第1模块 - 机器学习基础知识
掌握基本的机器学习概念,包括:数据准备,建模,性能指标,过度拟合和交叉验证
掌握机器学习所需的Python工具,包括:Numpy,Scikit-Learn和Pandas
学习建模基础知识并部署基本模型,包括:Logistic回归和K-Means
第2模块 - 高级机器学习模型+项目开始
实现更复杂的算法,包括:SVM,随机森林和决策树
了解决策树模型的细微差别,包括:单节点树和节点拆分
使用优化器改进模型,包括:bootstrap聚合和偏差变化权衡
第3模块 - 推荐系统的优化+项目完成
掌握推荐系统背后的理论,包括:推荐系统设计,基于内容的过滤和协同过滤
|