Kaggle大數據競賽中學預備課 Python數據挖掘及人工智能

[vc_row][vc_column][vc_column_text]

某名企高管曾說

寫上參加過Kaggle比賽，我會看簡歷

得過一次10%，我會給電話面試

得過2次以上10%，我會給on site面試

得過一次前10，我們會談笑風生

Kaggle為何備受青睞

Kaggle是一個全球知名的數據科學在線平臺，由Anthony Goldbloom和Ben Hamner于2010年在墨爾本創立，后由google收購。

Kaggle一開始以Date Mining起家，為了是可以快速高效地解決棘手的問題。大部分的學術活動均由企業或研究者發布，將數據，問題和期望指標同步更新，以學術活動獎勵的方式向全球征集解決方案。

對問題發布者來說，他可以方便的篩選出最有成效的方案，而對參與者來說，不僅是考驗自己能力，更是一場實戰經驗。

Kaggle學術活動平臺類似于一對多的項目眾包平臺，直接的在公司和人才供需之間搭建了一座橋梁，避免了傳統入職測試中的以學歷和工作經歷做初步篩選的弊端。

也就是說，只要你有才，只要你能解決問題，獎章獎金甚至入職加薪均有可能。

并且，個人的Kaggle Profile會顯示所有參與過的項目、活躍度、實時排位、歷史最佳排位等，基本就等同于一張實力證書。如果你的未來是Date Science的方向，想要提升自己實力背景的話，以Kaggle在領域內的知名度，是你絕對不能錯過的機會。

Kaggle史上最年輕Grandmaster

Kaggle成立9年，注冊用戶超過100萬，現僅有122名Grandmaster。在Kaggle，要成為Grandmaster非常困難，該頭銜是根據Kaggle Progression System來判定的。

KaggleProgression System的等級從低到高分別為：Novice、Contributor、Expert、Master和Grandmaster。這是一套用戶的等級排名系統，類似于在游戲中做任務，一路打怪、攢經驗，換取累計積分，達到一定要求之后就可以升級。

18歲的英國高中生MikelBober-Irizar成為Kaggle史上最年輕Grandmaster，Mikel在122位Grandmaster中，排名第31，他用的時間是3年。

讓我們一起來看看這位大佬的煉成日記：

MikelKaggle挑戰賽上戰績輝煌

🏆谷歌地標檢索挑戰賽

2018年5月，參賽隊共209支，獲第1名

🏆Avito重復廣告檢測挑戰賽

2016年7月，548隊參賽，獲第2名（Top 1%）

🏆博世生產線故障預測挑戰賽

2016年11月，627隊參賽，獲第5名（Top 1%）

Mikel采訪錄：

Mikel最初只是抱著試試的態度來參加Kaggle挑戰賽的。從實際應用的角度講，對算法的工作原理的理解要比其數學原理更重要。

他所在的高中皇家文理學校并未設置AI和機器學習的系統課程，Mikel在機器學習和人工智能方面的編程技能幾乎完全是自學成才。

我不知道算法背后的所有數學原理，但就實際使用而言，我認為對算法的工作方式有一個合理的理解更為重要。即使我不能從頭開始寫算法，我仍然知道它具體做了什么，這有助于我理解算法可能有用的地方。

——Mikel

除了Mikel“骨骼驚奇”這樣的天才少年

12歲小女孩兒也在編寫元胞自動機程序

現在Python都已經進入小學課程了！！！

你還在等什么！？

Kaggle的入門：PYTHON

Kaggle最基礎的入門學者也要先學會初步使用一門編程語言，而Python作為一種強大的“膠水”語言，可以迅速入門，對于Kaggle大數據學術活動平臺來說是一個非常不錯的選擇。

Python是一種計算機程序設計語言，由吉多·范羅蘇姆創造，第一版發布于1991年，可以視之為一種改良的LISP。Python的設計哲學強調代碼的可讀性和簡潔的語法。相比于C++或Java，Python讓開發者能夠用更少的代碼表達想法。

翰林PYTHON數據挖掘培訓班

￥19900.00

線上40小時，共20次課

3-5人小班，滿3人開班

報名須知

1.適合人群：對大數據人工智能感興趣，有初步的算法基礎；

2.2019年9月7日開課，每周六上課；

3.人工智能基礎班3-5人小班，滿3人開班；

4.課程目標：快速熟悉常用AI工具，具備參加kaggle、kdd等專業數據挖掘學術活動基本能力。

課程大綱

機器學習基礎? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?四課時

機器學習中的數學基礎知識? ? ? ? ? ? ? 四課時

模型評估與選擇? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?四課時

線性回歸與邏輯回歸模型? ? ? ? ? ? ? ? ? 四課時

決策樹? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?四課時

SVM支持向量機? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 四課時

貝葉斯網絡? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 四課時

聚類? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 四課時

神經網絡? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 四課時

特征選擇? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 四課時

授課導師?楊老師

北京郵電大學人工智能、信息安全專業方向博士，豐富的計算機學科知識和項目背景。

課堂教學過程中注重將數學、計算機學科的相關知識和實際生活中的問題相結合，激發學生的學習熱情。

授課體系及科目：NOIP計算機學術活動/USACO、Google Code Jam、Kaggle、APIO等國際計算機、信息學、機器人學術活動。

導師推薦書目

1.《機器學習》

作者：周志華

適合人群：初級學者

推薦指數：★★★★★

主要內容：本書介紹了機器學習的基礎知識，討論一些經典而常用的機器學習方法，包括：決策樹、神經網絡、支持向量機、貝葉斯分類器、集成學習、聚類、降維與度量學習等。進階內容涉及特征選擇與稀疏學習、計算學習理論、半監督學習、概率圖模型、規則學習以及強化學習等。適合大學三年級以上的理工科本科生和研究生，以及具有類似背景對機器學習感興趣的人士。

推薦理由：《機器學習》（又稱“西瓜書”）是機器學習領域的經典入門教材之一，是一本面向機器學習愛好者的啟蒙教材，非常適合沒有任何背景的初學者看。這本書中每一個概念，甚至每一個概念的來龍去脈都講得非常清楚，對機器學習中各種算法和理論都是盡量從其原生態的角度進行講解。

2.《Deep Learning》

作者：Ian Goodfellow/Yoshua Bengio/

Aaron Courville

適合人群：中級到高級學者

推薦指數：★★★★★

 

主要內容：這本書不但討論了機器學習的基礎知識，而且從學術角度講解了有效研究深度學習所需的應用數學（線性代數、概率和信息論等）知識，在此基礎上，本書進一步講解了深度學習算法和技術的相關知識。此外，這本書還講解了深度學習領域當前的研究趨勢以及正在發生的變化。

推薦理由：《Deep Learning》出自Goodfellow、Bengio和Courville三位大牛之手（又稱“花書”）,堪稱深度學習的圣經。這本書適合有一定基礎的學習者，建議先看周志華老師的“西瓜書”，再看“花書”會更流暢和舒服。

3.《Pattern Recognition and Machine Learning》

作者：Christoper M. Bishop

適合人群：初級到中級學者

推薦指數：★★★★★

主要內容：這是第一本提出貝葉斯方法的模式識別教科書。本書提出了近似推理算法和用于描述概率分布的圖模型等多種最新分類方法。這本書介紹模型的行文思路是：基本模型建模—最大似然估計—貝葉斯參數估計—貝葉斯預測。雖然這本書作為入門會比較難，但如果按這個思路去看，就非常清楚了。

推薦理由：這本書給人的最大印象可能就是Everything can be bayesianized（一切都可以貝葉斯化）。這本書結構清晰，內容齊全，是機器學習初學者不可多得的好書。本書要求讀者擁有多元微積分學和基礎線性代數知識，同時若熟悉一些概率知識的話，對于學習書中包含那些獨立的關于基礎概率理論的介紹將會很有幫助。

本期福利一

翰林導師推薦書目電子版

《Pattern Recognition and Machine Learning》

免費贈送給您！

（部分資源樣圖）[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_btn title="熱門產品推薦" color="primary" size="lg" align="center" button_block="true"][product id="261298"][/vc_column][/vc_row][vc_row][vc_column][/vc_column][/vc_row]