.2 使用Boto
    6分钟
  • 11.3 使用AWS Lambda开发与Chalice
    12分钟
  • 11.4 使用AWS Dynamo DB
    7分钟
  • 11.5 使用AWS的步骤函数
    4分钟
  • 11.6 对ML作业使用AWS批处理
    8分钟
  • 11.7 使用AWS Sagemaker
    10分钟
  • 11.8 使用AWS理解NLP
    7分钟
  • 11.9 使用AWS Recognition API
    4分钟
  • 11.10 总结
    1分钟
第12课:基于Python的谷歌计算平台ML和AI管道
共10节 | 40分钟
  • 12.0 学习目标
    1分钟
  • 12.1 进行合作基础训练
    3分钟
  • 12.2 使用高级Colab功能
    17分钟
  • 12.3 执行数据实验的基础
    3分钟
  • 12.4 使用TPUS进行深度学习
    3分钟
  • 12.5 使用谷歌Big Query
    2分钟
  • 12.6 使用谷歌机器学习服务
    2分钟
  • 12.7 使用谷歌情绪分析API
    4分钟
  • 12.8 使用谷歌计算机视觉API
    2分钟
  • 12.9 总结
    3分钟
第13课:创建命令行机器学习工具
共4节 | 12分钟
  • 13.0 学习目标
  • 13.1 了解现货价格的机器学习
    5分钟
  • 13.2 学习使用DeML机器学习工具
    6分钟
  • 13.3 总结
    1分钟
第14课:数据科学:NBA社会力量的案例研究
共1节 | 17分钟
  • 14.1 数据科学:以NBA社会力量为例
    17分钟
机器学习、AI与Python及Jupyter Notebook课程总结
1分钟
购课须知

课程有效期:

自购买课程之日起 365 天,部分参与营销活动产品以活动规则为准,请同学在有效期内学习、观看课程。

上课模式:

课程采取录播模式,请注意自学课无班级微信群、班主任带班及助教批改服务。

注:自学课不支持退款,确保你是真的需要再进行报名,报完名之后还请认真学习。