基于人工智能的推荐系统搭建及ML/DL最佳实践

所属职位

设计匠艺

时间

09月02日 13:30 - 16:30

关注热度

3092

互联网

我是架构师

课程大纲

深度学习已经广泛应用于我们的生活中,比如市场上可以见到的语音转写、智能音箱、语言翻译、图像识别和图像艺术化系统等,其中深度学习都是关键技术。同时, 由于学术界和工业界的大量投入,深度学习的新模型和新算法层出不穷,要充分掌握深度学习的各种模型和算法并实现它们无疑是一件困难的事情。
幸运的是,基于各行各业对深度学习技术的需求,许多公司和学校开源了深度学习工具包,其中大家比较熟悉的有 CNTK、TensorFlow、Theano、Caffe、mxNet 和 Torch。 这些工具包都提供了非常灵活而强大的建模能力,极大地降低了使用深度学习技术的 门槛,进一步加速了深度学习技术的研究和应用。
本课程将讲述推荐系统的重要性,并从简到难介绍主流的推荐系统算法,包括基于深度学习的推荐系统算法以及他们背后的逻辑出发点。之后,课程将讲述如何建立科学的评估体系。最后,我们会探讨建立端到端的机器学习系统的关键步骤。课程旨在帮助学员更深入的了解推荐系统背后的原理,以及如何应用到实践中去。
本工作坊旨在让学员举一反三,增强对数据的理解能力、方法背后的原理和对问题的分析能力,从而选用适合的工具从数据中提取价值。
1.深度学习基础
2.深度学习在推荐系统中的应用
3.深度学习在图像中的运用
4.深度学习前沿课题
5.当今先进的搭建深度学习的框架和工具

目标收益

ying lu

谷歌

数据科学家

评分

暂无

关注度

59

现任谷歌硅谷总部数据科学家,为谷歌应用商城提供核心数据决策分析,利用机器学习和深度学习技术建立用户行为预测模型,为产品优化提供核心数据支持。曾在亚马逊、微软和迪士尼美国总部担任机器学习研究科学家,有着多年使用机器学习和深度学习算法研发为业务提供解决方案的经验。热衷于帮助中国社区的人工智能方面的研究和落地,活跃于各个大型会议并发表主题演讲。本科毕业于复旦大学数学专业,博士毕业于明尼苏达大学统计专业。

MPD成都

单人票    4200

目前可以以优惠的价格,选择一个你想要参与的课程进行购买。日期有限,请尽快下单。

即日起-12月08日前

获取体验票