1、培訓(xùn)過(guò)程中，如有部分內(nèi)容理解不透或消化不好，可免費(fèi)在以后培訓(xùn)班中重聽(tīng)；
       2、免費(fèi)提供課后技術(shù)支持，保障培訓(xùn)效果。
       3、培訓(xùn)合格學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會(huì)。☆合格學(xué)員免費(fèi)頒發(fā)相關(guān)工程師等資格證書(shū)，提升職業(yè)資質(zhì)。專(zhuān)注高端技術(shù)培訓(xùn)15年，端海學(xué)員的能力得到大家的認(rèn)同，受到用人單位的廣泛贊譽(yù)，端海的證書(shū)受到廣泛認(rèn)可。

• 主題 內(nèi)容
  第一單元
  機(jī)器學(xué)習(xí)&經(jīng)典模型
  
• 該單元介紹機(jī)器學(xué)習(xí)基本概念，發(fā)展史和經(jīng)典模型解析及其應(yīng)用。
  
• 1、機(jī)器學(xué)習(xí)簡(jiǎn)介
  （1）什么是機(jī)器學(xué)習(xí)
  （2）機(jī)器學(xué)習(xí)應(yīng)用場(chǎng)景
  （3）機(jī)器學(xué)習(xí)發(fā)展歷史；
  （4）機(jī)器學(xué)習(xí)與大數(shù)據(jù)；
  （5）機(jī)器學(xué)習(xí)的本質(zhì)
  2、機(jī)器學(xué)習(xí)模型及其應(yīng)用實(shí)踐
  （1）SVM模型；
  （2）LR模型
  （3）決策樹(shù)模型
  （4）Word2Vec模型
  （5）貝葉斯模型
• 第二單元
  大數(shù)據(jù)與2%的世界
  
• 該單元首先詳細(xì)介紹了“大數(shù)據(jù)”如何作為一種手段讓機(jī)器變得更加智能，從而更好服務(wù)用戶(hù)，提升商業(yè)價(jià)值。
• 1、什么是大數(shù)據(jù)
  2、大數(shù)據(jù)發(fā)展歷程
  3、大數(shù)據(jù)的應(yīng)用場(chǎng)景
  （1）傳統(tǒng)場(chǎng)景
  （2）京東vs.蘇寧
  （3）成功案例
  4、大數(shù)據(jù)的變現(xiàn)實(shí)例
  （1）圖書(shū)電商評(píng)論排序/跟帖排序
  （2）精準(zhǔn)關(guān)聯(lián)廣告
  （3）個(gè)性化推薦case
  6、大數(shù)據(jù)處理工具：云計(jì)算
  7、大數(shù)據(jù)發(fā)展方向
• 第三單元
  層次分類(lèi)
  
• 該單元詳細(xì)解釋了分類(lèi)算法，重要擴(kuò)充了文本分類(lèi)領(lǐng)域top級(jí)別的的重排序算法。
• 1、傳統(tǒng)（層次）分類(lèi)算法
  2、重排序算法
  （1）假設(shè)結(jié)果生產(chǎn)
  （2）最優(yōu)結(jié)果選擇
  （3）正負(fù)樣本構(gòu)建
  （4）重排序模型的效果及性能
  3、局部漸增式排序模型
• 第四單元
  CTR預(yù)估
• 根據(jù)不同場(chǎng)景的用戶(hù)行為，挖掘潛在有價(jià)值點(diǎn)擊率（CTR）信息。
• 第五單元
  新聞個(gè)性化推薦
  
• 根據(jù)文本挖掘算法，給出了新聞的個(gè)性化推薦架構(gòu)，用戶(hù)畫(huà)像等核心技術(shù)點(diǎn)。
• 1、 分詞改進(jìn)
  2、 關(guān)鍵詞提取優(yōu)化
  3、 深度學(xué)習(xí)訓(xùn)練語(yǔ)義空間
  4、 語(yǔ)義聚類(lèi)
  5、 語(yǔ)義層次聚類(lèi)
  6、 用戶(hù)畫(huà)像刻畫(huà)
  7、 個(gè)性化推薦