论坛元老
- 威望
- 0
- 贡献
- 30
- 热心值
- 1
- 金币
- 7680
- 注册时间
- 2020-8-31
|
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
|
|