在如今这个处处以数据驱动的世界中，机器学习，深度学习，人工智能正变得越来越大众化。在大数据的爆发性增长背景下，当今的机器学习技术已经被广泛地应用于不同领域，如搜索引擎、机器人、无人驾驶汽车等。机器通过分析大量数据来进行学习。比如说，不需要通过编程来识别猫或人脸，它们可以通过使用图片来进行训练，从而归纳和识别特定的目标。机器学习是一种重在寻找数据中的模式并使用这些模式来做出预测的研究和算法的门类。机器学习是人工智能领域的一部分，并且和知识发现与数据挖掘有所交集。
本课程，覆盖机器学习核心算法模型，为学生打下坚实的机器学习算法模型基础，通过超过 20 个实战项目，使学生从技术原理，到算法模型，到行业应用贯穿始终。不但了解机器学习本身在分类，回归预测等方面的部署，更能充分了解每种算法的应用场景。同时，课程还将介绍与深度学习密切相关的关键概念，如：拟合不足和拟合过度、正则化及交叉验证，如何辨别要解决的问题的类型，选择正确的算法，调优参数以及模型验证等主题。基于极易上手入门的流行编程语言 Python，首先通过实用的案例介绍机器学习的基础知识，然后介绍一些稍微复杂的机器学习算法，例如：支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经网络 …… 等。通过大量的实战案例，了解如何使用当前最火的 Python 编程语言，结合机器学习算法解决各类实际的业务问题。譬如：使用探索分类分析算法实现收入等级评估；使用无监督学习实现市场细分；使用隐马尔科夫模型实现语音识别 …… 等，并深刻掌握以下机器学习核心库的原理与应用：