<thead id="fflbj"><font id="fflbj"><cite id="fflbj"></cite></font></thead>
    <progress id="fflbj"><thead id="fflbj"><font id="fflbj"></font></thead></progress>

            曙海教育集團
            全國報名免費熱線:4008699035 微信:shuhaipeixun
            或15921673576(微信同號) QQ:1299983702
            首頁 課程表 在線聊 報名 講師 品牌 QQ聊 活動 就業
             
            Python機器學習進階實戰課程培訓

             
               班級規模及環境--熱線:4008699035 手機:15921673576( 微信同號)
                   每期人數限3到5人。
               上課時間和地點
            開課地址:【上海】同濟大學(滬西)/新城金郡商務樓(11號線白銀路站)【深圳分部】:電影大廈(地鐵一號線大劇院站) 【武漢分部】:佳源大廈【成都分部】:領館區1號【沈陽分部】:沈陽理工大學【鄭州分部】:錦華大廈【石家莊分部】:瑞景大廈【北京分部】:北京中山學院 【南京分部】:金港大廈
            最新開班 (連續班 、周末班、晚班):2020年3月16日
               實驗設備
                 ☆資深工程師授課
                    
                    ☆注重質量 ☆邊講邊練

                    ☆合格學員免費推薦工作
                    ★實驗設備請點擊這兒查看★
               質量保障

                    1、培訓過程中,如有部分內容理解不透或消化不好,可免費在以后培訓班中重聽;
                    2、培訓結束后,授課老師留給學員聯系方式,保障培訓效果,免費提供課后技術支持。
                    3、培訓合格學員可享受免費推薦就業機會。

            課程大綱
             
            • 第1章數據特征
              1-1基本數值特征
              1-2常用特征構造手段
              1-3時間特征處理
              1-4文本特征處理
              1-5構造文本向
              1-6詞向量特征
              1-7計算機眼中的圖像
              第2章降維算法-線性判別分析
              2-1線性判別分析要解決的問題[免費試看]
              2-2線性判別分析要優化的目標
              2-3線性判別分析求解
              2-4實現線性判別分析進行降維任務
              2-5求解得出降維結果
              第3章推薦系統
              3-1推薦系統應用
              3-2推薦系統要完成的任務
              3-3相似度計算
              3-4基于用戶的協同過濾
              3-5基于物品的協同過濾
              3-6隱語義模型
              3-7隱語義模型求解
              3-8模型評估標
              第4章Python從零打造音樂推薦系統
              4-1音樂推薦任務概述
              4-2數據集整合
              4-3基于物品的協同過濾
              4-4物品相似度計算與推薦
              4-5SVD矩陣分解
              4-6基于矩陣分解的音樂推薦
              第5章基于統計分析的電影推薦
              5-1數據與環境配置
              5-2數據與關鍵詞信息
              5-3關鍵詞云與直方圖展示
              5-4特征可視化
              5-5數據清洗概述
              5-6缺失值填充方法
              5-7推薦引擎構造
              5-8數據特征構造
              5-9得出推薦結果
              第6章GBDT提升算法
              6-1回歸樹模型
              6-2Adaboost算法
              6-3GBDT工作流程
              6-4回歸任務
              6-5分類任務
              6-6迭代可視化
              第7章提升算法框架對比
              7-1GBDT效果
              7-2Xgboost效果
              7-3lightGBM效果
              第8章使用lightgbm進行飯店流量預測
              8-1飯店流量數據介紹
              8-2數據匯總
              8-3離群點篩選
              8-4特征提取
              8-5lightgbm建模
              第9章人口普查數據集項目實戰-收入預測
              9-1人口普查預測任務概述
              9-2單特征與缺失值展示
              9-3數據清洗
              9-4特征工程
              9-5單變量展示
              9-6雙變量分析
              9-7開發新變量
              9-8ROC與AUC
              9-9機器學習模型
              第10章貝葉斯優化及其工具包使用
              10-1貝葉斯優化概述
              10-2工具包使用方法
              10-3貝葉斯優化效果
              10-4調整參數空間
              第11章貝葉斯優化實戰
              11-1基礎模型建立
              11-2設置參數空間
              11-3隨機優化結果
              11-4貝葉斯優化效果
              11-5方法對比
              11-6參數變化情況
              第12章EM算法
              12-1EM算法要解決的問題
              12-2隱變量問題
              12-3EM算法求解實例
              12-4Jensen不等式
              12-5GMM模型
              12-6GMM實例
              12-7GMM聚類
              第13章HMM隱馬爾科夫模型
              13-1馬爾科夫模型
              13-2隱馬爾科夫模型基本出發點
              13-3組成與要解決的問題
              13-4暴力求解方法
              13-5復雜度計算
              13-6前向算法
              13-7前向算法求解實例
              13-8Baum-Welch算法
              13-9參數求解
              13-10維特比算法
              第14章HMM案例實戰
              14-1hmmlearn工具包
              14-2工具包使用方法
              14-3中文分詞任務
              14-4實現中文分詞
              第15章NLP-文本特征方法對比
              15-1任務概述
              15-2詞袋模型
              15-3詞袋模型分析
              15-4TFIDF模型
              15-5word2vec詞向量模型
              15-6深度學習模型
              第16章使用word2vec進行分類任務
              16-1影評情感分類
              16-2基于詞袋模型訓練分類器
              16-3準備word2vec輸入數據
              16-4使用gensim構建word2vec詞向量
              第17章Tensorflow自己打造word2vec
              17-1數據與任務流程
              17-2數據清洗
              17-3batch數據制作
              17-4網絡訓練
              17-5可視化展示
              第18章制作自己的常用工具包
              18-1為什么要做自己的數據工具包
              18-2工具包注釋
              18-3缺失值處理
              18-4其他處理方式概述
              18-5工具包調用
              第19章機器學習項目實戰-數據處理與特征提取
              19-1任務概述
              19-2處理流程與數據簡介
              19-3數據處理
              19-4單變量繪圖分析
              19-5離群點剔除
              19-6變量與結果的關系
              19-7多變量展示
              19-8特征工程
              第20章機器學習項目實戰-建模與分析
              20-1dataleakage問題
              20-2基礎模型對比
              20-3選擇參數
              20-4測試模型效果
              20-5模型的結果解釋與參數分析
              20-6機器學習常用模型分析方法介紹
             
              備案號:備案號:滬ICP備08026168號-1 .(2024年07月24日)....................
            538在线视频二三区视视频