机器学习和深度学习的解决方案及应用

机器学习和深度学习的解决方案及应用

课程背景

随着互联网的发展,每天产生的数据量已经与日俱增,传统的搜索引擎已经无法完全满足当前的需求,推荐系统成为了互联网时代的新宠,其是为了解决海量数据所带来的挑战以及给用户更好的体验而发展成一门交叉学科。推荐系统算法通常会包含机器学习算法,而云计算的广泛应用也使得机器学习算法可以快速的部署与运算,为推荐系统的性能与效果提升提供了保障。

深度学习的概念由Hinton等人于2006年提出。基于深度置信网络(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。

课程收益

了解机器学习的概念、流程和算法

明确机器学习和深度学习的关系

通过案例学习到机器学习和深度学习的应用和实践方法

课程模式

中文教学、面授

集体授课

实战体验

课堂练习、互动式答疑

学员对象

企业高管，企业网络部门负责人，技术部人员、大数据部门经理及管理人员

机器学习和深度学习的解决方案及应用

第一单元　机器学习相关概念

机器学习、数据挖掘概述

机器学习基础思想与原理

理清人工智能、机器学习、深度学习、数据挖掘方面的联系及区别

第二单元　机器学习的落地与流程

案例：讲解机器学习落地的具体步骤及主要要点围

收集数据——准备数据——分析数据——训练——测试——应用

训练数据——验证数据——测试数据：参数

第三单元　机器学习算法演练

介绍有监督和无监督的区别及分类比较

实际工作中会用到的具体算法（理论+案例）

有监督算法包括哪几种？无监督算法包括哪几种？

通过R或PYTHON代码现场演练

第四单元 理解深度学习

深度学习的概念

深度学习和机器学习的异同

深度学习的计算法

第五单元 机器学习和深度学习的实践案例与应用场景

数据依赖

特征工程

解决方案的比较

案例：介绍运营商、央视、保险、检察院等行业相关实例

课程总结