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
- 1-高阶函数的使用
- 2-迭代器、生成器、装饰器详解
- 1-numpy基本操作
- 2-pandas基本操作
- 2-项目实战:美国大选
- 1-matplotlib基本操作
- 2-常用2D图形使用
- 3-项目实战:电商商品数据探索性分析
- 第一阶段 机器学习原理
- 在线视频:1-线性回归、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、广义线性模型(线性回归、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)
- 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(线性模型、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
- 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
- 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
- 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
- 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
- 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
- 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
- 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Pipeline
- 2-从交叉熵损失构建深度特征学习
- 3-模型训练初步技巧
- 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
- 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
- 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
- 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
- 1-文本分类模型
- 2-文本匹配模型
- 1-seq2seq结构介绍
- 2-GPT模型介绍
- 3-使用GPT做闲聊
- 1-项目优化
- 2-部署与上线
- 3-客服系统总结
- 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
- 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
- 1-Collaborative Filtering-based Recommendation
- 2-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
- 1-DNN神经网络推荐算法(WDL/NFM等)模型实战
- 2-模型评估
- 3-推荐系统完整性梳理
- 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
© 版权声明
THE END
喜欢就支持一下吧
相关推荐
暂无评论内容