课程简介
机器学习及深度学习应用课程:课程案例涵盖了产品营销、中小企业借贷、电信业客户流失、共享住宿价格预测等多个领域,使学员能够应对不同领域的实际问题,并灵活运用机器学习技术解决挑战。
强调文本分析技术:课程特别关注英文和中文文本分析技术,学员将学习英文和中文文本数据的预处理方法、情感分析、关键词提取等技术,培养学员在文本数据处理方面的专业能力。
结合Hugging Face经典模型:课程将介绍Hugging Face经典英文和中文语言模型的使用,并与传统机器学习模型进行比较。学员将了解最新的自然语言处理技术,并能够评估和选择适合的模型来解决实际问题。
学习目标
学习对象和基础
1章进阶机器学习技术(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
1-1传统模型评估方法与利润最大化评估方法
1-2增益图与利润图
2章 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)
2-1目标类别不平衡的问题
2-2目标类别不平衡的处理方式
3章案例二: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)
3-1传统监督学习方法与非监督学习方法
3-1半监督学习方法概述
4章 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)
4-1传统学习与集成学习
4-1集成学习的分类:模型融合与机器学习元算法
5章 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)
6章 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
6-1文本分析简介及文本分析流程
6-2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)
7章 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)
8章 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)
9章 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)
10章 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)
10-1Hugging Face经典英文语言模型使用并与传统机器学习模型比较
11章 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
11-1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)
12章 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)
13章 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)
14章 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)
15章 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)
15-1Hugging Face经典中文语言模型使用并与传统机器学习模型比较