【资源介绍】：
机器学习工程师岗位要求
数据来源：主流招聘网站、一线公司 JD
本科及以上学历，数学、计算机等相关专业优先
有扎实的编程、算法基础，至少熟悉一门编程语言
熟练使用主流的机器学习和深度学习框架，并有相关项目经验
掌握经典的机器学习算法和深度学习算法
具备较强的特征工程及编码能力，能独立进行算法调优
有复杂业务场景下深度学习模型的算法研发及改进经验
资深机器学习专家，手把手带你全面掌握机器学习知识
讲师：王然
众微科技 AI Lab 负责人、阿姆斯特丹大学数学和计量经济学双硕士
本科毕业于北京大学，后于阿姆斯特丹大学攻读数学和计量经济学双学位，并在蒂尔堡大学攻读营销模型专业。研究方向主要为贝叶斯理论以及泛函分析理论和应用，参与的项目方向包括结构化数据挖掘、NLP、强化学习的理论和应用等。
曾担任百分点认知智能实验室技术负责人，带队开发了百分点的人机对话机器人和文书校对系统，该系统准确性和召回率均达到了业界前沿水平。主导建设了建设银行的风控营销，以及京东舆情分析等数据科学项目。
在众微科技工作期间，将深度学习和基于强化学习的 AutoML 引入到了中小企业的违约系统中，相比于传统模型 AUC 提升了 10% 以上。
课程设计对标阿里P6，教学贴近大厂真实场景
至少掌握一门编程语言，如 Python、R
熟练掌握数据处理的各种方法和工具
高效实现机器学习算法
能对算法和模型进行性能调优
数据科学相关能力
具备系统的建模方法论
掌握各类模型准确度调优方法
根据实际数据情况选择合适的方案
研究前沿技术，解决实际问题
数学能力
掌握概率、统计和最优化理论基础
掌握机器学习经典模型的数学背景
能够读懂前沿论文
有能力基于需求扩展现有模型
【资源目录】:
├──00-开营仪式
| ├──第0章·概论·如何成为实干型的机器学习工程师.pdf 886.17kb
| └──开营直播_ev.mp4 349.72M
├──01-第01章：Python_R基础
| ├──PythonR 基础 · 第二讲 · 第二部分_ev.mp4 459.71M
| ├──PythonR 基础 · 第二讲 · 第三部分_ev.mp4 186.50M
| ├──PythonR 基础 · 第二讲 · 第一部分_ev.mp4 597.84M
| ├──PythonR 基础 · 第一讲 · 第二部分_ev-笔记.PanD 0.09kb
| ├──PythonR 基础 · 第一讲 · 第二部分_ev.mp4 235.65M
| ├──PythonR 基础 · 第一讲 · 第一部分_ev.mp4 288.71M
| └──机器学习第零期-第1章.pdf 566.59kb
├──02-第02章：Python 性能调优指南
| ├──Python 性能调优指南 · 第二讲 · 直播完整版_ev.mp4 806.86M
| ├──Python 性能调优指南 · 第一讲 · 直播完整版_ev.mp4 692.51M
| ├──第二章作业参考资料.zip 1.71kb
| ├──机器学习-第2章.pdf 628.82kb
| └──作业.txt 0.91kb
├──03-第03章：PythonR 中的数据操作及可视化
| ├──PythonR 中的数据操作及可视化 · 第二讲 · 第二部分_ev.mp4 530.36M
| ├──PythonR 中的数据操作及可视化 · 第二讲 · 第三部分_ev.mp4 188.48M
| ├──PythonR 中的数据操作及可视化 · 第二讲 · 第一部分_ev.mp4 601.59M
| ├──PythonR 中的数据操作及可视化 · 第三讲 · 第二部分_ev.mp4 163.50M
| ├──PythonR 中的数据操作及可视化 · 第三讲 · 第三部分_ev.mp4 733.43M
| ├──PythonR 中的数据操作及可视化 · 第三讲 · 第一部分_ev.mp4 413.88M
| ├──PythonR 中的数据操作及可视化 · 第一讲 · 直播完整版_ev.mp4 852.02M
| └──机器学习-第3章.pdf 453.96kb
├──04-高等数学与线性代数加餐
| ├──高等数学与线性代数_ev.mp4 977.01M
| ├──机器学习-客户访谈与问卷调研加餐.pdf 467.07kb
| ├──机器学习-数学加餐.pdf 568.09kb
| └──客户访谈与问卷调研_ev.mp4 139.19M
├──05-第04章：机器学习基本概念
| ├──机器学习-第4章.pdf 691.90kb
| ├──机器学习基本概念 · 第二讲 · 第二部分_ev.mp4 1.19G
| ├──机器学习基本概念 · 第二讲 · 第一部分_ev.mp4 1.40G
| ├──机器学习基本概念 · 第二讲 · 课前答疑_ev.mp4 562.68M
| ├──机器学习基本概念 · 第三讲 · 第二部分_ev.mp4 1.05G
| ├──机器学习基本概念 · 第三讲 · 第三部分_ev.mp4 995.01M
| ├──机器学习基本概念 · 第三讲 · 第一部分_ev.mp4 1.11G
| ├──机器学习基本概念 · 第四讲 · 直播完整版_ev.mp4 2.23G
| ├──机器学习基本概念 · 第一讲 · 第二部分_ev.mp4 1.15G
| ├──机器学习基本概念 · 第一讲 · 第三部分_ev.mp4 2.25M
| └──机器学习基本概念 · 第一讲 · 第一部分.mp4 1.65G
├──06-第05章：手撸机器学习算法
| ├──机器学习-第5章.pdf 540.20kb
| ├──手撸机器学习算法 · 第二讲 · 直播完整版_ev.mp4 909.33M
| └──手撸机器学习算法 · 第一讲 · 直播完整版_ev.mp4 1.00G
├──07-第06章：经典机器学习算法及调优
| ├──ML_chapter7_dataset.zip 3.81M
| ├──机器学习-第6章.pdf 785.80kb
| ├──经典机器学习算法及调优 · 第二讲 · 直播完整版_ev.mp4 819.30M
| ├──经典机器学习算法及调优 · 第三讲 · 直播完整版_ev.mp4 959.88M
| ├──经典机器学习算法及调优 · 第四讲 · 直播完整版_ev.mp4 905.32M
| ├──经典机器学习算法及调优 · 第五讲 · 直播完整版_ev.mp4 821.37M
| └──经典机器学习算法及调优 · 第一讲 · 直播完整版_ev.mp4 870.39M
├──08-第07章：特征工程方法论
| ├──机器学习-第7章.pdf 1.02M
| ├──特征工程方法论 · 第二讲 · 直播完整版_ev.mp4 987.42M
| └──特征工程方法论 · 第一讲 · 直播完整版_ev.mp4 424.56M
├──09-第08章：集成学习方法
| ├──机器学习-第8章.pdf 655.42kb
| ├──集成学习方法 · 第二讲 · 直播完整版_ev.mp4 1.09G
| └──集成学习方法 · 第一讲 · 直播完整版_ev.mp4 1015.68M
├──10-第09章：深度学习基础及常见网络
| ├──机器学习-第9章.pdf 1.46M
| ├──深度学习基础及常见网络 · 第二讲 · 直播完整版_ev.mp4 822.94M
| ├──深度学习基础及常见网络 · 第三讲 · 直播完整版_ev.mp4 725.48M
| ├──深度学习基础及常见网络 · 第四讲 · 直播完整版_ev.mp4 740.87M
| └──深度学习基础及常见网络 · 第一讲 · 直播完整版_ev.mp4 764.66M
├──11-第10章：PyTorch 基本语法
| ├──PyTorch 基本语法 · 第二讲 · 直播完整版_ev.mp4 815.25M
| ├──PyTorch 基本语法 · 第一讲 · 直播完整版_ev.mp4 811.66M
| └──机器学习-第10章.pdf 989.83kb
├──12-第11章：神经网络训练方法
| ├──机器学习-第11章.pdf 588.07kb
| ├──神经网络训练方法· 第二讲 · 直播完整版_ev.mp4 1.88G
| └──神经网络训练方法· 第一讲 · 直播完整版_ev.mp4 1.00G
├──13-第12章：AutoML 介绍
| ├──AutoML 介绍· 第二讲 · 直播完整版_ev.mp4 866.85M
| ├──AutoML 介绍· 第一讲 · 直播完整版_ev.mp4 629.82M
| └──机器学习-第12章.pdf 687.11kb
├──14-第13章：Jax 简介
| ├──Jax 简介· 第二讲 · 直播完整版_ev.mp4 213.92M
| ├──Jax 简介· 第一讲 · 直播完整版_ev.mp4 574.73M
| └──机器学习-第13章.pdf 513.97kb
├──15-第14章：使用 Kubernetes 进行部署
| └──使用 Kubernetes 进行部署 · 直播完整版_ev.mp4 883.44M
└──17-加餐：机器学习进阶理论与战术
| ├──加餐：CUDA 与 Tensor RT_ev.mp4 884.20M
| ├──加餐：CV 的简单介绍_ev.mp4 601.24M
| ├──加餐：K8s及课程总结_ev.mp4 204.38M
| ├──加餐：NLP 与 RL 的简单介绍_ev.mp4 737.03M
| └──加餐：公理化概率体系_ev.mp4 344.09M
