機器學習是指一套工具、方法或程式，使到我們可以從現(xiàn)實世界的海量數(shù)據(jù)里提煉出有價值的知識，規(guī)則和模式，然后將它們反哺給前臺應(yīng)用系統(tǒng)，進行預測，推薦等能產(chǎn)生直接經(jīng)濟價值的場景，給用戶帶來“機器具備人類般高智能”的震撼性體驗。對于數(shù)據(jù)越來越多，而人力成本又越來越高的大數(shù)據(jù)時代，機器學習能降低企業(yè)進行數(shù)據(jù)分析的成本，掌控有關(guān)技術(shù)，可以給企業(yè)和個人帶來巨大的價值。
機器學習，人工智能，數(shù)據(jù)挖掘，模式識別等技術(shù)，其實是同一座山峰在不同視角下的側(cè)影，其技術(shù)內(nèi)涵幾乎是一樣的，都是回歸，分類器，聚類，頻繁模式挖掘，神經(jīng)網(wǎng)絡(luò)等等，我們學習機器識別的同時，學到的知識同樣也可以用于數(shù)據(jù)挖掘和設(shè)計機器人這樣高度智能化的產(chǎn)品，這些領(lǐng)域概念之間至少在技術(shù)上沒有界限，是互相滲透的。
第1部份 機器學習概論
第2部份 線性回歸與Logistic。案例：電子商務(wù)業(yè)績預測
第3部份 嶺回歸，Lasso，變量選擇技術(shù)。從一團亂麻中識別有用維度的技巧
第4部份 降維技術(shù)。案例：業(yè)績綜合指標設(shè)計
第5部份 線性分類器，Knn算法，樸素貝葉斯分類器，文本挖掘，案例：智能判斷垃圾短信，通過文本挖掘給用戶加標簽，評論自動分析，用戶流失預警
第6部份 決策樹，組合提升算法，bagging和adaboost，隨機森林。案例：運營商用戶分析
第7部份 支持向量機，為什么能理解SVM的人鳳毛麟角？
第8部份 人工神經(jīng)網(wǎng)絡(luò)，單層感知器，線性神經(jīng)網(wǎng)絡(luò)，BP神經(jīng)網(wǎng)絡(luò)，基于梯度下降的學習算法，圖像壓縮和銀行用戶信用評估
第9部份 通用逼近器徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)，在新觀點下審視PDA和SVM。Hopfield聯(lián)想記憶型神經(jīng)網(wǎng)絡(luò)。案例：字符識別，人臉識別
第10部份 概率神經(jīng)網(wǎng)絡(luò)和信念貝葉斯分類器
第11部份 聚類，孤立點判別。案例：推薦系統(tǒng)，自動品酒器，作弊識別，社會系統(tǒng)團體識別
|
合作伙伴與授權(quán)機構(gòu)
shuhaipeixun
1299983702
總部李老師
