架构师
互联网
推荐课程
average > 0 ? $model->average . '分' : '10.0分' ?>

机器学习应用实践

Q. Jun

腾讯 技术总监

机器学习海归博士,腾讯技术总监,专长AI技术在现实应用场景的落地及变现,对不同领域的内容识别,推荐,搜索和广告有丰富的经验。前网易,负责网易新闻内容的(个性化)推荐和剩余流量效果广告变现。其一直致力于大数据算法和业务的结合并创造价值,作为行业老兵积极参与行业内各种技术大会,分享近年来的算法成果。 前当当网算法研究员,NLP和算法团队负责人,负责当当网推荐,广告,搜索和NLP方面的算法应用。其对数据和算法的融合有丰富的经验,通过技术创造价值为公司带来过亿元的营收。多次代表当当网作为嘉宾参与CTO俱乐部,系统架构师大会等技术会议,分享当当网近年来的算法成果。

机器学习海归博士,腾讯技术总监,专长AI技术在现实应用场景的落地及变现,对不同领域的内容识别,推荐,搜索和广告有丰富的经验。前网易,负责网易新闻内容的(个性化)推荐和剩余流量效果广告变现。其一直致力于大数据算法和业务的结合并创造价值,作为行业老兵积极参与行业内各种技术大会,分享近年来的算法成果。 前当当网算法研究员,NLP和算法团队负责人,负责当当网推荐,广告,搜索和NLP方面的算法应用。其对数据和算法的融合有丰富的经验,通过技术创造价值为公司带来过亿元的营收。多次代表当当网作为嘉宾参与CTO俱乐部,系统架构师大会等技术会议,分享当当网近年来的算法成果。

课程费用

6800.00 /人

课程时长

2

成为教练

课程简介

目标收益

培训对象

课程大纲

第一单元
机器学习&经典模型


该单元介绍机器学习基本概念,发展史和经典模型解析及其应用。

1、机器学习简介
(1)什么是机器学习
(2)机器学习应用场景
(3)机器学习发展历史;
(4)机器学习与大数据;
(5)机器学习的本质
2、机器学习模型及其应用实践
(1)SVM模型;
(2)LR模型
(3)决策树模型
(4)Word2Vec模型
(5)贝叶斯模型
第二单元
大数据与2%的世界


该单元首先详细介绍了“大数据”如何作为一种手段让机器变得更加智能,从而更好服务用户,提升商业价值。
1、什么是大数据
2、大数据发展历程
3、大数据的应用场景
(1)传统场景
(2)京东vs.苏宁
(3)成功案例
4、大数据的变现实例
(1)图书电商评论排序/跟帖排序
(2)精准关联广告
(3)个性化推荐case
6、大数据处理工具:云计算
7、大数据发展方向
第三单元
层次分类


该单元详细解释了分类算法,重要扩充了文本分类领域top级别的的重排序算法。
1、传统(层次)分类算法
2、重排序算法
(1)假设结果生产
(2)最优结果选择
(3)正负样本构建
(4)重排序模型的效果及性能
3、局部渐增式排序模型
第四单元
CTR预估
根据不同场景的用户行为,挖掘潜在有价值点击率(CTR)信息。
第五单元
新闻个性化推荐


根据文本挖掘算法,给出了新闻的个性化推荐架构,用户画像等核心技术点。
1、 分词改进
2、 关键词提取优化
3、 深度学习训练语义空间
4、 语义聚类
5、 语义层次聚类
6、 用户画像刻画
7、 个性化推荐
第一单元
机器学习&经典模型


该单元介绍机器学习基本概念,发展史和经典模型解析及其应用。

1、机器学习简介
(1)什么是机器学习
(2)机器学习应用场景
(3)机器学习发展历史;
(4)机器学习与大数据;
(5)机器学习的本质
2、机器学习模型及其应用实践
(1)SVM模型;
(2)LR模型
(3)决策树模型
(4)Word2Vec模型
(5)贝叶斯模型
第二单元
大数据与2%的世界


该单元首先详细介绍了“大数据”如何作为一种手段让机器变得更加智能,从而更好服务用户,提升商业价值。
1、什么是大数据
2、大数据发展历程
3、大数据的应用场景
(1)传统场景
(2)京东vs.苏宁
(3)成功案例
4、大数据的变现实例
(1)图书电商评论排序/跟帖排序
(2)精准关联广告
(3)个性化推荐case
6、大数据处理工具:云计算
7、大数据发展方向
第三单元
层次分类


该单元详细解释了分类算法,重要扩充了文本分类领域top级别的的重排序算法。
1、传统(层次)分类算法
2、重排序算法
(1)假设结果生产
(2)最优结果选择
(3)正负样本构建
(4)重排序模型的效果及性能
3、局部渐增式排序模型
第四单元
CTR预估

根据不同场景的用户行为,挖掘潜在有价值点击率(CTR)信息。
第五单元
新闻个性化推荐


根据文本挖掘算法,给出了新闻的个性化推荐架构,用户画像等核心技术点。
1、 分词改进
2、 关键词提取优化
3、 深度学习训练语义空间
4、 语义聚类
5、 语义层次聚类
6、 用户画像刻画
7、 个性化推荐

提交需求