机器学习及深度学习应用课程邀请函
——12个案例玩转机器学习
CDA三级认证考试往期实操项目原题
【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】
课程案例涵盖多个领域: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。
【课程对象】
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。
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。
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。
【课程时间】
2023年9月1日-3日
【课程方式】
北京西直门中坤大厦/线上直播
【授课时间】
上午 9:00-12:00,下午13:30-16:30。
【其他安排】
报名即可获取课程案例数据集
获取python数据分析视频预习课程
面授同学课程第二天组织晚宴讨论
课程录播视频有效期一年
【报名方式】手机:18910972735
微信:CDADJB
QQ:3328990014