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
资源简介:
资源大小:16.0 GB
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!
课程目录
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 47.60M
| 052、完成梯度下降模块.ts 83.79M
| 053、停止策略与梯度下降策略对比.ts 68.14M
| 054、实验对比效果.ts 67.00M
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 46.00M
| 056、样本不平衡解决方案.ts 56.33M
| 057、下采样策略.ts 40.74M
| 058、交叉验证.ts 55.25M
| 059、模型评估方法.ts 52.92M
| 060、正则化惩罚项.ts 32.88M
| 061、逻辑回归模型.ts 41.73M
| 062、混淆矩阵.ts 48.34M
| 063、逻辑回归阈值对结果的影响.ts 55.82M
| 064、SMOTE样本生成策略.ts 87.79M
第12章 决策树算法
| 065、决策树原理概述.ts 45.43M
| 066、衡量标准-熵.ts 46.11M
| 067、决策树构造实例.ts 40.06M
| 068、信息增益率.ts 21.99M
| 069、决策树剪枝策略.ts 67.01M
第13章 案例实战:决策树Sklearn实例
| 070、决策树复习.ts 40.14M
| 071、决策树涉及参数.ts 67.52M
| 072、树可视化与Sklearn实例.ts 109.45M
| 073、Sklearn参数选择模块.ts 70.97M
第14章 集成算法与随机森林
| 074、集成算法-随机森林.ts 51.72M
| 075、特征重要性衡量.ts 49.11M
| 076、提升模型.ts 48.77M
| 077、堆叠模型.ts 28.46M
第15章 泰坦尼克船员获救
| 078、数据介绍.ts 36.91M
| 079、数据预处理.ts 72.14M
| 080、回归模型进行预测.ts 75.32M
| 081、随机森林模型.ts 68.43M
| 082、特征选择.ts 53.97M
第16 章贝叶斯算法
| 083、贝叶斯算法概述.ts 18.95M
| 084、贝叶斯推导实例.ts 20.22M
| 085、贝叶斯拼写纠错实例.ts 30.74M
| 086、垃圾邮件过滤实例.ts 38.28M
| 087、贝叶斯实现拼写检查器.ts 59.73M
第17章 Python文本数据分析
| 088、文本分析与关键词提取.ts 32.61M
| 089、相似度计算.ts 34.13M
| 090、新闻数据与任务简介.ts 48.86M
| 091、TF-IDF关键词提取.ts 66.53M
| 092、LDA建模.ts 43.42M
| 093、基于贝叶斯算法的新闻分类.ts 70.75M
第18章 支持向量机算法
| 094、支持向量机要解决的问题.ts 36.66M
| 095、距离与数据的定义.ts 36.05M
| 096、目标函数.ts 34.31M
| 097、目标函数求解.ts 38.31M
| 098、SVM求解实例.ts 48.43M
| 099、支持向量的作用.ts 41.48M
| 100、软间隔问题.ts 22.55M
| 101、SVM核变换.ts 85.51M
第19章 SVM调参实例
| 102、Sklearn求解支持向量机.ts 69.69M
| 103、SVM参数调节.ts 87.32M
第1章 人工智能入学指南
| 001、AI时代首选Python.ts 34.92M
| 002、Python我该怎么学?.ts 19.67M
| 003、人工智能的核心-机器学习.ts 35.85M
| 004、机器学习怎么学?.ts 50.50M
| 005、算法推导与案例.ts 34.10M
| 006、系列课程环境配置.ts 23.95M
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 68.51M
| 105、论文的重要程度.ts 62.72M
| 106、BenchMark概述.ts 41.57M
| 107、BenchMark的作用.ts 83.81M
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 46.78M
| 109、线性判别分析要优化的目标.ts 42.68M
| 110、线性判别分析求解.ts 45.21M
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 56.74M
| 112、求解得出降维结果.ts 50.68M
第23章 降维算法:PCA主成分分析
| 113、PCA降维概述.ts 27.31M
| 114、PCA要优化的目标.ts 47.30M
| 115、PCA求解.ts 39.99M
| 116、PCA降维实例.ts 111.99M
第24章 聚类算法-Kmeans
| 117、Kmeans算法概述.ts 40.54M
| 118、Kmeans工作流程.ts 29.75M
| 119、迭代效果可视化展示.ts 49.47M
第25章 聚类算法-DBSCAN
| 120、DBSCAN聚类算法.ts 69.45M
| 121、DBSCAN工作流程.ts 65.74M
| 122、DBSCAN迭代可视化展示.ts 49.99M
第26章 聚类实践
| 123、多种聚类算法概述.ts 14.99M
| 124、聚类案例实战.ts 94.23M
第27章 EM算法
| 125、EM算法要解决的问题.ts 36.34M
| 126、隐变量问题.ts 21.03M
| 127、EM算法求解实例.ts 68.29M
| 128、Jensen不等式.ts 37.59M
| 129、GMM模型.ts 32.02M
第28章 GMM聚类实践
| 130、GMM实例.ts 68.05M
| 131、GMM聚类.ts 53.17M
第29章 神经网络
| 132、计算机视觉常规挑战.ts 70.57M
| 133、得分函数.ts 17.70M
| 134、损失函数.ts 22.02M
| 135、softmax分类器.ts 33.07M
| 136、反向传播.ts 29.99M
| 137、神经网络整体架构.ts 19.24M
| 138、神经网络实例.ts 34.09M
| 139、激活函数.ts 31.71M
第2章 Python快速入门
| 007、快速入门,边学边用.ts 4.05M
| 008、变量类型.ts 30.56M
| 009、List基础模块.ts 41.98M
| 010、List索引.ts 48.42M
| 011、循环结构.ts 46.05M
| 012、判断结构.ts 23.29M
| 013、字典模块.ts 59.30M
| 014、文件处理.ts 65.44M
| 015、函数基础.ts 17.17M
第30章 Tensorflow实战
| 140、Tensorflow基础操作.ts 27.64M
| 141、Tensorflow常用函数.ts 34.45M
| 142、Tensorflow回归实例.ts 44.45M
| 143、Tensorflow神经网络实例.ts 72.72M
| 144、Tensorflow神经网络迭代.ts 70.79M
| 145、神经网络dropout.ts 38.27M
| 146、卷积神经网络基本结构.ts 45.73M
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 50.22M
| 148、Pooling层原理与参数.ts 40.15M
| 149、卷积网络参数配置.ts 41.01M
| 150、卷积神经网络计算流程.ts 47.19M
| 151、CNN在mnist数据集上的效果.ts 56.27M
| 152、验证码识别任务概述.ts 52.90M
| 153、完成验证码识别任务.ts 67.70M
第32章 Xgboost集成算法
| 154、集成算法思想.ts 14.16M
| 155、Xgboost基本原理.ts 26.47M
| 156、Xgboost目标函数推导.ts 32.51M
| 157、Xgboost求解实例.ts 40.28M
| 158、Xgboost安装.ts 18.41M
| 159、Xgboost实例演示.ts 70.67M
| 160、Adaboost算法概述.ts 42.24M
第33章 推荐系统
| 161、推荐系统应用.ts 40.92M
| 162、推荐系统要完成的任务.ts 17.04M
| 163、相似度计算.ts 26.96M
| 164、基于用户的协同过滤.ts 21.60M
| 165、基于物品的协同过滤.ts 35.42M
| 166、隐语义模型.ts 19.71M
| 167、隐语义模型求解.ts 26.23M
| 168、模型评估标准.ts 15.79M
第34章 推荐系统实战
| 169、Surprise库与数据简介.ts 31.52M
| 170、Surprise库使用方法.ts 46.36M
| 171、得出商品推荐结果.ts 50.34M
| 172、使用Tensorflow构建隐语义模型.ts 46.34M
| 173、模型架构.ts 52.86M
| 174、损失函数定义.ts 43.29M
| 175、训练网络模型.ts 47.07M
第35章 词向量模型Word2Vec
| 176、自然语言处理与深度学习.ts 33.46M
| 177、语言模型.ts 13.11M
| 178、N-gram模型.ts 23.35M
| 179、词向量.ts 23.28M
| 180、神经网络模型.ts 28.00M
| 181、Hierarchical.ts 25.39M
| 182、CBOW模型实例.ts 34.47M
| 183、CBOW求解目标.ts 16.11M
| 184、梯度上升求解.ts 29.58M
| 185、负采样模型.ts 16.89M
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 32.89M
| 187、维基百科中文数据处理.ts 51.64M
| 188、Gensim构造word2vec.ts 45.26M
| 189、测试相似度结果.ts 38.63M
第37章 时间序列-ARIMA模型
| 190、数据平稳性与差分法.ts 40.23M
| 191、ARIMA模型.ts 26.18M
| 192、相关函数评估方法.ts 41.30M
| 193、建立AIRMA模型.ts 32.44M
| 194、参数选择.ts 60.77M
第38章 Python时间序列案例实战
| 195、股票预测案例.ts 48.04M
| 196、使.tsfresh库进行分类任务.ts 57.82M
| 197、维基百科词条EDA.ts 69.07M
| 198、Pandas生成时间序列.ts 54.98M
| 199、Pandas数据重采样.ts 44.72M
| 200、Pandas滑动窗口.ts 28.32M
第39章 探索性数据分析:赛事数据集
| 201、数据背景介绍.ts 55.91M
| 202、数据读取与预处理.ts 64.32M
| 203、数据切分模块.ts 86.16M
| 204、缺失值可视化分析.ts 67.17M
| 205、特征可视化展示.ts 65.12M
| 206、多特征之间关系分析.ts 64.32M
| 207、报表可视化分析.ts 54.81M
| 208、红牌和肤色的关系.ts 83.86M
第3章 科学计算库Numpy
| 016、Numpy数据结构.ts 65.22M
| 017、Numpy基本操作.ts 39.41M
| 018、Numpy矩阵属性.ts 36.58M
| 019、Numpy矩阵操作.ts 117.92M
| 020、Numpy常用函数.ts 164.22M
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 76.43M
| 210、数据切片分析.ts 113.38M
| 211、单变量分析.ts 99.93M
| 212、峰度与偏度.ts 80.53M
| 213、数据对数变换.ts 68.70M
| 214、数据分析维度.ts 48.31M
| 215、变量关系可视化展示.mp4 72.95M
第4章 数据分析处理库Pandas
| 021、Pandas数据读取.ts 68.13M
| 022、Pandas索引与计算.ts 27.61M
| 023、Pandas数据预处理实例.ts 30.49M
| 023、Pandas数据预处理实例.mp4 55.44M
| 024、Pandas常用预处理方法.ts 23.61M
| 025、Pandas自定义函数.ts 21.60M
| 026、等待提取中.txt
第5章 可视化库Matplotlib
| 027、折线图绘制.ts 50.14M
| 028、子图操作.ts 74.33M
| 029、条形图与散点图.ts 66.55M
| 030、柱形图与盒形.ts 58.14M
| 031、绘图细节设置.ts 35.36M
第6章 Python可视化库Seaborn
| 032、布局整体风格设置.ts 37.39M
| 033、风格细节设置.ts 32.86M
| 034、调色板.ts 44.20M
| 035、调色板颜色设置.ts 37.99M
| 036、单变量分析绘制.ts 47.08M
| 037、回归分析绘图.ts 43.68M
| 038、多变量分析绘图.ts 48.64M
| 039、分类属性绘图.ts 51.04M
| 040、热度图绘制.ts 65.84M
第7章 线性回归算法
| 041、线性回归算法概述.ts 50.92M
| 042、误差项分析.ts 45.04M
| 043、似然函数求解.ts 31.40M
| 044、目标函数推导.ts 32.38M
| 045、线性回归求解.ts 38.14M
第8章 梯度下降算法
| 046、梯度下降原理.ts 47.96M
| 047、梯度下降方法对比.ts 27.91M
| 048、学习率对结果的影响.ts 23.31M
第9章 逻辑回归算法
| 049、逻辑回归算法原理推导.ts 39.76M
| 050、逻辑回归求解.ts 57.97M
课件代码等资料
| 10Python文本分析
| 11泰坦尼克号-级联模型
| 12手写字体识别
| 13tensorflow代码
| 14xgboost
| 15推荐系统
| 16word2vec——空
| 17Python时间序列
| 1机器学习算法PPT
| 2numpy
| 3Pandas
| 4欺诈检测
| 5梯度下降实例
| 6Matplotlib
| 7可视化库Seaborn
| 8决策树鸢尾花
| 9贝叶斯
| 唐宇迪-机器学习课程代码-新整理.zip 5.13G
| 梯度下降求解逻辑回归.zip 681.70kb
评论0