课程介绍
你是否在自学了大半年的机器学习之后,遇到了很多很多的问题但苦于没人及时指导、没人第一时间给你解决/答疑?
你是否学习了很多看起来很高大上的模型和算法,却不知它们在公司里、在工业界是如何应用的?
你是否即将毕业,希望寻找一份机器学习工程师的工作,但简历上却无机器学习项目的经验,而屡屡简历遭拒、面试遭拒?
本《机器学习项目班》便是专为你解决这一切苦恼、为君量身打造而来。10次纯项目讲解, 100%纯实战,让你过足瘾。
1 项目驱动。本课程涵盖云音乐推荐系统、用深度学习学梵高作画、基于Facebook核心框架的机器翻译、文本分类、图灵聊天机器人、智能金融反欺诈、BAT的CTR预估等极具商业价值的实战项目。
2 真枪实战。给学员布置作业、提供工业数据作为练习,在实际动手操作中一举掌握海量数据分布式处理技能(Map-Reduce、Spark),提前感受工业界真实应用场景。
3 就业推荐。提供BAT等一线互联网公司的工作机会推荐,含简历指导、个性化就业辅导、企业内推。
4 全程辅导。多位BAT级工业大牛讲师 + 助教全方位、全程辅导,只为解决学员遇到的每一个问题。
本课程包括从头到尾实现一个推荐系统、零距离实战深度学习项目、深度探索文本主题与分类、聊天机器人与金融反欺诈、视觉聊天机器人、金融反欺诈模型训练,以及含金量极高的点击率预估。
课程章节
从头到尾实现一个推荐系统
第1课 音乐推荐系统_(上)
- 知识点1:问题的引入,可获取的资源渠道,数据获取,数据组织,问题解决思路
- 实战项目:聚类与协同过滤、协同过滤优化与代码实现
第2课 音乐推荐系统_(下)
- 实战项目:推荐系统优化:隐语义模型,深度学习与用户序列建模,海量数据下的spark构建推荐系统
零距离实战深度学习项目
第3课 神经网络实现机器翻译
- 实战项目:用PyTorch实现一个Encoder-decoder神经网络机器翻译模型
第4课 基于pytorch的风格转换
- 实战项目:学习并理解Facebook最新深度学习框架pytorch,利用pytorch实现简单的图片风格转换,让机器帮你作画
深度探索文本主题与分类
第5课 文本主题与分类_(上)
- 实战项目:文本数据的主题提取与可视化,基于机器学习(朴素贝叶斯,SVM)的文本分类
第6课 文本主题与分类_(下)
- 实战项目:基于fasttext与其他深度学习方法的文本分类
含金量极高的点击率预估
第7课 电商点击率预估_(上)
- 实战项目:问题设定,特征处理,构建基于LR的baseline CTR预估系统:使用liblinear与spark
第8课 电商点击率预估_(下)
- 实战项目:使用深度学习自动学习特征表示,google wide&deep model,FNN&PNN
聊天机器人与金融反欺诈
第9课 视觉聊天机器]
- 实战项目:通过深度学习让聊天机器人告诉你图片中的复杂信息
第10课 金融反欺诈模型训练
- 实战项目:通过机器学习GBRT、RF、XGboost等算法训练建模解决信贷业务中欺诈用户预测的问题
更多教程
教程不断整理更新中,以上截图仅供参考,如需了解更多视频教程的详细信息请到如下地址查看:
教程分类说明:https://itvideos.github.io/categories/