2017年 机器学习项目班纯实战（pytorch 金融反欺诈 推荐系统 点击率预估 聊天机器人）

天亮说晚安

0 ?1 ]* C  Y; L. k# s
, G" E, E9 N- p/ C内容概括：
4 H2 `3 \7 Q1 ]& E! [: z: V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
  z3 e+ T- {2 r  T  Y
6 \6 g, m( B1 x9 I. [) `1.项目驱动：
& h0 z% a2 R) P/ |7 V* l9 y- D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 Q2 j8 L. V( s, j4 F2.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。

# a/ d$ L! T) b' v  w" Y课程目录：
; Y3 J+ B4 z# K% V2 B/ U8 p/ ]9 a第一周 从头到尾实现一个推荐系统
! Q4 ~( I3 g; C6 c9 @. Y) u; g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
& e6 S5 M# F% N# o! E$ F/ ~3 i
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
3 u; Y7 z4 l9 z1 J$ g5 a, c5 s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
9 p% r" J6 i+ ^" q8 A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
; G# D* Z9 h3 \; V) V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)
; @! d8 r0 u4 @: W! ], E5 k; {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
+ m1 D% l  b  M7 N3 u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
! C5 X4 {8 C  P  l# ^/ K$ P第8课 金融反欺诈模型训练
; x5 k; C# V1 [' G7 ~+ i: Y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

3 p3 E; D) q( W7 O9 C( r! G3 }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)
; B; h1 G7 Y5 J" H2 U9 p  ^- Y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

游客，如果您要查看本帖隐藏内容请回复

. _0 P. f4 x# l3 [5 `4 _
5 ]8 m( H7 P- b2 \/ s
% I2 D- E) e6 Q& ?' S, M

m9128213

很棒的课程～～

杨文帅

很棒的课程～～