炼数成金 大数据之机器学习视频教程 11课时

冰点也疯狂

授课对象：
4 C. A* e! r* d. Q( `
5 U, t6 Z# `% \  a对机器学习有兴趣的朋友，特别适合想学习算法的IT专业人员或非科班出身的数据分析人员。最好能有一些线性代数，统计等数学基本知识，没有也无妨，可以在课程期间快速补强。
/ u5 t8 P) z- L) w; ~
课程内容：
8 J) H9 C7 K8 y/ l$ G0 n
第1课 机器学习概论
! o9 z  j1 B7 h, x! P1 E第2课 线性回归与Logistic。案例：电子商务业绩预测
第3课 岭回归，Lasso，变量选择技术。从一团乱麻中识别有用维度的技巧
+ @- Y; N7 M# j  D: j第4课 降维技术。案例：业绩综合指标设计
& K) c. S' p% k' y6 G第5课 线性分类器，Knn算法，朴素贝叶斯分类器，文本挖掘，案例：智能判断垃圾短信，通过文本挖掘给用户加标签，评论自动分析，用户流失预警
第6课 决策树，组合提升算法，bagging和adaboost，随机森林。案例：运营商用户分析
5 I0 I  w- [- {; C4 S) M, `第7课 支持向量机，为什么能理解SVM的人凤毛麟角？
1 }* g$ U6 }! |/ J# A8 F第8课 人工神经网络，单层感知器，线性神经网络，BP神经网络，基于梯度下降的学习算法，图像压缩和银行用户信用评估
第9课 通用逼近器径向基函数神经网络，在新观点下审视PDA和SVM。Hopfield联想记忆型神经网络。案例：字符识别，人脸识别
0 K3 v$ a; `3 w7 m& E第10课 概率神经网络和信念贝叶斯分类器
7 a' M# G1 c! x  }7 `0 w2 H第11课 聚类，孤立点判别。案例：推荐系统，自动品酒器，作弊识别，社会系统团体识别

' T8 \* R/ i! {5 O6 C% d; o1 \