行业背景提升实战项目
围绕具体问题完成实践，建立能展示、能解释个人贡献的项目经历。
以下为此类服务的一般说明，本项目的具体要求与内容请结合下方介绍确认。
哪些需求可以考虑这类服务？
- 学过理论或工具，但缺少从问题到成果的完整项目实践。
- 转专业、转岗位，希望建立与目标方向相关的技能与作品。
- 简历中的项目较薄弱，或尚不能清楚解释自己的工作与取舍。
为什么参加实战项目？
- 把学到的知识用于具体问题，练习分析、实现与复盘。
- 根据项目大纲形成可展示的成果，并梳理自己实际完成的部分。
- 练习讲清需求、方案选择、遇到的困难与解决过程，为求职表达积累素材。
如何判断是否适合自己？
不是每个人都需要再参加一个项目。如果你已有充分相关实践，可能更需要面试辅导。培训项目不自动等同于正式工作或实习经历，应如实描述。
项目成果、基础要求、授课形式与时间投入以本项目大纲为准；不同项目不统一承诺代码、报告或上线产品，也不统一采用 1 对 1 授课。
本项目适用人群
主要针对有理工科背景，对机器学习理论及其应用感兴趣学习的学员，对于CS类、数据类以及金融专业申请留学的学员可以极大提升相关背景和应用能力
你将收获
机器学习实战项目结业证明
亲自搭建机器学习模型
美国微软导师推荐信
你将学习的技能
机器学习
人工智能
模型搭建
课题介绍
目前，机器学习已经进入火爆应用的时期，不少互联网甚至传统行业已经越来越多地见到机器学习的诸多应用，例如：发现高危医疗患者，识别言语，分类文本文件，检测信用卡欺诈或驾驶自动机器人。未来社会对机器学习方面的人才需求也将十分强烈。本课题将从该领域的数学，统计和计算基础的入门型教学开始，并且带领学生亲手操作一些机器学习的小项目，更真切地理解并掌握机器学习的基础概念及应用
课程大纲
项目内容主要包括概念学习，信息理论，决策树，神经网络和深度学习，估计和偏差 - 方差权衡，机器学习中的假设检验，贝叶斯学习，K-最近邻和非参数学习，最大边界分类器（SVM），以及森林等二级方法，装袋和提升。
项目总时长为四周，基于每周一次的编程和/或书面作业，在最后一周会让学员自己搭建机器学习的模型，并解决一个现实的问题
1
Background of Machine Learning
考察：Quiz
授课1小时; 学习2小时
2
Background of Machine Learning
考察：Interactive coding and homework
授课2小时; 学习4小时
3
MLE, MAP, Bayes Rule, Naive Bayes
考察：Implement a Naive Bayes (coding)
授课3小时; 学习5小时
4
Logistic Regression, Gradient Descent
考察：Training Logistic Regression (coding)
授课2小时; 学习6小时
5
Deep learning and programming
考察：Build your LeNet nerual network(coding)+Homework
授课4小时; 学习6小时
课程导师
常见问题
实战项目与学校作业有什么区别？
选择时重点比较问题场景、实践深度、导师反馈和成果要求，而不是只看名称。可结合本项目大纲，确认它能否补足现有课程作业尚未覆盖的能力。
已经有项目经历，还一定要报名吗？
不一定。先看现有项目与目标岗位的相关程度，以及你能否解释自己的贡献；若这些已经充分，面试准备或其他求职支持可能更适合。
实战项目可以写成企业实习吗？
培训项目与正式实习不是同一类经历。应按实际参与形式、工作内容和可核实的事实填写简历，不将培训项目包装成不存在的雇佣经历。
