742| 0
|
[AI/大数据] 2022年 七月在线 机器学习集训营15期 |
课程介绍: 如今,人工智能火爆全球并快速切入各个领域,比如电商、金融、交通、安防、医疗、教育,国内外各大公司纷纷成立相关AI研究院,火速招兵买马,可目前市面上人才缺口严重不足,供需比例仅为1:10。 机器学习作为AI的核心技术,可谓掌握了机器学习,便跨过了AI的准入门门槛。或从Java等传统IT行业成功转型AI拿到年薪三四十万,部分超过四十万拿到五十万,有的甚至年薪百万。 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:电商商品数据探索性分析 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) 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 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 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 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 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
购买主题
本主题需向作者支付 90 学币 才能浏览
| |
学IT吧 www.xueit8.com X3.4
Copyright © 2001-2021, Tencent Cloud.