统计机器学习是关于计算机基于数据构建的概率统计模型并运用模型对数据进行预测和分析的一门科学，统计机器学习研究的问题一般是，给定一堆带标签的训练样本集合，需要从训练集合中学习出一个预测器来，对新的样本进行预测，使得预测结果尽可能的接近它的真实标签。统计机器学习是概率论、统计学、信息论、计算理论、最优化理论和计算机科学等多个领域的交叉学科，并且在发展中形成独立的理论体系和方法论。
算法是理解机器学习原理的基础，在工程实践中可能不需要你去推导或实现这些算法，但不代表我们不需要理解这些算法。换句话说不了解机器学习算法是不可能深入机器学习，在掌握算法的基础上，无疑会对如何选择机器学习的模型以及对数据进行分析都是非常有价值的。
1、学习统计机器学习的主要方法，包括感知机、线性神经网络、BP神经网络、径向基函数神经网络、k近邻法、朴素贝叶斯法、决策树、逻辑斯蒂回归与最大熵模型、支持向量机、深度信念网络、卷积神经网络等；2、掌握以上方法的统计学习原理，学习策略和学习算法；3、学习模型评估和模型选择的统计学习原理。
8月2号， 20:00~20:50 21:00~21:50 逢周二、四、六晚上课，假期顺延，共36课时(6周)
李老师,1997年本科毕业于吉林大学数学学院计算数学专业。先后主讲高等数学、线性代数、概率论与数理统计、离散数学、数学建模、生产物流系统建模与仿真、Matlab程序设计、计算物理等多门课程，并指导课程设计、计算机实习、科研训练和本科生毕业论文，积累了丰富的理论教学和实践教学经验。2011年取得吉林大学计算机软件与理论专业工学博士学位，CCF会员。长期从事数据挖掘、机器学习、交通规划与管理相关研究。对数据敏感，擅长应用Matlab等软件进行数据统计分析。2013年12月至2014年12月受CSC派出到美国罗德岛大学电气工程学院做访问学者。参编著作3部，发表学术论文30余篇，其中SCI、EI检索论文12篇，核心期刊6篇。目前，参与在研国家自然科学基金项目2项，在研军口863项目2项，在研省部级项目3项。
通过以下二维码或点击“阅读原文”链接，直接点击参团即可。
邀请您的好友（微信、QQ或朋友圈分享），该团为30人成团，如在有效期内未成团款会自动退回付款账号，为了能以低价格购买高质量的课程，赶紧分享起来吧！
第三步：成团后，凭参与手机号直接兑换直播权限，课程直播链接为：https://ke.qq.com/course/143813
原文始发于微信公众号（PPV课数据科学社区）：一言不合就7折， PPV课数据咖学堂 《统计机器学习》开拼啦！
原创文章，作者：ppvke，如若转载，请注明出处：http://www.ppvke.com/archives/13656
