机器学习项目班

从头到尾实现一个推荐系统

第1课 音乐推荐系统_(上)

• 知识点1：问题的引入，可获取的资源渠道，数据获取，数据组织，问题解决思路
• 实战项目：聚类与协同过滤、协同过滤优化与代码实现

第2课 音乐推荐系统_(下)

• 实战项目：推荐系统优化：隐语义模型，深度学习与用户序列建模，海量数据下的spark构建推荐系统

零距离实战深度学习项目

第3课 神经网络实现机器翻译

• 实战项目：用PyTorch实现一个Encoder-decoder神经网络机器翻译模型

第4课 基于pytorch的风格转换

• 实战项目：学习并理解Facebook最新深度学习框架pytorch，利用pytorch实现简单的图片风格转换，让机器帮你作画

深度探索文本主题与分类

第5课 文本主题与分类_(上)

• 实战项目：文本数据的主题提取与可视化，基于机器学习（朴素贝叶斯，SVM）的文本分类

第6课 文本主题与分类_(下)

• 实战项目：基于fasttext与其他深度学习方法的文本分类

含金量极高的点击率预估

第7课 电商点击率预估_(上)

• 实战项目：问题设定，特征处理，构建基于LR的baseline CTR预估系统：使用liblinear与spark

第8课 电商点击率预估_(下)

• 实战项目：使用深度学习自动学习特征表示，google wide&deep model，FNN&PNN

聊天机器人与金融反欺诈

第9课 视觉聊天机器人

• 实战项目：通过深度学习让聊天机器人告诉你图片中的复杂信息

第10课 金融反欺诈模型训练

• 实战项目：通过机器学习GBRT、RF、XGboost等算法训练建模解决信贷业务中欺诈用户预测的问题