課程描述(shu)INTRODUCTION
經典實驗設計與大數據建模課程
日程安排SCHEDULE
課(ke)程大綱Syllabus
經典實驗設計與大數據建模課程
培訓背景隨著工業物聯網的迅速發展,在智能制造和工業4.0的發展趨勢下,大數據與實體經濟正在逐步融合,利用機器學習可以對實體經濟行業進行市場需求分析、生產流程優化、供應鏈與物流管理、能源管理、提高智能客戶服務等,這不但大大拓展了企業的目標市場,更成為眾多企業技術進步的重要推動力。
培訓對象:數據分析人員、對機器學習算法感興趣的人員
培訓時間:18H
課程特點:
(1)關注算法:本次課程通過對算法的深入闡述,通過相關的案例講解,讓學員了解機器學習算法的本質,不同的機器學習算法到底能解決什么問題。
(2)算法實用:機器學習領域算法眾多,逐個學習耗時費力。本次課程介紹了一些常見的實用算法,對算法原理進行詳細講解,通過這些算法可以解決制造業領域面臨的大部分問題。
(3)關注(zhu)實操(cao):本次課(ke)程安排了學員(yuan)進行實際操(cao)作,幫助學員(yuan)快速上手如何通(tong)過(guo)機器學習建立模型。
課程大綱:
第一講:機器學習入門
1、什么是機器學習
2、關于數據
3、機器學習與數據庫以及BI的比較
4、建模的核心內容
5、模型評估
6、數據準備
7、總結
第二講:CART算法介紹
1、CART決策樹基本概念介紹
2、如何進行分裂
3、Prior概率
4、損失的概念
5、缺失值處理
6、變量重要性
7、CART樹形成過程
8、交叉驗證
9、如何打分
10、一些CART的新功能
11、案例演示
12、實操訓練
第三講:TreeNet算法介紹
1、直覺性的介紹
2、損失函數
3、參數和非參數方法
4、隨機梯度提升的算法核心概念
5、具體建模過程圖形演示
6、優化模型的一些重要參數
7、TreeNet的優勢
8、自動化建模介紹
9、案例演示
10、實操訓練
第四講:Mars算法介紹
1、什么是MARS
2、傳統建模和現代建模方法比對
3、MARS的核心概念
4、案例演示
5、實操訓練
第五講:GPS算法介紹
1、傳統回歸的問題
2、Ridge回歸
3、LASSO回歸
4、相對于(yu)之前的(de)(de)正則化回歸,GPS的(de)(de)改進
第六講:RandomForests算法介紹
1、RF與傳統的Bagging的區別
2、RF中的決策樹與CART樹的區別
3、RF中OOB檢驗機制
4、RF中臨近度概念介紹
5、如何在RF中做聚類分析和異常點探查
6、RF中缺失值處理機制
7、RF中的權重和變量重要性如何計算(suan)
第七講:DataBinning,QuickImpute算法介紹
第八講:機器學習的應用場景
第九講:如何建立最優模型
經典實驗設計與大數據建模課程
轉載://citymember.cn/gkk_detail/47371.html
已(yi)開課(ke)時間Have start time
人工智能內訓
- 《AI領導力思維》 武建偉
- AI商用訓練營——增加工作 武建偉(wei)
- 《未來管理革新:ChatG 武建偉(wei)
- 信用卡直播,結合人工智能 武建偉
- 《鄉村振興金融新思維——A 武建(jian)偉
- 數智賦能—走在 AI 浪潮
- 《數字化轉型中的仿真》 王明(ming)哲
- 《游戲規則改變--當制藥業 王明哲
- 《人工智能如何落地汽車行業 王明哲
- AI賦能企業增長的新紀元—
- 數智賦能—走在 AI 浪潮
- 5G、物聯網、數字化轉型等 胡國慶