以下就是本次機器學習培訓的內容：
課程目標：
課程對于初學者而言，適合如下目標：
1)了解機器學習/深度學習的適用場景和基本原理(做不到掌握機器學習技術或者全面了解機器學習技術，只能是了解典型方法)
2)用兩三個典型的實驗任務，讓學員直觀感受到：機器學習能解決什么問題，大概是個什么效果。實驗任務均給定代碼，學員閱讀理解代碼、運行任務、調試效果。
3)對于有編程基礎的學員：能夠用機器學習工具處理簡單NLP任務
課程大綱：
?
機器學習的基本原理和典型模型介紹
1、機器學習簡介
2、線性回歸模型和梯度下降法
3、最大熵模型
4、支持向量機模型
5、無監督學習常用方法介紹
6、優化技巧：正則化和降維問題
實驗
1、實現梯度下降算法
2、分別使用線性回歸模型、最大熵模型解決垃圾郵件分類問題
3、無監督學習解決文檔聚類問題，并從特征降維角度優化效果和速度
深度學習基本原理和典型模型介紹
1、人工神經網絡基本原理
2、NNLM和word2vec介紹
3、CNN原理及應用
4、RNN原理及應用
5、Gans原理及應用
實驗
1、教師提供語料，學員使用word2vec訓練詞向量，并使用詞向量完成詞語相似度計算任務，觀察效果
2、安裝tensorflow，并運行指定的樣例任務，修改關鍵參數，觀察效果變化
3、使用tensorflow實現一個簡單的CNN網絡，在同樣的樣例上觀察效果
合作伙伴與授權機構
總部李老師
