Python機器學(xué)習(xí)算法實戰(zhàn)

  培訓(xùn)講師：尹傳亮

講師背景：
尹傳亮——平安金融高級工程師10年以上的IT工作經(jīng)驗，研發(fā)出身，在產(chǎn)品設(shè)計，項目管理均有著豐富的實戰(zhàn)經(jīng)驗。14-15年，作為產(chǎn)品經(jīng)理，參與公司爬蟲系統(tǒng)設(shè)計。15-16年，作為項目負責(zé)人，帶隊在華為實施爬蟲項目，并在期間打磨爬蟲系統(tǒng)，數(shù)據(jù)爬取 詳細>>

尹傳亮
    課程咨詢電話：

Python機器學(xué)習(xí)算法實戰(zhàn)詳細內(nèi)容

Python機器學(xué)習(xí)算法實戰(zhàn)

Python機器學(xué)習(xí)算法實戰(zhàn)【課程目標】
本課程為高級課程，專注于機器學(xué)習(xí)算法，原理，以及算法實現(xiàn)及優(yōu)化。
通過本課程的學(xué)習(xí)，達到如下目的：
熟悉常見的機器學(xué)習(xí)的算法。
掌握機器學(xué)習(xí)的算法原理，以及數(shù)據(jù)推導(dǎo)。
學(xué)會使用Python來實現(xiàn)機器學(xué)習(xí)算法，以及優(yōu)化算法。
掌握scikit-learn擴展庫來實現(xiàn)機器學(xué)習(xí)算法。
【授課時間】
2-3天時間
【授課對象】
IT系統(tǒng)部、大數(shù)據(jù)系統(tǒng)開發(fā)部、大數(shù)據(jù)建模等IT技術(shù)人員。
【學(xué)員要求】
課程為實戰(zhàn)課程，要求：
每個學(xué)員自備一臺便攜機(必須)。
要求有Python開發(fā)基礎(chǔ)。
要求有基本的數(shù)據(jù)分析和數(shù)據(jù)挖掘的知識。
注：講師現(xiàn)場提供開源的安裝程序、擴展庫，以及現(xiàn)場分析的數(shù)據(jù)源。
【授課方式】
機器學(xué)習(xí)任務(wù) + 算法原理 + 數(shù)學(xué)推導(dǎo) + Python實現(xiàn)
從任務(wù)出發(fā)，了解算法原理，以及數(shù)學(xué)推導(dǎo)過程，全過程演練操作，讓學(xué)員在分析、分享、講授、總結(jié)、自我實踐過程中獲得能力提升。
【課程大綱】
機器學(xué)習(xí)基礎(chǔ)
機器學(xué)習(xí)簡介
機器學(xué)習(xí)的種類
監(jiān)督學(xué)習(xí)/無監(jiān)督學(xué)習(xí)/半監(jiān)督學(xué)習(xí)/強化學(xué)習(xí)
批量學(xué)習(xí)和在線學(xué)習(xí)
基于實例與基于模型
機器學(xué)習(xí)的主要戰(zhàn)挑
數(shù)據(jù)量不足
數(shù)據(jù)質(zhì)量差
無關(guān)特征
過擬合/擬合不足
機器學(xué)習(xí)任務(wù)
監(jiān)督：分類、回歸
無監(jiān)督：聚類、降維、關(guān)聯(lián)規(guī)則
機器學(xué)習(xí)基本過程
模型評估指標
回歸：R^2, MAE/MSE/RMSE/MAPE
分類：Acc,Recall,Precision,F1，ROC曲線,AUC
模型評估方法
訓(xùn)練集/驗證集
交叉驗證
過擬合評估
過擬合檢驗
過擬合解決方法：正則化
正則化：
L1正則項
L2正則項模型參數(shù)優(yōu)化
交叉驗證
網(wǎng)格搜索GridSearchCV
隨機搜索RandomizeSearchCV
機器學(xué)習(xí)常用庫
回歸任務(wù)算法
線性回歸模型
一元線性回歸
多元線性回歸
線性回歸算法
損失函數(shù)
普通最小二乘法OLS
欠擬合解決方法
多項式回歸
過擬合的優(yōu)化算法：正則化
嶺回歸（Ridge）
套索回歸Lasso
ElasticNet回歸
各種算法的適用場景
超參優(yōu)化
大規(guī)模數(shù)據(jù)集回歸：迭代算法
隨機梯度下降
批量梯度下降
小批量梯度下降
梯度算法的關(guān)鍵問題
邏輯回歸
邏輯回歸模型
邏輯回歸的算法
原理
數(shù)學(xué)推導(dǎo)
正則項處理
其它優(yōu)化：
迭代樣本的隨機選擇
變化的學(xué)習(xí)率
求解算法與懲罰項的關(guān)系
多分類處理
ovo
ovr
線性判別分析
判別分析簡介
基本思想
判別分析算法
數(shù)學(xué)推導(dǎo)
類間/類內(nèi)散度矩陣
多分類處理
迭代樣本的隨機選擇
變化的學(xué)習(xí)率
求解算法與懲罰項的關(guān)系
支持向量機
支持向量機簡介
作用：回歸、分類、異常檢測
適用場景
線性SVM分類
基本原理
支持向量
SMO算法
非線性SVM分類
常用核函數(shù)
線性核函數(shù)
多項式核
高斯RBF核
核函數(shù)的選擇原則
線性不可分處理：松弛系數(shù)
決策樹
決策樹模型
構(gòu)建決策樹的三個關(guān)鍵問題
決策樹的訓(xùn)練
決策樹的可視化
決策樹常用算法
ID5
CART
正則化參數(shù)
決策樹預(yù)測的基本步驟
神經(jīng)網(wǎng)絡(luò)
神經(jīng)網(wǎng)絡(luò)模型
工作原理：加法器、激活函數(shù)
適用場景
神經(jīng)網(wǎng)絡(luò)的建立步驟
BP算法實現(xiàn)
多層感知器MLP
隱藏層的數(shù)量
神經(jīng)元的個數(shù)
樸素貝葉斯
貝葉斯簡介
條件概率
常見貝葉斯網(wǎng)絡(luò)
樸素貝葉斯
算法實現(xiàn)
連續(xù)變量處理：高斯分布
拉普拉斯修正
集成算法
分類模型優(yōu)化思想
優(yōu)化框架
Bagging
Boosting
Bagging集成
原理
隨機森林
Boosting集成
原理
AdaBoost
無監(jiān)督算法
結(jié)束：課程總結(jié)與問題答疑。

 

尹傳亮老師的其它課程

Python開發(fā)語言基礎(chǔ)實戰(zhàn)培訓(xùn)【課程目標】Python已經(jīng)成為穩(wěn)居前三的最受歡迎的語言之一，它簡單易用、跨平臺、功能強大、擴展性強，而且能夠?qū)⑵渌Z言編寫的程序融合起來，實現(xiàn)無縫連接，號稱是萬能膠水語言。本課程為Python語言基礎(chǔ)學(xué)習(xí)，通過本課程的學(xué)習(xí)，達到如下目的：全面掌握Python語言以及其編程思想。掌握Python基本格式，以及常用的6種基本語句

 講師：尹傳亮詳情

Python課程   06.19

Python課程一、數(shù)據(jù)挖掘?qū)д摂?shù)據(jù)挖掘的基本任務(wù)與步驟：目標、數(shù)據(jù)探索、數(shù)據(jù)預(yù)處理、建模、模型評價有監(jiān)督學(xué)習(xí)無監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)算法模型Sklean數(shù)據(jù)挖掘和機器學(xué)習(xí)算法庫介紹大數(shù)據(jù)建模常見問題問題引出：客戶行為分析-用戶用電異常的識別二、Python編程快速入門Python編程環(huán)境與語法快速入門基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)：字符串處理及應(yīng)用數(shù)據(jù)結(jié)構(gòu)：列表、元組、集合、

 講師：尹傳亮詳情

Python實現(xiàn)大數(shù)據(jù)挖掘技術(shù)培訓(xùn)【課程目標】Python已經(jīng)成為數(shù)據(jù)分析和數(shù)據(jù)挖掘的首選語言，作為除了Java、C/C++/C#外最受歡迎的語言。本課程基于Python工具來實現(xiàn)大數(shù)據(jù)的數(shù)據(jù)分析和數(shù)據(jù)挖掘項目?；跇I(yè)務(wù)問題，在數(shù)據(jù)挖掘標準過程指導(dǎo)下，采用Python分析工具，實現(xiàn)數(shù)據(jù)挖掘項目的每一步操作，從數(shù)據(jù)預(yù)處理、數(shù)據(jù)建模、數(shù)據(jù)可視化，到最終數(shù)據(jù)挖掘結(jié)

 講師：尹傳亮詳情

Python運用   06.19

PYTHON數(shù)據(jù)分析第一模塊：python語言基礎(chǔ)知識0.5H1.python簡介2.python的特征3.第一個python程序4.搭建開發(fā)環(huán)境5.python的開發(fā)工具6.不同平臺下的python第二模塊：Python的基本語法2H1.Python的文件類型2.Python的編碼規(guī)則3.變量和常量4.數(shù)據(jù)類型5.運算符與表達式第三模塊：python的控制

 講師：尹傳亮詳情

大數(shù)據(jù)變革與商業(yè)模式創(chuàng)新【課程目標】大數(shù)據(jù)時代已經(jīng)來臨，大數(shù)據(jù)戰(zhàn)略已經(jīng)上升到國家意志，擁有大數(shù)據(jù)的規(guī)模和利用大數(shù)據(jù)的能力已經(jīng)成為國家競爭力的一種體現(xiàn)，大數(shù)據(jù)的重要性已經(jīng)毋庸置疑。本課程圍繞大數(shù)據(jù)產(chǎn)業(yè)，從大數(shù)據(jù)的基本面出發(fā)，分析大數(shù)據(jù)的應(yīng)用價值；大數(shù)據(jù)作為工具，如何幫助企業(yè)提升運營效率，提升企業(yè)利潤；再到大數(shù)據(jù)引起的思維變革，怎樣改變企業(yè)管理、社會治理的思維；

 講師：尹傳亮詳情

大數(shù)據(jù)時代的精準營銷【課程目標】本課程從實際的市場營銷問題出發(fā)，了解大數(shù)據(jù)在市場營銷領(lǐng)域的價值以及應(yīng)用。并對大數(shù)據(jù)分析與挖掘技術(shù)進行了介紹，通過從大量的市場營銷數(shù)據(jù)中分析潛在的客戶特征，挖掘客戶行為特點，實現(xiàn)精準營銷，幫助市場營銷團隊深入理解業(yè)務(wù)運作，支持業(yè)務(wù)策略制定以及營銷決策。通過本課程的學(xué)習(xí)，達到如下目的：了解大數(shù)據(jù)營銷內(nèi)容，掌握大數(shù)據(jù)在營銷中的應(yīng)用。

 講師：尹傳亮詳情

大數(shù)據(jù)挖掘工具:SPSSStatistics入門與提高【課程目標】隨著大數(shù)據(jù)分析的需求越來越旺盛，大數(shù)據(jù)分析工具也越來越琳瑯滿目，然而，絕大多數(shù)的分析工具都只具有單一用途，無法滿足企業(yè)的復(fù)雜的多樣化的全面的業(yè)務(wù)分析需求，因此分析工具的選擇成為了一個挑戰(zhàn)。一個良好的分析工具必須滿足如下要求：易學(xué)易用易操作。分析效率要高。滿足業(yè)務(wù)分析需求。如果要說前兩個要求，顯

 講師：尹傳亮詳情

數(shù)據(jù)分析與建模第一章數(shù)據(jù)分析與大數(shù)據(jù)平臺1.大數(shù)據(jù)相關(guān)概念2.大數(shù)據(jù)特征3.大數(shù)據(jù)平臺簡介第二章數(shù)據(jù)分析流程1.數(shù)據(jù)分析2.數(shù)據(jù)分析工具3.數(shù)據(jù)分析流程4.典型模型場景第三章重要的python庫1.NumPy2.pandas3.matplotlib4.IPython與Jupyter5.SciPy6.scikit-learn7statsmodels第4章Num

 講師：尹傳亮詳情

Hadoop大數(shù)據(jù)解決方案平臺技術(shù)培訓(xùn)【課程目標】Hadoop作為開源的云計算平臺，為大數(shù)據(jù)處理提供了一整套解決方案，應(yīng)用非常廣泛。Hadoop作為一個平臺框架，包括了如何存儲海量數(shù)據(jù)，如何處理海量數(shù)據(jù)，以及相應(yīng)的數(shù)據(jù)庫、數(shù)據(jù)倉庫、數(shù)據(jù)流處理、數(shù)據(jù)分析和挖掘算法庫，等等。本課程主要介紹Hadoop的思想、原理，以及重要技術(shù)等相關(guān)知識。通過本課程的學(xué)習(xí)，達到如

 講師：尹傳亮詳情

COPYRIGT @ 2001-2018 HTTP://kunyu-store.cn INC. ALL RIGHTS RESERVED. 管理資源網(wǎng) 版權(quán)所有