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

7 Q. d' q- b4 V" y' p. \
内容概括：
- L( W! \6 `3 W$ l, i- `3 R7 X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
" |% _9 K. s# K8 J3 f
1 E9 N' {! o* d; w1.项目驱动：
6 e* l) q- y5 n: T/ i' i! L" }: ]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。

. s5 ?! G2 P/ f# P课程目录：
. p9 I8 n& \* h. g" 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)
) s8 J) ]  N( Q# s% {! @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
. h8 ^6 y; L: m: @/ L% o: C3 G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
) l2 H) o7 m- n4 H; s; ~0 ~; Q, O/ _
, y( n* Z. {5 E第二周 零距离实战深度学习项目
5 A' s/ e- a; D. X! K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
7 J9 R. C) G- S1 H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

9 x1 `: V3 o9 ]第三周 深度探索文本主题与分类
" V8 n7 a" e3 s5 J6 v! u3 p1 i9 {第5课 文本主题与分类_(上)
+ M( _6 J7 x4 J: g$ V6 [& |+ D. 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
第6课 文本主题与分类_(下)
* ]& k6 S) G5 ]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
8 M: O4 Z+ m3 ?. p! Y( S/ W第7课 视觉聊天机器人 - 次世代的图灵测试
" _5 M2 i8 L3 E/ l. U通过深度学习让聊天机器人告诉你图片中的复杂信息
) A5 |  c) ~$ |4 Y& h, ~5 [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

. T: U! E7 x, a$ g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)
$ ~" H. [0 v9 q  U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
5 A6 b5 x5 c' L8 o+ k! c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

  d$ U, T- q: y: r6 |" V9 r
3 J6 v: ?# [. O* u

m9128213

很棒的课程～～

杨文帅

很棒的课程～～