?
課程目標:
1、了解機器學(xué)習的基本原理
2、基本掌握深度學(xué)習技術(shù)
3、理解機器學(xué)習技術(shù)在中文信息處理領(lǐng)域的應(yīng)用方式
?
課程目標本人理解:
課程對于初學(xué)者而言,適合如下目標:
1)了解機器學(xué)習/深度學(xué)習的適用場景和基本原理(做不到掌握機器學(xué)習技術(shù)或者全面了解機器學(xué)習技術(shù),只能是了解典型方法)
2)用兩三個典型的實驗任務(wù),讓學(xué)員直觀感受到:機器學(xué)習能解決什么問題,大概是個什么效果。實驗任務(wù)均給定代碼,學(xué)員閱讀理解代碼、運行任務(wù)、調(diào)試效果。
3)對于有編程基礎(chǔ)的學(xué)員:能夠用機器學(xué)習工具處理簡單NLP任務(wù)
?
課程大綱:
?
|
主題
|
內(nèi)容
|
|
機器學(xué)習的基本原理和典型模型介紹
|
1、機器學(xué)習簡介
2、線性回歸模型和梯度下降法
3、最大熵模型
4、支持向量機模型
5、無監(jiān)督學(xué)習常用方法介紹
6、優(yōu)化技巧:正則化和降維問題
?
|
|
實驗
?
|
1、實現(xiàn)梯度下降算法
2、分別使用線性回歸模型、最大熵模型解決垃圾郵件分類問題
3、無監(jiān)督學(xué)習解決文檔聚類問題,并從特征降維角度優(yōu)化效果和速度
|
|
深度學(xué)習基本原理和典型模型介紹
|
1、人工神經(jīng)網(wǎng)絡(luò)基本原理
2、NNLM和word2vec介紹
3、CNN原理及應(yīng)用
4、RNN原理及應(yīng)用
5、Gans原理及應(yīng)用
|
|
實驗
?
|
1、教師提供語料,學(xué)員使用word2vec訓(xùn)練詞向量,并使用詞向量完成詞語相似度計算任務(wù),觀察效果
2、安裝tensorflow,并運行指定的樣例任務(wù),修改關(guān)鍵參數(shù),觀察效果變化
3、使用tensorflow實現(xiàn)一個簡單的CNN網(wǎng)絡(luò),在同樣的樣例上觀察效果
|
?
以上課程可以根據(jù)客戶實際情況進行靈活調(diào)整。