【課程簡(jiǎn)介】

隨著智能時(shí)代（AI）的到來(lái)，數(shù)據(jù)量急劇增加，如何應(yīng)用人工智能算法變得越來(lái)越有挑戰(zhàn)，企業(yè)在規(guī)劃和設(shè)計(jì)大數(shù)據(jù)和機(jī)器學(xué)習(xí)系統(tǒng)時(shí)，涉及到方方面面的知識(shí)點(diǎn)，可選的方案也很多，如何在各種各樣，紛繁復(fù)雜的技術(shù)中構(gòu)建適合企業(yè)的智能機(jī)器學(xué)習(xí)系統(tǒng)，變成了一件很具挑戰(zhàn)的事情。一個(gè)好的機(jī)器學(xué)習(xí)系統(tǒng)可以以較低的成本、更靈活的方式，滿足企業(yè)用戶需求。相反，糟糕的智能系統(tǒng)，不但花費(fèi)了重金，而且算法及其工程架構(gòu)過(guò)于復(fù)雜、過(guò)于笨重，效果不理想，線上故障不斷，缺少靈活性差，將嚴(yán)重阻礙業(yè)務(wù)的發(fā)展。相信大家對(duì)大數(shù)據(jù)以及智能機(jī)器學(xué)習(xí)系統(tǒng)都有一定的認(rèn)識(shí)，但結(jié)合業(yè)務(wù)場(chǎng)景如何在項(xiàng)目中落地實(shí)踐，缺乏一些經(jīng)驗(yàn)。

我個(gè)人一直從事大數(shù)據(jù)以及智能機(jī)器學(xué)習(xí)系統(tǒng)設(shè)計(jì)研發(fā)工作，根據(jù)在百度、58集團(tuán)等多年的智能系統(tǒng)算法實(shí)踐及其架構(gòu)設(shè)計(jì)經(jīng)驗(yàn)，帶領(lǐng)大家一起學(xué)習(xí)互聯(lián)網(wǎng)大數(shù)據(jù)與智能機(jī)器學(xué)習(xí)系統(tǒng)如何設(shè)計(jì)實(shí)踐。理論結(jié)合實(shí)踐，并重點(diǎn)講述案例，深入剖析大型智能機(jī)器學(xué)習(xí)系統(tǒng)的具體實(shí)踐。并一同探討如何滿足貴企業(yè)的大數(shù)據(jù)與智能機(jī)器學(xué)習(xí)系統(tǒng)設(shè)計(jì)。

來(lái)吧，一起揭開“互聯(lián)網(wǎng)大數(shù)據(jù)與機(jī)器學(xué)習(xí)系統(tǒng)設(shè)計(jì)與實(shí)踐”的神秘面紗！

【課程大綱】

第一課：互聯(lián)網(wǎng)大數(shù)據(jù)與機(jī)器學(xué)習(xí)之大數(shù)據(jù)知識(shí)原理篇

1.    什么是大數(shù)據(jù)以及大數(shù)據(jù)應(yīng)用場(chǎng)景是什么；

2.    大數(shù)據(jù)平臺(tái)如何驅(qū)動(dòng)業(yè)務(wù)持續(xù)增長(zhǎng)；

3.    大數(shù)據(jù)平臺(tái)發(fā)展三個(gè)階段是什么（What->Why->How）;

4.    大數(shù)據(jù)平臺(tái)發(fā)展階段一（What）：是什么，快速描述業(yè)務(wù)，提供數(shù)據(jù)原材料;

5.    大數(shù)據(jù)平臺(tái)發(fā)展階段二（Why）：為什么，分析波動(dòng) root cause；

6.    大數(shù)據(jù)平臺(tái)發(fā)展階段三（How）：怎么做，數(shù)據(jù)化運(yùn)營(yíng)實(shí)踐落地；

第二課：互聯(lián)網(wǎng)大數(shù)據(jù)與機(jī)器學(xué)習(xí)之大數(shù)據(jù)總體架構(gòu)篇

1.    為什么要構(gòu)建大數(shù)據(jù)平臺(tái)；

2.    大數(shù)據(jù)平臺(tái)構(gòu)建的目標(biāo)與方案是什么；

3.    大數(shù)據(jù)倉(cāng)庫(kù)如何建設(shè)（數(shù)據(jù)接入清洗/數(shù)據(jù)倉(cāng)庫(kù)表設(shè)計(jì)與ETL）；

4.    大數(shù)據(jù)平臺(tái)化與產(chǎn)品化建設(shè)(ODS->DW->DM->APP)；

5.    大數(shù)據(jù)指標(biāo)體系化、分析框架設(shè)計(jì)；

6.    大數(shù)據(jù)平臺(tái)建設(shè)的重難點(diǎn)實(shí)踐；

7.    我們的實(shí)踐案例；

第三課：互聯(lián)網(wǎng)大數(shù)據(jù)與機(jī)器學(xué)習(xí)之機(jī)器學(xué)習(xí)知識(shí)原理篇

1.    機(jī)器學(xué)習(xí)是什么；

2.    機(jī)器學(xué)習(xí)與人工智能、深度學(xué)習(xí)關(guān)系；

3.    機(jī)器學(xué)習(xí)應(yīng)用場(chǎng)景是什么；

4.    機(jī)器學(xué)習(xí)分類；

5.    機(jī)器學(xué)習(xí)評(píng)估指標(biāo)；

6.    機(jī)器學(xué)習(xí)常用數(shù)學(xué)知識(shí)；

第四課：互聯(lián)網(wǎng)大數(shù)據(jù)與機(jī)器學(xué)習(xí)之機(jī)器學(xué)習(xí)算法篇

1.    機(jī)器學(xué)習(xí)算法分類方法；

2.    機(jī)器學(xué)習(xí)之監(jiān)督學(xué)習(xí)算法；

3.    機(jī)器學(xué)習(xí)之無(wú)監(jiān)督學(xué)習(xí)算法；

4.    機(jī)器學(xué)習(xí)之強(qiáng)化學(xué)習(xí)算法；

5.    機(jī)器學(xué)習(xí)之遷移學(xué)習(xí)算法；

6.    我們的實(shí)踐案例；

第五課：互聯(lián)網(wǎng)大數(shù)據(jù)與機(jī)器學(xué)習(xí)之機(jī)器學(xué)習(xí)流程篇

1.    樣本如何抽取；

2.    如何做特征工程（特征提取，特征離散化，特征交叉等）；

3.    如何大規(guī)模高效離線訓(xùn)練 模型（訓(xùn)練集、測(cè)試集、驗(yàn)證集；評(píng)估指標(biāo)AUC 等）；

4.    模型上線；

5.    特征上線；

6.    我們的實(shí)踐案例；

第六課：互聯(lián)網(wǎng)大數(shù)據(jù)與機(jī)器學(xué)習(xí)之機(jī)器學(xué)習(xí)平臺(tái)發(fā)展篇

1.    機(jī)器學(xué)習(xí)平臺(tái)之小作坊生產(chǎn)模式；

2.    機(jī)器學(xué)習(xí)平臺(tái)之流水線生產(chǎn)模式；

3.    機(jī)器學(xué)習(xí)平臺(tái)之大規(guī)模機(jī)器學(xué)習(xí)模式；

4.    機(jī)器學(xué)習(xí)平臺(tái)之大規(guī)模深度學(xué)習(xí)模式；

5.    我們實(shí)踐案例；

第七課：互聯(lián)網(wǎng)大數(shù)據(jù)與機(jī)器學(xué)習(xí)之機(jī)器學(xué)習(xí)關(guān)鍵技術(shù)篇

1.    用戶畫像系統(tǒng)；

2.    冷啟動(dòng)；

3.    評(píng)測(cè)指標(biāo)與系統(tǒng)；

4.    ABTest平臺(tái)；

5.    我們的實(shí)踐案例；

第八課：互聯(lián)網(wǎng)大數(shù)據(jù)與機(jī)器學(xué)習(xí)之語(yǔ)言工具篇

1.    python與scala如何選擇；

2.    spark使用及其性能優(yōu)化；

3.    hadoop使用及其使用優(yōu)化；

4.    redis使用及其使用優(yōu)化；

5.    elasticsearch使用及其使用優(yōu)化；

6.    我們實(shí)踐案例；

第九課：互聯(lián)網(wǎng)大數(shù)據(jù)與機(jī)器學(xué)習(xí)之機(jī)器學(xué)習(xí)案例篇（推薦系統(tǒng)線上工程架構(gòu)設(shè)計(jì)與實(shí)踐）

1.    互聯(lián)網(wǎng)大型系統(tǒng)架構(gòu)演進(jìn)（單體、水平分層、SOA、微服務(wù)架構(gòu)）；

2.    推薦系統(tǒng)架構(gòu)演進(jìn)（石器時(shí)代、鐵器時(shí)代、蒸汽時(shí)代）；

3.    我們的實(shí)踐案例；

第十課：互聯(lián)網(wǎng)大數(shù)據(jù)與機(jī)器學(xué)習(xí)之機(jī)器學(xué)習(xí)案例篇（推薦系統(tǒng)離線工程架構(gòu)實(shí)踐）

1.    離線訓(xùn)練作坊模式（單機(jī)）；

2.    離線訓(xùn)練流水線模式（ODS、DW、DM、分布式訓(xùn)練、線上預(yù)測(cè)等/DataPipeline、T raining Pipeline、Model Serving）；

3.    離線訓(xùn)練平臺(tái)化模式（服務(wù)眾多業(yè)務(wù)線，每個(gè)業(yè)務(wù)線一鍵接入）；

4.    在線特征系統(tǒng)生產(chǎn)調(diào)度架構(gòu)演進(jìn)；

5.    我們的實(shí)踐案例；

第十一課：互聯(lián)網(wǎng)大數(shù)據(jù)與機(jī)器學(xué)習(xí)之機(jī)器學(xué)習(xí)案例篇（推薦系統(tǒng)召回算法設(shè)計(jì)與實(shí)踐）

1.    商品主題模型；

2.    商品物品詞模型；

3.    基于內(nèi)容商品相似度模型；

4.    基于用戶行為的CF模型演進(jìn)；

5.    基于隨機(jī)游走模型；

6.    實(shí)時(shí)召回模型；

7.    我們的實(shí)踐案例；

第十二課：互聯(lián)網(wǎng)大數(shù)據(jù)與機(jī)器學(xué)習(xí)之機(jī)器學(xué)習(xí)案例篇（推薦系統(tǒng)排序算法設(shè)計(jì)與實(shí)踐）

1.    Al l  In  One階段；

2.    分層排序階段；

3.    人工權(quán)重階段；

4.    機(jī)器學(xué)習(xí)模型階段；

5.    實(shí)時(shí)模型階段；

6.    我們的實(shí)踐案例；

第十三課：互聯(lián)網(wǎng)大數(shù)據(jù)與機(jī)器學(xué)習(xí)之機(jī)器學(xué)習(xí)案例篇（搜索系統(tǒng)工程以及召回排序算法設(shè)計(jì)與實(shí)踐）

1.    搜索系統(tǒng)工程架構(gòu)演進(jìn)；

2.    搜索系統(tǒng)召回算法演進(jìn)；

3.    搜索系統(tǒng)排序算法演進(jìn)；

4.    我們的實(shí)踐案例；