亚洲欧美国产97综合首页,久久丝袜精品综合网站,精品国产电影久久九九,国产一区二区免费精品

  • <small id="kosyt"><tbody id="kosyt"><small id="kosyt"></small></tbody></small>

          <td id="kosyt"><ins id="kosyt"><label id="kosyt"></label></ins></td>
        1. <source id="kosyt"><ins id="kosyt"></ins></source>
               登錄    注冊
            

          機器學(xué)習(xí)應(yīng)用班全套視頻教程下載

          • 在線客服:有事聯(lián)系我哦     點擊這里給我發(fā)消息    itying微信客服    交流群:it營
          • 適合人群: 中級
          • 更新程度: 完成
          • 主要技術(shù): Python
          • 用到技術(shù): Python
          • 提示: 此商品已被上傳者刪除,無法找到此商品,更多教程請訪問大地專欄...

          瀏覽歷史

          課程描述

          相關(guān)課程

          還購買過

          機器學(xué)習(xí)應(yīng)用班全套視頻教程下載

           


           

           
           

          課程介紹:

           

          此套機器學(xué)習(xí)應(yīng)用班全套視頻教程將從實際案例出發(fā),呈現(xiàn)真實生產(chǎn)環(huán)境,內(nèi)容包括怎么選特征,怎么處理特征,怎么選模型,怎么評估模型,進而在項目 系統(tǒng) 應(yīng)用的基本框架下,逐一分析:原理 代碼 案例 數(shù)據(jù) 場景 模型 效果 調(diào)參。學(xué)習(xí)者需要一定的編程語言、數(shù)據(jù)結(jié)構(gòu)、算法基礎(chǔ)。換句話說,本課程不僅讓學(xué)員了解實際BAT工業(yè)界各領(lǐng)域:推薦系統(tǒng)、圖像、CTR預(yù)估、深度學(xué)習(xí)等是怎么運用一些機器學(xué)習(xí)算法的,更讓學(xué)員真正學(xué)會分析數(shù)據(jù)/場景/需求(包括什么場景下用什么最好,哪個最合適 或者說怎么用最合適)、處理特征,從而根據(jù)數(shù)據(jù)/場景/需求/特征選擇合適模型,處理實際機器學(xué)習(xí)問題,最終助力升職加薪。且10次課基本每次課都有原理、有應(yīng)用、有代碼、有案例、有數(shù)據(jù)、有作業(yè),這是七月在線應(yīng)用類課程的標配。



          機器學(xué)習(xí)應(yīng)用班全套視頻教程目錄結(jié)構(gòu)介紹:

           

          第一課 機器學(xué)習(xí)中的數(shù)學(xué)基礎(chǔ)
          1 必要的微積分、概率統(tǒng)計基礎(chǔ)
          2 必要的矩陣、凸優(yōu)化基礎(chǔ)

          第二課 隨機森林及其應(yīng)用
          決策樹 隨機森林、GBDT、模型評估、ROC、機器學(xué)習(xí)的流程
          案例:利用隨機森林進行Kinect手勢判斷

          第三課 特征工程與模型調(diào)優(yōu)
          內(nèi)容:數(shù)據(jù)獲取、數(shù)據(jù)清洗、特征抽取、特征選擇與融合、模型調(diào)參
          目標:掌握實際工程數(shù)據(jù)上的特征處理與特征選擇,及解決實際機器學(xué)習(xí)項目的一般途徑、模式
          說明:實際機器學(xué)習(xí)工作中,分析問題、處理數(shù)據(jù)、處理特征占絕大部分工作

          第四課 推薦系統(tǒng)
          基于內(nèi)容的推薦,協(xié)同過濾,隱語義模型,排序模型
          案例:基于用戶打分的電影推薦系統(tǒng)
          學(xué)員評價:“推薦系統(tǒng)講了個kaggle比賽案例,從數(shù)據(jù)清洗,特征構(gòu)建,建模~整個流程過了一遍,每一步是什么思路,我個人覺得這種講法非常好。對我比較實用,有個整體的把握。上周的特征工程和模型調(diào)優(yōu)也是受益匪淺”

          第五課 從分類到CTR預(yù)估
          分類問題與LR, SVM, Random Forest,GBDT;從分類到CTR預(yù)估與排序
          案例:電商分類與各種模型融合,CTR預(yù)估
          說明:本次課程中最“貴”的一次課,之所以稱為貴,是因為本次課所分享的CTR預(yù)估與排序是Google/baidu等互聯(lián)網(wǎng)公司廣告技術(shù)的重要核心點。

          第六課 自然語言處理應(yīng)用基礎(chǔ)
          文本的表示,文本分類,樸素貝葉斯,語言模型,HMM介紹,TFIDF
          案例:用樸素貝葉斯實現(xiàn)新聞數(shù)據(jù)的自動分類

          第七課 深度學(xué)習(xí)在自然語言處理中的應(yīng)用
          - 自編碼網(wǎng)絡(luò):簡單粗暴的文本向量化方法
          - 語義網(wǎng)絡(luò):文本算法在工業(yè)上上的應(yīng)用
          - 卷積神經(jīng)網(wǎng)絡(luò):CNN在自然語言處理中的應(yīng)用
          案例:從每日新聞中預(yù)測金融市場變化

          第八課 圖像檢索
          圖像與特征提取,卷積神經(jīng)網(wǎng)絡(luò)與圖像特征表示,近似最近鄰
          案例:基于卷積神經(jīng)網(wǎng)絡(luò)和近似最近鄰的圖像檢索
           
          第九課 基于深度學(xué)習(xí)模型的物體檢測與識別
          內(nèi)容:
          1.物體檢測問題介紹與一般流程
          2.關(guān)鍵技術(shù)分析(特征提取、目標框提取、NMS等)
          3.最新論文選講:從RNN到Faster-RCNN, GNN, FCN等
          案例:在PASCAL數(shù)據(jù)庫上訓(xùn)練一個Faster-RCNN模型

          第十課 社交網(wǎng)絡(luò)在工業(yè)界的應(yīng)用
          互聯(lián)網(wǎng)金融反欺詐介紹
          探索社交網(wǎng)絡(luò)算法
          案例:社交網(wǎng)絡(luò)算法在金融反欺詐中的應(yīng)用

           

           

           

          機器學(xué)習(xí)應(yīng)用班全套視頻教程部分資料截圖展示:

           

           

           

           

           

           

           

           

           

           

          IT營(itying.com)官網(wǎng)轉(zhuǎn)載的文章、圖片等資料的版權(quán)歸版權(quán)所有人所有,因無法和版權(quán)所有者一一聯(lián)系,如果本網(wǎng)站選取的文/圖威脅到您的權(quán)益,請您及時和IT營站長聯(lián)系。
          我們會在第一時間內(nèi)采取措施,避免給雙方造 成不必要的損失。IT營(itying.com)官網(wǎng)商品均為虛擬商品,因發(fā)貨后無法收回,故購買后不支持退款,請悉知。有問題可以聯(lián)系客服咨詢(客服上班時間:8:00-21:30)。

          在線客服:點擊這里給我發(fā)消息      點擊這里給我發(fā)消息      有事聯(lián)系我哦   

          公安備案:鄂公網(wǎng)安備 42050202000392號  ICP備案證書號:鄂ICP備17020565號-1