课程描述INTRODUCTION
经典实验设计与大数据建模课程
日程安排SCHEDULE
课程大纲Syllabus
经典实验设计与大数据建模课程
培训背景随着工业物联网的迅速发展,在智能制造和工业4.0的发展趋势下,大数据与实体经济正在逐步融合,利用机器学习可以对实体经济行业进行市场需求分析、生产流程优化、供应链与物流管理、能源管理、提高智能客户服务等,这不但大大拓展了企业的目标市场,更成为众多企业技术进步的重要推动力。
培训对象:数据分析人员、对机器学习算法感兴趣的人员
培训时间:18H
课程特点:
(1)关注算法:本次课程通过对算法的深入阐述,通过相关的案例讲解,让学员了解机器学习算法的本质,不同的机器学习算法到底能解决什么问题。
(2)算法实用:机器学习领域算法众多,逐个学习耗时费力。本次课程介绍了一些常见的实用算法,对算法原理进行详细讲解,通过这些算法可以解决制造业领域面临的大部分问题。
(3)关注实操:本次课程安排了学员进行实际操作,帮助学员快速上手如何通过机器学习建立模型。
课程大纲:
第一讲:机器学习入门
1、什么是机器学习
2、关于数据
3、机器学习与数据库以及BI的比较
4、建模的核心内容
5、模型评估
6、数据准备
7、总结
第二讲:CART算法介绍
1、CART决策树基本概念介绍
2、如何进行分裂
3、Prior概率
4、损失的概念
5、缺失值处理
6、变量重要性
7、CART树形成过程
8、交叉验证
9、如何打分
10、一些CART的新功能
11、案例演示
12、实操训练
第三讲:TreeNet算法介绍
1、直觉性的介绍
2、损失函数
3、参数和非参数方法
4、随机梯度提升的算法核心概念
5、具体建模过程图形演示
6、优化模型的一些重要参数
7、TreeNet的优势
8、自动化建模介绍
9、案例演示
10、实操训练
第四讲:Mars算法介绍
1、什么是MARS
2、传统建模和现代建模方法比对
3、MARS的核心概念
4、案例演示
5、实操训练
第五讲:GPS算法介绍
1、传统回归的问题
2、Ridge回归
3、LASSO回归
4、相对于之前的正则化回归,GPS的改进
第六讲:RandomForests算法介绍
1、RF与传统的Bagging的区别
2、RF中的决策树与CART树的区别
3、RF中OOB检验机制
4、RF中临近度概念介绍
5、如何在RF中做聚类分析和异常点探查
6、RF中缺失值处理机制
7、RF中的权重和变量重要性如何计算
第七讲:DataBinning,QuickImpute算法介绍
第八讲:机器学习的应用场景
第九讲:如何建立最优模型
经典实验设计与大数据建模课程
转载://www.ibid2.com/gkk_detail/47371.html
已开课时间Have start time
人工智能公开培训班
- 人工智能-深度学习技术培训张老师
- 中国制造2025和工业4.辛玉军
- 工业4.0 智能制造张小强
- 关于举办 “AI人工智能技张老师
- 实体企业的数字化升级总裁班讲师团
- “互联网+”时代下的工业4齐振宏
- 采购与供应链中数据分析技术孙昊
- AI时代:传统产业与人工智杨奕南
- Python-机器学习、深讲师团
- 经典实验设计与大数据建模讲师团
- 企业数字化运营变革汪老师
- 咨询式人力资源管理的五定-葛老师
- 企业数据化管理--大数据人赵翰文
- 数字制造技术在工厂的应用李东
- FMEA潜在失效模式和后果王绪旺
- MES项目经理讲师团
- 走向智能制造--数字化工厂Jon
- 数字化工厂规划师讲师团
- 企业智能化工厂导入之中国制沈怀金
人工智能内训
- 餐饮行业必掌握的ChatG卢森煌
- 大模型与ChatGPT卢森煌
- 主流大模型的行业应用卢森煌
- 房地产行业必掌握的Chat卢森煌
- AI和在外贸上的应用卢森煌
- ChatGPT通识卢森煌
- ChatGPT在财务中的应卢森煌
- ChatGPT带来的技术变卢森煌
- ChatGPT和数字人在文卢森煌
- ChatGPT前世今生及在卢森煌
- 数字化算法 人工智能算法助李福东
- 医药行业必掌握的ChatG卢森煌