歡迎光臨
每天分享高質量文章

突破演算法,年薪豈止翻倍

(點擊上方公眾號,可快速關註一起學Python)

 

北上廣容不下肉身,

三四線放不下靈魂,

程式員里沒有窮人,

有一種土豪叫演算法工程師。

演算法,晦澀難懂,卻又是IT領域最受重視的素養之一。可以說,演算法能力往往決定了一個程式員能夠走多遠。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演算法編程,這也成為了無數準程式員們過不去的一道“坎”。

如何入門併成為一名出色的演算法工程師?

跟我走吧

陸家嘴學堂推出

Python經典演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演算法思想,資料結構以及機器學習演算法原理與實踐,利用金融、商業資料分析場景,手把手教學程式設計技巧,為學員打下扎實基礎,助您突破演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演算法、資料分析崗位實際技能需求進行設置,涵蓋邏輯實現能力、機器學習深度學習演算法的理解以及資料挖掘的基本技巧。這些技能包括並不僅限於:深度學習/神經網絡(MLP,CNN,RNN),回歸分析,K-Means聚類,支持向量機、決策書與Ensemble,PCA,交叉檢驗,Bias/Variance Tradeoff,搜索演算法等等

 

課程標的

(1)幫助學生快速入門python演算法與機器學習

(2)理解經典的演算法及資料結構思想原理。

(3)熟練運用Python語言及常用庫。

(4)理解機器學習,深度學習演算法細節,能夠運用演算法解決實際問題。 

(5)自信面對資料、演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資料科學或者AI領域。

(8)打磨自身編程技能並掌握重要演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、油氣行業演算法工程師、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,演算法與資料庫基礎極為扎實。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(蟻群演算法)、資料分析等,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。積累了大量演算法研究成果,其中包括CV演算法(發表EI期刊論文一篇),深度學習演算法優化,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程式設計基礎 (2個課時)

一、Python基礎

1.語言特性

2.程式設計環境

 Anaconda環境簡介

3.語法基礎

變數及標記語法

4.常用函式

5.陳述句結構

順序、迴圈、條件與遞迴

6. 常用庫介紹

Numpy、 Pandas、 Matplotlib等等

7. 面向物件方法

 案例

二、演算法分析與Big O

1.演算法分析與Big O簡介

2.Big O 案例

3.Python 資料結構中的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.函式與方法

二、Pandas庫的應用

1.時間序列處理初步

2.Dataframe與Series

3.常用方法與函式

4.類資料庫查詢

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.物件特性

第三模塊:常用資料結構(2.5個課時)

一、陣列

陣列序列簡介

動態陣列與低級別陣列

常見面試問題

二、棧、佇列與雙端佇列

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

鄰接矩陣與鄰接串列

常見應用

第四模塊:經典演算法的Python實現(2.5個課時)

1.貪心演算法:原理與實體

2.遞迴與遍歷

遞迴原理

序列遍歷與二分法

深度優先與廣度優先遍歷

常用場景

3.常用排序演算法:演算法原理、實體

4.動態規劃演算法初步:原理、應用場景案例

5.Hash函式:原理、Hash表的應用

第五模塊:機器學習演算法原理及Python應用(4個課時)

一、機器學習演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、最優化問題相關演算法

1.預測模型與最小二乘:(多元)線性回歸

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回歸及機器學習重要概念

1.Logit回歸原理

2.損失函式

3.偏差與方差

4.欠擬合與過擬合

5.評估引數與方法

6.案例

四、經典機器學習演算法思想

1.EM演算法思想: Kmeans演算法等

2.樹類演算法:不純度計算:熵與Gini繫數

Ensemble原理:Boosting,Bagging, Stacking

GBDT,RandomForest

演算法優化

案例

3.聚類演算法: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

損失函式:從Cross Entropy到Hinge

應用案例

5.特征工程及實戰技巧

Sk-Learn庫使用方法

特征工程基礎

常用特征工程演算法

K-Fold交叉檢驗

資料清洗與充填

異常值檢驗

第六模塊:時間序列分析常用演算法(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.激活函式

2.梯度下降演算法

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.激活函式優化

4.結構優化

四、捲積神經網絡初步

1.圖像濾波與特征

2.輸出特征尺寸計算

3.引數調優

五、深度學習經典模型及研究進展

1.迴圈神經網絡(RNN)

2.LSTM,Gru等

3.新技術及學習方法

第八模塊:演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.資料庫SQL

4.經典演算法題概要

5.機器學習演算法相關

6.實務類演算法設計題

 

//  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

有任何問題都可以咨詢陸家嘴學堂助教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

2. 關註公眾號“陸家嘴學堂”

3. 點開公眾號“陸家嘴學堂”里中間的選單“學堂頻道”,可在課程串列里找到“我的”,找到“已購”點開即可聽課

4. 在課程的“目錄”里,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)

註:

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)咨詢相關事宜。

赞(0)

分享創造快樂