课程大纲
第一章. 机器学习和深度学习系统设计方法论
1、机器学习和深度学习的概念和区别
2、人工智能算法工程师的日常工作流程
3、传统机器学习的系统设计方法
4、人工智能时代深度学习的系统设计方法
第二章. 机器学习和深度学习人工智能的常见开发流程
- 洞悉公司业务业务逻辑痛点,抽象出计算机解决方法方案
- 数据清洗和预处理
- 构建数据集,数据特征工程
- 模型选择,模型训练,模型评估,模型测试
- 开线效果评估
- 线上开发性能测试,运行上线
第三章. 机器学习的离线训练
1、模型选择的标准
2、网格搜索,交叉验证法,留出法
3、面临的问题:类目样本不均衡,样本数量不够,样本质量不佳,如何解决?
3.1类目不均衡:Facol Loss
3.2样本数量不够:数据增强
3.3样本质量不佳:
4、模型衡量标准:准确率,召回率,F1,AUC和ROC的概念
第四章. 机器学习的在线预测
- 高并发,低延时
- 灰度测试,A/B Test 分桶对比
- 效果好坏标准:CTR点击率,平均停留时长,PV/UV变化等
第五章. 机器学习模型的线上实时反馈机制
- 在线实时反馈
- 在线学习微调机制
第六章. 人工智能整体是一个复杂,反馈的系统工程
胡忠 老师其他课题
- 暂无上传胡忠老师课纲,如有课程感谢发送email至:13945993@qq.com
上一位老师:何鹏《领导力与影响力》 | 下一位老师:胡忠《机器学习》