机器学习-导学
机器学习工资高。
教学方法: 理论结合实际。
- 回归模型
- 分类模型
- 聚类模型
- 推荐系统
在大家把理论了解清楚之后, 对于每一个模块进行实践。
带领大家进行一个实际的项目, 解决一个小问题。
课程内容:
回归模型(案例: 预测房价)

介绍典型的算法和原理。比如线性回归, 多项式回归等。
开发一个小产品来预测房价。
分类模型(案例: 情感分析)

介绍一些简单的线性分类模型。
建模对于用户评价做出一些正负情感分析。
聚合类相似度模型(案例: 维基百科文本分析)
如何表示相似度。
对于维基百科名人介绍做分析。名人的相似度, 关系紧密。
推荐系统(案例: 音乐推荐系统)

协同过滤算法,基于分解的推荐算法。
搭建一个音乐推荐系统。
深度学习 (案例 : 图像检索)
数据 -> 深度学习 -> 智能
输入图像 - > 神经网络 -> 邻近样本
面向对象:python 机器学习。 turi
开发环境 jupyter notebook
网友评论