課程內(nèi)容：
01章利用文本分析進(jìn)行網(wǎng)絡(luò)輿情分析和命名實(shí)體識(shí)別
01-01文本分析簡(jiǎn)介及文本分析流程
01-02中文分詞方法
01-03中文詞性標(biāo)注方法
01-04關(guān)鍵詞提取方法
01-05命名實(shí)體識(shí)別
01-06文本分析模型實(shí)作與比較: 以網(wǎng)絡(luò)輿情分析模型及命名實(shí)體識(shí)別為例
02章利用文本分析進(jìn)行新聞文件分類及新聞文件摘要，利用深度學(xué)習(xí)模型建置人臉識(shí)別及物體偵測(cè)模型
02-01新聞文件分類方法
02-02中文文本摘要方法
02-03人臉識(shí)別及應(yīng)用
02-04OpenCV及Dlib簡(jiǎn)介
02-05人臉偵測(cè)及人臉68個(gè)特征擷取
02-06人臉識(shí)別(利用ResNet)
02-07物體檢測(cè)與定位及應(yīng)用
02-08目標(biāo)檢測(cè)技術(shù)概述
02-09YOLOv3簡(jiǎn)介及COCO 數(shù)據(jù)集(80類people (人)，bicycle(自行車)，car(汽車)...等數(shù)據(jù))
02-10物體定位
02-11物體檢測(cè)
02-12文本分析及深度學(xué)習(xí)模型實(shí)作與比較: 以新聞文件分類與摘要及人臉識(shí)別及物體偵測(cè)模型為例
03章利用半監(jiān)督學(xué)習(xí)技術(shù)進(jìn)行電信業(yè)客戶流失模型的建置，利用深度學(xué)習(xí)技術(shù)進(jìn)行信用卡盜刷預(yù)測(cè)模型建置
03-01傳統(tǒng)監(jiān)督學(xué)習(xí)方法與非監(jiān)督學(xué)習(xí)方法
03-02半監(jiān)督學(xué)習(xí)方法概述
03-03半監(jiān)督學(xué)習(xí)模型實(shí)作與比較: 以電信業(yè)客戶流失模型為例
03-04智能反欺詐概述
03-05反欺詐手法
03-06機(jī)器學(xué)習(xí)方法
03-07深度學(xué)習(xí)方法
03-08深度學(xué)習(xí)模型實(shí)作與比較: 以信用卡盜刷預(yù)測(cè)模型為例
04章以利潤(rùn)最大化為目標(biāo)之產(chǎn)品營(yíng)銷模型的建置，利用集成學(xué)習(xí)建置小額信貸及信用風(fēng)險(xiǎn)預(yù)測(cè)模型
04-01傳統(tǒng)模型評(píng)估方法與利潤(rùn)最大化評(píng)估方法
04-02增益圖與利潤(rùn)圖
04-03利潤(rùn)最大化模型實(shí)作與比較: 以產(chǎn)品營(yíng)銷模型為例
04-04傳統(tǒng)學(xué)習(xí)與集成學(xué)習(xí)
04-05集成學(xué)習(xí)的分類：模型融合與機(jī)器學(xué)習(xí)元算法
04-06模型融合模型建置(多數(shù)法(Max Voting)、平均法(Averaging)、加權(quán)平均法(Weighted Averaging)、堆疊法(Stacking)、混合法(Blending))
04-07機(jī)器學(xué)習(xí)元算法模型建置(袋裝法(Bagging)、袋裝通用法(Bagging meta-estimator)、隨機(jī)森林(Random Forest)、提升法(Boosting)、Adaboosting算法、Gradient Boosting算法、XGBoosting算法)
04-08集成學(xué)習(xí)方法實(shí)作與比較: 以小額信貸及信用風(fēng)險(xiǎn)預(yù)測(cè)模型為例
魯公網(wǎng)安備37061302000010號(hào)
在線客服
預(yù)約試聽