课程介绍

• 

  卿来云

  研究员/技术专家/教授

  中国科学院大学计算机与控制学院副教授，计算机软件与理论博士。讲授研究生课程机器学习十余年，研究方向为机器学习在计算机视觉领域的应用，作为项目负责人承担国家863项目和国家自然科学基金项目多项，并发表学术论文70余篇。

• 主题说明

  为满足市场需求，培养更多人工智能人才，CSDN学院特别邀请到有十余年教学经验的中科院教授卿来云老师为大家带来本次课程。

• 适合对象

  想转型人工智能领域的工程师。

• 学习要点

  第一阶段：机器学习基础算法

  SVM 分类模型用于 Otto 商品分类和 金融贷款预测 所需技能点： 1. 特征工程：稀疏数据特征缩放； 2. Scikit-Learn 中 SVM 模 型 的 使 用； 3. 采用交叉验证方式对正则超参数 和 RBF 核函数宽度调优； 4. 模型性能分析；决策树模型用于 Otto 商品分类 所需技能点： 1. Scikit-Learn 中决策树模型和随 机模型的使用 2. 用交叉验证方式对决策树模型的 过早停止参数调优；随机森林、XGBoost、LightGBM 用 于 Otto 商品分类、金融贷款预测。 所需技能点： 1. 特征工程：特征哈希、计数编码 2. . 随机森林、XGBoost、LightGBM 的使用； 3 采 用 交 叉 验 证 方 式 对 XGBoost/LightGBM 超参数调优，注 意 XGBoos/LightGBMt 自带 cv 函数 与 GridSearchCV 相结合； 4. 模型性能分析。PCA 降维和 t-SNE 用于 Otto 商品数 据降维 KMean 聚类用于 Event 数据聚类所需技能点： 1. PCA 和 t-SNE 的使用； 2. KMeans 的使用； 3. 聚类模型性能评价；

  第二阶段：两个工业级项目选择（四周时间）

   1.CTR预估；2.音乐网站用户流失预测；

• 课时安排

  每周大概4个小时录播课程，除此之外，每周日下午15:00-17:00 讲师直播课程结构讲解、作业评点、课程答疑

   

  第一阶段：机器学习基础算法（5 weeks）

  第二阶段：两个工业级项目选择（4 weeks）

   

  （注：时间安排可能会有调整，请注意刷新页面查看最新安排）

  开课时间仅供参考，具体时间等待班主任通知，敬请留意。