论坛元老
- 威望
- 0
- 贡献
- 61
- 热心值
- 1
- 金币
- 3418
- 注册时间
- 2020-8-31
|
本课程包括从头到尾实现一个推荐系统、零距离实战深度学习项目、深度探索文本主题与分类、聊天机器人与金融反欺诈、视觉聊天机器人、金融反欺诈模型训练，以及含金量极高的点击率预估
1 项目驱动。本课程涵盖云音乐推荐系统、用深度学习学梵高作画、基于Facebook核心框架的机器翻译、文本分类、图灵聊天机器人、智能金融反欺诈、BAT的CTR预估等极具商业价值的实战项目。
2 真枪实战。给学员布置作业、提供工业数据作为练习，在实际动手操作中一举掌握海量数据分布式处理技能（Map-Reduce、Spark），提前感受工业界真实应用场景。
课程目录
第一周 从头到尾实现一个推荐系统
第1课 音乐推荐系统_(上)
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
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)
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
第二周 零距离实战深度学习项目
第3课 神经网络实现机器翻译
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
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
第三周 深度探索文本主题与分类
第5课 文本主题与分类_(上)
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)
基于fasttext与其他深度学习方法的文本分类
第四周 聊天机器人与金融反欺诈
第7课 视觉聊天机器人 - 次世代的图灵测试
通过深度学习让聊天机器人告诉你图片中的复杂信息
第8课 金融反欺诈模型训练
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
第五周 含金量极高的点击率预估
第9课 电商点击率预估_(上)
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10课 电商点击率预估_(下)
使用深度学习自动学习特征表示，google wide&deep model，FNN&PNN
|
|
发表于 2019-3-21 14:56
