课程介绍:

本套课程Python机器学习实战,课程共分为共133节,文件大小共计6.57G。

Python当下以然是比较火的语言,其应用广泛,学起来也比较简单;本套课程适合零基础学员学习的课程,教大家快速掌握Python底层的基础知识,了解人工智能的核心机器学习,以实战讲解基于Python的各种机器深度学习框架,帮助大家快速了解并掌握。

课程截图:

课程目录:

第1课:AI时代首选Python.mp4[22.62M]

第2课:Python我该怎么学.mp4[11.27M]

第3课:人工智能的核心机器学习.mp4[24.72M]

第4课:机器学习该怎么学?.mp4[19.67M]

第5课:算法推导与案例.mp4[19.42M]

第6课:系列课程环境配置.mp4[85.75M]

第7课:Python快速入门.mp4[2.16M]

第8课:变量类型.mp4[21.07M]

第9课:LIST基础.mp4[30.51M]

第10课:List索引.mp4[37.00M]

第11课:循环结构.mp4[35.24M]

第12课:判断结构.mp4[17.45M]

第13课:字典.mp4[46.11M]

第14课:文件处理.mp4[59.97M]

第15课:函数基础.mp4[41.68M]

第16课:Numpy数据结构.mp4[113.35M]

第17课:Numpy基本操作.mp4[38.77M]

第18课:Numpy矩阵属性.mp4[27.67M]

第19课:Numpy矩阵操作.mp4[61.74M]

第20课:Numpy常用函数.mp4[166.85M]

第21课:Pandas数据读取.mp4[98.11M]

第22课:Pandas数据预处理.mp4[70.45M]

第23课:Pandas常用函数.mp4[95.42M]

第24课:Pandas-Series结构.mp4[88.06M]

第25课:Matplotlib折线图.mp4[83.96M]

第26课:Matplotlib子图操作.mp4[78.33M]

第27课:条形图与散点图.mp4[66.20M]

第28课:柱形图与盒图.mp4[56.00M]

第29课:细节设置.mp4[64.04M]

第30课:线性回归算法概述.mp4[30.74M]

第31课:误差项分析.mp4[25.64M]

第32课:似然函数求解.mp4[18.61M]

第33课:目标函数推导.mp4[21.58M]

第34课:线性回归求解.mp4[24.64M]

第36课:案例:缺失值填充.mp4[118.71M]

第37课:案例:特征相关性.mp4[121.11M]

第38课:案例:预处理问题.mp4[53.23M]

第40课:梯度下降原理.mp4[42.36M]

第43课:逻辑回归算法原理推导.mp4[22.88M]

第44课:逻辑回归求解.mp4[37.16M]

第45课:实现逻辑回归任务概述.mp4[35.35M]

第46课:完成梯度下降模块.mp4[60.52M]

第47课:停止策略与梯度下降案例.mp4[51.54M]

第48课:实验对比效果.mp4[81.70M]

第49课:科比数据集简介.mp4[74.79M]

第50课:数据预处理.mp4[73.47M]

第51课:建模.mp4[52.60M]

第52课:案例背景和目标.mp4[39.76M]

第53课:样本不均衡解决方案.mp4[50.20M]

第54课:下采样策略.mp4[32.16M]

第55课:交叉验证.mp4[41.57M]

第57课:正则化惩罚.mp4[25.43M]

第58课:逻辑回归模型.mp4[42.22M]

第59课:混淆矩阵.mp4[53.65M]

第60课:逻辑回归阈值对结果的影响.mp4[45.60M]

第61课:SMOTE样本生成策略.mp4[106.61M]

第62课:决策树原理概述.mp4[27.67M]

第63课:衡量标准–熵.mp4[25.38M]

第64课:决策树构造实例.mp4[23.27M]

第65课:信息增益率.mp4[12.89M]

第66课:决策树剪枝策略.mp4[36.31M]

第67课:决策树复习.mp4[7.90M]

第68课:决策树涉及参数.mp4[77.92M]

第69课:树可视化与sklearn库简介.mp4[179.79M]

第70课:sklearn参数选择.mp4[54.11M]

第71课:集成算法-随机森林.mp4[27.94M]

第72课:特征重要性衡量.mp4[26.77M]

第73课:提升模型.mp4[24.39M]

第74课:堆叠模型.mp4[15.66M]

第75课:数据介绍.mp4[46.70M]

第76课:数据预处理.mp4[78.80M]

第78课:随机森林模型.mp4[91.54M]

第79课:支持向量机要解决的问题.mp4[23.44M]

第80课:距离与数据的定义.mp4[23.68M]

第81课:目标函数.mp4[21.49M]

第82课:目标函数求解.mp4[24.38M]

第83课:SVM求解实例.mp4[31.60M]

第85课:软间隔问题.mp4[14.41M]

第86课:SVM核变换.mp4[52.74M]

第87课:sklearn求解支持向量机.mp4[69.02M]

第88课:SVM参数选择.mp4[95.22M]

第89课:深度学习概述.mp4[109.44M]

第90课:挑战与常规套路.mp4[37.18M]

第91课:用K近邻来进行分类.mp4[28.31M]

第92课:超参数与交叉验证.mp4[28.73M]

第93课:线性分类.mp4[20.66M]

第94课:损失函数.mp4[24.28M]

第95课:正则化惩罚项.mp4[15.47M]

第96课:softmax分类器.mp4[30.91M]

第97课:最优化形象解读.mp4[19.35M]

第98课:最优化问题细节.mp4[26.10M]

第99课:反向传播.mp4[83.83M]

第100课:整体架构.mp4[42.15M]

第101课:实例演示.mp4[125.19M]

第102课:过拟合解决方案.mp4[36.39M]

第103课:cifar分类任务.mp4[88.21M]

第104课:分模块构造神经网络.mp4[84.84M]

第105课:训练神经网络完成分类任务.flv[86.67M]

第106课:感受神经网络的强大.mp4[107.17M]

第107课:变量.mp4[85.18M]

第108课:变量练习.mp4[68.01M]

第109课:线性回归模型.mp4[64.74M]

第110课:逻辑回归框架.mp4[53.41M]

第111课:逻辑回归迭代.mp4[94.35M]

第112课:神经网络模型.mp4[29.66M]

第113课:完成神经网络.mp4[71.57M]

第114课:卷积神经网络模型.mp4[44.98M]

第116课:安装tensorflow.mp4[69.47M]

第117课:神经网络模型概述.mp4[73.15M]

第118课:tensorflow参数.mp4[43.66M]

第119课:卷积简介.mp4[36.86M]

第120课:构造网络结构.mp4[64.47M]

第121课:训练网络模型.mp4[131.11M]

第122课:PCA问题.mp4[15.41M]

第123课:PCA降维实例.mp4[86.32M]

第124课:SVD原理.mp4[17.00M]

第125课:SVD推荐系统.mp4[65.00M]

第126课:聚类算法.mp4[132.90M]

第127课:Adaboost集成算法.mp4[31.24M]

第128课:特征工程.mp4[80.03M]

第129课:特征工程2.mp4[110.24M]

第131课:论文的重要程度.mp4[28.11M]

第132课:BenchMark概述.mp4[45.87M]

第133课:BenchMark的作用.mp4[105.01M]

声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。