Day1

(9:00-12:00)

一 人工智能概述 & 环境安装

1人工智能和机器学习概述

• 人工智能发展史

• 应用场景概述：如图像识别，文本分析，推荐系统，自然语言处理

• 最近成果概述：如强化学习，生成式对抗网络，基于低能量的网络，时间序列分析

• 开源 AI软件框架介绍，如sparkML，sklean，tensorflow，caffe，Theano

2  机器学习环境的安装

• 机器学习环境的介绍和安装

• 常用机器学习软件包的安装，例如Numpy，pandas，sklearn，scipy, matplotlib

• 机器学习软件包的安装升级、卸载

• 实践练习：使用matplotlib绘制数据分布图

二 Python语言 & 数据处理与数据可视化

1  Python语言

• Python的特点

• Python的安装

• 变量的声明

• 常用的5种集合类型

• 函数的定义和使用

• 编写面向对象的python程序

• python读写文件

环境的安装与实践

软件包的安装和管理

Day1

(14:00-17:00)

2  数据分析基础

• NumPy和pandas的介绍与安装

• Numpy和python集合对象的差别

• 使用NumPy对数据表进行处理  

• Pandas的Series的使用

• Panda的DataFrame的使用

• 文件的读写

• 从数据库导入/导出数据

• 数据的筛选

• 数据表的多表关联, 合并, 聚合操作

3  Matplotlib进行数据可视化

• Matplotlib的安装

• 柱形图、直方图、曲线图, 散点图的绘制

• 小提琴图, 概率密度图, 茎叶图

• 面向对象形式的绘图与饼图的绘制

• Matplotlib绘制多个子图

三 特征工程  & 数据降维

1  特征转换，让特征更有效

• SVD分解

• PCA降维的原理

• PCA编程实践-Iris数据集的降维

• 深度学习的降维方法

• 线性判别分析(LDA）

• LDA实践

2  特征选择，发现”坏“特征

• 使用统计方法，筛选特征

• 使用模型，筛选特征

• 选择正确的特征选择方法

3  生成新特征

• 填充分类特征

• 编码分类变量

• 扩充数值特征

• 文本特征的处理技巧

4  数据清洗与特征工程

• 数据的清洗

• 数据离散化、聚合

• 数据的转换

• 提取新特征

• 数据的格式转换

• 特征工程的最佳实践

Numpy数据处理实践

Pandas读取文件

Pandas数据处理

Pandas绘图

使用matplotlib绘制数据分布图

清洗泰坦尼克沉船数据

Iris数据集的降维

演示：清洗某公司的生产运营数据

Day2

(9:00-12:00)

四 监督学习模型-回归分析

1  线性回归模型

• 通过图形直观展示线性回归算法

• 线性回归算法详解—成本函数和参数更新函数

• 机器是怎么学习? --梯度下降算法详述

• 学的“快”和“好”--学习率的权衡与最佳实践

• 保持相同的“起跑线”的利器-Feature Scaling

• 多变量线性回归模型介绍

2  多项式回归模型

• 真实世界不全是线性的--如何应对更复杂的场景

• 过犹不及--模型的过分拟合和拟合不足

• 训练一个“恰好”模型的最佳实践

• 模型的优劣的评估

案例实践：血液中胆固醇预测

Day2

(14:00-17:00)

五 监督学习-分类模型

1  逻辑回归模型-两分类

• 逻辑回归模型和场景概述

• 线性分类器与非线性分类器

• 激活函数的多种选择

• cost  function的变化

2  逻辑回归-多分类

• one-hot  encoding

• 两种多分类的方案

• one-vs-rest方案

• softmax算法

建立模型，预测乘客在泰坦尼克船难中是否获救

重要因素分析：分析哪些因素会提高乘客的生存率

员工的离职预测

Day3

(9:00-12:00)

3  支持向量机

• 为什么支持向量机广受好评

• 从逻辑回归到支持向量机

• **边缘平面

• 构造更高级的分类器的关键：核函数

• 核函数的多种选择

• 使用支持向量机来分类

4  人工神经网络

• 从逻辑回归到人工神经网络

• 大脑和人工神经网络

• 感知器模型

• 感知器能解决亦或问题吗？

• 多层感知器

• 深度神经网络

• 设计深度神经网络的最佳实践

• 如何选择最佳的模型？逻辑回归，支持向量机，人工神经网络的选择

客户流失预警

Day3

(14:00-17:00)

5  K-近邻算法-无参数的模型

• K近邻算法详述

• K近邻的优点和缺点

• 使用K近邻改进行手写数字的识别

6  朴素贝叶斯算法-基于概率的模型

• 频率学派与贝叶斯学派

• 贝叶斯定理

• 条件独立假设

• 几种平滑技术

• 贝叶斯信念网络概述

使用贝叶斯模型对新闻分类

Day4

(9:00-12:00)

7 建模大比拼 

• 学员分组：每2人组成一组

• 比拼内容：使用逻辑回归，SVM，神经网络算法，训练模型，并对模型调优，识别乳腺癌的良性和恶性

• 评比标准：准确率**者获胜

• 获奖：**前3名，获得精美奖品一份

建立逻辑回归，SVM，神经网络模型，识别乳腺癌的良性和恶性

Day4

(14:00-17:00)

六 集成模型--三个臭皮匠，胜过诸葛亮

1  集成学习和模型融合-改善模型准确率的法宝

• 单一模型的缺点

• 三个臭皮匠赛过一个诸葛亮

• 集成模型概述

• 几种典型的集成模型介绍

• 集成模型应用案例

2  决策树算法

• 决策树的引入

• 信息增益和最佳划分

• 如何防止决策树过拟合

• 决策树的实践

Day5

(9:00-12:00)

3   随机森林和GBDT-竞赛的利器

• 随机森林的生成

• 随机森林的特点

• 随机森林案例介绍

• Xgboost

• GBDT树

4  建模大比拼-集成多个模型 

• 学员分组：每2人组成一组

• 比拼内容：集成多个模型，识别乳腺癌的良性和恶性

• 评比标准：准确率**者获胜

七 非监督学习

1  聚类算法：K-means

• 监督学习和无监督学习比较

• 非监督模型场景举例

• 图形展示K-means的训练过程

• 两步实现K-means算法

• K的选择问题

• K-means算法导致局部**及最佳实践

八 选择合适的算法

模型的对比

• 模型的对比和分析

• 如何对模型进行客观评价

• 根据选择合适的模型

• 决策树的实践

模型的调优

• 模型调优的技巧

• 手工调优

• 自动调参:  网格搜索

• 自动调参:  随机搜索

• 自动调参: 贝叶斯搜索

建立逻辑回归，SVM，神经网络，随机森林集成多个模型， 识别乳腺癌的良性和恶性

实例学习和课堂练习：客户分类

Day5

(14:00-17:00)

九 案例实践

1  某智能工厂项目

• 项目介绍

• 数据的清洗, 缺值的填充方案

• 选择随机森林和Xgboost模型作为模型

• 训练模型，超参调优

• 对模型进行评价

• 生成重要的生产流程的改造环节

2  未来销售额的智能预测 – 经典时间序列类项目

• 预测每种产品的销售额, 以及每个门店的销售额

• 数据的预处理

• 使用统计模型进行趋势分解

• 使用机器学习模型进行预测

• 使用RMSE对模型进行评价

3  发现“薅羊毛”-  经典监督学习分类项目

• 数据的特征提取

• 训练模型，区分薅羊毛者

• 部署模型

• 使用模型进行预测

文本的聚类 - 经典非监督学习项目

• 项目和数据的介绍

• 提取文档的特征的两种方法

• 使用聚类算法对文档

• 对结果的评价

5  呼叫中心对话分析 -  经典自然语言处理类项目

• 项目介绍, 数据集介绍

• 对话文本的特征提取

• 使用NLP模型建模

• 分析谈话的主题

• 分析用户的态度

• 对模型进行评价