斯坦福新课《实践机器学习(CS 329P)》开讲了,所有在线课程、视频、幻灯片都是免费的!这次的新课是全方位面向实际应用,你还需要懂一点Python、统计学方面的知识,
如果没有的话,只要你具备相应的知识基础也是OK的。
主讲人为李沐、黄清清、Alex Smola,全是来自亚马逊、谷歌等全球顶级企业的业内知名专家。
黄清清,谷歌研究科学家。曾于麻省理工学院攻读EECS硕士、博士,毕业后于UC伯克利以博士后身份工作一年,之后进入谷歌工作至今。
李沐,亚马逊首席科学家,加州大学伯克利分校客座助理教授,美国卡内基梅隆大学计算机系博士。专注于分布式系统和机器学习算法的研究。他是深度学习框架MXNet的作者之一。听说今年李沐还入驻了B站,发布大量深度学习课程。
第三位主讲人为Alex Smola,亚马逊知名科学家兼副总裁,柏林工业大学计算机系博士。他专注于深度学习、算法的可伸缩性等领域。曾任亚马逊机器学习总监,此前与李沐等人合著《动手学深度学习》一书。
课程安排
这套课程共计 18 节课程,覆盖统计学、算法、代码实现等方面知识,将会从实际数据处理学起,然后逐渐过渡到训练模型、调优参数、模型组合和迁移学习,最终会学习模型的可解释性以及如何有效部署模型。
-
第一部分:基本 ML 建模
-
第二部分:打破假设
-
第三部分:性能调优
-
第四部分:超越模型
上课时间安排
考核形式
评价如下:期中考试(10%)、作业(40%)、项目(50%)。在期中考试中,我们将提出一些理论问题,让您发现代码示例中的错误,并通过解决方案描述建模挑战。
有4个作业。它们包含类似于期中考试的问题。但更重要的是,我们将要求您根据我们提供的基线编写代码来解决 ML 的实际问题。
这些作业可能会激发您选择课程项目。该课程项目将有两个演示文稿。在期中,每组将提供 1 页的项目进度和执行计划摘要,并准备 3 张幻灯片进行 5 分钟的演示。最终报告时长为 10 分钟,最终报告长达 6 页,采用 ICML 风格。
课程正式报名将在 9 月 1 日开启。
点击链接或者点击下方二维码直达授课“教室”:
https://c.d2l.ai/stanford-cs329p/