班级规模及环境--热线:4008699035 手机:15921673576( 微信同号) |
坚持小班授课,为保证培训效果,增加互动环节,每期人数限3到5人。 |
上课时间和地点 |
开课地址:【上海】同济大学(沪西)/新城金郡商务楼(11号线白银路站)【深圳分部】:电影大厦(地铁一号线大剧院站) 【武汉分部】:佳源大厦【成都分部】:领馆区1号【沈阳分部】:沈阳理工大学【郑州分部】:锦华大厦【石家庄分部】:瑞景大厦【北京分部】:北京中山学院 【南京分部】:金港大厦
最新开班 (连续班 、周末班、晚班):即将开课,详情请咨询客服! |
实验设备 |
☆资深工程师授课
☆注重质量
☆边讲边练
☆合格学员免费推荐工作
★实验设备请点击这儿查看★ |
质量保障 |
1、培训过程中,如有部分内容理解不透或消化不好,可免费在以后培训班中重听;
2、课程完成后,授课老师留给学员手机和Email,保障培训效果,免费提供半年的技术支持。
3、培训合格学员可享受免费推荐就业机会。 |
课程大纲 |
|
- 第1章数据特征
1-1基本数值特征
1-2常用特征构造手段
1-3时间特征处理
1-4文本特征处理
1-5构造文本向
1-6词向量特征
1-7计算机眼中的图像
第2章降维算法-线性判别分析
2-1线性判别分析要解决的问题[免费试看]
2-2线性判别分析要优化的目标
2-3线性判别分析求解
2-4实现线性判别分析进行降维任务
2-5求解得出降维结果
第3章推荐系统
3-1推荐系统应用
3-2推荐系统要完成的任务
3-3相似度计算
3-4基于用户的协同过滤
3-5基于物品的协同过滤
3-6隐语义模型
3-7隐语义模型求解
3-8模型评估标
第4章Python从零打造音乐推荐系统
4-1音乐推荐任务概述
4-2数据集整合
4-3基于物品的协同过滤
4-4物品相似度计算与推荐
4-5SVD矩阵分解
4-6基于矩阵分解的音乐推荐
第5章基于统计分析的电影推荐
5-1数据与环境配置
5-2数据与关键词信息
5-3关键词云与直方图展示
5-4特征可视化
5-5数据清洗概述
5-6缺失值填充方法
5-7推荐引擎构造
5-8数据特征构造
5-9得出推荐结果
第6章GBDT提升算法
6-1回归树模型
6-2Adaboost算法
6-3GBDT工作流程
6-4回归任务
6-5分类任务
6-6迭代可视化
第7章提升算法框架对比
7-1GBDT效果
7-2Xgboost效果
7-3lightGBM效果
第8章使用lightgbm进行饭店流量预测
8-1饭店流量数据介绍
8-2数据汇总
8-3离群点筛选
8-4特征提取
8-5lightgbm建模
第9章人口普查数据集项目实战-收入预测
9-1人口普查预测任务概述
9-2单特征与缺失值展示
9-3数据清洗
9-4特征工程
9-5单变量展示
9-6双变量分析
9-7开发新变量
9-8ROC与AUC
9-9机器学习模型
第10章贝叶斯优化及其工具包使用
10-1贝叶斯优化概述
10-2工具包使用方法
10-3贝叶斯优化效果
10-4调整参数空间
第11章贝叶斯优化实战
11-1基础模型建立
11-2设置参数空间
11-3随机优化结果
11-4贝叶斯优化效果
11-5方法对比
11-6参数变化情况
第12章EM算法
12-1EM算法要解决的问题
12-2隐变量问题
12-3EM算法求解实例
12-4Jensen不等式
12-5GMM模型
12-6GMM实例
12-7GMM聚类
第13章HMM隐马尔科夫模型
13-1马尔科夫模型
13-2隐马尔科夫模型基本出发点
13-3组成与要解决的问题
13-4暴力求解方法
13-5复杂度计算
13-6前向算法
13-7前向算法求解实例
13-8Baum-Welch算法
13-9参数求解
13-10维特比算法
第14章HMM案例实战
14-1hmmlearn工具包
14-2工具包使用方法
14-3中文分词任务
14-4实现中文分词
第15章NLP-文本特征方法对比
15-1任务概述
15-2词袋模型
15-3词袋模型分析
15-4TFIDF模型
15-5word2vec词向量模型
15-6深度学习模型
第16章使用word2vec进行分类任务
16-1影评情感分类
16-2基于词袋模型训练分类器
16-3准备word2vec输入数据
16-4使用gensim构建word2vec词向量
第17章Tensorflow自己打造word2vec
17-1数据与任务流程
17-2数据清洗
17-3batch数据制作
17-4网络训练
17-5可视化展示
第18章制作自己的常用工具包
18-1为什么要做自己的数据工具包
18-2工具包注释
18-3缺失值处理
18-4其他处理方式概述
18-5工具包调用
第19章机器学习项目实战-数据处理与特征提取
19-1任务概述
19-2处理流程与数据简介
19-3数据处理
19-4单变量绘图分析
19-5离群点剔除
19-6变量与结果的关系
19-7多变量展示
19-8特征工程
第20章机器学习项目实战-建模与分析
20-1dataleakage问题
20-2基础模型对比
20-3选择参数
20-4测试模型效果
20-5模型的结果解释与参数分析
20-6机器学习常用模型分析方法介绍
|