所在位置:首页 -- 成功案例 -- 正文

2019年7月06日工行Python大数据机器学习圆满结束


发布时间:2019-8-4  来源:admin

1.每个算法模块按照“原理讲解→分析数据→自己动手实现→特征与调参”的顺序。

2.“Python数据清洗和特征提取”,提升学习深度、降低学习坡度。

3.增加网络爬虫的原理和编写,从获取数据开始,重视将实践问题转换成实际模型的能力,分享工作中的实际案例或Kaggle案例:广告销量分析、环境数据异常检测和分析、数字图像手写体识别、Titanic乘客存活率预测、用户-电影推荐、真实新闻组数据主题分析、中文分词、股票数据特征分析等。

4.强化矩阵运算、概率论、数理统计的知识运用,掌握机器学习根本。

5.阐述机器学习原理,提供配套源码和数据。

6.以直观解释,增强感性理解。

7.对比不同的特征选择带来的预测效果差异。

8.重视项目实践,重视落地。思考不同算法之间的区别和联系,提高在实际工作中选择算法的能力。

9.涉及和讲解的部分Python库有:Numpy、Scipy、matplotlib、Pandas、scikit-learn、XGBoost、libSVM、LDA、Gensim、NLTK、HMMLearn。

4-2.jpg

本课程特点是从数学层面推导最经典的机器学习算法,以及每种算法的示例和代码实现(Python)、如何做算法的参数调试、以实际应用案例分析各种算法的选择等。

4-1.jpg

3天的培训得到了学员一致好评