Leo叶

摘要： 空 阅读全文

摘要： 1. 验证集Trainning set/交叉验证集Cross validation set/测试集 Test set 2. 模型开发的方向 - 学习曲线 偏差Bias跟Variance方差的平衡 正则化曲线 超参数曲线 数据曲线 3.模型评价及选择 - Precision 跟 Recall 的bal 阅读全文

摘要： Neuron Network 神经网络的权重系数矩阵维度 前向传播表示 神经网络的损失函数表示 整体m个样本 神经网络的梯度下降公式 （拿证回补） 梯度检验 - gradient checking 神经网络的Back propagation - 误差传递 其中可看作是对于aj(l)的“误差” 阅读全文

摘要： 1.数据质量QC 2.高质量的Campaign活动交付 3. 呼叫中心名单建模优化 - 建2个模型分类，或者一个模型出来： 将客户为为 - 不打也要，打了就要，不打不要，打了也不要。尽量targeting 打了就要，不打不要这波人 4. 金融客户分群实践 （ spend，revolver，tcr，聚 阅读全文

摘要： 理论是高度通用的，但到最终落地的过程中，需要丰富的数据/业务知识, 以及一些tricks 一些长期实战摸索出来的经验，虽然够不上有多高的理论高度，但就像Hary Potter无意间得到的Half Blood Prince写在课本里的实验备注，寥寥几语，做起试验来非常有用，有意想不到的效果 最近有个优 阅读全文

摘要： 计划须突出编程实践 1a. 工具类-python， 1b. GCP 基础/ BIG Query / Dataproc / Pipeline + model + SAS automation , 1c. SQL 1d. Git 1e. Markdown - Blogs 2a. 生产中的数据分析分类分析 阅读全文

摘要： 1. 利用数据字典建立框架，无系统，就不是自己的 2. 抓住每一个业务模块中，最重要最系统全面的大报表进行学习 数据源模块 -- 看数据源是哪些，数据源的数据范围，数据结构，存储粒度 -- 是如何抓取的，加了哪些限制条件，限制条件代表的意思 -- 总会有一些数据没有那么干净，怎么处理的 数据处理过程 阅读全文

摘要： 第一周 深度学习概论 1.1 课程体系 AI 是新电力，对所有领域带来改变，最显著的部分是Deep learning 课程分5个部分 (一) 神经网络跟深度学习 (二) 深度学习提升：超参数调整，正则化，优化 (三) 结构化ML项目（工程化问题）- 相对独立 (四) CNN 构建 (五) NLP: 阅读全文

摘要： 1. Lift 2.PSI 3.KS值 4.Gini 5.Shap 6.Mob/Vintage 阅读全文

摘要： 数据报表实践中的问题 1. 同一业务KPI，可能存在非常多元的提取逻辑 - 数据源不同，存在数据收集层面的差异； - 业务定义多样，不统一； 两份报告中的同一KPI有不同的意思 - 同一定义，但在某些报表中因特定需求，存在特别限定。 2. 业务要求每个单独报表全面，相关KPI全都要，重复开发 3. 阅读全文