88 优惠券
2020年3月1日到期。满 200 元可用
立即使用
立即使用
  • 参会报名
  • 会议介绍
  • 会议日程
  • 会议嘉宾
  • 参会指南
  • 手机下单 手机扫码下单

首页 > 商务会议 > IT互联网会议 > 2019互联网大数据与机器学习算法设计与实践(6月深圳班) 更新时间:2020-02-17T16:28:30

2019互联网大数据与机器学习算法设计与实践(6月深圳班)
收藏3人
分享到
官方合作

2019互联网大数据与机器学习算法设计与实践(6月深圳班) 已截止报名

会议时间: 2019-06-29 08:00至 2019-06-30 18:00结束

会议地点: 深圳  详细地址会前通知   周边酒店预订

主办单位: 麦思博(北京)软件技术有限公司(msup)

行业热销热门关注看了又看 换一换

        会议介绍

        会议内容 主办方介绍


        2019互联网大数据与机器学习算法设计与实践(6月深圳班)

        2019互联网大数据与机器学习算法设计与实践(6月深圳班)宣传图

        课程简介

        随着智能时代(AI)的到来,数据量急剧增加,如何应用人工智能算法变得越来越有挑战,企业在规划和设计大数据机器学习算法时,涉及到方方面面的知识点,可选的方案也很多,如何在各种各样,纷繁复杂的技术中构建最适合企业的智能机器学习算法,变成了一件极具挑战的事情。一个好的机器学习算法可以以最低的成本、更灵活的方式,满足企业用户需求。相反,糟糕的智能系统,不但花费了重金,而且算法及其工程架构过于复杂、过于笨重,效果不理想,线上故障不断,缺少灵活性差,将严重阻碍业务的发展。相信大家对大数据以及智能机器学习算法都有一定的认识,但结合业务场景如何在项目中落地实践,缺乏一些经验。
        我个人一直从事大数据以及智能机器学习算法设计研发工作,根据在百度、58集团、转转公司等多年的智能系统算法实践及其架构设计经验,带领大家一起学习互联网大数据与智能机器学习算法如何设计实践。理论结合实践,并重点讲述案例,深入剖析大型智能机器学习算法的具体实践。并一同探讨如何满足贵企业的大数据与智能机器学习算法设计。
        来吧,一起揭开“互联网大数据与机器学习算法设计与实践”的神秘面纱!

        目标收益

        1.掌握大数据的核心技能(ODS/DW/DM/APP等);
        2.掌握机器学习的核心技能;
        3.掌握机器学习训练的全流程(离线、在线等);
        4.掌握个性化推荐的全流程;
        5.掌握智能搜索的全流程;
        6.掌握未来人工智能的发展趋势;
        7.课程以理论讲解和案例实践的方式开展,重点让同学们对实际线上项目能够有很深刻的认知。

        培训对象

        对大数据、机器学习感兴趣的同学,最好有一定的机器学习基础。

        查看更多

         麦思博(北京)软件技术有限公司(msup) 麦思博(北京)软件技术有限公司(msup)

        麦思博(msup)有限公司发源美国西雅图,2007年创办,是一家面向技术型组织的培训咨询机构,服务于技术团队的技能提升、软件工程的实际应用和产品品质的创新与超越。强调人员、技术、流程和管理的有机结合,注重角色岗位的技能提升与职业发展,以及技术团队复合管理与协作。每年超过1000家企业续单参与msup旗下公开课、工作坊、案例研究、国际游学等培训项目。

        会议日程 (最终日程以会议现场为准)


        课程大纲

        第一课:互联网大数据与机器学习之大数据知识原理篇

        1.什么是大数据以及大数据应用场景是什么; 
        2.大数据平台如何驱动业务持续增长;
        3.大数据平台发展三个阶段是什么(What->Why->How);
        4.大数据平台发展阶段一(What):是什么,快速描述业务,提供数据原材料;
        5.大数据平台发展阶段二(Why):为什么,分析波动 root cause;
        6.大数据平台发展阶段三(How):怎么做,数据化运营实践落地;

        第二课:互联网大数据与机器学习之大数据总体架构篇

        1.为什么要构建大数据平台;
        2.大数据平台构建的目标与方案是什么;
        3.大数据仓库如何建设(数据接入清洗/数据仓库表设计与ETL);
        4.大数据平台化与产品化建设(ODS->DW->DM->APP);
        5.大数据指标体系化、分析框架设计;
        6.大数据平台建设的重难点实践;
        7.我们的实践案例;

        第三课:互联网大数据与机器学习之机器学习知识原理篇

        1.机器学习是什么;
        2.机器学习与人工智能、深度学习关系;
        3.机器学习应用场景是什么;
        4.机器学习分类;
        5.机器学习评估指标;
        6.机器学习常用数学知识;

        第四课:互联网大数据与机器学习之机器学习算法篇

        1.机器学习算法分类方法;
        2.机器学习之监督学习算法(Nave Bayes、LR、GBDT、FM、FFM、DeepFM、FTRL、Deep & Wide等);
        3.机器学习之无监督学习算法(K-Means、PCA、LDA等);
        4.我们的实践案例;

        第五课:互联网大数据与机器学习之机器学习流程篇

        1.样本如何抽取;
        2.如何做特征工程(特征提取,特征离散化,特征交叉等);
        3.如何大规模高效离线训练模型(训练集、测试集、验证集/评估指标AUC、ABTest 等);
        4.模型上线;
        5.特征上线;
        6.我们的实践案例;

        第六课:互联网大数据与机器学习之机器学习平台发展篇

        1.机器学习平台之小作坊生产模式;
        2.机器学习平台之流水线生产模式;
        3.机器学习平台之大规模机器学习模式;
        4.机器学习平台之大规模深度学习模式;
        5.我们实践案例;

        第七课:互联网大数据与机器学习之机器学习关键技术篇

        1.用户画像系统;
        2.系统冷启动;
        3.评测指标与系统;
        4.ABTest平台;
        5.我们的实践案例;

        第八课:互联网大数据与机器学习之语言工具篇

        1.Python与Scala如何选择;
        2.Spark使用及其性能优化;
        3.Hadoop使用及其使用优化;
        4.Redis使用及其使用优化;
        5.Elasticsearch使用及其使用优化;
        6.我们实践案例;

        第九课:互联网大数据与机器学习之机器学习案例篇(推荐系统线上工程架构设计与实践)

        1.互联网大型系统架构演进(单体、水平分层、SOA、微服务架构);
        2.推荐系统架构演进(石器时代、铁器时代、蒸汽时代);
        3.我们的实践案例;

        第十课:互联网大数据与机器学习之机器学习案例篇(推荐系统离线工程架构实践)

        1.离线训练作坊模式(单机);
        2.离线训练流水线模式(ODS、DW、DM、分布式训练、线上预测等/DataPipeline、T raining Pipeline、Model Serving);
        3.离线训练平台化模式(服务众多业务线,每个业务线一键接入);
        4.在线特征系统生产调度架构演进;
        5.我们的实践案例;

        第十一课:互联网大数据与机器学习之机器学习案例篇(推荐系统召回算法设计与实践)

        1.商品主题模型;
        2.商品物品词模型;
        3.基于内容商品相似度模型;
        4.基于用户行为的CF模型演进;
        5.基于随机游走模型; 
        6.实时召回模型;
        7.我们的实践案例;

        第十二课:互联网大数据与机器学习之机器学习案例篇(推荐系统排序算法设计与实践)

        1.Al l In One阶段;
        2.分层排序阶段;
        3.人工权重阶段;
        4.机器学习模型阶段;
        5.实时模型阶段; 
        6.我们的实践案例;

        第十三课:互联网大数据与机器学习之机器学习案例篇(搜索系统工程以及召回排序算法设计与实践)

        1.搜索系统工程架构演进;
        2.搜索系统召回算法演进;
        3.搜索系统排序算法演进;
        4.我们的实践案例;

        查看更多

        会议嘉宾 (最终出席嘉宾以会议现场为准)


        转转  首席架构师

        转转公司首席架构师/架构算法部负责人,前58集团技术委员会主席,高级系统架构师,“架构之美”公众号作者。擅长系统架构设计,大数据,机器学习等技术领域。代表公司多次参加Artificial Intelligence Conference、QCon、ArchSummit、SDCC、CCTC、DTCC、Top100、Strata+Hadoop World、WOT 等大会嘉宾演讲,并为《程序员》杂志撰稿2篇。前百度高级工程师,参与百度社区搜索部多个基础系统的设计与实现。毕业于浙江大学。

        查看更多

        参会指南

        会议门票


        会务费:6800元/人,含参会费,住宿交通自理。

        查看更多

        温馨提示
        酒店与住宿: 为防止极端情况下活动延期或取消,建议“异地客户”与活动家客服确认参会信息后,再安排出行与住宿。
        退款规则: 活动各项资源需提前采购,购票后不支持退款,可以换人参加。

        还有若干场即将举行的 大数据大会

        猜你喜欢

        部分参会单位

        主办方没有公开参会单位
        活动家_小程序快捷下单

        微信扫一扫
        分享给朋友

        邮件提醒通知

        分享到微信 ×

        打开微信,点击底部的“发现”,
        使用“扫一扫”即可将网页分享至朋友圈。

        录入信息

        请录入信息,方便生成邀请函