认证课 Python 3 数据挖掘与深度学习
1. 以CRISP-DM为理论指导,从实战角度系统介绍sklearn在数据挖掘/机器学习各个环节的功能实现。 2. 使用word2vec,gensim等,结合实际案例对文本挖掘技术进行学习。 3. 介绍CNN、RNN、LSTM等深度学习算法,及其在Keras+Tensorflow环境下的实现。
3
门课程
118841
人学习
34小时
课程总时长
本课程以以CRISP-DM为理论指导,从数据挖掘实战的角度出发详细介绍如何在sklearn中完成数据预处理、数据降维、数据建模、模型评估等各种操作,并突出特征选择、模型调参,模型集成等实战重要课题。
多面介绍文本挖掘技术的各个方面,特别会针对目前最热的word2vec,gensim 等结合实际案例进行学习。
多面介绍卷积神经网络、循环神经网络、长短期记忆网络等深度学习算法的原理,优缺点,并学习这些模型在python( Keras+Tensorflow)环境下的实现方法。
课程名称 | 操作 |
Python数据分析系列视频课程--学习数据挖掘 | 付费用户专享 |
Python数据分析系列视频课程--学习文本挖掘 | 付费用户专享 |
Python数据分析系列视频课程--深度学习 | 付费用户专享 |