学术报告
-
数据挖掘中的数据清洗方法
数据清洗是数据挖掘工作中很重要的一部分工作,目的是解决数据的质量问题,将“脏”数据变成标准的、干净的数据,更加适合挖掘。本次报告从预处理阶段、缺失值处理、重复数据清理、格式清洗、异常值处理、数据转化等6个方面详细介绍常用的数据清洗方法。 附件-数据挖掘中的数据清洗方法.pdf
-
GBDT梯度提升决策树
梯度提升决策树(GBDT)是集成学习中梯度提升方法(Gradient Boost)与决策树(Decision Tree)的结合,算法实现难度低、准确率高,且其改进算法XGBoost具备优良的大数据处理能力,实际应用广泛。本次报告首先复习Bagging、Boosting等集成学习方法,进而…
-
数据挖掘项目实战
数据挖掘项目实战,主要以kaggle竞赛平台Titanic生存预测为例详细讲解数据挖掘项目的工作流程,具体包括提出问题、理解数据、数据清洗、构建模型、模型评估、方案实施六个基本步骤。 附件-数据挖掘项目实战.pdf
-
cookie及cookie安全
Cookie 是网站为辨别用户身份而储存在用户终端上的数据(通常经过加密),是绕开http无状态性的额外手段之一。本次报告主要为大家介绍Cookie的原理及Cookie安全分析。 附件-cookie及cookie安全.pdf
-
TCP之可靠数据传输
TCP协议是面向连接的可靠数据传输协议,如何在不可靠协议IP协议的上层实现可靠数据传输,主要通过差错检验、分组编号、反馈与重传等协同工作。本次学术报告将带大家一步步构建一个原始的可靠数据传输协议,并进一步考察TCP中的具体原理实现。 附件-TCP之可靠数据传输.pdf
-
Android消息机制
Android消息机制,主要讲解Android系统内部不同线程之间的信息交互,具体介绍了MessageQueue、Looper和Handler三者之间的交互和各自的原理。 附件-Android的消息机制.pdf
-
深度模型可解释方法
深度模型可解释性一直是业界关注的问题。报告介绍了一种新颖的深度学习可解释性方法——树正则化。通过在深度模型训练过程中,通过树正则化的方法构造模拟决策树实现对神经网络的解释。 附件-深度模型可解释方法-树正则化.pdf
-
HTTPS浅析
HTTPS(全称:Hyper Text Transfer Protocol over Secure Socket Layer),是以安全为目标的HTTP通道,简单讲是HTTP的安全版。即HTTP下加入SSL层,HTTPS的安全基础是SSL,因此加密的详细内容就需要SSL。 附件-HTTPS浅析.pdf