聯繫我們
 課程時長 21 時間:

課程簡介

  1. 大資料下的分散式應用
    1. 資料探勘方法(訓練單機型+分散式預測: 傳統機器學習算法+Mapreduce 分散式預測,)
    2. Apache Spark MLlib
  2. 推薦與廣告精準投放:
    1. 自然語言的部分
    2. 文本聚類,文本分類(標籤),同義詞
    3. 用戶 profile 還原,標籤體系
    4. 推薦算法的策略
    5. 類之間的 lift, 類內的 lift, 如何精準
    6. 如何構建推薦算法的閉環
  3. 邏輯回歸,RankingSVM,
  4. 特徵識別:(深度學習與圖形的自動特徵識別)
  5. 自然語言
    1. 中文分詞
    2. 主題模型(文本聚類)
    3. 文本分類
    4. 提取關鍵詞
    5. 語義分析 semantic parser, word2vec到詞向量
    6. RNN Long short-term memory (LSTM) Architecture

最低要求

參加本課程沒有任何特定要求。

客戶評論 (1)

即將到來的課程

課程分類