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)

mark

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)

mark

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)

mark

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