阶段
|
课程名称
|
主讲内容
|
学习目标
|
---|---|---|---|
第一阶段 | 认识和产品经理 | 1、产品经理知识体系介绍;
2、三要素数据、算法、算力; 3、产品经理技术全景图; 4、产品经理职业方向; 5、产品经理职责; 6、产品开发流程; |
1、深入理解和产品;
2、明确产品经理学习路径及方向 |
成为产品经理 | |||
第二阶段 | 认识机器学习 |
1、机器学习三要素模型、策略、算法; 2、算法模型全景图; 3、K近邻算法原理及应用场景; 4、线性回归原理及应用场景; 5、逻辑回归原理及应用场景; 6、朴素贝叶斯原理及应用场景; 7、决策树与随机森林原理及应用场景; 8、支持向量机原理及应用场景; 9、K-means聚类算法原理及应用场景; 10、潜在语义分析原理及应用场景; 11、主成分分析原理及应用场景; 12、卷积神经网络原理及应用场景; 13、循环神经网络原理及应用场景; 14、生成式模型(GC)原理及应用场景; 15、多模态融合的预训练模型(GPT)原理及应用场景 |
1、了解机器学习原理及边界;
2、掌握重要算法的原理结构、优缺点和应用场景; 3、掌握前沿技术的原理结构、优缺点和应用场景 |
有监督学习原理及应用场景解析 | |||
无监督学习原理及应用场景解析 | |||
深度学习原理及应用场景解析 | |||
第三阶段 | 产品构建流程 |
1、NLP产品——文档审阅系统开发全流程; 2、产品开发全流程 |
1、通过具体项目深入了解产品开发流程及产品经理具体工作职责 |
第四阶段 | 特征工程 | 1、基于数据类型、关联关系的特征提取; 2、特征选择框架及策略; 3、数据清洗流程(缺失值、格式内容、逻辑错误、关联性验证); 4、数据集理解与划分 |
1、了解特征选择及数据处理流程 |
数据预处理 | |||
第五阶段 | 模型性能评估 | 1、分类模型评估(混淆矩阵、KS、AUC等指标); 2、回归模型评估(MSE、MAE等); 3、构建PSI等指标监控体系 |
1、掌握不同模型的评估监控指标 |
模型稳定性监控 | |||
第六阶段 | 策略推荐类项目实战 | 1、电商平台个性化推荐; 2、工业行业故障预测; 3、0-1构建智能客服; |
1、结合热门项目提升职场竞争力 |
预测类项目实战 | |||
NLP—智能客服类产品实战 | |||
多模态GC项目实战 | |||
第七阶段 | 简历指导 | 1、产品经理简历重点及项目介绍; 2、产品经理面试必答 |
1、帮助同学们更快的找到心仪工作 |
面试必答 | |||
个性化职业规划 | |||
入职后个性化指导 |
阶段 | 课程名称 | 主讲内容 |
---|---|---|
1 | 认识和产品经理 | 1、产品经理知识体系介绍;
2、三要素数据、算法、算力; 3、产品经理技术全景图; 4、产品经理职业方向; 5、产品经理职责; 6、产品开发流程; |
成为产品经理 | ||
2 | 认识机器学习 |
1、机器学习三要素模型、策略、算法; 2、算法模型全景图; 3、K近邻算法原理及应用场景; 4、线性回归原理及应用场景; 5、逻辑回归原理及应用场景; 6、朴素贝叶斯原理及应用场景; 7、决策树与随机森林原理及应用场景; 8、支持向量机原理及应用场景; 9、K-means聚类算法原理及应用场景; 10、潜在语义分析原理及应用场景; 11、主成分分析原理及应用场景; 12、卷积神经网络原理及应用场景; 13、循环神经网络原理及应用场景; 14、生成式模型(GC)原理及应用场景; 15、多模态融合的预训练模型(GPT)原理及应用场景 |
有监督学习原理及应用场景解析 | ||
无监督学习原理及应用场景解析 | ||
深度学习原理及应用场景解析 | ||
3 | 产品构建流程 |
1、NLP产品——文档审阅系统开发全流程; 2、产品开发全流程 |
4 | 特征工程 | 1、基于数据类型、关联关系的特征提取; 2、特征选择框架及策略; 3、数据清洗流程(缺失值、格式内容、逻辑错误、关联性验证); 4、数据集理解与划分 |
数据预处理 | ||
5 | 模型性能评估 | 1、分类模型评估(混淆矩阵、KS、AUC等指标); 2、回归模型评估(MSE、MAE等); 3、构建PSI等指标监控体系 |
模型稳定性监控 | ||
6 | 策略推荐类项目实战 | 1、电商平台个性化推荐; 2、工业行业故障预测; 3、0-1构建智能客服; |
预测类项目实战 | ||
NLP—智能客服类产品实战 | ||
多模态GC项目实战 | ||
7 | 简历指导 | 1、产品经理简历重点及项目介绍; 2、产品经理面试必答 |
面试必答 | ||
个性化职业规划 | ||
入职后个性化指导 |