《第 8 期机器学习算法班》大纲讨论稿,再次特大升级


六大阶段,从数学、到基本模型、特征工程、工业实战、高阶知识、深度学习,层层深入、逐层递进,直通机器学习本质与其应用
第一阶段 夯实数学基础
第1课 机器学习中的微积分与矩阵(管)
Taylor展式、梯度下降和牛顿法初步
特征向量、对称矩阵对角化、线性方程

第2课 概率与凸优化(布)
矩估计、极大似然估计
凸集、凸函数、凸优化、KKT条件

第二阶段 掌握基本模型
第3课 回归问题与应用(寒)
知识内容:线性回归、logistic回归、梯度下降
实践示例:分布拟合与回归、用LR分类与概率预测
工程经验:实际工程海量数据下的logistic回归使用,包括样本处理、特征处理、算法调优和背后的原理

第4课 决策树、随机森林、GBDT(加)
知识内容:决策树 随机森林、GBDT
实践案例:使用随机森林进行数据分类

第5课 SVM(冯)
知识内容:线性可分支持向量机、线性支持向量机、非线性支持向量机、SMO
实践案例: 使用SVM进行数据分类

第6课 最大熵与EM算法(褚)
熵、相对熵、信息增益、最大熵模型、IIS、GMM

第三阶段 特征工程
第7课 机器学习中的特征工程处理(寒)
知识内容:数据清洗、异常点处理、特征抽取、选择与组合策略
实践动手:特征处理与特征选择工具与模板

第8课 多算法组合与模型最优化(寒)
知识内容:机器学习问题场景分析、算法选择、模型构建、模型性能分析与优化策略
实践动手:构建模型组合策略工具与模板

第四阶段 工业实战
第9课 sklearn与机器学习实战(寒)
知识内容:sklearn板块介绍,组装与建模流程搭建
实践案例:经典Titanic案例,商品销量预测案例等

第10课 高级工具xgboost/lightGBM与建模实战(寒)
知识内容:xgboost与lightGBM使用方法与高级功能
实践案例:Titanic与商品销量预测进阶,Kaggle案例实战

第11课 用户画像与推荐系统(寒)
知识内容:基于内容的推荐,协同过滤,隐语义模型,learning to rank,推荐系统评估
实践案例:实际打分数据上的推荐系统构建

第12课 聚类
K-means/K-Medoid/层次聚类
实践示例:K-means代码实现和实际应用分析

第13课 聚类与推荐系统实战(寒)
案例:用户聚类结合推荐算法,构建推荐系统案例

第五阶段 高阶知识
第14课 贝叶斯网络(冯)
朴素贝叶斯、有向分离、马尔科夫模型

第15课 隐马尔科夫模型HMM(冯)
概率计算问题、参数学习问题、状态预测问题
实践案例:使用HMM进行中文分词

第16课 主题模型(加)
pLSA、共轭先验分布、LDA
实践案例:使用LDA进行文档分类

第六阶段 迈入深度学习
第17课 神经网络初步(寒)
知识内容:全连接神经网络、反向传播算法与权重优化,训练注意点
实践案例:构建神经网络解决非线性切分问题

第18课 卷积神经网络与计算机视觉(彭)
知识内容:卷积神经网络结构分析、过拟合与随机失活,卷积神经网络理解
实践案例:工业界常用网络结构与搭建

第19课 循环神经网络与自然语言处理(寒)
知识内容:循环神经网络、长时依赖问题与长短时记忆网络,BPTT算法
实践案例:利用循环神经网络生成文本、学汪峰写歌词

第20课 深度学习实践(寒)
知识内容:Caffe应用要点、TensorFlow/Keras简介
实践案例:用Caffe在自己的数据集上完成分类,用Tensorflow构建RNN模型分类预测
已邀请:

July - 抠细节抠体验,不妥协不将就。

赞同来自: SuiRunCheng Mars


4.22日起 开播
六大阶段,从数学、到基本模型、特征工程、工业实战、高阶知识、深度学习,层层深入、逐层递进,直通机器学习本质与其应用

要回复问题请先登录注册

返回顶部