资源介绍：

机器学习工程师岗位要求

数据来源：主流招聘网站、一线公司 JD

本科及以上学历，数学、计算机等相关专业优先

有扎实的编程、算法基础，至少熟悉一门编程语言

熟练使用主流的机器学习和深度学习框架，并有相关项目经验

掌握经典的机器学习算法和深度学习算法

具备较强的特征工程及编码能力，能独立进行算法调优

有复杂业务场景下深度学习模型的算法研发及改进经验

资深机器学习专家，手把手带你全面掌握机器学习知识

讲师：王然

众微科技 AI Lab 负责人、阿姆斯特丹大学数学和计量经济学双硕士

本科毕业于北京大学，后于阿姆斯特丹大学攻读数学和计量经济学双学位，并在蒂尔堡大学攻读营销模型专业。研究方向主要为贝叶斯理论以及泛函分析理论和应用，参与的项目方向包括结构化数据挖掘、NLP、强化学习的理论和应用等

曾担任百分点认知智能实验室技术负责人，带队开发了百分点的人机对话机器人和文书校对系统，该系统准确性和召回率均达到了业界前沿水平。主导建设了建设银行的风控营销，以及京东舆情分析等数据科学项目

在众微科技工作期间，将深度学习和基于强化学习的 AutoML 引入到了中小企业的违约系统中，相比于传统模型 AUC 提升了 10% 以上

课程设计对标阿里P6，教学贴近大厂真实场景

至少掌握一门编程语言，如 Python、R

熟练掌握数据处理的各种方法和工具

高效实现机器学习算法

能对算法和模型进行性能调优

数据科学相关能力

具备系统的建模方法论

掌握各类模型准确度调优方法

根据实际数据情况选择合适的方案

研究前沿技术，解决实际问题

数学能力

掌握概率、统计和最优化理论基础

掌握机器学习经典模型的数学背景

能够读懂前沿论文

有能力基于需求扩展现有模型

课程目录

• 00-开营仪式
• 第0章·概论·如何成为实干型的机器学习工程师
• 开营直播
• 01-第01章：Python_R基础
• PythonR 基础 · 第二讲 · 第二部分
• PythonR 基础 · 第二讲 · 第三部分
• PythonR 基础 · 第二讲 · 第一部分
• PythonR 基础 · 第一讲 · 第二部分
• PythonR 基础 · 第一讲 · 第一部分
• 机器学习第零期-第1章
• 02-第02章：Python 性能调优指南
• Python 性能调优指南 · 第二讲 · 直播完整版
• Python 性能调优指南 · 第一讲 · 直播完整版
• 第二章作业参考资料
• 机器学习-第2章
• 作业.txt
• 03-第03章：PythonR 中的数据操作及可视化
• PythonR 中的数据操作及可视化 · 第二讲 · 第二部分
• PythonR 中的数据操作及可视化 · 第二讲 · 第三部分
• PythonR 中的数据操作及可视化 · 第二讲 · 第一部分
• PythonR 中的数据操作及可视化 · 第三讲 · 第二部分
• PythonR 中的数据操作及可视化 · 第三讲 · 第三部分
• PythonR 中的数据操作及可视化 · 第三讲 · 第一部分
• PythonR 中的数据操作及可视化 · 第一讲 · 直播完整版
• 机器学习-第3章
• 04-高等数学与线性代数加餐
• 高等数学与线性代数
• 机器学习-客户访谈与问卷调研加餐
• 机器学习-数学加餐
• 客户访谈与问卷调研
• 05-第04章：机器学习基本概念
• 机器学习-第4章
• 机器学习基本概念 · 第二讲 · 第二部分
• 机器学习基本概念 · 第二讲 · 第一部分
• 机器学习基本概念 · 第二讲 · 课前答疑
• 机器学习基本概念 · 第三讲 · 第二部分
• 机器学习基本概念 · 第三讲 · 第三部分
• 机器学习基本概念 · 第三讲 · 第一部分
• 机器学习基本概念 · 第四讲 · 直播完整版
• 机器学习基本概念 · 第一讲 · 第二部分
• 机器学习基本概念 · 第一讲 · 第三部分
• 机器学习基本概念 · 第一讲 · 第一部分
• 06-第05章：手撸机器学习算法
• 机器学习-第5章
• 手撸机器学习算法 · 第二讲 · 直播完整版
• 手撸机器学习算法 · 第一讲 · 直播完整版
• 07-第06章：经典机器学习算法及调优
• ML_chapter7_dataset
• 机器学习-第6章
• 经典机器学习算法及调优 · 第二讲 · 直播完整版
• 经典机器学习算法及调优 · 第三讲 · 直播完整版
• 经典机器学习算法及调优 · 第四讲 · 直播完整版
• 经典机器学习算法及调优 · 第五讲 · 直播完整版
• 经典机器学习算法及调优 · 第一讲 · 直播完整版
• 08-第07章：特征工程方法论
• 机器学习-第7章
• 特征工程方法论 · 第二讲 · 直播完整版
• 特征工程方法论 · 第一讲 · 直播完整版
• 09-第08章：集成学习方法
• 机器学习-第8章
• 集成学习方法 · 第二讲 · 直播完整版
• 集成学习方法 · 第一讲 · 直播完整版
• 10-第09章：深度学习基础及常见网络
• 机器学习-第9章
• 深度学习基础及常见网络 · 第二讲 · 直播完整版
• 深度学习基础及常见网络 · 第三讲 · 直播完整版
• 深度学习基础及常见网络 · 第四讲 · 直播完整版
• 深度学习基础及常见网络 · 第一讲 · 直播完整版
• 11-第10章：PyTorch 基本语法
• PyTorch 基本语法 · 第二讲 · 直播完整版
• PyTorch 基本语法 · 第一讲 · 直播完整版
• 机器学习-第10章
• 12-第11章：神经网络训练方法
• 机器学习-第11章
• 神经网络训练方法· 第二讲 · 直播完整版
• 神经网络训练方法· 第一讲 · 直播完整版
• 13-第12章：AutoML 介绍
• AutoML 介绍· 第二讲 · 直播完整版
• AutoML 介绍· 第一讲 · 直播完整版
• 机器学习-第12章
• 14-第13章：Jax 简介
• Jax 简介· 第二讲 · 直播完整版
• Jax 简介· 第一讲 · 直播完整版
• 机器学习-第13章
• 15-第14章：使用 Kubernetes 进行部署
• 使用 Kubernetes 进行部署 · 直播完整版
• 17-加餐：机器学习进阶理论与战术
• 加餐：CUDA 与 Tensor RT
• 加餐：CV 的简单介绍
• 加餐：K8s及课程总结
• 加餐：NLP 与 RL 的简单介绍
• 加餐：公理化概率体系