1-1AI时代**python

第1章人工智能入门指南41分钟5节

1-1AI时代必备python[免费试看]09:20

1-2Python我该怎么学04:21

1-3人工智能的核心-机器学习10:34

1-4机器学习怎么学08:37

1-5算法推导与案例08:19

第2章K近邻算法实战1小时9分钟5节

2-1K近邻算法概述15:48

2-2模型的评估10:39

2-3数据预处理11:25

2-4sklearn库与功能14:43

2-5多变量KNN模型16:37

第3章线性回归算法46分钟5节

3-1回归问题概述07:11

3-2误差项定义09:41

3-3独立同分布的意义07:32

3-4似然函数的作用10:50

3-5参数求解11:11

第4章梯度下降原理25分钟3节

4-1梯度下降通俗解释08:34    4-2参数更新方法08:17

4-3优化参数设置08:51

第5章逻辑回归算法17分钟2节

5-1逻辑回归算法原理08:24

5-2化简与求解09:09

第6章案例实战：Python实现梯度下降与逻辑回归41分钟4节

6-1Python实现逻辑回归任务概述07:34

6-2完成梯度下降模块12:51

6-3停止策略与梯度下降实例10:55

6-4实验效果对比10:25

第7章案例实战：信用卡欺诈检测2小时7分钟14节

7-1任务目标解读08:09

7-2项目挑战与解决方案制定12:36

7-3数据标准化处理11:20

7-4下采样数据集制作06:08

7-5交叉验证07:16

7-6数据集切分06:00

7-7模型评估方法与召回率10:31

7-8正则化惩罚项11:48

7-9训练逻辑回归模型11:20

7-10混淆矩阵评估分析10:22

7-11测试集遇到的问题05:20

7-12阈值对结果的影响10:34

7-13SMOTE样本生成策略07:38

7-14过采样效果与项目总结08:00

第8章决策树算法58分钟8节

8-1决策树算法概述08:29

8-2熵的作用06:39

8-3信息增益原理08:41

8-4决策树构造实例07:40

8-5信息增益率与gini系数06:07

8-6预剪枝方法08:02

8-7后剪枝方法06:54

8-8回归问题解决05:54

第9章决策算建模实例50分钟4节

9-1决策树复习08:55

9-2决策树所涉及参数11:08

9-3树可视化18:14

9-4sklearn参数选择11:46

第10章随机森林与集成算法35分钟4节

10-1随机森林算法原理10:18

10-2随机森林优势与特征重要性指标10:21

10-3提升算法概述08:51

10-4stacking堆叠模型06:22

第11章基于随机森林的气温预测1小时26分钟9节

11-1基于随机森林的气温预测任务概述09:05

11-2基本随机森林模型建立09:09

11-3可视化展示与特征重要性12:58

11-4加入新的数据与特征10:24

11-5数据与特征对结果的影响08:24

11-6效率对比分析08:14

11-7网格与随机参数选择07:51

11-8随机参数选择方法实践09:46

11-9调参优化细节10:12

第12章贝叶斯算法47分钟5节

12-1贝叶斯要解决的问题05:10

12-2贝叶斯公式推导07:46

12-3垃圾邮件过滤实例10:22

12-4拼写纠错实例11:45

12-5实现拼写检查器12:21

第13章中文新闻分类任务1小时11分钟6节

13-1文本分析与关键词提取12:11

13-2相似度计算11:44

13-3新闻数据与任务简介10:19

13-4TF-IDF关键词提取13:28

13-5LDA建模09:10

13-6基于贝叶斯算法进行新闻分类任务14:53

第14章K-means聚类算法29分钟3节

14-1Kmeans算法概述11:33

14-2Kmeans工作流程09:42

14-3Kmeans迭代可视化展示08:20

第15章DBSCAN聚类算法34分钟3节

15-1DBSCAN聚类算法11:04

15-2DBSCAN工作流程15:03

15-3DBSCAN可视化展示08:52

第16章聚类实践21分钟2节

16-1多种聚类算法概述04:34

16-2聚类实例17:19

第17章降维算法-线性判别分析36分钟3节

17-1线性判别分析要解决的问题12:20

17-2线性判别分析要优化的目标12:03

17-3线性判别分析求解12:08

第18章Python实现线性判别分析19分钟2节

18-1实现线性判别分析进行降维任务10:19

18-2求解得出降维结果08:55

第19章降维算法-PCA主成分分析50分钟4节

19-1PCA降维概述08:39

19-2PCA要优化的目标12:21

19-3PCA求解10:17

19-4PCA降维实例19:17

第20章基于随机森林的气温预测1小时2分钟4节

20-1随机森林回归任务18:30

20-2数据还是多点好13:24

20-3速度与精度的权衡13:06

20-4调参策略17:10

第21章数值特征1小时30分钟8节

21-1基本数值特征11:14

21-2常用特征构造手段13:53

21-3时间特征处理13:04

21-4文本特征处理20:24

21-5构造文本向量11:45

21-6词向量特征13:55

唐宇迪    51CTO学堂金牌讲师

计

计算机博士，著有《跟迪哥学Python机器学习》，专注于计算机视觉领域，参与多个计算机视觉项目。多年培训与教学讲解经验，网易，电信，联通，联想等公司特约企业培训导师，全国高校教师培训导师。课程风格通俗易懂，擅长用简介形象的故事讲解晦涩难懂的算法，以实战为导向用接地气的方式带领同学们进军Ai。