作为首个直接以『人工智能』命名的专业，080717T 的专业目标，是培养适应国民经济与科技发展的需求，具备较好的科学素养、扎实的人工智能基本理论和专业知识、较强的工程实践能力，掌握智能信息化技术基础知识与方法，能够在人工智能及其相关应用领域从事新技术和新产品研发、系统设计、管理，以及解决复杂工程问题的高级工程技术人才。
人工智能专注于理解视觉，语音，语言，决策等复杂任务的核心能力，并设计机器和软件来模拟这些过程。人工智能具有悠久而丰富的历史，尽管许多工具和技术已经存在数十年（即多层感知器，卷积神经网络，强化学习），然而，高性能计算的最新进展，分布式方法的发展以及大数据产业的发展，[……]
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[……]
此前，跨象乘云™ 发布《Python 知识卡片完整中文版》，覆盖：Bokeh，Jupyter Notebook，Keras，Matplotlib 绘图，Numpy 基础，Pandas 基础，Pandas 进阶，Python 基础，Scikit-Learn，SciPy，Seaborn，Spark RDD 基础，Spark SQL 基础，导入数据等核心技术领域。覆盖了 Python 在数据科学与大数据专业建设课程体系中的绝大部分领域，作为教育资源对学生学习 Python 数据分析，数据处理，科学运算，数据可视化，机器学习等具有极大的参考复习意义。
本期，跨象乘云™ 将继续连载《深度学习知识卡[……]
此前，跨象乘云™ 发布了一系列 Python 数据科学核心库的多份知识卡片，包括 ——
此前的知识卡片主要是英文原版，再次跨象乘云™ 发布《Python 知识卡片完整中文版》，覆盖：Bokeh，Jupyter Notebook，Keras，M[……]
数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。由此可见，特征工程在机器学习中占有相当重要的地位。在实际应用当中，可以说特征工程是机器学习成功的关键。
那特征工程是什么？
特征工程是利用数据领域的相关知识来创建能够使机器学习算法达到最佳性能的特征的过程。
特征工程又包含了Feature Selection（特征选择）、Feature Extraction（特征提取）和 Feature construction（特征构造）等子问题，本章内容主要讨论特征选择相关的方法及实现。
在实际项目中，我们可能会有大量的特征可使用，有的特征携带的信息丰富，有的[……]
这是一份非常详实的备忘单，涉及具体内容包括：
项目主要分析绝地求生 72 万场比赛的数据，并结合数据给出吃鸡攻略，用数据吃鸡！
项目 GitHub 地址[……]
继续之前的：
作为数据科学的基本包之一，NumPy 是你必须能够使用并确认你是否需要使用 Python 进行数据科学工程实践的软件包之一。它提供了 Python 列表的一个很好的选择，因为 NumPy 数组更紧凑，允许更快地读取和写入项目，并且更方便，更高效。此外，NumPy 也是其他重要软件包的基础，用于数据操作和机器学习，您可能已经知道，即 Pandas，Scikit-Learn 和 SciPy：
此前，跨象乘云™ 介绍了几篇关于 Python 《数据科学管道与数据分析库：Pandas》的教程，NumPy（Numerical Python）是 Python 中的一个线性代数库。对每一个数据科学或机器学习 Python 包而言，这都是一个非常重要的库，SciPy（Scientific Python）、Mat-plotlib（plotting library）、Scikit-learn 等都在一定程度上依赖 NumPy。对数组执行数学运算和逻辑运算时，NumPy 是非常有用的。在用 Python 对 N 维数组和矩阵进行运算时，NumPy 提供了大量有用特征。
这篇教程介绍了数据科学初[……]
