干货考虑-非套路真实力高分文章目前在数据分析领域，R和Python是占据绝对地位的两大主流编程语言在机器学习/深度学习/模型可解释方面，Python相对于R具有更丰富的生态及更大的潜力（可以用GPU进行计算加速）。
相对于R的教程，目前基于python的教程相对较少各种模型的统一接口（统一输入与输出）是目前的国际趋势（类似于R中的mlr3/tidydmodels，python的pycaret/sklearn） 以最终模型评价指标为金标准的评价体系下，模型的具体意义变得不那么重要，。
批量模型的基准测试成为了未来发文章的必备工具 在这种情况下，快速跟上国际趋势，不断提高自己的代码及理论水平，可以促进更顺利的发表高质量的非套路的高分文章课程内容考虑以下课程内容主要针对结构化数据的机器学习的建立，验证与模型可解释性的内容进行讲授说。
适合零基础或者有一定python的同学学习第一部分在讲解python基本语法的基础上，会同时讲解python中最为常用的数据导入，处理，计算及可视化的库第二部分的内容在sklearn的基础上，会详细讲解目前python中超越sklearn的体系，。
pycaret，其可以减少90%的代码工作量并方便进行批量的基准测试医学中的生存分析比较特殊因此纳入了lifelines这个可以进行常规生存分析的库，在此基础山，pycox可以实现基于pytorch的深度生存（比如deepsurv）任务。
第三部分主要涉及模型可解释方面的最新方法学实现与解释机器学习/深度学习的预测效果一般好于传统的统计模型，但是其模型可解释性一直受到质疑最新的Dr.whyAI体系，让你站在巨人的肩膀上发自己的套路，让别人去学！。
实现平台- 彻底解决自己配置环境的苦恼课程会手把手教给大家自己配置本地环境以及在服务器上配置环境手把手协助大家创建并使用kaggle,其可以提供足以支持结果化数据机器学习的算力及内存容量课程主要通过kaggle平台进行代码演示，基于免费的kaggle平台，一键分享notebook与数据，超过百万的中外数据科学家的使用，丰富的共享资源，相信会给学习python的你打开一个新的大门。
部分课件内容展示
lifelines库可以用于常规生存分析任务
pycaret可以减少90%的代码工作量进行机器学习体系的建立与解释（相对于sklerarn）
授课老师1.华为云计算部门：李老师既往长期就职于华为人工智能 EI 部门， 在参与华为深度学习平台 ModelArts 的开发，独立承担能够支持 pytorch 的相关 API 的开发、实现算法的优化遵循 Pytorch 框架的设计原则和 API 规范，确保接口的稳定性和易用性。
研究经历医学图像分析与抑郁症诊断的 AI 分析，美国（远程合作）该项目由美国马里兰大学的博士候选人 Naibo Zhang 担任咨询PageRank 算法提取脑部特征信息，并应用 KVM、决策树、支持向量机和加权范数算法进行抑郁症诊断。
应用生成对抗网络（GAN）模型扩充数据集，克服了样本量的限制,模型准确率达到 99%深度学习模型实践：在百度网盘的去水印模型比赛时基于 PMRID UNet 设计出创新模型，该模型可以实现仅使用层次化通过调节逆瓶颈的深度参数及可分离卷积操作，并且还采用了多阶段的训练策略，最终实现了水印图像的像素级回归预测，且模型的性能和效果大大提高了，最终带领团队荣获了三等奖。
在百度网盘的文档超分辨率比赛时，在百度的 paddle 深度学习框架下改进了 SwinIR 模型，在不同的训练阶段设计了不同的参数，从而使浅层特征提取和深层特征提取的时间都达到了最快的速度，最后利用 GPU 进行图片的训练和输出，最终取得了优秀奖。
参加了 CVPR 2023 1st foundation model challenge-Track2，用掩码数据建模方法，使用 BEiT-3 预训练模型对Baseline 中的图片编码器进行改进，从而增强了图片与文本之间的匹配能力。
该自创模型还使用了 RTMDet 目标检测算法，将车和人分开进行训练，针对其特征进行优化，去除相关无用背景，最终提高了模型跨模态匹配的准确性，拿到了前百分之5的优秀成绩在 AI studio 云服务器上部署 Vicuina 模型，并独立编写 Gradio web server 的页面，训练自己的数据集，实现了中英文的回复响应。
2 灵活胖子双一流学校肿瘤学博士毕业，目前就职于国内五大肿瘤中心之一科研方向为真实世界研究，生物信息学分析及人工智能研究目前以第一或共同第一作者身份发表SCI论文10余篇，累计IF50+目前与国内多个院校及医院有科研合作。
课程目录及安排第一部分：Python环境构建、基础语法及常见库应用1.conda及Linux基本语法讲解及python环境构建，包和环境的管理2.python基础语法3.python数据结构(数组 字典 元祖 集合的概念和作用)、面向对象思维 类的继承 闭包等重要思想
4.重要库的学习和使用，什么场景下使用？(pandas numpy matplotlib)5.pandas库的数据处理和分析：数据读取、清洗、转换、合并、分组和聚合等6.numpy库的数值计算和数组操作：数组创建、索引、切片、运算和统计等
7.Matplotlib库的基本用法及常见SCl图表绘制第二部分：Python机器学习与生存分析（每个库都包括数据准备、特征工程、模型训练和评估）1.机器学习基本概念和算法（包括监督学习和无监督学习方法的应用）
2.特征选择的方法3.机器学习常用的模型4.生存分析原理基本介绍5.Python机器学习的王者-sklearn库的用法详解(https://scikit-learn.org/stable/index.html)
6.最新机器学习算法的低代码版本-PyCaret库用法详解（https://pycaret.org/）7.常规生存分析方法学实现-lifelines库详解（https://lifelines.readthedocs.io/en/latest/）
8.基于机器学习/深度学习的生存分析算法的集大成者-Pycox包用法详解（https://github.com/havakv/pycox）第三部分：机器学习/深度学习模型可解释性（MONAI课程第七章节-时间需要原课程顺序进行）
常见的机器学习模型解释方法和技术（结构化数据的解释）局部解释方法，如LIME和SHAP实现与结果解读全局解释方法，如特征重要性图和模型解释图 实现与结果解释常见深度学习模型解释及可视化方案（非结构化数据）
深度学习模型解释与可视化方案实现（GradCAM/Occlusion sensitivity）授课形式及时间授课形式：远程在线实时直播授课授课时间：2023年3月初开课，本次课程为MONAI课程的部分章节，完整内容可联系助教获得。
答疑支持：建立课程专属微信群，1年内课程内容免费答疑视频回看：1年内免费无限次回看课程售价及售后保证费用共计2400元对公转账等手续务必提前联系助教承办公司：天企助力（天津）生产力促进有限公司奖励政策：学员应用所学内容发表10分以上文章可退还学费（具体要求及流程需要咨询助教）。
报名咨询可联系我的助教进行咨询
我的助教微信助教电话：程老师：18502623993
发表评论:
◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。