https://www.julyedu.com/course/getDetail/110
预习阶段 机器学习中的数学基础
- 知识点1：微积分的基本概念
- 知识点1：概率论简介
- 知识点1：线性代数基础
- 知识点1：凸优化简介
第一阶段 掌握基本模型 打开ML大门
- 知识点1：线性回归
- 知识点2：logistic回归
- 知识点3：梯度下降
- 知识点4：实际工程海量数据下的logistic回归使用
- 实战项目：分布拟合与回归、用LR分类与概率预测
- 实战项目：用LR完成Kaggle比赛迈开第一步
- 知识点1：不同类型的分类树模型
- 知识点2：决策树回归
- 知识点3：树模型过拟合与优化
- 知识点4：使用随机森林进行数据分类
- 知识点5：Bagging
- 知识点6：随机森林
- 实战项目：信用卡欺诈检测
- 知识点1：线性可分支持向量机、线性支持向量机
- 知识点2：非线性支持向量机
- 知识点3：SMO
- 实战项目：使用SVM进行数据分类
- 知识点1：熵、相对熵、信息增益
- 知识点2：最大熵模型、IIS、GMM
第二阶段 重中之重 特征工程
- 知识点1：数据清洗、异常点处理
- 知识点2：特征抽取、选择与组合策略
- 实战项目：特征处理与特征选择模板
- 知识点1：机器学习问题场景分析、算法选择
- 知识点2：模型构建、模型性能分析与优化策略
- 实战项目：构建模型组合策略工具与模板
第三阶段 工业实战 在实战中掌握一切
- 知识点1：sklearn板块介绍
- 知识点2：sklearn完成数据预处理与特征工程
- 知识点3：建模流水线搭建
- 实战项目：经典Titanic案例，商品销量预测案例等
- 知识点1：xgboost使用方法与高级功能
- 知识点2：lightGBM使用方法与高级功能
- 实战项目： Titanic与商品销量预测进阶，Kaggle案例实战
- 知识点1：推荐系统与评估
- 知识点2：基于内容的推荐
- 知识点3：基于近邻的推荐--协同过滤
- 知识点4：隐语义模型
- 实战项目：从头手写搭建协同过滤与隐语义模型推荐
- 实战项目：基于scikit-surprise的推荐系统
- 知识点1：K-means/K-Medoid
- 知识点2：层次聚类
- 知识点3：GMM
- 实战项目：K-means/GMM代码实现和实际应用分析
- 实战项目：基于用户聚类的推荐系统
- 实战项目：推荐系统比赛案例（数据、代码）
第四阶段 高阶知识 深入机器学习
- 知识点1：朴素贝叶斯
- 知识点2：有向分离
- 知识点3：马尔科夫模型
- 知识点1：概率计算问题
- 知识点2：参数学习问题
- 知识点3：状态预测问题
- 实战项目：使用HMM进行中文分词
- 知识点1：pLSA
- 知识点2：共轭先验分布
- 知识点3：LDA
- 实战项目：使用LDA进行文档分类
第五阶段 迈入深度学习 打开DL大门
- 知识点1：全连接神经网络
- 知识点2：反向传播算法与权重优化
- 知识点3：训练注意点
- 知识点4：通用混合神经网络模板
- 实战项目：手写神经网络解决非线性切分问题
- 知识点1：卷积神经网络结构分析
- 知识点2：过拟合与随机失活
- 知识点3：卷积神经网络理解
- 知识点4：典型网络结构详解
- 实战项目：利用ResNet与inception解决一般图像分类问题套路
- 知识点1：循环神经网络
- 知识点2：长时依赖问题与长短时记忆网络
- 知识点3：BPTT算法
- 实战项目：利用循环神经网络生成文本作诗
- 知识点1：Caffe应用要点
- 知识点2：TensorFlow/Keras简介
- 实战项目：用神经网络完成图像分类与特征提取
- 实战项目：用Keras构建文本情感分析模型
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
