【专家讲师】

李御玺 (Yue-Shi Lee),国立台湾大学计算机工程博士，铭传大学计算机工程学系教授兼系主任暨所长，铭传大学数据挖掘中心主任，厦门大学数据挖掘中心顾问，中国人民大学数据挖掘中心顾问。其研究领域专注于数据仓库、数据挖掘、与文本挖掘。     

在其相关研究领域已发表超过260篇以上的研究论文,同时也是国科会与教育部多个相关研究计划的主持人。服务过的客户包括：中国工商局、中信银行、台新银行、联邦银行、新光银行、 新竹国际商业银行(现已并入渣打银行)、第一银行、永丰银行、远东银行、美商大都会人寿、嘉义基督教医院、台湾微软、零售业如赫莲娜(Helena Rubinstein)化妆品公司、特立和乐(HOLA)公司、航空公司如东方航空公司、中华航空公司、汽车行业如福特(Ford)汽车公司；政府行业如国税局等。

【课程大纲】

第一天 进阶机器学习技术(半监督式学习、利润最大化学习、目标类别不平衡学习、集成学习)及实操案例分享

• 传统模型评估方法与利润最大化评估方法

• 增益图与利润图

• 案例一：利润最大化模型实作: 以产品营销模型为例 (2018/12考题)

• 目标类别不平衡的问题

• 目标类别不平衡的处理方式

• 案例二：目标类别不平衡模型实作: 找出有资金需求的中小企业借贷户并销售其贷款产品 (2019/12考题)

• 传统监督学习方法与非监督学习方法

• 半监督学习方法概述

• 案例三：半监督学习模型实作: 以电信业客户流失模型为例 (2019/6考题)

• 传统学习与集成学习

• 集成学习的分类：模型融合与机器学习元算法

• 案例四：集成学习方法实作与比较: 从租赁特征、房源特征、房主特征、位置特征、以及声誉特征的信息，预测共享住宿的日租价格 (2022/9考题)

第二天 英文文本分析技术、Hugging Face经典英文模型使用及实操案例分享

• 文本分析简介及文本分析流程

• 英文文本数据预处理方法 (词性标注、字根还原、停用词处理、关键词撷取、词袋模型)

• 案例五：英文文本分析模型实作: 从贴文的信息中预测此贴文是否能获得高响应 (2021/3)

• 案例六：英文文本分析模型实作: 从贴文的短信息中识别此贴文的情绪 (2021/6)

• 案例七：英文文本分析模型实作: 从使用者过去的观影行为、电影名称以及电影剧情描述的信息，预测使用者对电影的评分 (2022/06)

• 案例八：英文文本分析模型实作: 从产品描述的信息中，预测产品类别 (2022/12)

• Hugging Face经典英文语言模型使用并与传统机器学习模型比较

第三天 中文文本分析技术、Hugging Face经典中文模型使用及实操案例分享

• 中文文本数据预处理方法 (分词、词性标注、停用词处理、关键词撷取、词嵌入模型)

• 案例九：中文文本分析模型实作: 从产品的消费者评论中识别此评论的情绪是正评或负评 (2021/09)

• 案例十：中文文本分析模型实作: 从评论信息中识别此评论是否为不当的评论 (2021/12)

• 案例十一：中文文本分析模型实作: 从产品的图片及产品的描述信息中，预测哪些是相同的产品 (2023/03)

• 案例十二：中文文本分析模型实作: 从文章的描述信息中，预测此文章是否由AI所产生出来的 (2023/06)

• Hugging Face经典中文语言模型使用并与传统机器学习模型比较

【课程收益】

透过本课程的培训，上课学员应具备以下能力：         
(1) 掌握利润最大化学习技术，并应用于产品营销模型的建置；         
(2) 掌握目标类别不平衡学习技术，并应用于银行贷款模型的建置；         
(3) 掌握半监督式机器学习技术，并应用于电信客户流失模型的建置；        
(4) 掌握并实现集成学习技术，并应用于共享住宿日租价格模型的建置；      
(5) 掌握英文文本分析的流程及预处理技术；

(6) 实作社群网站的英文贴文响应分析模型；

(7) 实作社群网站的英文贴文情绪分析模型；

(8) 实作电影网站的电影评分模型；         
(9) 实作产品分类预测模型；         
(10) 运用Hugging Face的大型英文预训练语言模型解决英文文本分析的问题；

(11) 掌握中文文本分析的流程及预处理技术；

(12)实作消费者评论的情绪分析模型；         
(13) 实作不当评论的分析模型；         
(14) 实作从产品的图片及产品的描述信息，预测相同产品的分析模型；       
(15) 实作AI文章鉴识预测模型；         
(16) 运用Hugging Face的大型中文预训练语言模型解决中文文本分析的问题；

【课程特色】

【课程对象】

1.机器学习从业人员：对机器学习有一定基础的从业人员，希望进一步深入学习和应用进阶技术的专业人士。2.数据分析师：希望扩展文本分析技术和应用范围，提升在文本数据处理和解决方案设计方面的能力的数据分析师。3.业务决策者：希望了解机器学习在实际业务中的应用，掌握评估模型效果和选择合适模型的知识，以指导业务决策的管理者。其他对机器学习和文本分析感兴趣的学习者：对机器学习和文本分析技术感兴趣的学生、研究人员或爱好者，希望通过该课程系统学习相关知识和技能。

【课程收费】

【授课时间】

上午 9：00-12：00，下午13：30-16：30。

【其他安排】

详情咨询客服老师