人工智能之數據挖掘與機器學習
講(jiang)師：葉梓(zi) 瀏覽次數：2561
課(ke)程(cheng)描述INTRODUCTION
數(shu)據挖掘與機器學(xue)習課(ke)程
培訓講師：
課程價格：
培訓天數：日程安排(pai)SCHEDULE
課程大綱Syllabus
數據挖掘與機器學習課程
課程大綱
一、概述
1、 概(gai)念(nian)與術語(yu)（人(ren)工(gong)智能、數據挖掘(jue)、機器(qi)學習…）
2、 數(shu)據(ju)挖(wa)掘的對象
3、 數據挖(wa)掘(jue)的關鍵技術
4、 知識的表達
二、數據預處理
1、 變(bian)量類型
2、 數據清理
3、 數據集成(cheng)和變換
4、 數(shu)據倉(cang)庫與(yu)數(shu)據方（OLAP）
5、 規范(fan)化(hua)
6、 數據(ju)壓縮（DCT、小(xiao)波變換）
三(san)、降維與(yu)維度歸約
1、 無標簽(qian)時(shi)：PCA
2、 有(you)標簽時：Fisher線性判別(bie)（第一個“LDA”）
3、 知識的(de)約簡
4、 決策表(biao)的約(yue)簡
5、 粗糙(cao)集
四(si)、回歸與(yu)時(shi)序分析
1、 線性回歸
2、 非線性回歸
3、 logistics回歸
4、 平穩性(xing)、截尾與拖尾
5、 ARIMA
五、決策樹
1、 分類和(he)預測
2、 熵減過(guo)程(cheng)與貪心法
3、 ID3
4、 C4.5
5、 其他改進方(fang)法
6、 決策樹(shu)剪枝
7、 歸納學習
六(liu)、聚類
1、 監督學習(xi)與無監督學習(xi)
2、 K-means與(yu)k-medoids
3、 層次(ci)的方(fang)法
4、 基于密度的(de)方法
5、 基于網(wang)格(ge)的方法
6、 孤立點分(fen)析
7、 案例：鳶尾花數據的聚類
七、關聯(lian)規則與(yu)序列挖(wa)掘
1、 頻繁項集(ji)
2、 支持(chi)度與置信度
3、 Apriori性質
4、 連接與剪枝
5、 總有(you)“啤酒與尿布”以(yi)外的案例(li)吧？
6、 序列挖掘
八(ba)、惰性學習(xi)
1、 迫切學(xue)習與惰性學(xue)習
2、 K-NN分類算法
3、 基于案(an)例的推理
九、機器學習中性能評(ping)價指標(biao)
1、 準確率(lv)；*率(lv)、召回率(lv)；F1
2、 真(zhen)陽性率、假陽性率
3、 混淆矩(ju)陣
4、 ROC與AUC
5、 對數損失
6、 Kappa系數
7、 回(hui)歸：平均(jun)(jun)*誤(wu)差(cha)、平均(jun)(jun)平方誤(wu)差(cha)
8、 聚類：蘭德指數(shu)、互(hu)信息
十、樸素(su)貝葉斯與(yu)貝葉斯網絡
1、 概率論基礎：條件概率、聯合(he)概率、分布、共軛先驗。
2、 “概率派(pai)”與“貝(bei)葉斯派(pai)”
3、 樸素(su)貝葉斯(si)模型
4、 貝葉(xie)斯信念網絡
5、 應(ying)用案例介紹(shao)
十(shi)一、 ; 極大似然估(gu)計與EM算(suan)法
1、 極大(da)似然估計
2、 半監(jian)督學習
3、 EM算(suan)法
4、 EM算法(fa)應用：貝葉斯線性回歸
十二、 支持(chi)向量機
1、 統計學習問題
2、 結構風險(xian)最小歸納原理(li)
3、 支持向(xiang)量機(ji)
4、 核函數
5、 多分類的支持向量機
6、 用于(yu)連續值預(yu)測(ce)的支持向量機
7、 小(xiao)案例：“拆蚊(wen)香”
十三(san)、 BP神經網絡(luo)
1、 人工神(shen)經(jing)元及感知(zhi)機模型
2、 前向神經(jing)網絡
3、 sigmoid
4、 徑向基函數神(shen)經網絡(luo)
5、 誤差反向傳播
十四、 其他神經網絡(luo)
1、 hopfield網(wang)絡
2、 自組織特征映射神經網絡(luo)
3、 受限(xian)布爾茲曼機
4、 神經網絡的應用(yong)案例介(jie)紹
十五、 機器(qi)學習中(zhong)的最優化方法
1、 參數學習方(fang)法
2、 損失(shi)函數(shu)（或目標函數(shu)）
3、 梯度下降
4、 隨機梯度下降
5、 牛頓法
6、 擬牛頓法(fa)
7、 蠻力(li)法也(ye)算(suan)嗎？
十六、 遺傳算法
1、 交叉、選(xuan)擇、變異
2、 基(ji)本算法
3、 神經網絡與遺傳算法結合(he)的案例：井(jing)字棋
十七(qi)、 隱馬爾科夫模(mo)型
1、 馬爾科夫過程
2、 隱馬爾科夫模型
3、 三(san)個(ge)基本問題(ti)（評估、解碼、學(xue)習）
4、 前向-后向算法
5、 Viterbi算法
6、 Baum-Welch算(suan)法
十八、 條件隨(sui)機場
1、 *熵(shang)理論
2、 無(wu)向(xiang)圖模型與(yu)MRF
3、 CRF與(yu)MRF的關系
4、 *團(tuan)與勢函數
5、 CRF的三個問題（概率(lv)計算、參數(shu)學(xue)習、預測）
6、 CRF進行(xing)詞(ci)性標注的案例
十九、 文本(ben)挖掘
1、文本分(fen)析功能
2、文(wen)本特征的提取
4、文本分類
5、文本(ben)聚(ju)類
6、文本摘要
二十(shi)、 Monte-Carlo法(fa)
1、 扔飛鏢計算圓周率
2、 Monte-Carlo積分
3、 接受(shou)-拒絕采樣
4、 重要性采樣
5、 MCMC方法的基本思路
6、 Metropolis-Hastings算法
7、 Gibbs采(cai)樣
二十一、從LSA到LDA
1、 LSA（潛(qian)在語義分析）
2、 pLSA
3、 第(di)二個“LDA”（潛在(zai)狄利克雷(lei)分布）
二十二、網頁排序與商品推薦
1、 page rank
2、 基于人口統計學的推薦
3、 基于內容的推薦
4、 協同過濾
5、 基于關聯規(gui)則(ze)推薦(jian)
6、 組(zu)合推薦
二(er)十三、組合的模型
1、 bagging
2、 co-training
3、 adaboost
4、 隨機森林(lin)
5、 GBDT
二十四、強化學習
1、 MDPs中的agent的屬性
2、 exploration and exploitation
3、 Bellman期望方程
4、 最(zui)優策略
5、 策略迭代與價值迭代
6、 Q學習算法
7、 DQN
二十(shi)五、綜合案例
1、 如何教(jiao)電腦玩“flappy
bird”
2、 待定(ding)
數據挖掘與機器學習課程
轉載：//citymember.cn/gkk_detail/65681.html
已(yi)開課時間Have start time
- 葉梓
[僅限會員]
人工智能內訓
- AI商用訓練營——增加工作 武建(jian)偉
- 《人工智能如何落地汽車行業 王明哲
- 5G、物聯網、數字化轉型等 胡國慶(qing)
- 信用卡直播，結合人工智能 武建偉
- 數智賦能—走在 AI 浪潮
- 《鄉村振興金融新思維——A 武建偉
- 《游戲規則改變--當制藥業 王明哲
- 《數字化轉型中的仿真》 王明哲
- AI賦能企業增長的新紀元—
- 數智賦能—走在 AI 浪潮
- 《未來管理革新：ChatG 武建偉
- 《AI領導力思維》 武建偉