7月_2017年kaggle案例实战班[数据科学家的首选课程
2017年1月kaggle意义 | 投资不到1K成为数据科学家入门ML之后，怎么提高实战能力呢，毫无疑问，做实际项目，而kaggle上就有大量的ML项目，所谓算法刷leetcode，ML/DM刷kaggle，kaggle对于数据科学的重要性不言而喻。基于此，特此推出国内第一个kaggle实战课程，通过kaggle案例从抓取数据、处理特征、建模、模型融合、调优/调参完整走一遍。
课程价值 | 升职加薪利器
本课程所有的案例全都取自真实数据上的数据科学比赛，通过本课程你将获得：
1）完整的kaggle比赛/案例分析解答过程，包括优胜者的解答方案，从场景分析开始，一步步构建解决方案
2）对数据分析、数据处理、特征处理和机器学习常用工具的熟悉
3）机器学习解决实际问题的建模框架，及其优化
4）在面试中可以大显身手的机器学习案例
5）让简历脱颖而出。阿里、百度、京东等大公司都特别看重kaggle参赛经历
课程大纲：
100%纯实战、每次课都是实际案例，8次课则八大案例，让你过够瘾
第一课 机器学习解决问题综述课（寒）
1.数据比赛与特征工程/模型调优流程与sklearn、xgboost工具
2. 泰坦尼克号之灾(分类)
3. 自行车租赁量预测(回归)
第二课 经济金融相关问题 （加）
1. 房价预测：来看看哪些因素会怎么样影响房价与房子出售
2. 伦敦的科学家怎么从新闻预测股市的变化？
第三课 CTR预估相关问题 （寒）
1. 来自电商的多次点击率预估比赛
2. 从LR/GBDT/RF 到FM与FFM进行CTR预估
第四课 自然语言处理与文本分类 （加）
1. KDD2013比赛：判定文章作者
2. 影评数据怎么做情感分析？
第五课 能源/资源相关问题 （寒）
1 综合能源案例
2 从开放数据采集、清洗、特征工程到建模，给电力公司预测电能消耗
第六课 深度学习相关比赛 （加）
1. 入门：猫狗分辨
2. 人脸表情识别
第七课 推荐系统相关比赛 （寒）
1. 用户在电商购买团购券概率预测
2. app推荐系统比赛
第八课 金融风控相关比赛 （寒）
1 综合比赛案例
2 从数据清洗(异常点处理与预处理)、特征工程、特征选择、非均衡样本处理到模型融合，解决风控问题
下载地址：geo
**** Hidden Message ***** 啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊
谢谢楼主 topo 很好 谢谢楼主分享 多谢分享 2017最新机器学习kaggle案例实战班 ..... 加油了