2018年最新机器学习工程师班视频教程附代码课件 20课

课程介绍

本课程从机器学习中的数学基础、到基本模型、特征工程、工业实战、高阶知识、深度学习，六大阶段，层层深入、逐层递进，直通机器学习本质与其应用，且解决以下十大问题，微积分与矩阵知识在机器学习中如何应用、逻辑回归如何在海量工业实战数据下应用、如何对商品销量进行高准确率预测、如何使用隐马尔可夫模型（HMM）对中文进行分词、如何使用随机森林和支持向量机（SVM）对数据进行分类、如何使用Tensorflow构建RNN模型进行分类预测、如何使用LDA等对文档进行分类、如何自己构建数据集并使用Caffe进行分类、如何使用xgboost与lightGBM在Kaggle比赛中获胜、如何使用循环神经网络抓取文本特征

课程目录

夯实数学基础

第1课 机器学习中的微积分与矩阵

知识点1：Taylor展式、梯度下降和牛顿法初步

知识点2：特征向量、对称矩阵对角化、线性方程

第2课 概率与凸优化

知识点1：矩估计、极大似然估计

知识点2：凸集、凸函数、凸优化、KKT条件

掌握基本模型 打开ML大门

第3课 回归问题与应用

知识点1：线性回归、logistic回归、梯度下降

实战项目：分布拟合与回归、用LR分类与概率预测

实战项目：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

知识点1：决策树 随机森林、GBDT

实战项目：使用随机森林进行数据分类

第5课 SVM

知识点1：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

实战项目：使用SVM进行数据分类

第6课 最大熵与EM算法

知识点1：熵、相对熵、信息增益、最大熵模型、IIS、GMM

重中之重 特征工程

第7课 机器学习中的特征工程处理

知识点1：数据清洗、异常点处理、特征抽取、选择与组合策略

实战项目：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

知识点1：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

实战项目：构建模型组合策略工具与模板

工业实战 在实战中掌握一切

第9课 sklearn与机器学习实战

知识点1：sklearn板块介绍，组装与建模流程搭建

实战项目：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

知识点1：xgboost与lightGBM使用方法与高级功能

实战项目：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

知识点1：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

实战项目：实际打分数据上的推荐系统构建

第12课 聚类

知识点1：K-means/K-Medoid/层次聚类

实战项目：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

实战项目：用户聚类结合推荐算法，构建推荐系统完整案例（送完整可运行的代码）

高阶知识 深入机器学习

第14课 贝叶斯网络

知识点1：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

知识点1：概率计算问题、参数学习问题、状态预测问题

实战项目：使用HMM进行中文分词

第16课 主题模型

知识点1：pLSA、共轭先验分布、LDA

实战项目：使用LDA进行文档分类

迈入深度学习 打开DL大门

第17课 神经网络初步

知识点1：全连接神经网络、反向传播算法与权重优化，训练注意点

实战项目：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

知识点1：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

实战项目：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

知识点1：循环神经网络、长时依赖问题与长短时记忆网络，BPTT算法

实战项目：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

知识点1：Caffe应用要点、TensorFlow/Keras简介

实战项目：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

课程展示