随着图像识别、语音识别、自然语言处理等人工智能技术在智能硬件、教育、医疗、自动驾驶等领域的广泛应用，带给人们生活无处不在的便捷与高效，而在这些成熟的人工智能技术背后，大部分便是基于神经网络的深度学习算法。

而K最近邻、朴素贝叶斯、支持向量机和神经网络等常见的机器学习算法，在回归和分类分析中也表现优异，因此应用十分广泛。那么，

• 你了解这些机器学习算法背后的逻辑是什么？
  

• 你知道何时使用最适合的技术来解决问题？
  

• JMP的预测建模平台能够为用户提供哪些支持？如何在JMP中开展预测建模？

11月18日14:00-15:00，JMP预测建模系列课程将迎来第二期：走进K最近邻、朴素贝叶斯、支持向量机和神经网络的世界，打开全新的建模新天地。

此次课程是上期课程（以树模型为核心的机器学习算法）的延续。本期将接着介绍K最近邻、朴素贝叶斯、支持向量机和神经网络的基本概念、算法原理、重要参数和模型评估指标等精华内容。

JMP老师将通过现场案例演示，帮助大家更好地理解和掌握这些机器学习技术的基础知识，实现在业务中的快速应用。

图片

课程大纲

K最近邻

朴素贝叶斯

支持向量机

神经网络

JMP软件学习渠道

问题与讨论

1小时干货内容直播，扫描识别二维码，直接报名：