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

视频资源大小：16.0 GB类型：Python

 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

本站所有资源均来自网络，版权归原作者所有，本站仅提供收集与推荐，若侵犯到您的权益，请【给我们反馈】，我们将在24小时内处理！