架構(gòu)師
互聯(lián)網(wǎng)
推薦課程
average > 0 ? $model->average . '分' : '10.0分' ?>

機器學(xué)習(xí)應(yīng)用實踐

Q. Jun

騰訊 技術(shù)總監(jiān)

機器學(xué)習(xí)海歸博士,騰訊技術(shù)總監(jiān),專長AI技術(shù)在現(xiàn)實應(yīng)用場景的落地及變現(xiàn),對不同領(lǐng)域的內(nèi)容識別,推薦,搜索和廣告有豐富的經(jīng)驗。前網(wǎng)易,負(fù)責(zé)網(wǎng)易新聞內(nèi)容的(個性化)推薦和剩余流量效果廣告變現(xiàn)。其一直致力于大數(shù)據(jù)算法和業(yè)務(wù)的結(jié)合并創(chuàng)造價值,作為行業(yè)老兵積極參與行業(yè)內(nèi)各種技術(shù)大會,分享近年來的算法成果。 前當(dāng)當(dāng)網(wǎng)算法研究員,NLP和算法團隊負(fù)責(zé)人,負(fù)責(zé)當(dāng)當(dāng)網(wǎng)推薦,廣告,搜索和NLP方面的算法應(yīng)用。其對數(shù)據(jù)和算法的融合有豐富的經(jīng)驗,通過技術(shù)創(chuàng)造價值為公司帶來過億元的營收。多次代表當(dāng)當(dāng)網(wǎng)作為嘉賓參與CTO俱樂部,系統(tǒng)架構(gòu)師大會等技術(shù)會議,分享當(dāng)當(dāng)網(wǎng)近年來的算法成果。

機器學(xué)習(xí)海歸博士,騰訊技術(shù)總監(jiān),專長AI技術(shù)在現(xiàn)實應(yīng)用場景的落地及變現(xiàn),對不同領(lǐng)域的內(nèi)容識別,推薦,搜索和廣告有豐富的經(jīng)驗。前網(wǎng)易,負(fù)責(zé)網(wǎng)易新聞內(nèi)容的(個性化)推薦和剩余流量效果廣告變現(xiàn)。其一直致力于大數(shù)據(jù)算法和業(yè)務(wù)的結(jié)合并創(chuàng)造價值,作為行業(yè)老兵積極參與行業(yè)內(nèi)各種技術(shù)大會,分享近年來的算法成果。 前當(dāng)當(dāng)網(wǎng)算法研究員,NLP和算法團隊負(fù)責(zé)人,負(fù)責(zé)當(dāng)當(dāng)網(wǎng)推薦,廣告,搜索和NLP方面的算法應(yīng)用。其對數(shù)據(jù)和算法的融合有豐富的經(jīng)驗,通過技術(shù)創(chuàng)造價值為公司帶來過億元的營收。多次代表當(dāng)當(dāng)網(wǎng)作為嘉賓參與CTO俱樂部,系統(tǒng)架構(gòu)師大會等技術(shù)會議,分享當(dāng)當(dāng)網(wǎng)近年來的算法成果。

課程費用

6800.00 /人

課程時長

2

成為教練

課程簡介

目標(biāo)收益

培訓(xùn)對象

課程大綱

第一單元
機器學(xué)習(xí)&經(jīng)典模型


該單元介紹機器學(xué)習(xí)基本概念,發(fā)展史和經(jīng)典模型解析及其應(yīng)用。

1、機器學(xué)習(xí)簡介
(1)什么是機器學(xué)習(xí)
(2)機器學(xué)習(xí)應(yīng)用場景
(3)機器學(xué)習(xí)發(fā)展歷史;
(4)機器學(xué)習(xí)與大數(shù)據(jù);
(5)機器學(xué)習(xí)的本質(zhì)
2、機器學(xué)習(xí)模型及其應(yīng)用實踐
(1)SVM模型;
(2)LR模型
(3)決策樹模型
(4)Word2Vec模型
(5)貝葉斯模型
第二單元
大數(shù)據(jù)與2%的世界


該單元首先詳細(xì)介紹了“大數(shù)據(jù)”如何作為一種手段讓機器變得更加智能,從而更好服務(wù)用戶,提升商業(yè)價值。
1、什么是大數(shù)據(jù)
2、大數(shù)據(jù)發(fā)展歷程
3、大數(shù)據(jù)的應(yīng)用場景
(1)傳統(tǒng)場景
(2)京東vs.蘇寧
(3)成功案例
4、大數(shù)據(jù)的變現(xiàn)實例
(1)圖書電商評論排序/跟帖排序
(2)精準(zhǔn)關(guān)聯(lián)廣告
(3)個性化推薦case
6、大數(shù)據(jù)處理工具:云計算
7、大數(shù)據(jù)發(fā)展方向
第三單元
層次分類


該單元詳細(xì)解釋了分類算法,重要擴充了文本分類領(lǐng)域top級別的的重排序算法。
1、傳統(tǒng)(層次)分類算法
2、重排序算法
(1)假設(shè)結(jié)果生產(chǎn)
(2)最優(yōu)結(jié)果選擇
(3)正負(fù)樣本構(gòu)建
(4)重排序模型的效果及性能
3、局部漸增式排序模型
第四單元
CTR預(yù)估
根據(jù)不同場景的用戶行為,挖掘潛在有價值點擊率(CTR)信息。
第五單元
新聞個性化推薦


根據(jù)文本挖掘算法,給出了新聞的個性化推薦架構(gòu),用戶畫像等核心技術(shù)點。
1、 分詞改進(jìn)
2、 關(guān)鍵詞提取優(yōu)化
3、 深度學(xué)習(xí)訓(xùn)練語義空間
4、 語義聚類
5、 語義層次聚類
6、 用戶畫像刻畫
7、 個性化推薦
第一單元
機器學(xué)習(xí)&經(jīng)典模型


該單元介紹機器學(xué)習(xí)基本概念,發(fā)展史和經(jīng)典模型解析及其應(yīng)用。

1、機器學(xué)習(xí)簡介
(1)什么是機器學(xué)習(xí)
(2)機器學(xué)習(xí)應(yīng)用場景
(3)機器學(xué)習(xí)發(fā)展歷史;
(4)機器學(xué)習(xí)與大數(shù)據(jù);
(5)機器學(xué)習(xí)的本質(zhì)
2、機器學(xué)習(xí)模型及其應(yīng)用實踐
(1)SVM模型;
(2)LR模型
(3)決策樹模型
(4)Word2Vec模型
(5)貝葉斯模型
第二單元
大數(shù)據(jù)與2%的世界


該單元首先詳細(xì)介紹了“大數(shù)據(jù)”如何作為一種手段讓機器變得更加智能,從而更好服務(wù)用戶,提升商業(yè)價值。
1、什么是大數(shù)據(jù)
2、大數(shù)據(jù)發(fā)展歷程
3、大數(shù)據(jù)的應(yīng)用場景
(1)傳統(tǒng)場景
(2)京東vs.蘇寧
(3)成功案例
4、大數(shù)據(jù)的變現(xiàn)實例
(1)圖書電商評論排序/跟帖排序
(2)精準(zhǔn)關(guān)聯(lián)廣告
(3)個性化推薦case
6、大數(shù)據(jù)處理工具:云計算
7、大數(shù)據(jù)發(fā)展方向
第三單元
層次分類


該單元詳細(xì)解釋了分類算法,重要擴充了文本分類領(lǐng)域top級別的的重排序算法。
1、傳統(tǒng)(層次)分類算法
2、重排序算法
(1)假設(shè)結(jié)果生產(chǎn)
(2)最優(yōu)結(jié)果選擇
(3)正負(fù)樣本構(gòu)建
(4)重排序模型的效果及性能
3、局部漸增式排序模型
第四單元
CTR預(yù)估

根據(jù)不同場景的用戶行為,挖掘潛在有價值點擊率(CTR)信息。
第五單元
新聞個性化推薦


根據(jù)文本挖掘算法,給出了新聞的個性化推薦架構(gòu),用戶畫像等核心技術(shù)點。
1、 分詞改進(jìn)
2、 關(guān)鍵詞提取優(yōu)化
3、 深度學(xué)習(xí)訓(xùn)練語義空間
4、 語義聚類
5、 語義層次聚類
6、 用戶畫像刻畫
7、 個性化推薦

課程費用

6800.00 /人

課程時長

2

預(yù)約體驗票 我要分享

近期公開課推薦

近期公開課推薦

活動詳情

提交需求