《从自然语言处理入门机器学习》精品课提纲(机器学习之家).pdf

立即下载
老夫的少女心 | 上传时间: 2021-11-28 | 大小: 223.7 KB
模型/回归/学习/机器/课程/语言/实战/自然/逻辑/特征/
《从自然语言处理入门机器学习》
系列精品课程
开课背景:
为了帮助零基础的学员系统性地学习机器学习,成为 BAT的机器学习工程师,特开设本
课程。
一门来自 BAT讲师团队的机器学习课程,讲师来自百度、阿里巴巴等。
为什么要从自然语言处理入门机器学习:
机器学习必须和具体的数据类型、应用场景结合。由于文本数据处理相对于语音和视频
图像要容易一点,加上互联网累积的文本数据是最丰富的,因此,目前超过半数的机器学习
工程师都在做自然语言处理。
课程说明:
1)每章节安排授课时间两课时。
2)讲师课后答疑,助教督促学员完成作业
3)本课程以实践为主轴,打通概念的讲述,但并非纯实战课程,而是理论体系比较完
备、又注重实战的课程
【初级班】
课程目标:
能够完成基于朴素贝叶斯的、逻辑回归的中文垃圾短信识别,掌握分词、NLP 各种
工具包、常见的 linux 命令,理解线性回归、逻辑回归、朴素贝叶斯、最大熵、BP 神经网络
等基本模型
课程说明:
文本的特征表示、模型评估问题,会在实战过程中介绍
适合学员:
对自然语言处理零基础、刚接触机器学习的学员
课程安排:
第一章:机器学习与自然语言处理基础
机器学习基本概念(有监督、无监督、分类、聚类、回归等)
自然语言处理简介
Python 基础
jieba 分词
Linux 基本命令
轻松一刻:聊聊行业大师
第二章:自然语言的特征表示与语言模型简介
文本的特征表示:词袋特征、tf-idf特征、ngram 特征、词粒度等
主题模型、词嵌入简介
统计语言模型
【实战】基于语言模型的乱序句子重建实验
第三章:线性回归和梯度下降
线性回归模型
梯度下降法(BGD/SGD/online GD)
过拟合、正则化
数据抽样算法
【实战】实现线性回归模型,预测波士顿地区房价(手写,不掉包)
【实战】实现线性回归模型,预测波士顿地区房价(调包实现)
第四章:逻辑回归模型与二分类实践
Logistic 函数的由来、在神经网络中的应用
逻辑回归模型原理与训练
广义线性模型
【实战】实现基于逻辑回归的垃圾短信分类(手写,不掉包)
Python 工具包介绍(numpy scipy sklearn)
【实战】实现基于逻辑回归的垃圾短信分类(通过 sklearn 实
-1 条回复
登录 后才能参与评论