人工智能人才的真正缺口，是算法原理扎实的工程师，而不是调参工

作为人工智能的重要分支，机器学习已成为推动当下人工智能发展的核心驱动力。无论是谷歌搜索引擎、购物平台推荐给你的个性化商品、越来越懂你的网易云音乐、人脸识别、京东的快递机器人小哥，还是最近刷爆了朋友圈的谷歌猜画小歌等，都用到了机器学习技术。与传统的设备和方法相比，机器学习降低了操作成本，并且在提高效率、速度和准确率方面，一次又一次刷新着人们的认知。

随着机器学习在各个领域大放异彩，机器学习方向的工程师越来越成为稀缺资源，月薪20k起步已经成为业内常态。很多人希望能通过短暂学习，进而达到求职或者转行的目的，但这种急功近利的学习方式，往往达不到企业的要求。这是因为，企业真正需要的人才是对机器学习算法既知其然，又知其所以然的工程师，而不是只会调用函数库的调参工。

数学，作为表达与刻画机器学习模型的工具，是深入理解机器学习算法原理的基石。为了帮助大家真正掌握机器学习模型以及算法背后的原理，专注于人工智能在线教育的深蓝学院，联合南京大学计算机科学与技术系博士生与中科院自动化所博士，共同推出《机器学习数学基础》课程，力争让大家学有所成，为入门机器学习打下坚实的基础。

图为企业招聘机器学习工程师对数学的明确要求

《机器学习数学基础》课程内容主要包括引言、函数求导、矩阵论、凸优化、概率论与数理统计、信息论六部分，并辅以线性回归及其应用、SVM及其应用、BP算法及其应用、朴素贝叶斯及其应用、决策树及其应用等五个实践案例。课程将机器学习算法与数学知识点高度融合，做到从人工智能中来，到人工智能中去，而不是单纯地讲解数学知识点。

课程服务包括：

1. 全新撰写的课程讲义（全网独家）；

2. 微信群/讨论区实时答疑；

3. 精心设计作业题目，并及时批改；

4. 机器学习算法均代码实现，而不是直接调用函数库；

5. 前五位优秀学员，将分别获得2000元现金奖学金。

『机器学习数学基础』课程讲师简介

钱鸿

南京大学计算机科学与技术系博士生

主要研究兴趣为：机器学习、优化、博弈学习等。在AAAI、IJCAI、IEEE/ACM ASE等国际顶级/重要会议上发表论文9篇，曾担任IEEE Transactions on Evolutionary Computation、ICML、NIPS、IJCAI等期刊和会议的审稿人，并获得国家奖学金、百度奖学金提名、江苏省三好学生、南京大学优秀研究生标兵等荣誉称号。

肖鸿飞，中科院自动化所博士，主要研究方向是目标检测、语义分割、三维重建等。具有8年计算机视觉领域的科研工作经历，在计算机视觉领域国际期刊会议发表论文多篇，在视觉会议上发表并获得最佳论文（Selected Best Papers）。

课程大纲—引言部分

第一节：数学之于机器学习的必要性和重要性

课程大纲—函数求导

第一节：背景介绍（以误差逆传播算法为例）

第二节：函数的极限

第三节：偏导数、方向导数、梯度

第四节：复合函数求导的链式法则

第五节：案例分析（BP算法及其应用）

课程大纲—矩阵论

第一节：背景介绍（以线性回归为例）

第二节：矩阵概念与运算

第三节：矩阵范数

第四节：矩阵的行列式、逆、秩和逆

第五节：矩阵的特征值和特征向量

第六节：奇异值分解

第七节：矩阵导数

第八节：矩阵二次型与半正定

第九节：案例分析（线性回归及其应用）

课程大纲—凸优化

第一节：背景介绍（以支持向量机（SVM）算法为例）

第二节：优化问题与极值

第三节：凸优化基础

第四节：对偶理论

第五节：案例分析（SVM及其应用）

课程大纲—概率论与数理统计

第一节：背景介绍（以朴素贝叶斯算法为例）

第二节：随机变量及概率分布

第三节：联合概率，边缘概率，条件概率，贝叶斯定理

第四节：期望、方差/标准差、协方差

第五节：不等式（切比雪夫不等式等）

第六节：独立性，条件独立性，相关性

第七节：常用分布及特例

第八节：KL散度

第九节：极大似然估计

第十节：案例分析（朴素贝叶斯及其应用）

课程大纲—信息论基础

第一节：背景介绍（以决策树算法为例）

第二节：信息论中的基本概念（上）

第三节：信息论中的基本概念（下）

第四节：案例分析：决策树及其应用

课程特色

❈ 讲义新颖：全新撰写课程的配套讲义，全网独家

❈ 方式独特：数学知识与人工智能案例紧密结合

❈ 实践认真：根据课程算法案例，手把手代码实践

❈ 答疑及时：课程讨论区、微信答疑群及时答疑

❈ 作业细致：根据每章节知识点，精心设计作业

实践案例

❈  线性回归及其应用：以前列腺癌发病率预测为例

❈  SVM及其应用：以Iris数据集分类为例

❈  BP算法及其应用：以手写数字识别为例

❈  朴素贝叶斯及其应用：以乳腺癌诊断和信用风险评级为例

❈  决策树及其应用：以乳腺癌诊断和信用风险评级为例

课程福利

❈ 深蓝学院为本门课程提供了一万元的奖学金，奖励作业排行前五名的同学；

❈ 课程优秀学员，将获得深蓝学院“优秀学员”证书。

Q&A

Q:课程是录播还是直播？是否可以试听？

课程采取录播+课程讨论区 / 微信群答疑的学习形式，大家可以灵活安排时间学习。记得在规定的时间内按时完成并提交作业哦！

我们邀请讲师钱鸿博士录制了课程介绍视频，点击“阅读原文”，即可试听！

Q:课程视频是否可以一直学习？

本门课程学习有效期为一年，以此监督和鼓励同学们按时完成学习任务，切实掌握入门人工智能的数学知识。

Q:课程是否提供代码实践？

    本课程的全部实践环节都将由专职助教（在读博士生）带领进行代码实践，并手把手示范指导。

Q:课程适合哪类人群学习？

    本门课程偏向基础入门，适合学习过大学数学但不扎实或者已经忘记的小伙伴。同时，因为知识储备不够，感觉机器学习难以理解，或者看机器学习书一头雾水的人，也适合学习这门课程。  

Q:如何报名课程？

    点击“阅读原文”，即可进入报名页面。前100位报名者可享受300元的优惠，优惠券请添加欣然微信领取（微信号：shenlan-xinran）。

课程寄语  

   深蓝学院课程组

机器学习数学基础这门课，课程组筹备长达半年之久，从前期调研、选取讲师到制定课程大纲，历经数次的修改、推翻和完善，力求有用而实际。我们有自信，大家学完这门课，可以更加顺利地踏入机器学习的大门。

学如春起之苗，不见其增，日有所长，我们会陪大家一起学习、共同成长。

添加欣然好友，领取300元优惠券

 关注深蓝学院订阅号

获取更多干货文章！

↙点击“阅读原文”，试听课程。