应江勇老师的内训课程
基于机器学习的大数据挖掘创新应用案例培训一、课程目标：本次课程以理论与实际相结合为基准，突出实际性演练，以达到如下二、培训目标：（1）了解机器学习、深度学习的基本概念，基本流程、常用算法和适用的场景。（2）能根据实际问题熟练地构建人工智能项目建模流程，熟悉掌握数据建模过程、处理节点的操作。（3）掌握具体的机器学习及深度学习技术以及案例，能根据业务场景独立实战。三、培训对象：（1）从事企业机器学习及深度学习相关工作的决策分析、产品及业务流程设计、场景开发及维护的相关业务及技术人员；（2）需要进行机器学习及深度学习研究的高校、科研院所的科技工作者；（3）打算从事机器学习与深度学习研究的在校生、在职
讲师：应江勇查看详情
大数据在金融行业应用实践1、大数据催生金融新业态的背景分析大数据催生新的金融业态，银行决策转向“数据驱动”，商业银行从“数据-应用-业务”三个层面构建大数据应用体系，全面整合内外部数据资源，发挥数据价值，增强业务创新，助推转型成功。2、大数据对金融创新的价值点分析大数据可以完整刻画客户生活轨迹、偏好、行为特征与潜在需求，通过客户完整的线上线下行为数据，提供标签数据创新产品服务3、大数据在金融行业实践案例介绍数据在金融领域的应用范围虽多，但可简单分为两大类：一类用来“增收”。如：精准营销、获客分析、投资分析、资产收益、债券收益、用户画像、客户维系挽留、体验提升等；另一类用来“减损”，如：金融风险
讲师：应江勇查看详情
机器学习机器学习相关概念人工智能机器学习深度学习数据挖掘方面人工智能、机器学习、深度学习、数据挖掘之前的联系人工智能、机器学习、深度学习、数据挖掘之前的区别机器学习落地流程案例讲解机器学习落地的具体步骤主要要点机器学习算法演练1、有监督和无监督的区别2、从理论和案例的角度举几个实际工作中会用到的具体算法有监督算法包括随机森林等无监督算法如DBSCAN等R或PYTHON代码现场演练机器学习实践案例1、运营商行业相关实例2、央视行业相关实例3、保险行业相关实例4、检察院行业相关实例...
讲师：应江勇查看详情
机器学习和深度学习的解决方案及应用课程背景随着互联网的发展,每天产生的数据量已经与日俱增,传统的搜索引擎已经无法完全满足当前的需求,推荐系统成为了互联网时代的新宠,其是为了解决海量数据所带来的挑战以及给用户更好的体验而发展成一门交叉学科。推荐系统算法通常会包含机器学习算法,而云计算的广泛应用也使得机器学习算法可以快速的部署与运算,为推荐系统的性能与效果提升提供了保障。深度学习的概念由Hinton等人于2006年提出。基于深度置信网络(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构