400-888-5228

課程目標(biāo)

機(jī)器學(xué)習(xí)技術(shù)已經(jīng)逐步地應(yīng)用到新興互聯(lián)網(wǎng)企業(yè)(如電子商務(wù)網(wǎng)站、搜索引擎、社交網(wǎng)站、互聯(lián)網(wǎng)廣告服務(wù)提供商等)、銀行金融證券企業(yè)、電信運(yùn)營(yíng)等行業(yè),給這些行業(yè)帶來(lái)了一定的數(shù)據(jù)價(jià)值增值作用。

本課程主要講解機(jī)器學(xué)習(xí)的各種算法模型,使用場(chǎng)景及優(yōu)缺點(diǎn),同時(shí)通過(guò)實(shí)戰(zhàn)實(shí)驗(yàn)與實(shí)際業(yè)務(wù)的場(chǎng)景相結(jié)合,讓學(xué)員掌握機(jī)器學(xué)習(xí)算法的常用工具、訓(xùn)練方法、機(jī)器學(xué)習(xí)模型評(píng)估方法及選擇策略。

本次課程的算法實(shí)現(xiàn)以Python語(yǔ)言為程序代碼,要求學(xué)員具備Python基礎(chǔ),講師會(huì)提供培訓(xùn)過(guò)程中用到的數(shù)據(jù)集和Python示例代碼。

培訓(xùn)大綱

時(shí)間主題知識(shí)點(diǎn)
第一天1.?機(jī)器學(xué)習(xí)概述(1)?機(jī)器學(xué)習(xí)基礎(chǔ)

(2)?機(jī)器學(xué)習(xí)方式

(3)?有監(jiān)督、無(wú)監(jiān)督和半監(jiān)督

(4)?機(jī)器學(xué)習(xí)算法方式

2.?四大類機(jī)器學(xué)習(xí)模型與實(shí)現(xiàn)(1)?分類模型:識(shí)別問(wèn)題,用戶分級(jí)

(2)?聚類模型:細(xì)分問(wèn)題、異常處理問(wèn)題

(3)?關(guān)聯(lián)模型:交叉推廣問(wèn)題

(4)?回歸模型:動(dòng)態(tài)定價(jià),逾期與違約預(yù)測(cè)

3.?機(jī)器學(xué)習(xí)項(xiàng)目的構(gòu)建過(guò)程和機(jī)器學(xué)習(xí)工具(1)?機(jī)器學(xué)習(xí)項(xiàng)目的實(shí)現(xiàn)方式:Python準(zhǔn)備

(2)?機(jī)器學(xué)習(xí)項(xiàng)目的組織結(jié)構(gòu)

(3)?機(jī)器學(xué)習(xí)過(guò)程模型:訓(xùn)練建模、模型評(píng)估

(4)?成果發(fā)布:模型發(fā)布

(5)?機(jī)器學(xué)習(xí)工具原理

(6)?機(jī)器學(xué)習(xí)工具操作

第二天4.?線性回歸模型及應(yīng)用實(shí)踐(1)?線性回歸的算法原理及實(shí)現(xiàn)

(2)?線性回歸算法的應(yīng)用場(chǎng)景

(3)?線性回歸的Python訓(xùn)練建模與預(yù)測(cè)應(yīng)用

(4)?線性回歸操作實(shí)驗(yàn)安排:Python實(shí)現(xiàn)

5.?邏輯回歸模型及應(yīng)用實(shí)踐(1)?邏輯回歸模型的算法原理及實(shí)現(xiàn)

(2)?邏輯回歸的應(yīng)用場(chǎng)景

(3)?邏輯回歸的參數(shù)調(diào)優(yōu)

(4)?邏輯回歸的Python訓(xùn)練建模與預(yù)測(cè)應(yīng)用

(5)?邏輯回歸操作實(shí)驗(yàn)安排:Python實(shí)現(xiàn)

6.?決策樹模型及應(yīng)用實(shí)踐(1)?決策樹算法原理及實(shí)現(xiàn)思路

(2)?決策樹算法應(yīng)用場(chǎng)景

(3)?決策樹算法的參數(shù)調(diào)優(yōu)

(4)?決策樹模型的Python訓(xùn)練建模與預(yù)測(cè)應(yīng)用

(5)?決策樹操作實(shí)驗(yàn)安排:Python實(shí)現(xiàn)

7.?SVM支持向量機(jī)模型及應(yīng)用(1)?SVM算法原理及實(shí)現(xiàn)

(2)?SVM應(yīng)用場(chǎng)景

(3)?SVM的參數(shù)調(diào)優(yōu)與核函數(shù)

(4)?SVM的Python訓(xùn)練建模與預(yù)測(cè)應(yīng)用

(5)?SVM操作實(shí)驗(yàn)安排:Python實(shí)現(xiàn)

8.?隨機(jī)森林模型及應(yīng)用(1)?隨機(jī)森林的思路和思想

(2)?隨機(jī)森林的應(yīng)用場(chǎng)景

(3)?隨機(jī)森林的參數(shù)調(diào)優(yōu)

(4)?隨機(jī)森林算法的集成應(yīng)用

(5)?隨機(jī)森林的Python訓(xùn)練建模與預(yù)測(cè)應(yīng)用

(6)?隨機(jī)森林操作實(shí)驗(yàn)安排:Python實(shí)現(xiàn)

第三天9.?xgboost/GBDT模型(1)?xgboost/GBDT算法思想

(2)?xgboost/GBDT在分類預(yù)測(cè)中的優(yōu)勢(shì)和場(chǎng)景

(3)?xgboost實(shí)現(xiàn)GB和DT的高效調(diào)優(yōu)

(4)?xgboost/GBDT的Python應(yīng)用操作

(5)?xgboost/GBDT操作實(shí)驗(yàn)安排:Python實(shí)現(xiàn)

10.?神經(jīng)網(wǎng)絡(luò)模型:CNN和RNN(1)?神經(jīng)網(wǎng)絡(luò)算法模型的原理及實(shí)現(xiàn)

(2)?常見(jiàn)的6個(gè)神經(jīng)網(wǎng)絡(luò)算法模型原理

(3)?深度學(xué)習(xí)框架TensorFlow實(shí)現(xiàn)及應(yīng)用

(4)?CNN深度學(xué)習(xí)算法的實(shí)現(xiàn)及應(yīng)用

(5)?基于TensorFlow和keras的深度學(xué)習(xí)模型的訓(xùn)練、評(píng)估和預(yù)測(cè)

(6)?文本分類識(shí)別操作實(shí)驗(yàn)安排:Python實(shí)現(xiàn)

11.?模型評(píng)估方法和模型選擇,

大作業(yè)操作案例

(1)?不同模型的評(píng)價(jià)方法指標(biāo)

(2)?無(wú)監(jiān)督機(jī)器學(xué)習(xí)的模型選擇方法

(3)?有監(jiān)督機(jī)器學(xué)習(xí)的模型選擇方法

(4)?樣本不平衡問(wèn)題的處理

(5)?特征工程的問(wèn)題對(duì)算法準(zhǔn)確率的幫助

(6)?講師給定一個(gè)數(shù)據(jù)集,對(duì)講過(guò)的內(nèi)容知識(shí)點(diǎn),用一個(gè)項(xiàng)目串聯(lián)起來(lái)實(shí)現(xiàn)一個(gè)完整的項(xiàng)目