|
26896| 99
|
機器學(xué)習(xí)的最佳入門學(xué)習(xí)課程全套-資源共享吧收集
[復(fù)制鏈接]
|
|
課程內(nèi)容：
此課程所屬【數(shù)據(jù)分析師專業(yè)】 課程介紹： 機器學(xué)習(xí)是指一套工具、方法或程式，使到我們可以從現(xiàn)實世界的海量數(shù)據(jù)里提煉出有價值的知識，規(guī)則和模式，然后將它們反哺給前臺應(yīng)用系統(tǒng)，進行預(yù)測，推薦等能產(chǎn)生直接經(jīng)濟價值的場景，給用戶帶來“機器具備人類般高智能”的震撼性體驗。對于數(shù)據(jù)越來越多，而人力成本又越來越高的大數(shù)據(jù)時代，機器學(xué)習(xí)能降低企業(yè)進行數(shù)據(jù)分析的成本，掌控有關(guān)技術(shù)，可以給企業(yè)和個人帶來巨大的價值。 機器學(xué)習(xí)，人工智能，數(shù)據(jù)挖掘，模式識別等技術(shù)，其實是同一座山峰在不同視角下的側(cè)影，其技術(shù)內(nèi)涵幾乎是一樣的，都是回歸，分類器，聚類，頻繁模式挖掘，神經(jīng)網(wǎng)絡(luò)等等，我們學(xué)習(xí)機器識別的同時，學(xué)到的知識同樣也可以用于數(shù)據(jù)挖掘和設(shè)計機器人這樣高度智能化的產(chǎn)品，這些領(lǐng)域概念之間至少在技術(shù)上沒有界限，是互相滲透的。 本課程的受眾主要是沒有經(jīng)過專業(yè)訓(xùn)練的IT專業(yè)人員，他們可能是程序員，運維，IT系統(tǒng)架構(gòu)師等等，也適合沒有經(jīng)過科班訓(xùn)練的數(shù)據(jù)分析師。數(shù)據(jù)分析是一個業(yè)務(wù)+算法+IT的交叉領(lǐng)域，同時熟悉這三方面知識的人，可以玩轉(zhuǎn)大數(shù)據(jù)，產(chǎn)生無窮無盡的花樣，產(chǎn)生巨大的價值。但很無奈的情況是這種人才太少，IT人員即使熟悉本公司的業(yè)務(wù)，但同時又熟悉算法的人極少。一般只能做一些簡單的維度統(tǒng)計，指標計算等等，如果說到開發(fā)更高智能的系統(tǒng)，知識上鞭長莫及。本課程的目標，正是要打破知識的鴻溝，向IT人員普及算法知識，并把這些知識用于實際項目，把中國的機器學(xué)習(xí)應(yīng)用能力提高一個臺階。 課程內(nèi)容： 第1周 機器學(xué)習(xí)概論 第2周 線性回歸與Logistic。案例：電子商務(wù)業(yè)績預(yù)測 第3周 嶺回歸，Lasso，變量選擇技術(shù)。從一團亂麻中識別有用維度的技巧 第4周 降維技術(shù)。案例：業(yè)績綜合指標設(shè)計 第5周 線性分類器，Knn算法，樸素貝葉斯分類器，文本挖掘，案例：智能判斷垃圾短信，通過文本挖掘給用戶加標簽，評論自動分析，用戶流失預(yù)警 第6周 決策樹，組合提升算法，bagging和adaboost，隨機森林。案例：運營商用戶分析 第7周 支持向量機，為什么能理解SVM的人鳳毛麟角？ 第8周 人工神經(jīng)網(wǎng)絡(luò)，單層感知器，線性神經(jīng)網(wǎng)絡(luò)，BP神經(jīng)網(wǎng)絡(luò)，基于梯度下降的學(xué)習(xí)算法，圖像壓縮和銀行用戶信用評估 第9周 通用逼近器徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)，在新觀點下審視PDA和SVM。Hopfield聯(lián)想記憶型神經(jīng)網(wǎng)絡(luò)。案例：字符識別，人臉識別 第10周 概率神經(jīng)網(wǎng)絡(luò)和信念貝葉斯分類器 第11周 聚類，孤立點判別。案例：推薦系統(tǒng)，自動品酒器，作弊識別，社會系統(tǒng)團體識別
購買主題
已有 14 人購買
本主題需向作者支付 10 資源幣 才能瀏覽
| |
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
小黑屋|資源共享吧 ( 瓊ICP備2023000410號-1 )
GMT+8, 2024-10-23 01:54 , Processed in 0.053022 second(s), 16 queries , MemCached On.
發(fā)表于 2015-12-1 21:30:45
收藏