 班級規模及環境--熱線:4008699035 手機:15921673576( 微信同號) |
|
每期人數限3到5人。 |
| 上課時間和地點 |
開課地址：【上海】同濟大學(滬西)/新城金郡商務樓(11號線白銀路站)【深圳分部】：電影大廈(地鐵一號線大劇院站) 【武漢分部】：佳源大廈【成都分部】：領館區1號【沈陽分部】：沈陽理工大學【鄭州分部】：錦華大廈【石家莊分部】：瑞景大廈【北京分部】：北京中山學院 【南京分部】：金港大廈
最新開班 (連續班 、周末班、晚班）：2020年3月16日 |
| 實驗設備 |
☆資深工程師授課
☆注重質量
☆邊講邊練
☆合格學員免費推薦工作
★實驗設備請點擊這兒查看★ |
| 質量保障 |
1、培訓過程中，如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
2、培訓結束后,授課老師留給學員聯系方式,保障培訓效果,免費提供課后技術支持。
3、培訓合格學員可享受免費推薦就業機會。 |
課程大綱 |
| |
- 第1章數據特征
1-1基本數值特征
1-2常用特征構造手段
1-3時間特征處理
1-4文本特征處理
1-5構造文本向
1-6詞向量特征
1-7計算機眼中的圖像
第2章降維算法-線性判別分析
2-1線性判別分析要解決的問題[免費試看]
2-2線性判別分析要優化的目標
2-3線性判別分析求解
2-4實現線性判別分析進行降維任務
2-5求解得出降維結果
第3章推薦系統
3-1推薦系統應用
3-2推薦系統要完成的任務
3-3相似度計算
3-4基于用戶的協同過濾
3-5基于物品的協同過濾
3-6隱語義模型
3-7隱語義模型求解
3-8模型評估標
第4章Python從零打造音樂推薦系統
4-1音樂推薦任務概述
4-2數據集整合
4-3基于物品的協同過濾
4-4物品相似度計算與推薦
4-5SVD矩陣分解
4-6基于矩陣分解的音樂推薦
第5章基于統計分析的電影推薦
5-1數據與環境配置
5-2數據與關鍵詞信息
5-3關鍵詞云與直方圖展示
5-4特征可視化
5-5數據清洗概述
5-6缺失值填充方法
5-7推薦引擎構造
5-8數據特征構造
5-9得出推薦結果
第6章GBDT提升算法
6-1回歸樹模型
6-2Adaboost算法
6-3GBDT工作流程
6-4回歸任務
6-5分類任務
6-6迭代可視化
第7章提升算法框架對比
7-1GBDT效果
7-2Xgboost效果
7-3lightGBM效果
第8章使用lightgbm進行飯店流量預測
8-1飯店流量數據介紹
8-2數據匯總
8-3離群點篩選
8-4特征提取
8-5lightgbm建模
第9章人口普查數據集項目實戰-收入預測
9-1人口普查預測任務概述
9-2單特征與缺失值展示
9-3數據清洗
9-4特征工程
9-5單變量展示
9-6雙變量分析
9-7開發新變量
9-8ROC與AUC
9-9機器學習模型
第10章貝葉斯優化及其工具包使用
10-1貝葉斯優化概述
10-2工具包使用方法
10-3貝葉斯優化效果
10-4調整參數空間
第11章貝葉斯優化實戰
11-1基礎模型建立
11-2設置參數空間
11-3隨機優化結果
11-4貝葉斯優化效果
11-5方法對比
11-6參數變化情況
第12章EM算法
12-1EM算法要解決的問題
12-2隱變量問題
12-3EM算法求解實例
12-4Jensen不等式
12-5GMM模型
12-6GMM實例
12-7GMM聚類
第13章HMM隱馬爾科夫模型
13-1馬爾科夫模型
13-2隱馬爾科夫模型基本出發點
13-3組成與要解決的問題
13-4暴力求解方法
13-5復雜度計算
13-6前向算法
13-7前向算法求解實例
13-8Baum-Welch算法
13-9參數求解
13-10維特比算法
第14章HMM案例實戰
14-1hmmlearn工具包
14-2工具包使用方法
14-3中文分詞任務
14-4實現中文分詞
第15章NLP-文本特征方法對比
15-1任務概述
15-2詞袋模型
15-3詞袋模型分析
15-4TFIDF模型
15-5word2vec詞向量模型
15-6深度學習模型
第16章使用word2vec進行分類任務
16-1影評情感分類
16-2基于詞袋模型訓練分類器
16-3準備word2vec輸入數據
16-4使用gensim構建word2vec詞向量
第17章Tensorflow自己打造word2vec
17-1數據與任務流程
17-2數據清洗
17-3batch數據制作
17-4網絡訓練
17-5可視化展示
第18章制作自己的常用工具包
18-1為什么要做自己的數據工具包
18-2工具包注釋
18-3缺失值處理
18-4其他處理方式概述
18-5工具包調用
第19章機器學習項目實戰-數據處理與特征提取
19-1任務概述
19-2處理流程與數據簡介
19-3數據處理
19-4單變量繪圖分析
19-5離群點剔除
19-6變量與結果的關系
19-7多變量展示
19-8特征工程
第20章機器學習項目實戰-建模與分析
20-1dataleakage問題
20-2基礎模型對比
20-3選擇參數
20-4測試模型效果
20-5模型的結果解釋與參數分析
20-6機器學習常用模型分析方法介紹
|
首頁 課程表 在線聊 報名 講師 品牌 QQ聊 活動 就業