7月_机器学习应用班-2016 52 回复 804 查看打印上一主题下一主题 - 起点学堂 - - 为你精选优质好课

本7月ml应用班将从实际案例出发，呈现真实生产环境，内容包括怎么选特征，怎么处理特征，怎么选模型，怎么评估模型，进而在项目系统应用的基本框架下，逐一分析：原理代码案例数据场景模型效果调参。+ H- ?8 s* n! t2 l% K$ |
% J( }; }" m6 b$ o3 T& R1 W
换句话说，本课程不仅让学员了解实际BAT工业界各领域：推荐系统、图像、CTR预估、深度学习等是怎么运用一些机器学习算法的，更让学员真正学会分析数据/场景/需求（包括什么场景下用什么最好，哪个最合适或者说怎么用最合适）、处理特征，从而根据数据/场景/需求/特征选择合适模型，处理实际机器学习问题，最终助力升职加薪。
" C( N) d$ E* _% G( \2 L! v
且10次课基本每次课都有原理、有应用、有代码、有案例、有数据、有作业，这是七月在线应用类课程的标配。+ A5 g. w. p  o
9 C& G' y/ z3 J' a; h% y% {
预备基础：一定的编程语言、数据结构、算法基础。
# [* b9 }1 y9 f! z' D9 u  O
上课语言：Python为主。
5 t, S0 }) u. k+ ]# y
8 u* U( V( A2 _
课程大纲% }) c) I0 r6 r! c. n9 W
第一课机器学习中的数学基础
1 必要的微积分、概率统计基础
2 必要的矩阵、凸优化基础, S6 O9 Z. {$ v7 r0 S$ M
- S* U3 }! w* w" X' J
第二课随机森林及其应用
决策树随机森林、GBDT、模型评估、ROC、机器学习的流程6 E0 J* c  M6 ^( ?, b% h# Y5 D
案例：利用随机森林进行Kinect手势判断

第三课特征工程与模型调优
内容：数据获取、数据清洗、特征抽取、特征选择与融合、模型调参
目标：掌握实际工程数据上的特征处理与特征选择，及解决实际机器学习项目的一般途径、模式
说明：实际机器学习工作中，分析问题、处理数据、处理特征占绝大部分工作

第四课推荐系统( r/ y( Q! Y2 Z8 ?  \5 u0 ~& L7 X
基于内容的推荐，协同过滤，隐语义模型，排序模型
案例：基于用户打分的电影推荐系统
学员评价：“推荐系统讲了个kaggle比赛案例，从数据清洗，特征构建，建模~整个流程过了一遍，每一步是什么思路，我个人觉得这种讲法非常好。对我比较实用，有个整体的把握。上周的特征工程和模型调优也是受益匪浅”

第五课从分类到CTR预估& w1 l0 v2 q& U6 u
分类问题与LR, SVM, Random Forest，GBDT;从分类到CTR预估与排序+ m: Q' Y0 w. U( W: ?" V) Y- {3 M
案例：电商分类与各种模型融合，CTR预估
说明：本次课程中最“贵”的一次课，之所以称为贵，是因为本次课所分享的CTR预估与排序是Google/baidu等互联网公司广告技术的重要核心点。
* O1 |8 u9 u' z1 _; J7 x
第六课自然语言处理应用基础# n; \8 z6 S8 @/ j+ [, i
文本的表示，文本分类，朴素贝叶斯，语言模型，HMM介绍，TFIDF" f6 E8 o- L  p4 s( n: O
案例：用朴素贝叶斯实现新闻数据的自动分类* Y/ v4 `. d! S3 p
5 T/ m$ C8 Q1 X0 ~9 M4 ^3 h' A
第七课深度学习在自然语言处理中的应用9 s8 ?7 Q+ r( |( ?1 e2 A
- 自编码网络：简单粗暴的文本向量化方法  j, J; [# O! _  O5 ?
- 语义网络：文本算法在工业上上的应用' T' b. }8 z& Z, d: \! R
- 卷积神经网络：CNN在自然语言处理中的应用: Q, U1 Z0 n0 n( X
案例：从每日新闻中预测金融市场变化
# t3 E+ _& O5 U2 n3 h+ M
第八课图像检索
图像与特征提取，卷积神经网络与图像特征表示，近似最近邻
案例：基于卷积神经网络和近似最近邻的图像检索+ x( ~$ {+ w5 A3 }* Q

第九课基于深度学习模型的物体检测与识别
内容：+ Y; l+ V3 r+ B& A
1.物体检测问题介绍与一般流程
2.关键技术分析（特征提取、目标框提取、NMS等）
3.最新论文选讲：从RNN到Faster-RCNN, GNN, FCN等
案例：在PASCAL数据库上训练一个Faster-RCNN模型
5 U; i% |7 F7 u: C0 ~( N: q' x8 H
第十课社交网络在工业界的应用( |1 g6 T: z5 A) f4 J
互联网金融反欺诈介绍
探索社交网络算法- W# @7 a: v* E
案例：社交网络算法在金融反欺诈中的应用' [% u* E" f2 |3 G3 x) ^

下载地址:geo# K9 [" ~+ P$ ?