课程介绍：
本课程从机器学习中的数学基础、到基本模型、特征工程、工业实战、高阶知识、深度学习，六大阶段，层层深入、逐层递进，直通机器学习本质与其应用，且解决以下十大问题
微积分与矩阵知识在机器学习中如何应用
逻辑回归如何在海量工业实战数据下应用
如何对商品销量进行高准确率预测
如何使用隐马尔可夫模型（HMM）对中文进行分词
如何使用随机森林和支持向量机（SVM）对数据进行分类
如何使用Tensorflow构建RNN模型进行分类预测
如何使用LDA等对文档进行分类
如何自己构建数据集并使用Caffe进行分类
如何使用xgboost与lightGBM在Kaggle比赛中获胜
如何使用循环神经网络抓取文本特征
课程目录：
第1课 机器学习中的微分与矩阵(www.52download.cn).mp4
第2课 概率与凸优化.mp4
第3课 回归问题与应用.mp4
第4课 决策树、随机森林、GBDT.mp4
第5课 SVM.mp4
第6课 最大熵与EM算法.mp4
第7课 机器学习中的特征工程处理.mp4
第8课 多算法组合与模型最优化.mp4
第9课 sklearn与机器学习实战.mp4
第10课 高级工具xgboost_lightGBM与建模实战.mp4
第11课 用户画像与推荐系统.mp4
第12课 聚类.mp4
第13课 聚类与推荐系统实战.mp4
第14课 贝叶斯网络.mp4
第15课 隐马尔科夫模型HMM.mp4
第16课 主题模型.mp4
第17课 神经网络初步.mp4
第18课 卷积神经网络与计算机视觉.mp4
第19课 循环神经网络与自然语言处理.mp4
第20课 深度学习实践.mp4
评论0