Peixun.net > 现场班 > 计量实证分析 > Python大数据与人工智能集训--Python高级(机器学习)

Python大数据与人工智能集训--Python高级(机器学习)

课时:0 分钟| 1人学习 分享 收藏
掌握主流机器学习算法,并结合经典案例,训练使用机器学习算法解决实际问题的思路和能力。

上课信息

上课时间: 2019年11月22-25日(四天)现场+60小时线上学习
上午9:00-12:00, 下午13:30-16:30, 答疑

上课地点: 北京市海淀区(开课前一周发送交通住宿指南文档)

Python大数据与人工智能集训--Python高级(机器学习)

Part0:准备工作:开发环境配置(以文档的形式给出)

Part1:机器学习入门介绍:

1、什么是机器学习

2、机器学习中的名词说明:类型、字段、特征、标签等

3、机器学习中的基本概念:分类、预测、回归;有监督、无监督;模型效果、计算速度;可解释性、泛化能力等

4、推荐工具书

Part2:Scikit-Learn入门:Scikit-Learn库简介

Part3:KNN-最近邻分类算法:以电影分类为例

1、模型建立基本思路

2、KNN原理基础及其实现:

KNN原理基础距离的确认:欧几里得距离、马曼哈顿距离、闵可夫斯基距离

KNN的scikit-learn实现:模型的构建与评估

3、模型优化:学习曲线、交叉验证

4、模型评价与总结

Part4:决策树算法:泰坦尼克幸存者预测为例

1、决策树基本原理:

2、决策树的scikit-learn实现:八个参数(Criterion、两个随机性相关的参数、五个剪枝参数)、一个属性、四个接口)解析

3、分类模型的评估指标(混淆矩阵原理、scikit-learn中的混淆矩阵)

4、实例:泰坦尼克号幸存者的预测(数据导入、数据处理、模型构建与评估、利用混淆矩阵调参)

Part5:随机森林算法:以乳腺癌预测为例

1、随机森林概述:集成算法概述Bagging vs Boosting、集成算法的认识

2、随机森林分类器的实现:重要参数、重要属性和接口

Part6:K-Means聚类算法:以电商用户画像为例

1、聚类算法概述:聚类VS分类

2、KMeans原理分析:

3、KMeans的scikit-learn实现(模型构建与评估(轮廓系数)、重要参数解析、实例:根据轮廓系数选择簇)

Part7:关联规则算法:啤酒与尿布关联规则分析

1、关联规则概述:频繁项集的产生与关联发现

2、Apriori算法原理:先验原理

3、使用Apriori算法来发现频繁项集(生成候选项集(函数的构建与封装)、项集迭代函数)

Part8:线性回归模型在数据分析领域的应用:以房价预测为例

Part9:逻辑回归:以信用卡反欺诈模型为例

1、逻辑回归概述:模型参数、sigmoid函数、逻辑回归的返回值解析

2、逻辑回归的特点:模型拟合效果、计算速度、返回值的可解释型

3、逻辑回归模型的构建与优化:

认识逻辑回归的损失函数

重要参数解析

梯度下降求解最小损失函数参数值

Part10: SVM支持向量机概述、应用及Scikit-Leaern实现

Part11:分类模型的评估指标

Part12:朴素贝叶斯算法:以文本分类为例

1、朴素贝叶斯概述:

3、应用:文本分类的实现


报名时间 2019-08-19 00:00 至 2019-11-20 00:00
培训时间 2019年11月22-25日(四天)现场+60小时线上学习
培训地点 北京市海淀区(开课前一周发送交通住宿指南文档)
培训费用 5500元 (现场班老学员九折优惠)
授课安排 上午9:00-12:00, 下午13:30-16:30, 答疑


课程目标:

掌握主流机器学习算法,并结合经典案例,训练使用机器学习算法解决实际问题的思路和能力。


课程优势:深度原理剖析+项目实战


课程大纲:

课程模块

课程详情

难度

学时

课时


机器学习算法
 (线下+线上)

part0:准备工作:开发环境配置(以文档的形式给出)

«

0H

1天+20H视频


part1:机器学习入门介绍:
 1
、什么是机器学习
 2、机器学习中的名词说明:类型、字段、特征、标签等
 3、机器学习中的基本概念:分类、预测、回归;有监督、无监督;模型效果、计算速度;可解释性、泛化能力等
 4、推荐工具书

««

1H





part2:scikit-learn入门:Scikit-Learn库简介

««

0.5H


part3:KNN-最近邻分类算法:以电影分类为例
 1
、模型建立基本思路
 2、KNN原理基础及其实现:
 KNN原理基础距离的确认:欧几里得距离、马曼哈顿距离、闵可夫斯基距离
 KNN的scikit-learn实现:模型的构建与评估
 3、模型优化:学习曲线、交叉验证
 4、模型评价与总结

«««

1.5H







part4:决策树算法:泰坦尼克幸存者预测为例
 1
、决策树基本原理:
 2、决策树的scikit-learn实现:八个参数(Criterion、两个随机性相关的参数、五个剪枝参数)、一个属性、四个接口)解析
 3、分类模型的评估指标(混淆矩阵原理、scikit-learn中的混淆矩阵)
 4、实例:泰坦尼克号幸存者的预测(数据导入、数据处理、模型构建与评估、利用混淆矩阵调参)

««««

3H






part5:随机森林算法:以乳腺癌预测为例
 1
、随机森林概述:集成算法概述Bagging vs Boosting、集成算法的认识
 2、随机森林分类器的实现:重要参数、重要属性和接口

«««

3H

1天+15H视频




part6:K-Means聚类算法:以电商用户画像为例
 
1、聚类算法概述:聚类VS分类
 2、KMeans原理分析:
 3、KMeans的scikit-learn实现(模型构建与评估(轮廓系数)、重要参数解析、实例:根据轮廓系数选择簇)

«««««

3H





part7:关联规则算法:啤酒与尿布关联规则分析
 1
、关联规则概述:频繁项集的产生与关联发现
 2、Apriori算法原理:先验原理
 3、使用Apriori算法来发现频繁项集(生成候选项集(函数的构建与封装)、项集迭代函数)

«««««

2H

1天+10H视频





part8:线性回归模型在数据分析领域的应用:以房价预测为例

««

1H


part9:逻辑回归:以信用卡反欺诈模型为例
 1
、逻辑回归概述:模型参数、sigmoid函数、逻辑回归的返回值解析
 2、逻辑回归的特点:模型拟合效果、计算速度、返回值的可解释型
 3、逻辑回归模型的构建与优化:
 认识逻辑回归的损失函数
 重要参数解析
 梯度下降求解最小损失函数参数值

«««««

3H







part10:SVM支持向量机概述、应用及scikit-leaern实现

««««

1H

1天+15H视频


part11:分类模型的评估指标

«««

2H


part12:朴素贝叶斯算法:以文本分类为例
 1
、朴素贝叶斯概述:
 3、应用:文本分类的实现

«««««

3H





优惠:

现场班老学员9折优惠;
同一单位三人以上同时报名9折优惠;

同一单位六人以上同时报名8折优惠;

以上优惠不叠加。


联系方式:

魏老师

QQ:28819897142881989714

Tel:010-68478566

Mail:vip@pinggu.org

课程订阅

资料下载

讲师介绍


Peixun.net

Python大数据与人工智能集训--Python高级(机器学习)

请认真填写以下信息,方便为您服务
  • 姓名:
  • 电话:
  • 邮箱:
  • 备注:
  • 邀请码:
  • 您还可以选择 登录 或者 注册 更方便您管理课程。

Peixun.net

您关于:

Python大数据与人工智能集训--Python高级(机器学习)

的报名信息已经提交成功。

去购物车结算
您可以选择 登录 或者 注册 更方便您管理课程。
回头再说

邮件已发送!

已成功发送邮件到您注册的邮箱 请前往查询并点击链接重置密码

有待解答的问题

3 名学员对您的课程提问,需要您作出回答。 现在就去