-
【第一周】
1.【学前准备】开营仪式
2.了解机器学习基本概念
3.入门比赛:“达观杯”NLP算法大赛(报名和入门指导)
-
【第二周】
1.线性模型
2.学习sklearn包中逻辑回归算法的使用
3.作业:梳理算法工作流程,使用sklearn的逻辑回归接口实现MNIST 分类
-
【第三周】
1. 决策树的分裂准则
2. 决策树的剪枝和连续值处理
3. 学习sklearn包中决策树算法的使用
4.作业:掌握构建一个棵树的基本流程,使用sklearn的决策树接口实现鸢尾花分类
5. 入门比赛:“达观杯”NLP算法大赛(进阶指导)
-
【第四周】
1. 支持向量机原始模型的建立和求解
2. 核函数和软间隔支持向量机
3. 了解sklearn包中svm算法的使用
4.作业:掌握SVM公式推导,使用sklearn的SVM接口实现鸢尾花分类
-
【第五周】
1.极大似然估计与朴素贝叶斯
2. EM算法
3.了解sklearn包中的朴素贝叶斯算法的适用
4.作业:掌握极大似然估计和朴素贝叶斯分类器,使用sklearn的高斯贝叶斯接口实现鸢尾花分类
-
【第六周】
1.神经网络结构
2.BP算法
3.深度学习初探
4.了解sklearn包中神经网络的使用
5.作业:掌握BP算法,使用sklearn的神经网络接口实现MNIST分类
-
【第七周】
1.经验误差与过拟合
2.评估方法
3.性能度量
4.了解sklearn包中模型评估方法的使用
5.进阶比赛:天池 o2o 优惠券使用预测比赛(报名指导)
-
【第八周】
1.特征降维
2.特征选择
3.了解sklearn包中特征选择和降维算法的使用
4.作业:掌握特征选择和降维算法的使用
5.进阶比赛:天池 o2o 优惠券使用预测比赛(入门指导)
-
【第九周】
1.集成学习
2.结合策略
3.实验-lightGBM的使用
4.进阶比赛:天池o2o优惠券使用预测比赛(进阶指导)
-
【第十周】
1.聚类
2.HMM
3.对K-means算法进行实践
-
【第十一周】
1.任务与奖赏
2.K-摇臂赌博机
3.有/无模型学习
4.比赛复盘和期末总结