VIP16
本课程属于：030-机器学习Alpha与交易信号 智能金融与金融工程 · 共 16 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

机器学习Alpha端到端项目实战

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=机器学习Alpha端到端项目实… · 核心概念 · 整体框架与项目全流程概览
课程导入Alpha
02
机器学习基础
目标=监督学习 · 无监督学习 · 强化学习的基本概念
机器学习基础目标=监督学习
03
开发环境搭建
目标=Python · Jupyter Notebook · 虚拟环境
开发环境搭建Python
04
数据获取与加载
目标=从CSV · Excel · 数据库
数据获取加载
05
数据探索性分析（EDA）
目标=描述性统计 · 缺失值分析 · 异常值检测
EDA数据探索性分析
06
数据预处理
目标=数据清洗 · 缺失值填充 · 异常值处理
数据预处理目标=数据清洗
07
特征工程
目标=特征构造 · 特征选择 · 特征提取
特征工程目标=特征构造
08
数据可视化
目标=使用Matplotlib · Seaborn · Plotly进行单变量
数据可视化Matplotlib
09
机器学习算法概览
目标=线性回归 · 逻辑回归 · 决策树
机器学习算法概览目标=线性回归
10
模型训练与评估基础
目标=训练集/验证集/测试集划分 · 交叉验证 · 偏差方差权衡与评估指标（准确率
模型训练评估基础
11
线性模型实战
目标=使用线性回归与逻辑回归完成一个… · 包括数据准备 · 训练
线性模型实战目标=使用线性回…
12
树模型实战
目标=使用决策树与随机森林完成分类与… · 包括特征重要性分析与超参数调优
树模型实战目标=使用决策树
13
集成学习实战
目标=使用梯度提升（XGBoost · LightGBM · CatBoost）完成结构化数据预测…
集成学习实战XGBoost
14
支持向量机与KNN实战
目标=使用SVM与KNN完成分类任务 · 包括核函数选择与距离度量
KNN支持向量机
15
无监督学习实战
目标=使用K-means · DBSCAN · 层次聚类进行客户分群与异常检测
无监督学习实战K-means
16
降维技术实战
目标=使用PCA · t-SNE · UMAP进行高维数据可视化与特征压缩
降维技术实战PCA
17
模型调优与超参数搜索
目标=网格搜索 · 随机搜索 · 贝叶斯优化与Optuna实战
模型调优超参数搜索
18
特征选择与模型解释
目标=使用SHAP · LIME · Permutation Import…
特征选择模型解释
19
处理不平衡数据
目标=过采样 · 欠采样 · SMOTE
处理不平衡数据目标=过采样
20
时间序列预测实战
目标=使用ARIMA · Prophet · LSTM完成时间序列端到端项目
时间序列预测实战ARIMA
21
自然语言处理实战
目标=使用TF-IDF · Word2Vec · BERT完成文本分类与情感分析项目
自然语言处理实战TF-IDF
22
计算机视觉实战
目标=使用CNN · 迁移学习（ResNet · EfficientNet）完成图像分…
计算机视觉实战CNN
23
模型部署基础
目标=使用Flask · FastAPI · Streamlit将模型部署为Web…
模型部署基础Flask
24
模型监控与维护
目标=数据漂移 · 模型漂移 · 性能监控
模型监控维护
25
端到端项目实战一
目标=房价预测——从数据获取 · EDA · 特征工程
端到端项目实战一目标=房价预测
26
端到端项目实战二
目标=客户流失预测——处理不平衡数据 · 模型解释与业务建议
端到端项目实战二目标=客户流失预…
27
端到端项目实战三
目标=推荐系统——协同过滤 · 矩阵分解与深度学习推荐模型
端到端项目实战三目标=推荐系统
28
常见问题与解决方案
目标=过拟合 · 欠拟合 · 数据泄露
常见问题解决方案
29
综合提升与最佳实践
目标=项目结构 · 代码规范 · 版本控制
综合提升最佳实践
30
课程总结与进阶方向
目标=知识体系回顾 · 项目作品集构建 · 持续学习路径与前沿技术展望
课程总结进阶方向