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

内容概括：
! j6 ~* F4 N7 f' }: ?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
+ E! h9 @2 l9 R% z& j+ W- c
1.项目驱动：
/ v+ u7 s% B0 D2 V- T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。
( M) {5 G8 `( M- ]$ }+ U2.真枪实战：
" y- I* F3 U. ~/ s9 _/ R, ~1 n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：
, J, M. `% {4 \: e7 M5 x8 K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
1 h0 M1 G, b0 i" y; Q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
' Y6 x1 x8 j2 C8 Z# G! E6 J
2 k" {; c" [: h! [/ B" C+ K0 D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
6 ]$ V2 U/ G+ N: l- H3 u3 U( y& E2 [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
1 B5 z7 c+ u/ ^  i+ E, X; Y
2 l$ o% W* N* {: X/ }6 i2 h第三周 深度探索文本主题与分类
. J3 x: Y  k2 t) G5 @( T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)
4 R; n: l- B$ K' _! K基于fasttext与其他深度学习方法的文本分类
9 x6 E/ B: G( }! b& N
6 L- H( P$ G6 s第四周 聊天机器人与金融反欺诈
% F+ U' ^. s+ P) c7 t7 |/ L4 R5 |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
& l+ V6 Z- V$ h- Y8 e
( c. l+ N& S2 J# [4 L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)
7 U+ c9 w" ~. J- R7 |" W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

7 B0 P' \  b: M+ Z+ e) J) U. M! L

m9128213

很棒的课程～～

杨文帅

很棒的课程～～