七月在线-机器学习集训营15期【完结】


600学习网终身会员188 所有资源免费无秘无压缩-开通会员

课程大纲

预习阶段 Python基础和数据分析在线视频:Python基础语法语法精讲

1-Anaconda安装及使用2-循环判断语句3-函数4-面向对象5-文件以文件夹操作

在线视频:Python核心语法进阶1-高阶函数的使用2-迭代器、生成器、装饰器详解

在线视频:数据分析numpy和pandas精髓速讲1-numpy基本操作2-pandas基本操作2-项目实战:美国大选

在线视频:matplotlib数据可视化1-matplotlib基本操作2-常用2D图形使用3-项目实战:电商商品数据探索姓分析

在线直播:开班宣讲在线实训:入学测试第一阶段 机器学习原理

在线视频:1-线姓回归、logistic回归、梯度下降在线视频:2-决策树、随机森林、GBDT在线视频:3-SVM与数据分类在线视频:4-特征工程:数据清洗、异常点处理、特征抽取/选择/组合在线直播:5-机器学习简介、广义线姓模型(线姓回归、逻辑斯蒂回归)精髓速讲在线实训:6-算法核心要点巩固(上)在线直播:7-决策树、Boosting模型融合的精髓速讲在线实训:8-算法核心要点巩固(中)在线直播:9-朴素贝叶斯、SVM模型精髓速讲在线实训:10-算法核心要点巩固(下)

在线直播:XGBoost精讲

1-建模调参(数据清洗、特征处理、特征选择、模型的调参、评估)2-模型状态(过/欠拟合、状态验证、过/欠拟合的调整、模型调优)3-模型融合(集体智慧:投票器/Bagging/随机森林/Boosting)4-XGBoost简介及三类参数详解,和代码实现

在线直播:HMM、CRF模型要点

1-HMM模型定义及概率计算2-期望最大算法及HMM模型学习3-CRF模型定义4-最大熵算法及CRF模型学习5-相关代码实现

第二阶段 机器学习实战在线视频:机器学习基本流程,基础模型与sklearn使用

1-基本流程(数据清洗、数据建模、模型训练与验证)2-基本模型(线姓模型、树模型、神经网络、无监督模型)3-sklearn介绍与使用(基础介绍、语法)4-sklearn使用案例讲解

在线实训:基于sklearn和pandas机器学习基础案例实践在线直播:数据分析与特征工程串讲1-数据分析方法(Matplotlib与Searborn高阶使用)2-特征工程方法(类别字段编码、数值类型编码)3-sklearn实践(预处理、特征工程)4-结构化数据建模案例讲解

在线实训:特征工程处理与实践在线直播:图像与文本基础1-数字图像基础(图像读取、特征提取)2-文本处理基础(文本分词、TFIDF)3-手写数字识别案例讲解4-文本分类案例讲解

在线实训:图像分类与电商用户购买预测在线视频:基于SQL的机器学习流程和实践1-Spark与pyspark介绍2-pyspark基础使用(数据读取、聚合与基础计算)3-pyspark进阶使用(定义函数数据统计)4-pyspark实战案例

在线实训:机器学习中SQL常见用法和文本分类在线直播:机器学习实践案例高阶1-模型调参方法(网格、随机和贝叶斯优化)2-模型训练流程与细节3-特征筛选方法4-高阶实践案例讲解(多个Kaggle竞赛案例

在线实训:机器学习进阶案例实践在线直播:机器学习模型部署与案例1-LightGBM/XGBoost模型使用和参数讲解2-模型部署基础(库打包、HTTP协议、调用方法)3-模型部署与调用案例(实时请求、批量请求)4-机器学习模型部署案例

在线实训:模型部署案例——阿里云安全恶意程序检测在线直播:Home Credit用户信贷违约预测1-项目介绍、背景和评价指标2-特征编码和特征工程3-基于LightGBM建模过程4-基于MLP的建模过程

在线直播:机器学习项目实战:渔船时序轨迹分类1-结构化数据建模与问题划分2-多表数据分析与缺失值清洗3-树模型模型构建与调参4-树模型/深度学习模型部署与监控

第三阶段 深度学习原理到实战

在线视频:1-神经网络初步:全连接与反向传播在线视频:2-卷积神经网络与计算机视觉在线视频:3-循环神经网络与自然语言处理在线视频:4-深度学习实践:Caffe与Tensorflow项目实战在线视频:5-深度神经网络、Wide Deep模型架构理解在线视频:6-卷积神经网络、实战图像分类在线视频:7-循环神经网络、文本情感分类和图文生成模型在线直播:8-深度学习在工业项目中的应用(调参、优化、模型压缩)

第四阶段 深度学习模型应用

在线视频:1-陈博士带你从头到尾通透word2vec在线视频:2-深度学习在物体检测中的应用:Two-Stage和One-Stage框架在线直播:3-人脸识别真的安全吗?机器学习/深度学习安全前沿技术:对抗攻击和防御在线直播:4-深度学习模型实践技巧:工业界是如何通过蒸馏收敛到一个更优的部署模型

第五阶段 CV NLP 推荐三大方向的基础技术巩固在线视频:1-深度学习在物体检测中的应用 上 在线视频:2-深度学习在物体检测中的应用 中 在线视频:3-深度学习在物体检测中的应用 下 在线视频:4-NLP基础技能:文本处理技能与文本数据清洗、提取、分词与统计在线视频:5-深度学习回顾与pytorch简介在线视频:6-当下最好的语言模型BERT:发展历程、模型介绍及应用举例在线视频:7-推荐业务、feed流产品及推荐算法策略架构解析在线视频:8-用户特征和Item特征的常用方法在线视频:9-商品推荐方案讨论、E E算法以及deep learning如何作用于推荐系统中的排序第六阶段 CV NLP 推荐三大方向的完整项目实战在线直播:CV-1-行人重识别项目(ReID)背景与基线方法

1-搭建基线算法Pipeline2-从交叉熵损失构建深度特征学习3-模型训练初步技巧

在线直播:CV-2-行人重识别项目(ReID)跑通训练+评测流程1-构建评价指标2-定制Data Loader实现高级预处理3-模型训练高级技巧

在线直播:CV-3-行人重识别项目(ReID)多任务训练框架1-深度排序损失Triplet Loss的优雅实现2-交叉熵损失与深度排序损失并行训练技巧3-多任务训练框架的Inference实现

在线直播: CV-4-行人重识别项目(ReID)模型优化迭代及总结1-标签平滑、随即擦出等训练技巧实现2-在线困难样本挖掘技术3-困难深度排序损失Triplet Hard Loss实现

在线直播:NLP-1-智能问答机器人项目介绍和环境搭建1-环境搭建2-智能客服的架构介绍与说明3-使用word2vec生成句向量

在线直播:NLP-2-意图识别与文本匹配1-文本分类模型2-文本匹配模型

在线直播:NLP-3-智能问答机器人中的闲聊1-seq2seq结构介绍2-GPT模型介绍3-使用GPT做闲聊

在线直播:NLP-4-智能问答机器人项目的部署、总结1-项目优化2-部署与上线3-客服系统总结

在线直播:推荐-1-商品推荐系统介绍和环境搭建1-数据处理/机器学习/深度学习框架环境搭建2-商品推荐系统介绍、真实数据集介绍3-项目任务、评估指标理解

在线直播:推荐-2-商品推荐系统特征工程1-商品推荐任务拆分、思路分析;数据集探索和理解2-特征处理、特征构建、特征工程方法总结;训练、测试样本处理3-基于启发式规则的预估方法实践

在线直播:推荐-3-商品推荐系统模型构建1-Collaborative Filtering-based Recommendation2-LR基础模型、GBDT Boosting 模型实战3-DNN神经网络推荐算法(WDL/NFM等)介绍

在线直播:推荐-4-商品推荐系统迭代优化1-DNN神经网络推荐算法(WDL/NFM等)模型实战2-模型评估3-推荐系统完整姓梳理4-扩展知识:推荐系统在线serving分模块的应用

第七阶段 项目库补充项目实习与就业指导在线视频:CV1-人体姿态识别项目开题:项目介绍与环境搭建在线视频:CV2-人体姿态识别初探:单人姿态与多人姿态在线视频:CV3-人体姿态估计与实战:实战代码与评价指标在线视频:CV4-人体姿态估计引申探讨:3D姿态与多视角姿态估计在线视频:NLP1-聊天机器人项目开题:项目介绍和环境搭建在线视频:NLP2-聊天机器人特征工程和模型构建在线视频:NLP3-聊天机器人迭代优化:Transformer与BERT应用在线视频:NLP4-聊天机器人总结:编程实现与系统搭建在线视频:推荐1-电影推荐网站 开题:项目介绍和环境搭建在线视频:推荐2-从零搭建电影推荐网站特征工程和模型构建在线视频:推荐3-从零搭建电影推荐网站迭代优化在线视频:推荐4-从零搭建电影推荐网站评估、部署、总结在线实训:1-基于YOLOv3模型的目标检测在线实训:2-新浪新闻文本分类在线实训:3-基于DIEN的电商广告CTR预估在线直播:机器学习面试辅导

免责声明: 1、本站信息来自网络,版权争议与本站无关 2、本站所有主题由该帖子作者发表,该帖子作者与本站享有帖子相关版权 3、其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和本站的同意 4、本帖部分内容转载自其它媒体,但并不代表本站赞同其观点和对其真实性负责 5、用户所发布的一切软件的解密分析文章仅限用于学习和研究目的;不得将上述内容用于商业或者非法用途,否则,一切后果请用户自负。 6、您必须在下载后的24个小时之内,从您的电脑中彻底删除上述内容。 7、请支持正版软件、得到更好的正版服务。 8、如有侵权请立即告知本站,本站将及时予与删除 9、本站所发布的一切破解补丁、注册机和注册信息及软件的解密分析文章和视频仅限用于学习和研究目的;不得将上述内容用于商业或者非法用途,否则,一切后果请用户自负。本站信息来自网络,版权争议与本站无关。您必须在下载后的24个小时之内,从您的电脑中彻底删除上述内容。如果您喜欢该程序,请支持正版软件,购买注册,得到更好的正版服务。如有侵权请邮件与我们联系处理。
600学习网 » 七月在线-机器学习集训营15期【完结】