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