Python+Ai-51CTO微职位-Python数据分析与机器学习实战课程配套视频课程

课程简介

包含经典机器学习算法原理推导与案例实战两部分。从基本的回归算法开始讲起，逐渐过渡到复杂的神经网络模型。对于每一个算法给出实战案例，基于真实数据集使用Python库作为核心工具进行数据预处理与建模工作。

原理推导，形象解读，案例实战缺一不可！

课程目录

第1章 人工智能入学指南

• 001、AI时代首选Python.ts
• 002、Python我该怎么学？.ts
• 003、人工智能的核心-机器学习.ts
• 004、机器学习怎么学？.ts
• 005、算法推导与案例.ts
• 006、系列课程环境配置.ts

第2章 Python快速入门

• 007、快速入门，边学边用.ts
• 008、变量类型.ts
• 009、List基础模块.ts
• 010、List索引.ts
• 011、循环结构.ts
• 012、判断结构.ts
• 013、字典模块.ts
• 014、文件处理.ts
• 015、函数基础.ts

第3章 科学计算库Numpy

• 016、Numpy数据结构.ts
• 017、Numpy基本操作.ts
• 018、Numpy矩阵属性.ts
• 019、Numpy矩阵操作.ts
• 020、Numpy常用函数.ts

第4章 数据分析处理库Pandas

• 021、Pandas数据读取.ts
• 022、Pandas索引与计算.ts
• 023、Pandas数据预处理实例.ts
• 023、Pandas数据预处理实例.mp4
• 024、Pandas常用预处理方法.ts
• 025、Pandas自定义函数.ts
• 026、等待提取中.txt

第5章 可视化库Matplotlib

• 027、折线图绘制.ts
• 028、子图操作.ts
• 029、条形图与散点图.ts
• 030、柱形图与盒形.ts
• 031、绘图细节设置.ts

第6章 Python可视化库Seaborn

• 032、布局整体风格设置.ts
• 033、风格细节设置.ts
• 034、调色板.ts
• 035、调色板颜色设置.ts
• 036、单变量分析绘制.ts
• 037、回归分析绘图.ts
• 038、多变量分析绘图.ts
• 039、分类属性绘图.ts
• 040、热度图绘制.ts

第7章 线性回归算法

• 041、线性回归算法概述.ts
• 042、误差项分析.ts
• 043、似然函数求解.ts
• 044、目标函数推导.ts
• 045、线性回归求解.ts

第8章 梯度下降算法

• 046、梯度下降原理.ts
• 047、梯度下降方法对比.ts
• 048、学习率对结果的影响.ts

第9章 逻辑回归算法

• 049、逻辑回归算法原理推导.ts
• 050、逻辑回归求解.ts

第10章 案例实战：Python实现逻辑回归与梯度下降策略

• 051、Python实现逻辑回归任务概述.ts
• 052、完成梯度下降模块.ts
• 053、停止策略与梯度下降策略对比.ts
• 054、实验对比效果.ts

第11章 项目实战：案例实战信用卡欺诈检测

• 055、案例背景和目标.ts
• 056、样本不平衡解决方案.ts
• 057、下采样策略.ts
• 058、交叉验证.ts
• 059、模型评估方法.ts
• 060、正则化惩罚项.ts
• 061、逻辑回归模型.ts
• 062、混淆矩阵.ts
• 063、逻辑回归阈值对结果的影响.ts
• 064、SMOTE样本生成策略.ts

第12章 决策树算法

• 065、决策树原理概述.ts
• 066、衡量标准-熵.ts
• 067、决策树构造实例.ts
• 068、信息增益率.ts
• 069、决策树剪枝策略.ts

第13章 案例实战：决策树Sklearn实例

• 070、决策树复习.ts
• 071、决策树涉及参数.ts
• 072、树可视化与Sklearn实例.ts
• 073、Sklearn参数选择模块.ts

第14章 集成算法与随机森林

• 074、集成算法-随机森林.ts
• 075、特征重要性衡量.ts
• 076、提升模型.ts
• 077、堆叠模型.ts

第15章 泰坦尼克船员获救

• 078、数据介绍.ts
• 079、数据预处理.ts
• 080、回归模型进行预测.ts
• 081、随机森林模型.ts
• 082、特征选择.ts

第16 章贝叶斯算法

• 083、贝叶斯算法概述.ts
• 084、贝叶斯推导实例.ts
• 085、贝叶斯拼写纠错实例.ts
• 086、垃圾邮件过滤实例.ts
• 087、贝叶斯实现拼写检查器.ts

第17章 Python文本数据分析

• 088、文本分析与关键词提取.ts
• 089、相似度计算.ts
• 090、新闻数据与任务简介.ts
• 091、TF-IDF关键词提取.ts
• 092、LDA建模.ts
• 093、基于贝叶斯算法的新闻分类.ts

第18章 支持向量机算法

• 094、支持向量机要解决的问题.ts
• 095、距离与数据的定义.ts
• 096、目标函数.ts
• 097、目标函数求解.ts
• 098、SVM求解实例.ts
• 099、支持向量的作用.ts
• 100、软间隔问题.ts
• 101、SVM核变换.ts

第19章 SVM调参实例

• 102、Sklearn求解支持向量机.ts
• 103、SVM参数调节.ts

第20章 机器学习处理实际问题常规套路

• 104、HTTP检测任务与数据挖掘的核心.ts
• 105、论文的重要程度.ts
• 106、BenchMark概述.ts
• 107、BenchMark的作用.ts

第21章 降维算法：线性判别分析

• 108、线性判别分析要解决的问题.ts
• 109、线性判别分析要优化的目标.ts
• 110、线性判别分析求解.ts

第22章 案例实战：Python实现线性判别分析

• 111、Python实现线性判别分析.ts
• 112、求解得出降维结果.ts

第23章 降维算法：PCA主成分分析

• 113、PCA降维概述.ts
• 114、PCA要优化的目标.ts
• 115、PCA求解.ts
• 116、PCA降维实例.ts

第24章 聚类算法-Kmeans

• 117、Kmeans算法概述.ts
• 118、Kmeans工作流程.ts
• 119、迭代效果可视化展示.ts

第25章 聚类算法-DBSCAN

• 120、DBSCAN聚类算法.ts
• 121、DBSCAN工作流程.ts
• 122、DBSCAN迭代可视化展示.ts

第26章 聚类实践

• 123、多种聚类算法概述.ts
• 124、聚类案例实战.ts

第27章 EM算法

• 125、EM算法要解决的问题.ts
• 126、隐变量问题.ts
• 127、EM算法求解实例.ts
• 128、Jensen不等式.ts
• 129、GMM模型.ts

第28章 GMM聚类实践

• 130、GMM实例.ts
• 131、GMM聚类.ts

第29章 神经网络

• 132、计算机视觉常规挑战.ts
• 133、得分函数.ts
• 134、损失函数.ts
• 135、softmax分类器.ts
• 136、反向传播.ts
• 137、神经网络整体架构.ts
• 138、神经网络实例.ts
• 139、激活函数.ts

第30章 Tensorflow实战

• 140、Tensorflow基础操作.ts
• 141、Tensorflow常用函数.ts
• 142、Tensorflow回归实例.ts
• 143、Tensorflow神经网络实例.ts
• 144、Tensorflow神经网络迭代.ts
• 145、神经网络dropout.ts
• 146、卷积神经网络基本结构.ts

第31章 Mnist手写字体与验证码识别

• 147、Tensorflow构造卷积神经网络参数.ts
• 148、Pooling层原理与参数.ts
• 149、卷积网络参数配置.ts
• 150、卷积神经网络计算流程.ts
• 151、CNN在mnist数据集上的效果.ts
• 152、验证码识别任务概述.ts
• 153、完成验证码识别任务.ts

第32章 Xgboost集成算法

• 154、集成算法思想.ts
• 155、Xgboost基本原理.ts
• 156、Xgboost目标函数推导.ts
• 157、Xgboost求解实例.ts
• 158、Xgboost安装.ts
• 159、Xgboost实例演示.ts
• 160、Adaboost算法概述.ts

第33章 推荐系统

• 161、推荐系统应用.ts
• 162、推荐系统要完成的任务.ts
• 163、相似度计算.ts
• 164、基于用户的协同过滤.ts
• 165、基于物品的协同过滤.ts
• 166、隐语义模型.ts
• 167、隐语义模型求解.ts
• 168、模型评估标准.ts

第34章 推荐系统实战

• 169、Surprise库与数据简介.ts
• 170、Surprise库使用方法.ts
• 171、得出商品推荐结果.ts
• 172、使用Tensorflow构建隐语义模型.ts
• 173、模型架构.ts
• 174、损失函数定义.ts
• 175、训练网络模型.ts

第35章 词向量模型Word2Vec

• 176、自然语言处理与深度学习.ts
• 177、语言模型.ts
• 178、N-gram模型.ts
• 179、词向量.ts
• 180、神经网络模型.ts
• 181、Hierarchical.ts
• 182、CBOW模型实例.ts
• 183、CBOW求解目标.ts
• 184、梯度上升求解.ts
• 185、负采样模型.ts

第36章 使用Gensim库构造词向量模型

• 186、使用Gensim库构造词向量.ts
• 187、维基百科中文数据处理.ts
• 188、Gensim构造word2vec.ts
• 189、测试相似度结果.ts

第37章 时间序列-ARIMA模型

• 190、数据平稳性与差分法.ts
• 191、ARIMA模型.ts
• 192、相关函数评估方法.ts
• 193、建立AIRMA模型.ts
• 194、参数选择.ts

第38章 Python时间序列案例实战

• 195、股票预测案例.ts
• 196、使.tsfresh库进行分类任务.ts
• 197、维基百科词条EDA.ts
• 198、Pandas生成时间序列.ts
• 199、Pandas数据重采样.ts
• 200、Pandas滑动窗口.ts

第39章 探索性数据分析：赛事数据集

• 201、数据背景介绍.ts
• 202、数据读取与预处理.ts
• 203、数据切分模块.ts
• 204、缺失值可视化分析.ts
• 205、特征可视化展示.ts
• 206、多特征之间关系分析.ts
• 207、报表可视化分析.ts
• 208、红牌和肤色的关系.ts

第40章 探索性数据分析：农粮组织数据集

• 209、数据背景简介.ts
• 210、数据切片分析.ts
• 211、单变量分析.ts
• 212、峰度与偏度.ts
• 213、数据对数变换.ts
• 214、数据分析维度.ts
• 215、变量关系可视化展示.mp4

课件代码等资料

• 1机器学习算法PPT
• 2numpy
• 3Pandas
• 4欺诈检测
• 5梯度下降实例
• 6Matplotlib
• 7可视化库Seaborn
• 8决策树鸢尾花
• 9贝叶斯
• 10Python文本分析
• 11泰坦尼克号-级联模型
• 12手写字体识别
• 13tensorflow代码
• 14xgboost
• 15推荐系统
• 16word2vec——空
• 17Python时间序列
• 唐宇迪-机器学习课程代码-新整理.zip
• 梯度下降求解逻辑回归.zip

加微信：2431067021永久会员

收藏 海报 链接