课程简介
目标收益
培训对象
课程大纲
|
第一单元 机器学习&经典模型 该单元介绍机器学习基本概念，发展史和经典模型解析及其应用。 |
1、机器学习简介 （1）什么是机器学习 （2）机器学习应用场景 （3）机器学习发展历史； （4）机器学习与大数据； （5）机器学习的本质 2、机器学习模型及其应用实践 （1）SVM模型； （2）LR模型 （3）决策树模型 （4）Word2Vec模型 （5）贝叶斯模型 |
|
第二单元 大数据与2%的世界 该单元首先详细介绍了“大数据”如何作为一种手段让机器变得更加智能，从而更好服务用户，提升商业价值。 |
1、什么是大数据 2、大数据发展历程 3、大数据的应用场景 （1）传统场景 （2）京东vs.苏宁 （3）成功案例 4、大数据的变现实例 （1）图书电商评论排序/跟帖排序 （2）精准关联广告 （3）个性化推荐case 6、大数据处理工具：云计算 7、大数据发展方向 |
|
第三单元 层次分类 该单元详细解释了分类算法，重要扩充了文本分类领域top级别的的重排序算法。 |
1、传统（层次）分类算法 2、重排序算法 （1）假设结果生产 （2）最优结果选择 （3）正负样本构建 （4）重排序模型的效果及性能 3、局部渐增式排序模型 |
|
第四单元 CTR预估 |
根据不同场景的用户行为，挖掘潜在有价值点击率（CTR）信息。 |
|
第五单元 新闻个性化推荐 根据文本挖掘算法，给出了新闻的个性化推荐架构，用户画像等核心技术点。 |
1、 分词改进 2、 关键词提取优化 3、 深度学习训练语义空间 4、 语义聚类 5、 语义层次聚类 6、 用户画像刻画 7、 个性化推荐 |
|
第一单元 机器学习&经典模型 该单元介绍机器学习基本概念，发展史和经典模型解析及其应用。 1、机器学习简介 （1）什么是机器学习 （2）机器学习应用场景 （3）机器学习发展历史； （4）机器学习与大数据； （5）机器学习的本质 2、机器学习模型及其应用实践 （1）SVM模型； （2）LR模型 （3）决策树模型 （4）Word2Vec模型 （5）贝叶斯模型 |
|
第二单元 大数据与2%的世界 该单元首先详细介绍了“大数据”如何作为一种手段让机器变得更加智能，从而更好服务用户，提升商业价值。 1、什么是大数据 2、大数据发展历程 3、大数据的应用场景 （1）传统场景 （2）京东vs.苏宁 （3）成功案例 4、大数据的变现实例 （1）图书电商评论排序/跟帖排序 （2）精准关联广告 （3）个性化推荐case 6、大数据处理工具：云计算 7、大数据发展方向 |
|
第三单元 层次分类 该单元详细解释了分类算法，重要扩充了文本分类领域top级别的的重排序算法。 1、传统（层次）分类算法 2、重排序算法 （1）假设结果生产 （2）最优结果选择 （3）正负样本构建 （4）重排序模型的效果及性能 3、局部渐增式排序模型 |
|
第四单元 CTR预估 根据不同场景的用户行为，挖掘潜在有价值点击率（CTR）信息。 |
|
第五单元 新闻个性化推荐 根据文本挖掘算法，给出了新闻的个性化推荐架构，用户画像等核心技术点。 1、 分词改进 2、 关键词提取优化 3、 深度学习训练语义空间 4、 语义聚类 5、 语义层次聚类 6、 用户画像刻画 7、 个性化推荐 |
近期公开课推荐
