北上廣容不下肉身,
三四線放不下靈魂,
程序員裡沒有窮人,
有一種土豪叫算法工程師。
算法,晦澀難懂,卻又是IT領域最受重視的素養之一。可以說,算法能力往往決定了一個程序員能夠走多遠。因此,BAT/FLAG等國內外各大名企非常喜歡在面試環節考核求職者的算法編程,這也成為了無數準程序員們過不去的一道“坎”。
如何入門併成為一名出色的算法工程師?
跟我走吧
陸家嘴學堂推出
Python經典算法設計與機器學習訓練營
(零基礎入門)
充分發揮Python語言簡潔、高效及易學特點,這門課將全面闡釋經典算法思想,數據結構以及機器學習算法原理與實踐,利用金融、商業數據分析場景,手把手教學程序設計技巧,為學員打下紮實基礎,助您突破算法類崗位面試中各類問題,摘得心中理想的崗位。
教學課題的選擇根據招聘中算法、數據分析崗位實際技能需求進行設置,涵蓋邏輯實現能力、機器學習深度學習算法的理解以及數據挖掘的基本技巧。這些技能包括並不僅限於:深度學習/神經網絡(MLP,CNN,RNN),迴歸分析,K-Means聚類,支持向量機、決策書與Ensemble,PCA,交叉檢驗,Bias/Variance Tradeoff,搜索算法等等。
課程目標
(1)幫助學生快速入門python算法與機器學習
(2)理解經典的算法及數據結構思想原理。
(3)熟練運用Python語言及常用庫。
(4)理解機器學習,深度學習算法細節,能夠運用算法解決實際問題。
(5)自信面對數據、算法類崗位面試各類考題。
(6)學習金融、商業及工業領域的應用場景。
(7)幫助學生轉換職業發展路徑到數據科學或者AI領域。
(8)打磨自身編程技能並掌握重要算法基礎知識和核心就業技能。
Jason
CQF、CFA、FRM、Wilmott/CQF高級會員、SEG/EAGE學會會員、享獨立國家發明專利、世界500強投資部門主管、資深金融工程師、油氣行業算法工程師、SEG油藏地球物理工程師。同濟大學理學博士(同濟大學與德州大學經濟地質局聯合培養),精通Python語言,算法與數據庫基礎極為紮實。擔任過多次面試官,並培訓新人。
以第一作者身份發表多篇國際期刊及會議論文,內容涵蓋強化學習(蟻群算法)、數據分析等,波動方程偏移以及機器學習下的動態資產組合建立等等。近年來發表三篇國際頂會論文,分別受邀前往Oral宣讀。積累了大量算法研究成果,其中包括CV算法(發表EI期刊論文一篇),深度學習算法優化,基於頻譜分解的強化學習,蒙特卡羅及情景分析經濟地質測算與快速評價等等。
課程大綱
第一模塊:Python程序設計基礎 (2個課時)
一、Python基礎
1.語言特性
2.程序設計環境
Anaconda環境簡介
3.語法基礎
變量及標記語法
4.常用函數
5.語句結構
順序、循環、條件與遞歸
6. 常用庫介紹
Numpy、 Pandas、 Matplotlib等等
7. 面向對象方法
案例
二、算法分析與Big O
1.算法分析與Big O簡介
2.Big O 案例
3.Python 數據結構中的Big O
第二模塊:常用庫及應用 (2個課時)
一、Numpy庫的應用
1.特性
2.函數與方法
二、Pandas庫的應用
1.時間序列處理初步
2.Dataframe與Series
3.常用方法與函數
4.類數據庫查詢
三、可視化庫的應用
1.可視化圖件意義及製作方法
散點圖、餅圖、頻度圖、QQ、熱力圖等
2.Matplotlib,Seaborn及Pandas Plotting應用
3.對象特性
第三模塊:常用數據結構(2.5個課時)
一、數組
數組序列簡介
動態數組與低級別數組
常見面試問題
二、棧、隊列與雙端隊列
簡介
Python實現方式
常見案例
三、鏈表
單鏈表與雙鏈表
常見問題
四、樹
樹結構的表徵
樹的遍歷
二叉搜索樹
常見應用
五、圖
圖的簡介
鄰接矩陣與鄰接列表
常見應用
第四模塊:經典算法的Python實現(2.5個課時)
1.貪心算法:原理與實例
2.遞歸與遍歷
遞歸原理
序列遍歷與二分法
深度優先與廣度優先遍歷
常用場景
3.常用排序算法:算法原理、實例
4.動態規劃算法初步:原理、應用場景案例
5.Hash函數:原理、Hash表的應用
第五模塊:機器學習算法原理及Python應用(4個課時)
一、機器學習算法概覽與數學基礎
1.概率論與統計基礎
2.Bayes原理
3.最大似然原理
4.機器學習“武器庫”概況
二、最優化問題相關算法
1.預測模型與最小二乘:(多元)線性迴歸
2.Lagarange法:案例投資組合管理
3.牛頓法,最速下降及其變種
三、Logit迴歸及機器學習重要概念
1.Logit迴歸原理
2.損失函數
3.偏差與方差
4.欠擬合與過擬合
5.評估參數與方法
6.案例
四、經典機器學習算法思想
1.EM算法思想: Kmeans算法等
2.樹類算法:不純度計算:熵與Gini係數
Ensemble原理:Boosting,Bagging, Stacking
GBDT,RandomForest
算法優化
案例
3.聚類算法:PCA、 SVD、T-SNE
4.支持向量機
間隔與幾何間隔
對偶最優化問題
核技巧
損失函數:從Cross Entropy到Hinge
應用案例
5.特徵工程及實戰技巧
Sk-Learn庫使用方法
特徵工程基礎
常用特徵工程算法
K-Fold交叉檢驗
數據清洗與充填
異常值檢驗
第六模塊:時間序列分析常用算法 (3個課時)
1.信號分解與時頻分析
2.濾波與重構
3.ARIMA模型
模型定階初步
Python實現
4.Garch模型:原理及Python實現
5.隨機過程:理論、隨機採樣,蒙特卡羅法
6.案例
ARIMA股價預測
多階指數濾波
信號分解重構
第七模塊:深度學習實踐與提高(3個課時)
一、神經網絡原理
1.激活函數
2.梯度下降算法
3.正向傳播與反向傳播
二、神經網絡實現
1.Tensorflow、Keras、Theano庫應用基礎
2.手把手學習底層代碼
三、主要問題及優化
1.Dropout
2.BatchNormalisation
3.激活函數優化
4.結構優化
四、卷積神經網絡初步
1.圖像濾波與特徵
2.輸出特徵尺寸計算
3.參數調優
五、深度學習經典模型及研究進展
1.循環神經網絡(RNN)
2.LSTM,Gru等
3.新技術及學習方法
第八模塊:算法類崗位面試問題解決(2個課時)
1.統計與概率題
2.智力題
3.數據庫SQL
4.經典算法題概要
5.機器學習算法相關
6.實務類算法設計題
// 課程詳情 //
課程單價:899元
早鳥拼團優惠價:299元
每節課時長:60分鐘左右、部分內容時長可能超出。
開課時間:
2019年3月5號晚上20:00課程形式:錄播視頻 & 社群互動 & 微信群答疑
課時:共計21個課時,21個小時
學習形式:
線上視頻:通過微信服務號(陸家嘴學堂)收聽
作業:每次課程更新後,將通過服務號發佈實戰作業
作業講解:視頻講解,與課程同步更新
聽課形式:手機、電腦均可直接登錄聽課
有同步課件可以下
載,一次付費永久觀看課程報名
長按識別二維碼即可報名哦
有任何問題都可以諮詢陸家嘴學堂助教zndb001
陸家嘴學堂
長按識別二維碼有福利哦
聽課流程:
1. 掃碼支付購買課程
3. 點開公眾號“陸家嘴學堂”裡中間的菜單“學堂頻道”,可在課程列表裡找到“我的”,找到“已購”點開即可聽課
4. 在課程的“目錄”裡,有“必讀”,點開即可掃碼加助教進入付費群。(付費群用於同學們交流溝通,不影響正常聽課)
注:
1. 本課程為一次性付款,無需繳納其它任何費用,在第一節課更新後48小時內可申請退款,48小時後不予退款,報名前請謹慎考慮。
2. 如果你有其他相關問題,可以加課程顧問微信(zndb001)諮詢相關事宜。
閱讀更多 Python部落 的文章