主题 |
内容
|
第一单元
机器学习&经典模型
该单元介绍机器学习基本概念，发展史和经典模型解析及其应用。 |
1、机器学习简介
（1）什么是机器学习
（2）机器学习应用场景
（3）机器学习发展历史；
（4）机器学习与大数据；
（5）机器学习的本质
2、机器学习模型及其应用实践
（1）SVM模型；
（2）LR模型
（3）决策树模型
（4）Word2Vec模型
（5）贝叶斯模型
|
第二单元
大数据与2%的世界
该单元首先详细介绍了“大数据”如何作为一种手段让机器变得更加智能，从而更好服务用户，提升商业价值。 |
1、什么是大数据
2、大数据发展历程
3、大数据的应用场景
（1）传统场景
（2）京东vs.苏宁
（3）成功案例
4、大数据的变现实例
（1）图书电商评论排序/跟帖排序
（2）精准关联广告
（3）个性化推荐case
6、大数据处理工具：云计算
7、大数据发展方向
|
第三单
层次分类
该单元详细解释了分类算法，重要扩充了文本分类领域top级别的的重排序算法 |
1、传统（层次）分类算法
2、重排序算法
（1）假设结果生产
（2）最优结果选择
（3）正负样本构建
（4）重排序模型的效果及性能
3、局部渐增式排序模型 |
第四单元
CTR预估 |
根据不同场景的用户行为，挖掘潜在有价值点击率（CTR）信息。 |
第五单元
新闻个性化推荐
根据文本挖掘算法，给出了新闻的个性化推荐架构，用户画像等核心技术点。 |
1、 分词改进
2、 关键词提取优化
3、 深度学习训练语义空间?
4、 语义聚类
5、 语义层次聚类
6、 用户画像刻画
7、 个性化推荐 |
