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