随报随学 | 共11课 | ★★★ |
开课时间 | 课程周期 | 难易度 |
第1课 机器学习概论
第2课 线性回归与Logistic。案例:电子商务业绩预测
第3课 岭回归,Lasso,变量选择技术。从一团乱麻中识别有用维度的技巧
第4课 降维技术。案例:业绩综合指标设计
第5课 线性分类器,Knn算法,朴素贝叶斯分类器,文本挖掘,案例:智能判断垃圾短信,通过文本挖掘给用户加标签,评论自动分析,用户流失预警
第6课 决策树,组合提升算法,bagging和adaboost,随机森林。案例:运营商用户分析
第7课 支持向量机,为什么能理解SVM的人凤毛麟角?
第8课 人工神经网络,单层感知器,线性神经网络,BP神经网络,基于梯度下降的学习算法,图像压缩和银行用户信用评估
第9课 通用逼近器径向基函数神经网络,在新观点下审视PDA和SVM。Hopfield联想记忆型神经网络。案例:字符识别,人脸识别
第10课 概率神经网络和信念贝叶斯分类器
第11课 聚类,孤立点判别。案例:推荐系统,自动品酒器,作弊识别,社会系统团体识别
1、 学习方式:老师发布教学资料、教材,幻灯片和视频,学员通过网络下载学习。同时通过论坛互动中老师对学员进行指导及学员之间相互交流。
2、 学习作业:每课均有布置课后作业,学员完成书面作业后则可进入下一课学习。
3、 老师辅导:通过论坛站内信及邮件等多种方式与老师进行一对一互动。
4、 完成课程:最后一课作业交纳后,老师完成作业批改,即可完成课程并取回相应剩余的逆向学费。
GMT+8, 2024-12-7 20:55 , Processed in 0.088757 second(s), 33 queries .