• 课程 / 机器学习

    机器学习边学变练(黑马程序员)

    介绍章节评论课件
    本课程由黑马程序员精品打造,适合对人工智能感兴趣的学院学习
  • 难度:初级
  • 共112章节
  • 45709次播放
  • 第1章 人工智能概述
    机器学习科学计算库内容简介
    人工智能概述
    人工智能的发展历程
    人工智能主要分支
    第2章 机器学习与深度学习
    机器学习定义工作流程概述
    机器学习工作流程各步骤解释
    机器学习算法分类介绍
    模型评估
    Azure机器学习平台实验演示1
    Azure机器学习平台实验演示2
    深度学习简介
    基础环境安装
    第3章 jupyter和数据分析三剑客
    jupyter notebook的基本使用1
    jupyter notebook的基本使用2
    matplotlib的基本使用
    实现基础绘图-某城市温度变换图
    绘图辅助功能完善-某城市温度变换图
    在一个坐标系下绘制多个图像
    在多个坐标系下绘制多个图像
    常见图形绘制
    numpy介绍
    ndarray介绍
    创建0,1数组,固定范围数组
    创建随机数组
    数组的基本操作
    ndarray的运算
    数组间运算
    矩阵复习
    pandas介绍
    pandas数据结构-series
    pandas数据结构-DataFrame1
    pandas数据结构-DataFrame2
    pandas数据结构-multiindex和p...
    pandas中的索引
    赋值和排序
    pandas中的算术运算和逻辑运算
    pandas中的统计函数
    pandas中的累计统计函数和自定义函数
    pandas中绘图方式介绍
    pandas中文件的读取和写入
    缺失值的处理
    第4章 数据处理与案例分析
    数据离散化
    数据表的合并
    交叉表和透视表介绍
    分组聚合介绍
    星巴克案例实现
    电影案例分析1
    电影案例分析2
    第5章 KNN算法
    K-近邻算法简介
    K近邻算法api初步使用
    机器学习中距离度量介绍
    K值的选择介绍
    kd树和kd树的构造过程
    kd树案例实现
    数据集获取和属性介绍
    数据可视化介绍
    数据集的划分
    特征预处理简介
    归一化和标准化介绍
    鸢尾花种类预测
    KNN算法总结
    交叉验证、网格搜索概念介绍
    交叉验证、网格搜索案例实现
    案例-Facebook位置预测流程分析
    案例-Facebook位置预测代码实现1
    案例-Facebook位置预测代码实现2
    第6章 线性回归
    线性回归简介
    初始线性回归api
    数学:求导
    线性回归中损失函数的介绍
    使用正规方程对损失函数进行优化
    使用梯度下降法对损失函数进行优化
    梯度下降法方法介绍
    线性回归api再介绍
    波士顿房价预测案例
    欠拟合和过拟合的介绍
    正则化线性模型
    岭回归介绍
    模型保存和加载
    第7章 逻辑回归决策树算法
    逻辑回归介绍
    逻辑回归api介绍
    肿瘤预测案例
    分类评估方法介绍
    roc曲线绘制过程
    决策树算法简介
    熵的介绍
    信息增益的介绍
    信息增益率的介绍
    基尼指数的介绍
    决策树划分原理小结
    cart剪枝介绍
    字典特征提取
    英文文本特征提取
    中文文本特征提取
    tfidf内容讲解
    决策树算法api介绍
    泰坦尼克号乘客生存预测
    树木可视化操作
    第8章 集成学习算法选择
    集成学习简介
    bagging和随机森林概念介绍
    随机森林api实现
    boosting概念介绍
    GBDT内容介绍
    聚类算法介绍
    聚类算法api初步实现
    聚类算法实现流程
    模型评估
    算法优化介绍
    特征降维内容介绍
    pca降维介绍
    用户对物品类别的喜好细分案例
    算法选择指导

    讲师介绍

    流芳
    流芳
    页面重构设计
    课程必读:

    本课程适合有python基础希望学习机器学习的学员学习

    能学到什么:

    numpy、pandas、数据可视化、决策树、k近邻算法等算法及案例讲解

    全部评论我要评论

    暂无评论~
  • 取消回复发送
  • Python学习网