以下就是本次机器学习培训的内容：
课程目标：
课程对于初学者而言，适合如下目标：
1)了解机器学习/深度学习的适用场景和基本原理(做不到掌握机器学习技术或者全面了解机器学习技术，只能是了解典型方法)
2)用两三个典型的实验任务，让学员直观感受到：机器学习能解决什么问题，大概是个什么效果。实验任务均给定代码，学员阅读理解代码、运行任务、调试效果。
3)对于有编程基础的学员：能够用机器学习工具处理简单NLP任务
课程大纲：
机器学习的基本原理和典型模型介绍
1、机器学习简介
2、线性回归模型和梯度下降法
3、大熵模型
4、支持向量机模型
5、无监督学习常用方法介绍
6、优化技巧：正则化和降维问题
实验
1、实现梯度下降算法
2、分别使用线性回归模型、大熵模型解决垃圾邮件分类问题
3、无监督学习解决文档聚类问题，并从特征降维角度优化效果和速度
深度学习基本原理和典型模型介绍
1、人工神经网络基本原理
2、NNLM和word2vec介绍
3、CNN原理及应用
4、RNN原理及应用
5、Gans原理及应用
实验
1、教师提供语料，学员使用word2vec训练词向量，并使用词向量完成词语相似度计算任务，观察效果
2、安装tensorflow，并运行指定的样例任务，修改关键参数，观察效果变化
3、使用tensorflow实现一个简单的CNN网络，在同样的样例上观察效果
合作伙伴与授权机构
shuhaipeixun
1299983702
总部李老师
