从头到尾实现一个推荐系统
- 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
- 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
- 实战项目:用PyTorch实现一个Encoder-decoder神经网络机器翻译模型
- 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
- 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
- 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
- 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
- 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
- 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
- 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