Large Scale Machine Learning--An Engineering Perspective--目录


     第一部分 序言
     0.  引言
     1.  大规模机器学习平台的构成

     第二部分 算法部分
     2. 大规模机器学习常用开发范式
     2.1. BSP
     2.2. SSP (Bounded-Delay Algo)
     2.3. Asynchronous Update 
     2.4. Data Parallelism     
     2.5. Model Parallelism
    
     3.  有监督学习— 线性模型
     3.1. Logistic Regression
     3.1.1.  建模
     3.1.2.  并行化实施

     3.2. Support Vector Machine 
     3.2.1. 建模
     Linear Kernel
     Non-Linear Kernel 
     3.2.2. 并行化实施
 
     3.  有监督学习— 非线性模型
     3.1. Decision Tree
     3.1.1.  建模
     3.1.2.  并行化实施
     3.2. Gradient Boosted Decision Tree
     3.2.1.  建模
     3.2.2.  并行化实施
     3.3. Random Forest
     3.3.1.  建模
     3.3.2.  并行化实施

     4.  无监督学习— 聚类
     4.1. K-Means
     4.1.1.  建模
     4.1.2.  并行化实施
     4.2. 层次聚类
     4.2.1.  建模
     4.2.2.  并行化实施

     5.  无监督学习— 主题模型
     5.1. PLSA
     5.1.1.  建模
     EM算法介绍
     5.1.2.  并行化实施
     5.2. LDA
     5.2.1.  建模
     5.2.2.  并行化实施
     5.2.3.  大规模主题模型之观察(Peacock, LightLDA)

     6. 无监督学习 — Neural Network Based Model 
     6.1. word2vec
     6.1.1. 建模     
     6.1.2. 并行化实施
     6.2. 神经网络语言模型    
     6.2.1. 建模     
     6.2.2. 并行化实施

     第三部分 效果评估
     7.   Business-Independent指标     
     Precision/Recall/F1 Score/AUC/ROC
     8.   Business-Dependent指标
     CTR/CVR/RPM/BLEU

     第四部分 特征工程模块
     9.    特征归一化
     10.  特征离散化
     11.  特征组合
     
     第五部  前沿机器学习平台技术探讨
     12.  Parameter Server
     13.  GPU
     14.  Open-source 分布式机器学习平台观察
          Pettum/DMLC/Spark MLLib/GraphLab
     
     第六部分 总结
     15.  大规模机器学习平台研发工程师所需素养的思考
     16.  机器学习平台演化历程之我见
     行业各公司平台演化的观察
     17.  新平台搭建的思考
     
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值