登录    注册
  

机器学习应用班全套视频教程下载

  • 在线客服:有事联系我哦     点击这里给我发消息    itying微信客服    交流群:it营
  • 适合人群: 中级
  • 更新程度: 完成
  • 主要技术: Python
  • 用到技术: Python
  • 提示: 此商品已被上传者删除,无法找到此商品,更多教程请访问大地专栏...

浏览历史

课程描述

相关课程

还购买过

机器学习应用班全套视频教程下载

 


 

 
 

课程介绍:

 

此套机器学习应用班全套视频教程将从实际案例出发,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。学习者需要一定的编程语言、数据结构、算法基础。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。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。



机器学习应用班全套视频教程目录结构介绍:

 

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

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
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
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
分类问题与LR, SVM, Random Forest,GBDT;从分类到CTR预估与排序
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。

第六课 自然语言处理应用基础
文本的表示,文本分类,朴素贝叶斯,语言模型,HMM介绍,TFIDF
案例:用朴素贝叶斯实现新闻数据的自动分类

第七课 深度学习在自然语言处理中的应用
- 自编码网络:简单粗暴的文本向量化方法
- 语义网络:文本算法在工业上上的应用
- 卷积神经网络:CNN在自然语言处理中的应用
案例:从每日新闻中预测金融市场变化

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
 
第九课 基于深度学习模型的物体检测与识别
内容:
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

第十课 社交网络在工业界的应用
互联网金融反欺诈介绍
探索社交网络算法
案例:社交网络算法在金融反欺诈中的应用

 

 

 

机器学习应用班全套视频教程部分资料截图展示:

 

 

 

 

 

 

 

 

 

 

IT营(itying.com)官网转载的文章、图片等资料的版权归版权所有人所有,因无法和版权所有者一一联系,如果本网站选取的文/图威胁到您的权益,请您及时和IT营站长联系。
我们会在第一时间内采取措施,避免给双方造 成不必要的损失。IT营(itying.com)官网商品均为虚拟商品,因发货后无法收回,故购买后不支持退款,请悉知。有问题可以联系客服咨询(客服上班时间:8:00-21:30)。

在线客服:点击这里给我发消息      点击这里给我发消息      有事联系我哦   

公安备案:鄂公网安备 42050202000392号  ICP备案证书号:鄂ICP备17020565号-1