以下就是本次機(jī)器學(xué)習(xí)培訓(xùn)的內(nèi)容:
課程目標(biāo):
課程對(duì)于初學(xué)者而言,適合如下目標(biāo):
1)了解機(jī)器學(xué)習(xí)/深度學(xué)習(xí)的適用場景和基本原理(做不到掌握機(jī)器學(xué)習(xí)技術(shù)或者全面了解機(jī)器學(xué)習(xí)技術(shù),只能是了解典型方法)
2)用兩三個(gè)典型的實(shí)驗(yàn)任務(wù),讓學(xué)員直觀感受到:機(jī)器學(xué)習(xí)能解決什么問題,大概是個(gè)什么效果。實(shí)驗(yàn)任務(wù)均給定代碼,學(xué)員閱讀理解代碼、運(yùn)行任務(wù)、調(diào)試效果。
3)對(duì)于有編程基礎(chǔ)的學(xué)員:能夠用機(jī)器學(xué)習(xí)工具處理簡單NLP任務(wù)
課程大綱:
?
機(jī)器學(xué)習(xí)的基本原理和典型模型介紹
1、機(jī)器學(xué)習(xí)簡介
2、線性回歸模型和梯度下降法
3、大熵模型
4、支持向量機(jī)模型
5、無監(jiān)督學(xué)習(xí)常用方法介紹
6、優(yōu)化技巧:正則化和降維問題
實(shí)驗(yàn)
1、實(shí)現(xiàn)梯度下降算法
2、分別使用線性回歸模型、大熵模型解決垃圾郵件分類問題
3、無監(jiān)督學(xué)習(xí)解決文檔聚類問題,并從特征降維角度優(yōu)化效果和速度
深度學(xué)習(xí)基本原理和典型模型介紹
1、人工神經(jīng)網(wǎng)絡(luò)基本原理
2、NNLM和word2vec介紹
3、CNN原理及應(yīng)用
4、RNN原理及應(yīng)用
5、Gans原理及應(yīng)用
實(shí)驗(yàn)
1、教師提供語料,學(xué)員使用word2vec訓(xùn)練詞向量,并使用詞向量完成詞語相似度計(jì)算任務(wù),觀察效果
2、安裝tensorflow,并運(yùn)行指定的樣例任務(wù),修改關(guān)鍵參數(shù),觀察效果變化
3、使用tensorflow實(shí)現(xiàn)一個(gè)簡單的CNN網(wǎng)絡(luò),在同樣的樣例上觀察效果