价格: ¥ 14.00

分类: 数据学院 人工智能

发布: 2018-08-08 17:03:36

更新: 2018-08-08 17:03:36

难度: 入门

演示:

5.0分/3人

下载地址

01人工智能入门指南(有基础的同学请略过!)

    课时1课程介绍(主题与大纲

    课时2AI时代首选Python

    课时3Python我该怎么学

    课时4人工智能的核心-机器学习

    课时5机器学习怎么学?

    课时6算法推导与案例

   

02Python科学计算库-Numpy

    课时10Numpy基础结构

    课时11Numpy矩阵基础

    课时12Numpy常用函数

    课时13矩阵常用操作

    课时14不同复制操作对比

    课时7使用Anaconda安装python环境(Python新手先看这个).flv

    课时8课程数据,代码,PPT.txt

    课时9科学计算库Numpy

   

03python数据分析处理库-Pandas

    课时15Pandas数据读取

    课时16Pandas索引与计算

    课时17Pandas数据预处理实例

    课时18Pandas常用预处理方法

    课时19Pandas自定义函数

    课时20Series结构

   

04Python数据可视化库-Matplotlib

    课时21折线图绘制

    课时22子图操作

    课时23条形图与散点图

    课时24柱形图与盒图

    课时25细节设置

   

05Python可视化库Seaborn

    课时26Seaborn简介

    课时27整体布局风格设置

    课时28风格细节设置

    课时29调色板

    课时30调色板颜色设置

    课时31单变量分析绘图

    课时32回归分析绘图

    课时33多变量分析绘图

    课时34分类属性绘图

    课时35Facetgrid使用方法

    课时36Facetgrid绘制多变量

    课时37热度图绘制

   

06线性回归算法原理推导

    课时38线性回归算法概述

    课时39误差项分析

    课时40似然函数求解

    课时41目标函数推导

    课时42线性回归求解

   

07梯度下降策略

    课时43梯度下降原理

    课时44梯度下降方法对比

    课时45学习率对结果的影响

   

08逻辑回归算法

    课时46逻辑回归算法原理推导

    课时47逻辑回归求解

   

09案例实战:Python实现逻辑回归与梯度下降策略

    课时48Python实现逻辑回归任务概述

    课时49完成梯度下降模块

    课时50停止策略与梯度下降案例

    课时51实验对比效果

   

10项目实战-交易数据异常检测

    课时52案例背景和目标

    课时53样本不均衡解决方案

    课时54下采样策略

    课时55交叉验证

    课时56模型评估方法

    课时57正则化惩罚

    课时58逻辑回归模型

    课时59混淆矩阵

    课时60逻辑回归阈值对结果的影响

    课时61SMOTE样本生成策略

   

11决策树算法

    课时62决策树原理概述

    课时63衡量标准-熵

    课时64决策树构造实例

    课时65信息增益率

    课时66决策树剪枝策略

   

12案例实战:使用sklearn构造决策树模型

    课时67决策树复习

    课时68决策树涉及参数

    课时69树可视化与sklearn库简介

    课时70sklearn参数选择

   

13集成算法与随机森林

    课时71集成算法-随机森林

    课时72特征重要性衡量

    课时73提升模型

    课时74堆叠模型

   

14案例实战:泰坦尼克获救预测

    课时75船员数据分析

    课时76数据预处理

    课时77使用回归算法进行预测

    课时78使用随机森林改进模型

    课时79随机森林特征重要性分析

   

15贝叶斯算法

    课时80贝叶斯算法概述

    课时81贝叶斯推导实例

    课时82贝叶斯拼写纠错实例

    课时83垃圾邮件过滤实例

    课时84贝叶斯实现拼写检查器

   

16Python文本数据分析:新闻分类任务

    课时85文本分析与关键词提取

    课时86相似度计算

    课时87新闻数据与任务简介

    课时88TF-IDF关键词提取

    课时89LDA建模

    课时90基于贝叶斯算法进行新闻分类

   

17支持向量机

    课时91支持向量机要解决的问题

    课时92距离与数据的定义

    课时93目标函数

    课时94目标函数求解

    课时95SVM求解实例

    课时96支持向量的作用

    课时97软间隔问题

    课时98SVM核变换

   

18案例:SVM调参实例

    课时100SVM参数选择

    课时99sklearn求解支持向量机

   

19聚类算法-Kmeans

    课时101KMEANS算法概述

    课时102KMEANS工作流程

    课时103KMEANS迭代可视化展示

    课时104使用Kmeans进行图像压缩

   

20聚类算法-DBSCAN

    课时105DBSCAN聚类算法

    课时106DBSCAN工作流程

    课时107DBSCAN可视化展示

   

21案例实战:聚类实践

    课时108多种聚类算法概述

    课时109聚类案例实战

   

22降维算法-PCA主成分分析

    课时110PCA降维概述

    课时111PCA要优化的目标

    课时112PCA求解

    课时113PCA实例

   

23神经网络

    课时114初识神经网络

    课时115计算机视觉所面临的挑战

    课时116K近邻尝试图像分类

    课时117超参数的作用

    课时118线性分类原理

    课时119神经网络-损失函数

    课时120神经网络-正则化惩罚项

    课时121神经网络-softmax分类器

    课时122神经网络-最优化形象解读

    课时123神经网络-梯度下降细节问题

    课时124神经网络-反向传播

    课时125神经网络架构

    课时126神经网络实例演示

    课时127神经网络过拟合解决方案

    课时128感受神经网络的强大

   

24Xgboost集成算法

    课时129集成算法思想

    课时130xgboost基本原理

    课时131xgboost目标函数推导

    课时132xgboost求解实例

    课时133xgboost安装

    课时134xgboost实战演示

    课时135Adaboost算法概述

   

25自然语言处理词向量模型-Word2Vec

    课时136自然语言处理与深度学习

    课时137语言模型

    课时138-N-gram模型

    课时139词向量

    课时140神经网络模型

    课时141Hierarchical Softmax-课时142CBOW模型实例

    课时143CBOW求解目标

    课时144梯度上升求解

    课时145负采样模型

   

26使用Gensim库构造中文维基百度数据词向量模型

    课时146使用Gensim库构造词向量

    课时147维基百科中文数据处理

    课时148Gensim构造word2vec模型

    课时149测试模型相似度结果

   

27scikit-learn模型建立与评估

    课时150使用python库分析汽车油耗效率

    课时151使用scikit-learn库建立回归模型

    课时152使用逻辑回归改进模型效果

    课时153 模型效果衡量标准

    课时154ROC指标与测试集的价值

    课时155交叉验证

    课时156多类别问题

   

28Python库分析科比生涯数据

    课时157Kobe Bryan生涯数据读取与简介

    课时158特征数据可视化展示

    课时159数据预处理

    课时160使用Scikit-learn建立模型

   

29Python时间序列分析

    课时161章节简介

    课时162Pandas生成时间序列

    课时163Pandas数据重采样

    课时164Pandas滑动窗口

    课时165数据平稳性与差分法

    课时166ARIMA模型

    课时167相关函数评估方法

    课时168建立ARIMA模型

    课时169参数选择

    课时170股票预测案例

    课时171使用tsfresh库进行分类任务

    课时172维基百科词条EDA

   

30机器学习项目实战-贷款申请最大化利润

    课时173数据清洗过滤无用特征

    课时174数据预处理

    课时175获得最大利润的条件与做法

    课时176预测结果并解决样本不均衡问题

   

31机器学习项目实战-用户流失预警

    课时177数据背景介绍

    课时178数据预处理

    课时179尝试多种分类器效果

    课时180结果衡量指标的意义

    课时181应用阈值得出结果

   

32探索性数据分析-足球赛事数据集

    课时182内容简介

    课时183数据背景介绍

    课时184数据读取与预处理

    课时185数据切分模块

    课时186缺失值可视化分析

    课时187特征可视化展示

    课时188多特征之间关系分析

    课时189报表可视化分析

    课时190红牌和肤色的关系

   

33探索性数据分析-农粮组织数据集

    课时191数据背景简介

    课时192数据切片分析

    课时193单变量分析

    课时194峰度与偏度

    课时195数据对数变换

    课时196数据分析维度

    课时197变量关系可视化展示


34机器学习项目实战-HTTP日志聚类分析

    课时198建立特征工程

    课时199特征数据预处理

    课时200应用聚类算法得出异常ip点


  • ati***

    7月前ati***

    未评价,系统默认好评!

  • 123***

    7月前123***

    未评价,系统默认好评!

  • oli***

    8月前oli***

    未评价,系统默认好评!

更多评论