全國 [城市選擇] [會員登錄] [講師注冊] [機構注冊]  
中國企業培訓講師
Python大數據機器學習實戰高級工程師班
 
講師:張老師 瀏覽次數:964

課程描述INTRODUCTION

Python大數據機器學習實戰高級師班

· 系統工程師

培訓講師:張老師    課程價格:¥7800元/人    培訓天數:4天   

日程安排SCHEDULE

2019-10-28 蘇州
2019-11-26 珠海
2019-12-26 北京

課程大綱Syllabus

Python大數據機器學習實戰*師班

課程學習目標
每個算法??榘湊?ldquo;原理講解→分析數據→自己動手實現→特征與調參”的順序。
“Python數據清洗和特征提取”,提升學習深度、降低學習坡度。
增加網絡爬蟲的原理和編寫,從獲取數據開始,重視將實踐問題轉換成實際模型的能力,分享工作中的實際案例或Kaggle案例:廣告銷量分析、環境數據異常檢測和分析、數字圖像手寫體識別、Titanic乘客存活率預測、用戶-電影推薦、真實新聞組數據主題分析、中文分詞、股票數據特征分析等。
強化矩陣運算、概率論、數理統計的知識運用,掌握機器學習根本。
闡述機器學習原理,提供配套源碼和數據。
以直觀解釋,增強感性理解。
對比不同的特征選擇帶來的預測效果差異。
重視項目實踐,重視落地。思考不同算法之間的區別和聯系,提高在實際工作中選擇算法的能力。
涉及和講解的部分Python庫有:Numpy、Scipy、matplotlib、Pandas、scikit-learn、XGBoost、libSVM、LDA、Gensim、NLTK、HMMLearn。

培訓內容介紹
??橐唬夯餮暗氖Щ? - 數學分析

機器學習的一般方法和橫向比較
數學是有用的:以SVD為例
機器學習的角度看數學
復習數學分析
直觀解釋常數
導數/梯度
隨機梯度下降
展式的落地應用
系數
凸函數
不等式
組合數與信息熵的關系

??槎夯餮暗氖Щ? - 概率論與貝葉斯先驗
概率論基礎
古典概型
貝葉斯公式
先驗分布/后驗分布/共軛分布
常見概率分布
泊松分布和指數分布的物理意義
協方差(矩陣)和相關系數
獨立和不相關
大數定律和中心極限定理的實踐意義
深刻理解*似然估計MLE和*后驗估計
過擬合的數學原理與解決方案

??槿夯餮暗氖Щ? - 矩陣和線性代數
線性代數在數學科學中的地位
馬爾科夫模型
矩陣乘法的直觀表達
狀態轉移矩陣
矩陣和向量組
特征向量的思考和實踐計算
分解
對稱陣、正交陣、正定陣
數據白化及其應用
向量對向量求導
標量對向量求導
標量對矩陣求導工作機制

??樗模篜ython基礎1 - Python及其數學庫
解釋器Python2.7與IDE:
基?。毫斜?元組/字典/類/文件
展式的代碼實現
的介紹和典型使用
多元高斯分布
泊松分布、冪律分布
典型圖像處理
蝴蝶效應
分形與可視化

??槲澹篜ython基礎2 - 機器學習庫
的介紹和典型使用
損失函數的繪制
多種數學曲線
多項式擬合
快速傅里葉變換
奇異值分解
算子與卷積網絡
卷積與(指數)移動平均線
股票數據分析

??榱篜ython基礎3 - 數據清洗和特征選擇
實際生產問題中算法和特征的關系
股票數據的特征提取和應用
一致性檢驗
缺失數據的處理
環境數據異常檢測和分析
模糊數據查詢和數據校正方法、算法、應用
樸素貝葉斯用于鳶尾花數據
樸素貝葉斯用于18000+篇/Sogou新聞文本的分類

??櫧擼夯毓?/strong>
線性回歸
回歸
廣義線性回歸
正則化

梯度下降算法:BGD與
特征選擇與過擬合

??榘耍篖ogistic回歸
函數的直觀解釋
回歸的概念源頭
回歸
*熵模型
散度
損失函數
回歸的實現與調參

??榫牛夯毓槭導?/strong>
機器學習sklearn庫介紹
線性回歸代碼實現和調參
回歸代碼實現和調參
回歸
回歸
廣告投入與銷售額回歸分析
鳶尾花數據集的分類
交叉驗證
數據可視化

??槭壕霾呤骱退婊?/strong>
熵、聯合熵、條件熵、KL散度、互信息
*似然估計與*熵模型
ID3、C4.5、CART詳解
決策樹的正則化
預剪枝和后剪枝
隨機森林
不平衡數據集的處理
利用隨機森林做特征選擇
使用隨機森林計算樣本相似度
數據異常值檢測

??槭唬核婊質導?/strong>
隨機森林與特征選擇
決策樹應用于回歸
多標記的決策樹回歸
決策樹和隨機森林的可視化
葡萄酒數據集的決策樹/隨機森林分類
波士頓房價預測

??槭禾嶸?/strong>
提升為什么有效
梯度提升決策樹
算法詳解
算法
加法模型與指數損失

??槭禾嶸導?/strong>
用于蘑菇數據分類
與隨機森林的比較
庫介紹
展式與學習算法
簡介
泰坦尼克乘客存活率估計

??槭模?br /> 線性可分支持向量機
軟間隔的改進
損失函數的理解
核函數的原理和選擇
算法
支持向量回歸

??槭澹篠VM實踐
代碼庫介紹
原始數據和特征提取
葡萄酒數據分類
數字圖像的手寫體識別
用于時間序列曲線預測
、Logistic回歸、隨機森林三者的橫向比較

??槭壕劾啵ㄒ唬?/strong>
各種相似度度量及其相互關系
相似度和準確率、召回率
相關系數與余弦相似度
與K-Medoids及變種
算法(Sci07)/LPA算法及其應用

??槭擼壕劾啵ǘ?/strong>
密度聚類
譜聚類
聚類評價
算法及其應用

??槭耍壕劾嗍導?/strong>
算法原理和實現
向量量化VQ及圖像近似
并查集的實踐應用
密度聚類的代碼實現
譜聚類用于圖片分割

??槭牛篍M算法
*似然估計
不等式
樸素理解EM算法
*推導EM算法
算法的深入理解
混合高斯分布
主題模型

??槎篍M算法實踐
多元高斯分布的EM實現
分類結果的數據可視化
與聚類的比較
過程
三維及等高線等圖件的繪制
主題模型pLSA與EM算法

??槎唬褐魈餑P?/strong>
貝葉斯學派的模型認識
分布與二項分布
共軛先驗分布
分布
平滑
采樣詳解

??槎篖DA實踐
網絡爬蟲的原理和代碼實現
停止詞和高頻詞
動手自己實現
開源包的使用和過程分析
算法
與word2vec的比較
算法與實踐

??槎閡磯品蚰P?/strong>
概率計算問題
前向/后向算法
的參數學習
算法詳解
算法詳解
隱馬爾科夫模型的應用優劣比較

??槎模篐MM實踐
動手自己實現HMM用于中文分詞
多個語言分詞開源包的使用和過程分析
文件數據格式UFT-8、
停止詞和標點符號對分詞的影響
前向后向算法計算概率溢出的解決方案
發現新詞和分詞效果分析
高斯混合模型
用于股票數據特征提取

??槎澹嚎翁錳崳視牖ザ致?/strong>

Python大數據機器學習實戰*師班


轉載://www.qbeod.icu/gkk_detail/39830.html

已開課時間Have start time

2019-09-25 北京
2019-08-28 成都
2019-07-25 杭州
2019-06-26 北京
2019-05-29 深圳
2019-04-26 上海

在線報名Online registration

    參加課程:Python大數據機器學習實戰高級工程師班

    單位名稱:

  • 參加日期:
  • 聯系人:
  • 手機號碼:
  • 座機電話:
  • QQ或微信:
  • 參加人數:
  • 開票信息:
  • 輸入驗證:  看不清楚?點擊驗證碼刷新
付款信息:
開戶名:成勢(上海)企業管理咨詢中心
開戶行:中國工商銀行股份有限公司上海市長壽路支行
帳號:1001210009300041521