课程目标

1、  了解机器学习pipeline及常用算法

2、  掌握不同的业务场景下，算法模型的选用

3、  掌握分类算法在项目中的应用，比如个贷违约预测

4、了解前沿技术，比如强化学习、迁移学习等

课程大纲

模块1：机器学习算法基础

1.   什么是人工智能

 2.   机器学习的7步法

3.  十大经典机器学习（分类、聚类、链接分析、关联分析）

4.   AI中的数学基础（人工智能五大门派）

5.    机器学习的场景

 Ø 信贷违约预测

 Ø  交易反欺诈

Ø  银行产品购买预测

 Ø  资金流入流出预测

Ø  评分卡模型在贷前贷中贷后中的应用

Ø  中小微企业信贷决策（信贷审批、利率、额度）

 模块2：挖掘数据中的关联规则

1.    什么是关联规则

2.    支持度、置信度和提升度

3.    Apriori算法

4.    BreadBasket：面包店购物清单的关联分析

5.    MovieLens：电影分类中的关联分析

6.    MovieActors：电影演员中的关联分析

7.    数据相关性分析

8.    回归分析模型与使用

9.     Project：股票相关性分析

模块3：预测全家桶与机器学习神器

1.    常用预测（分类，回归）模型

2.     Project A：员工离职预测

3.    Project B：男女声音识别

4.     什么是集成学习

5.    GBDT原理

6.    XGBoost

7.     LightGBM

8.    CatBoost

9.    在Project中使用机器学习神器

10.  机器学习祖传参数

模块4：手把手带你进行个贷违约预测

1.    数据探索

2.    异常值处理

3.    特征衍生方法

Ø  交叉特征构造

Ø  数据源区分

Ø 时间类型特征处理

Ø  分类型字段特征构造

Ø 数值型字段特征构造

4.搭建违约预测Baseline

5.特征重要性查看