零基础实战机器学习(Python语言、算法、Numpy库、MatplotLib)

w249934680 · 发表于 2019-6-24 12:41

课程背景：
      机器学习作为人工智能的一部分，已经应用于很多领域，远超过人们的想象，垃圾邮件的过滤，在线广告的推荐系统，还有目前发展飞快的物体识别、人脸识别和语音识别的发展，都是机器学习的应用的成果。机器学习在改善商业决策、提高生产率、检测疾病、预测天气等方面都有非常大的应用前景。5 w( p1 g7 t- c% ^

课程研发环境：
      本课程的代码实现是基于Python语言，用到Numpy库和MatplotLib.& E" }7 O# n4 B

开发工具:   ]8 e# ?; [) F) R# \: `! c3 z! O
      Python win
; i( m3 j  e+ P! u7 z1 e
课程简介：
      本教程系统的介绍了机器学习的目的和方法。并且针对每一种常用的方法进行了详细的解析，用实例来说明具体的实现，学生可以跟着一步步完成。在面对现实的问题的时候，可以找到非常可靠的参照。本课程在最开始讲解了Python语言的基础知识，以保证后面的课程中可以顺利进行。更多的Python语言的知识，需要学员自己去找更多的资料进行学习。  f7 s/ a, D- E2 K( E3 u
      本课程主要讲述了两大类机器学习的方法：有监督学习和无监督学习，其中有监督学习里面，又分为分类和预测数值型数据。这些算法都是基础的算法。这样可以降低学习的难度，容易理解机器学习思路和实现的过程。

课程目录：. Q- E( E8 D6 S
      第一章机器学的任务和方法1-2.mp43 U5 Y. f5 ]7 u
      第二章 Python语言基础1-6.mp4
      第二章 Python语言基础7-13.mp4& n" m; Z2 D6 E
      第三章分类算法介绍1.mp4
      第四章 k-临近算法1-7.mp47 Y: E2 p. r2 K& a; `( T4 @
      第五章决策树1-5.mp4
      第六章基于概率论的分类方法：朴素贝叶斯1-6.mp4
      第七章 Logistic回归1-6.mp4
      第八章支持向量机1-8.mp4& t6 ?8 d3 G9 P  u2 y
      第九章利用AdaBoost元算法提高分类性能1-5.mp4
      第十章利用回归预测数值型数据1-5.mp4
      第十一章树回归1-3.mp4
      第十二章无监督学习1.mp4
      第十三章利用K-均值聚类算法对未标注数据分组1-2.mp4
      第十四章使用Apriori算法进行关联分析1-3.mp4& G4 ?$ T% G+ t; C3 I3 L
      第十五章使用FP-growth算法来高效发现频分项集1-3.mp4  m. L! Z- k/ K3 c
      第十六章利用PCA来简化数据1-2.mp4
      第十七章利用SVD简化数据1-3.mp4$ v  g/ H3 Y4 Y1 i* m+ i5 q
      第十八章大数据与MapReduce1.mp4! [& s# d1 X) B, a
      第十九章学习总结.mp4
      资料包

游客，如果您要查看本帖隐藏内容请回复