Ι  课程介绍

* 课程时间:2024年完结(会员免费包更新)
* 课程包括:视频+课程资料
* 课程售价:¥34.9元
* 会员免费
* 课程目录:如下
01-1课程内容和理念_ev.mp4
01-2初识机器学习_ev.mp4
01-3课程使用的技术栈_ev.mp4
02-1本章总览_ev.mp4
02-2数据长什么样:常见数据集、典型实例、如何使用_ev.mp4
02-3研究哪些问题:分类、回归等_ev.mp4
02-4如何分门别类:监督、无监督、强化学习等_ev.mp4
02-5机器学习的七大常见误区和局限_ev.mp4
03-10Numpy数组矩阵运算:一元运算、二元运算与矩阵运算_ev.mp4
03-11Numpy数组统计运算:常用的都在这儿了_ev.mp4
03-12Numpy数组arg运算和排序_ev.mp4
03-13Numpy数组神奇索引和布尔索引_ev.mp4
03-14Matplotlib数据可视化:基础绘制与设置_ev.mp4
03-1本章总览:相互关系与学习路线_ev.mp4
03-2Anaconda图形化操作_ev.mp4
03-3Anaconda命令行操作_ev.mp4
03-4JupyterNotebook基础使用_ev.mp4
03-5JupyterNotebook高级使用:常用魔法命令_ev.mp4
03-6Numpy基础:安装与性能对比_ev.mp4
03-7Numpy数组创建:特定数组、等差数组、随机数组_ev.mp4
03-8Numpy数组基础索引:索引和切片_ev.mp4
03-9Numpy非常重要的数组合并与拆分操作_ev.mp4
04-1本章总览_ev.mp4
04-2KNN算法核心思想和原理_ev.mp4
04-3KNN分类任务代码实现_ev.mp4
04-4数据集划分:训练集与预测集_ev.mp4
04-5模型评价_ev.mp4
04-6超参数_ev.mp4
04-7特征归一化_ev.mp4
04-8KNN回归任务代码实现_ev.mp4
04-9KNN优缺点和适用条件_ev.mp4
05-10复杂逻辑回归及代码实现_ev.mp4
05-11线性算法优缺点和适用条件_ev.mp4
05-1本章总览_ev.mp4
05-2线性回归核心思想和原理_ev.mp4
05-3逻辑回归核心思想和原理_ev.mp4
05-4线性回归代码实现_ev.mp4
05-5模型评价:MSE、RMSE、MAE和R方_ev.mp4
05-6多项式回归代码实现_ev.mp4
05-7逻辑回归算法_ev.mp4
05-8线性逻辑回归代码实现_ev.mp4
05-9多分类策略_ev.mp4
06-10LASSO和岭回归代码实现_ev.mp4
06-11模型泛化_ev.mp4
06-12评价指标:混淆矩阵、精准率和召回率_ev.mp4
06-13评价指标:ROC曲线_ev.mp4
06-1本章总览_ev.mp4
06-2损失函数_ev.mp4
06-3梯度下降_ev.mp4
06-4决策边界_ev.mp4
06-5过拟合与欠拟合_ev.mp4
06-6学习曲线_ev.mp4
06-7交叉验证_ev.mp4
06-8模型误差_ev.mp4
06-9正则化_ev.mp4
07-1本章总览_ev.mp4
07-2决策树核心思想和原理_ev.mp4
07-3信息熵_ev.mp4
07-4决策树分类任务代码实现_ev.mp4
07-5基尼系数_ev.mp4
07-6决策树剪枝_ev.mp4
07-7决策树回归任务代码实现_ev.mp4
07-8决策树优缺点和适用条件_ev.mp4
08-1本章总览_ev.mp4
08-2神经网络核心思想和原理_ev.mp4
08-3激活函数_ev.mp4
08-4正向传播与反向传播_ev.mp4
08-5梯度下降优化算法_ev.mp4
08-6神经网络简单代码实现_ev.mp4
08-7梯度消失和梯度爆炸_ev.mp4
08-8模型选择_ev.mp4
08-9神经网络优缺点和适用条件_ev.mp4
09-10SVM优缺点和适用条件_ev.mp4
09-1本章总览_ev.mp4
09-2SVM核心思想和原理_ev.mp4
09-3硬间隔SVM_ev.mp4
09-4SVM软间隔_ev.mp4
09-5线性SVM分类任务代码实现_ev.mp4
09-6非线性SVM:核技巧_ev.mp4
09-7SVM核函数_ev.mp4
09-8非线性SVM代码实现_ev.mp4
09-9SVM回归任务代码实现_ev.mp4
10-1本章总览_ev.mp4
10-2贝叶斯方法核心思想和原理_ev.mp4
10-3朴素贝叶斯分类_ev.mp4
10-4朴素贝叶斯的代码实现_ev.mp4
10-5多项式朴素贝叶斯代码实现_ev.mp4
10-6贝叶斯方法优缺点和适用条件_ev.mp4
11-1本章总览_ev.mp4
11-2集成学习核心思想和原理_ev.mp4
11-3集成学习代码实现_ev.mp4
11-4并行策略:Bagging、OOB等方法_ev.mp4
11-5并行策略:随机森林_ev.mp4
11-6串行策略:Boosting_ev.mp4
11-7结合策略:Stacking方法_ev.mp4
11-8集成学习优缺点和适用条件_ev.mp4
12-1本章总览_ev.mp4
12-2聚类算法核心思想和原理_ev.mp4
12-3k-means和分层聚类_ev.mp4
12-4聚类算法代码实现_ev.mp4
12-5聚类评估代码实现_ev.mp4
12-6聚类算法优缺点和适用条件_ev.mp4
13-1本章总览_ev.mp4
13-2PCA核心思想和原理_ev.mp4
13-3PCA求解算法_ev.mp4
13-4PCA算法代码实现_ev.mp4
13-5降维任务代码实现_ev.mp4
13-6PCA在数据降噪中的应用_ev.mp4
13-7PCA在人脸识别中的应用_ev.mp4
13-8主成分分析优缺点和适用条件_ev.mp4
14-1本章总览_ev.mp4
14-2概率图模型核心思想和原理_ev.mp4
14-3EM算法参数估计_ev.mp4
14-4隐马尔可夫模型代码实现_ev.mp4
14-5概率图模型优缺点和适用条件_ev.mp4
15-1本章总览_ev.mp4
15-2泰坦尼克生还预测_ev.mp4
15-3房价预测_ev.mp4
15-4交易反欺诈代码实现_ev.mp4
15-5如何深入研究机器学习_ev.mp4
资料代码.zip
资料代码.zip

 

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。