机器学习应用方向

第1课 数学基础

• 知识点1：必要的微积分、概率统计基础
• 知识点2：必要的矩阵、凸优化基础

第2课 随机森林及其应用

• 知识点1：决策树 随机森林、GBDT、模型评估、ROC、机器学习的流程
• 实战项目：利用随机森林进行Kinect手势判断

第3课 特征工程与模型调优

• 知识点1：数据获取、数据清洗、特征抽取、特征选择与融合、模型调参

第4课 推荐系统与案例

• 知识点1：基于内容的推荐，协同过滤，隐语义模型，排序模型
• 实战项目：基于用户打分的电影推荐系统

第5课 CTR预估

• 知识点1：分类问题与LR, SVM, Random Forest，GBDT;从分类到CTR预估与排序
• 实战项目：电商分类与各种模型融合，CTR预估

第6课 NLP应用基础

• 知识点1：文本的表示，文本分类，朴素贝叶斯，语言模型，HMM介绍，TFIDF
• 实战项目：用朴素贝叶斯实现新闻数据的自动分类

第7课 深度学习在NLP中的应用

• 知识点1：自编码网络：简单粗暴的文本向量化方法
• 知识点2：语义网络：文本算法在工业上上的应用
• 知识点3：卷积神经网络：CNN在自然语言处理中的应用
• 实战项目：从每日新闻中预测金融市场变化

第8课 图像检索与相关应用

• 知识点1：图像与特征提取，卷积神经网络与图像特征表示，近似最近邻
• 实战项目：基于卷积神经网络和近似最近邻的图像检索

第9课 计算机视觉中的物体检测

• 知识点1：物体检测问题介绍与一般流程
• 知识点2：关键技术分析（特征提取、目标框提取、NMS等）
• 知识点3：最新论文选讲：从RNN到Faster-RCNN, GNN, FCN等
• 实战项目：在PASCAL数据库上训练一个Faster-RCNN模型

第10课 社交网络在工业界的应用

• 知识点1：互联网金融反欺诈介绍
• 知识点2：探索社交网络算法
• 实战项目：社交网络算法在金融反欺诈中的应用