零基础入门 AI？先来把机器学习捣鼓明白吧

有没有人跟小编一样，

刚入门机器学习时被折磨的不要不要的！

线性代数、线性优化、统计与概率、微积分、信息论……

线性回归、Logistic 回归、线性判别分析、朴素贝叶斯、随机森林……

本以为时代扛把子领域，

学起来应如身临绿洲世界，科技感拉满 MAX↑

（图片来源见水印）

可谁成想，面对密密麻麻的数学知识、算法、框架，直接给我干废

在学习机器学习的这条路上

埋头啃书肯定不是最好的方式

书里的内容不一定是最丰富的

牢固掌握还是要结合课堂经验+动手实践

今天我就要推荐一套，非常实用的机器学习入门课程，是那种有老师带着讲，有老师带着操作，有老师为你答疑，完整学完可以直接就业的实用课程——

《零基础入门机器学习》

（扫码进入专栏）

本课程⾯向机器学习零基础的同学，

几乎涉及入门机器学习所需的方方面面，

没有任何花里胡哨的堆砌。

• 只要你：

具备基本的 Python 编程能力

有意愿学习，能坚持学完本课程

• 你就可以收获：

掌握机器学习的常用 算法和模型 

能够从事相关领域的 研发工作 

本课程计划将用 20+期直播课

从零基础开始讲解经典机器学习算法

从线性模型一直讲到神经网络，手把手带你学习常用框架。

1. 课程说明

2. 机器学习概论

3. 线性模型

--线性回归

--logistic 回归

--线性判别分析

4. 决策树

5. 贝叶斯分类器

6. k 最近邻

7. 聚类

8. ⽀持向量机

9. 半监督学习

10. 集成学习

11. 深度学习

12. 强化学习

13. 图神经⽹络

14. 模型评估与选择

15. 参加竞赛，小试牛刀

16.实战项目 1

17.实战项目 2

目前每周二晚开课，已更新了七期

在这 7 次学习中，可以深深感受到

课程讲师齐伟老师的扎实与细致

课后大家在学习群互动交流，教学相长

还有丰富的学习资料，帮助深化理解、扩展视野 

- 学习群软硬双辅 -

因跟不上而放弃、

因代码量太大而放弃、

因无法解决困难问题而放弃……

那些曾经自己啃书学习时会遇到的负面 Buff，在循序渐进的课程安排和良好的社群氛围下也消失不见了！

第七讲片段“决策树与亨特算法”

，时长 17:00

01

关于课程讲师

齐伟（老齐）

苏州研途教育科技有限公司 CTO；苏州⼤学应⽤统计专业硕⼠⽣指导委员会委员。

⾃2018 年以来，为苏州⼤学应⽤统计硕⼠⽣开设《机器学习》课程，这也是本次的直播课《零基础入门机器学习》的前身；

已经出版图书：

• 《跟⽼齐学 Python：轻松⼊门》 

• 《跟⽼齐学 Python：Django 实战》 

• 《跟⽼齐学 Python：数据分析》 

• 《数据准备和特征⼯程》

• 《Python⼤学实⽤教程》 

• 《机器学习数学基础》

更多有关资料，请访问个⼈⽹站：www.itdiffer.com

02

如何上课

 注意啦，每周直播课免费开放大家学习！！

每周二 晚 7:30 开课更新，

进入课程群，小助手会在开课前更新直播间地址，

听课学习、互动答疑、作业练习、扩展资料…… 统统免费！

 扫码立刻进群 

如果你错过了当天直播、或者想复习回看，可订阅专栏《零基础入门机器学习》，订阅后即可反复学习观看。

课程仍在更新中，我们为所有朋友争取到了极致的优惠！现在订阅完整专栏，包含已更新课程+未更新课程——

  仅需 39 元  

（随着课程体量逐渐增大，专栏价格将逐渐上调，欲购从速啦）

▼ 扫码学习，搞定机器学习 ▼

03

高效学习秘籍

• 认真听课

• 动手练习、动手查资料、动手推导

• 敢看文档，有耐心看文档

04

你将收获

 求职就业 ：把课程认真学完，代码敲过，相关内容掌握，便能够达到一般岗位的招聘要求

 发展基础 ：机器学习、神经网络有了一定了解，在未来对某一领域深入发展奠定基础

 改善现有工作 ：掌握机器学习技术，有能力对原有业务流程进行优化与改进

 扩展思维  ：顺应时代潮流，培养人工智能思维，赢得进入人工智能世界的入场券。

03

关于数学基础

数学理论对初学者来讲，是一个巨大的门槛。如果想成为一名人工智能人才，那便不得不要拿出很大一部分时间投入到数学的学习中。

为了广大因为数学焦虑而不敢踏足 AI 领域的同学，齐老师的《机器学习数学基础》视频课程，用 80+期视频讲解，极尽所能将大家体内的“高数内功”重新激发出来！

月中秒杀 本周末开启 6 折秒杀活动，活动期间下单用户额外加赠价值 109 元同名纸书一本。

▲ 点击封面，进入专栏 ▲

本课程会从工程应用的角度来阐述数学定义、定理，并侧重讲解数学在机器学习中的应用和实现方法，以此 唤醒 你大脑中沉睡已久的“数学潜意识”， 引导 大家大胆地进入机器学习领域。

▼ 扫码进入专栏 ▼