快速入门,边用边学
系列课程总共近40章节,并保持持续更新。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!
系列课程大纲如下:
第一阶段:Python工具库实战
1. Python快速入门
2. 科学计算库Numpy
3. 数据分析处理库Pandas
4. 可视化库Matplotlib
5. 更简单的可视化Seaborn
第二阶段:机器学习入门篇
1. 线性回归算法
2. 梯度下降原理
3. 逻辑回归算法
4. 案例实战:Python实现逻辑回归
5. 案例实战:对比不同梯度下降策略
6. 案例实战:Python分析科比生涯数据
7. 案例实战:信用卡欺诈检测
8. 决策树构造原理
9. 案例实战:决策树构造实例
10. 随机森林与集成算法
11. 案例实战:泰坦尼克号获救预测
12. 贝叶斯算法推导
13. 案例实战:新闻分类任务
14. Kmeans聚类及其可视化展示
15. DBSCAN聚类及其可视化展示
16. 案例实战:聚类实践
17. 降维算法:线性判别分析
18. 案例实战:Python实现线性判别分析
19. 降维算法:PCA主成分分析
20. 案例实战:Python实现PCA算法
第三阶段:机器学习提升篇
1. EM算法原理推导
2. GMM聚类实践
3. 推荐系统
4. 案例实战:Python实战推荐系统
5. 支持向量机原理推导
6. 案例实战:SVM实例
7. 时间序列ARIMA模型
8. 案例实战:时间序列预测任务
9. Xgbooost提升算法
10. 案例实战:Xgboost调参实战
11. 计算机视觉挑战
12. 神经网络必备基础
13. 神经网络整体架构
14. 案例实战:CIFAR图像分类任务
15. 语言模型
16. 自然语言处理-word2vec
17. 案例实战:Gensim词向量模型
18. 案例实战:word2vec分类任务
19. Tensorflow框架实战
20. 案例实战:Mnist手写字体识别
21. 探索性数据分析:赛事数据集
22. 探索性数据分析:农粮组织数据集
公开笔记对他人可见,有机会被管理员评为“优质笔记”
{{ noteEditor.content.length }}/2000
讲师收到你的提问会尽快为你解答。若选择公开提问,可以获得更多学员的帮助。
课程大纲