获取相关资料

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

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

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

0
分享到:

评论0

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址