客户培训背景情况

我方主要在探索并实践人工智能在金融分析中的应用，机器学习与自然语言处理是比较关注的部分，如舆情分析等等

学员基础

皆为计算机专业硕士毕业，有python基础，了解机器学习相关基础知识。

本次培训主要目标

1、掌握实际问题建模方法，了解算法在解决实际问题时面临的局限，掌握数据预处理能力。

掌握机器学习算法实际应用能力，如SVM、HMM（隐马模型）、CNN以及RNN（LSTM)等算法实际应用能力，掌握超参数的设计技巧。

3、掌握自然语言处理中，分词、词性和命名实体标注、句法分析、语言模型等基础知识，文本生成和应用的方法。

培训重点内容

我方关注重点见下面粗体部分，培训以提高解决实际问题为目标，理论部分以学员不理解地方为重点讲解部分。

重点是在词的共现和相关、文本分类和聚类、信息检索、意图识别、情感分析、自动问答、段落生成等领域的实际应用。以下案例都感兴趣：

    Topic modeling，PLSA，LDA

    实战：利用EM算法训练PLSA

    模型融合，决策树，BOOSTING

    实战：使用Adaboost算法进行文本分类

    隐马模型的前向后向算法,CRF，ME

    实战：使用ME模型实现文本分类

    关联规则挖掘基础，Apriori，FP-Growth算法

    实战：使用Apriori算法挖掘演员合作关系

    L-BFGS,SMO

    实战：L-BFGS训练LR模型

    Learning to rank深入，listwise、pairwise

    实战：多种pairwise方法的比较