剑桥大学《数据科学: 原理与实践》课程,附PPT下载

2021 年 1 月 20 日 专知

该课程将发展数据科学的核心领域(如:模型的回归和分类)从几个角度:概念的形成和属性,解决算法及其实现,数据可视化的探索性数据分析和建模输出的有效表示。课程将以使用Python、scikit-learn和TensorFlow的实践课程作为补充。


  • 引言 Introduction. Motivation, applications, examples, common data formats (csv, json), loading data with Python, calculating statistics over a dataset with numpy, logistics and overview of the course.


  • 线性回归 Linear Regression. Defining a model, fitting a model, least squares regression, linear regression, gradient descent, scikit-learn.


  • Practical: Linear Regression


  • 分类 Classification, part I. Classification, logistic regression, perceptron, multi-class classification, classification performance measures.


  • Practical: Classification I


  • Classification, part II. An overview of other classification techniques (e.g., decision trees, SVMs) and more advanced techniques including ensemble-based models (boosting, bagging, exemplified with AdaBoost and Random Forests).


  • Practical: Classification II


  • 深度学习基础 Deep learning basics. Neural networks, applications in the world, optimization, stochastic gradient descent, backpropagation, learning rates


  • TensorFlow深度学习 Deep learning with TensorFlow. Introduction to TensorFlow, minimal TensorFlow example, symbolic graphs, training a network, practical tips for deep learning.


  • Practical: Deep learning with TensorFlow


  • 深度学习架构 Deep learning architectures. Convolutional networks, RNNs, LSTMs, autoencoders, regularization.


  • Practical: Deep learning architectures


  • Visualization, part I. Scales and coordinates, depicting comparisons.


  • Visualization, part II. Common plotting patterns, including dimension reduction.


  • 可视化 Practical: Visualization


  • Challenges in Data Science. Summary of the course, ethics and privacy in data science, P-hacking, look-everywhere effect, bias in the training data, interpretability, information about the hand out test.

https://www.cl.cam.ac.uk/teaching/1920/M20/materials.html


专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“DSPP” 可以获取剑桥大学《数据科学: 原理与实践》课程,附PPT下载专知下载链接索引

专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取5000+AI主题知识资源
登录查看更多
0

相关内容

线性回归是利用数理统计中回归分析,来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法,运用十分广泛。其表达形式为y = w'x+e,e为误差服从均值为0的正态分布。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
专知会员服务
42+阅读 · 2020年12月18日
最新《统计机器学习》课程,26页ppt
专知会员服务
80+阅读 · 2020年8月30日
【2020新书】监督机器学习,156页pdf,剑桥大学出版社
专知会员服务
151+阅读 · 2020年6月27日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
专知会员服务
159+阅读 · 2020年1月16日
专知会员服务
115+阅读 · 2019年12月24日
免费自然语言处理(NLP)课程及教材分享
深度学习与NLP
29+阅读 · 2019年1月18日
免费教材-《数据科学基础-2018》最新版下载
深度学习与NLP
36+阅读 · 2018年12月28日
246 页《统计机器学习与凸优化》教程 PPT 下载
新智元
24+阅读 · 2018年9月21日
最全数据科学学习资源:Python、线性代数、机器学习...
人工智能头条
11+阅读 · 2018年5月14日
资源|斯坦福课程:深度学习理论!
全球人工智能
17+阅读 · 2017年11月9日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
A Survey on Edge Intelligence
Arxiv
50+阅读 · 2020年3月26日
Tutorial on NLP-Inspired Network Embedding
Arxiv
7+阅读 · 2019年10月16日
Arxiv
53+阅读 · 2018年12月11日
Arxiv
4+阅读 · 2018年12月3日
Learning Recommender Systems from Multi-Behavior Data
Arxiv
7+阅读 · 2018年11月29日
Arxiv
22+阅读 · 2018年8月30日
Arxiv
9+阅读 · 2018年1月30日
VIP会员
相关VIP内容
专知会员服务
42+阅读 · 2020年12月18日
最新《统计机器学习》课程,26页ppt
专知会员服务
80+阅读 · 2020年8月30日
【2020新书】监督机器学习,156页pdf,剑桥大学出版社
专知会员服务
151+阅读 · 2020年6月27日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
专知会员服务
159+阅读 · 2020年1月16日
专知会员服务
115+阅读 · 2019年12月24日
相关资讯
免费自然语言处理(NLP)课程及教材分享
深度学习与NLP
29+阅读 · 2019年1月18日
免费教材-《数据科学基础-2018》最新版下载
深度学习与NLP
36+阅读 · 2018年12月28日
246 页《统计机器学习与凸优化》教程 PPT 下载
新智元
24+阅读 · 2018年9月21日
最全数据科学学习资源:Python、线性代数、机器学习...
人工智能头条
11+阅读 · 2018年5月14日
资源|斯坦福课程:深度学习理论!
全球人工智能
17+阅读 · 2017年11月9日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
相关论文
A Survey on Edge Intelligence
Arxiv
50+阅读 · 2020年3月26日
Tutorial on NLP-Inspired Network Embedding
Arxiv
7+阅读 · 2019年10月16日
Arxiv
53+阅读 · 2018年12月11日
Arxiv
4+阅读 · 2018年12月3日
Learning Recommender Systems from Multi-Behavior Data
Arxiv
7+阅读 · 2018年11月29日
Arxiv
22+阅读 · 2018年8月30日
Arxiv
9+阅读 · 2018年1月30日
Top
微信扫码咨询专知VIP会员