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

5 ^6 i7 j% a& P% B. P# M: n. A
内容概括：
$ c0 {9 A/ z; B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
3 n& l* Q, M" t* z* N
1.项目驱动：
& U; p! S( @6 f1 F" D* A5 [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：
, P9 g5 s9 T0 f8 L, v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：
$ _8 `5 I# R" T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
% F8 q: P% `- M( g8 g1 S/ Z- t# G. E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
3 R, t4 F4 V9 ?5 \" u: g: W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

8 A& L% H9 B. m! a% r5 Z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)
% z4 C1 B# V: ^7 V) [5 I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
3 U, {) g0 ]) n/ u$ M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
4 T* S% u6 T2 o2 f4 U! G9 l
第四周 聊天机器人与金融反欺诈
/ s; P& g8 h# v5 r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
2 A% i/ Q6 W, t% ~" y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
! w5 m5 W* q6 {+ d% i8 o( u
) f+ K" q8 C: ]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)
$ _9 a" h0 j' T! A  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)
9 `2 L# S% h2 I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

m9128213

很棒的课程～～

杨文帅

很棒的课程～～