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、最大熵模型

　　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、最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