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

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