零基础实战机器学习(Python语言、算法、Numpy库、MatplotLib)-识艺教育-在线职业教育平台

1 第01章.机器学习的任务和方法
1. 01_01.机器学习的任务和方法01
  
  00:16:15
2. 01_02.机器学习的任务和方法02
  
  00:25:10
2 第02章.Python语言基础
1. 02_01.Python基础2-数据库访问01
  
  00:22:30
2. 02_02.Python基础2-数据库访问02
  
  00:23:55
3. 02_03.Python基础2-文件访问01
  
  00:20:40
4. 02_04.Python基础2-文件访问02
  
  00:18:35
5. 02_05.Python基础2-第三方库
  
  00:08:07
6. 02_06.Python基础2-网络编程01
  
  00:20:45
7. 02_07.Python基础2-网络编程02
  
  00:18:43
8. 02_08.Python语言基础01
  
  00:26:20
9. 02_09.Python语言基础02
  
  00:20:01
10. 02_10.Python语言基础03
  
  00:18:36
11. 02_11.Python语言基础04
  
  00:19:30
12. 02_12.Python语言基础05
  
  00:13:49
13. 02_13.Python语言基础06
  
  00:32:05
3 第03章.分类算法介绍
1. 03_01.分类算法
  
  00:19:15
4 第04章.k-临近算法
1. 04_01.k-临近算法01
  
  00:18:18
2. 04_02.k-临近算法02
  
  00:19:11
3. 04_03.k-临近算法03
  
  00:20:56
4. 04_04.k-临近算法04
  
  00:15:44
5. 04_05.k-临近算法05
  
  00:19:11
6. 04_06.k-临近算法06
  
  00:20:10
7. 04_07.k-临近算法07
  
  00:19:02
5 第05章.决策树
1. 05_01.决策树01
  
  00:19:10
2. 05_02.决策树02
  
  00:21:25
3. 05_03.决策树03
  
  00:26:03
4. 05_04.决策树04
  
  00:22:55
5. 05_05.决策树05
  
  00:09:06
6 第06章.基于概率论的分类方法：朴素贝叶斯
1. 06_01.基于概率论的分类方法：朴素贝叶斯01
  
  00:23:37
2. 06_02.基于概率论的分类方法：朴素贝叶斯02
  
  00:28:14
3. 06_03.基于概率论的分类方法：朴素贝叶斯03
  
  00:25:51
4. 06_04.基于概率论的分类方法：朴素贝叶斯04
  
  00:25:46
5. 06_05.基于概率论的分类方法：朴素贝叶斯05
  
  00:25:46
6. 06_06.基于概率论的分类方法：朴素贝叶斯06
  
  00:19:55
7 第07章.Logistic回归
1. 07_01.Logistic回归01
  
  00:16:24
2. 07_02.Logistic回归02
  
  00:18:05
3. 07_03.Logistic回归03
  
  00:24:43
4. 07_04.Logistic回归04
  
  00:17:42
5. 07_05.Logistic回归05
  
  00:30:11
6. 07_06.Logistic回归06
  
  00:27:51
8 第08章.支持向量机
1. 08_01.支持向量机01
  
  00:17:03
2. 08_02.支持向量机02
  
  00:17:16
3. 08_03.支持向量机03
  
  00:17:51
4. 08_04.支持向量机04
  
  00:26:52
5. 08_05.支持向量机05
  
  00:22:17
6. 08_06.支持向量机06
  
  00:22:51
7. 08_07.支持向量机07
  
  00:23:49
8. 08_08.支持向量机08
  
  00:20:21
9 第09章.利用AdaBoost元算法提高分类性能
1. 09_01.利用AdaBoost元算法提高分类性能01
  
  00:11:41
2. 09_02.利用AdaBoost元算法提高分类性能02
  
  00:27:03
3. 09_03.利用AdaBoost元算法提高分类性能03
  
  00:28:04
4. 09_04.利用AdaBoost元算法提高分类性能04
  
  00:18:43
5. 09_05.利用AdaBoost元算法提高分类性能05
  
  00:24:08
10 第10章.利用回归预测数值型数据
1. 10_01.利用回归预测数值型数据01
  
  00:25:57
2. 10_02.利用回归预测数值型数据02
  
  00:17:40
3. 10_03.利用回归预测数值型数据03
  
  00:22:36
4. 10_04.利用回归预测数值型数据04
  
  00:17:31
5. 10_05.利用回归预测数值型数据05
  
  00:13:45
11 第11章.树回归
1. 11_01.树回归01
  
  00:17:46
2. 11_02.树回归02
  
  00:24:24
3. 11_03.树回归03
  
  00:14:19
12 第12章.无监督学习
1. 12_01.无监督学习
  
  00:09:01
13 第13章.利用K-均值聚类算法对未标注数据分组
1. 13_01.利用K-均值聚类算法对未标注数据分组01
  
  00:30:01
2. 13_02.利用K-均值聚类算法对未标注数据分组02
  
  00:14:13
14 第14章.使用Apriori算法进行关联分析
1. 14_01.使用Apriori算法进行关联分析01
  
  00:16:10
2. 14_02.使用Apriori算法进行关联分析02
  
  00:22:10
3. 14_03.使用Apriori算法进行关联分析03
  
  00:21:12
15 第15章.使用FP-growth算法来高效发现频分项集
1. 15_01.使用FP-growth算法来高效发现频分项集01
  
  00:23:46
2. 15_02.使用FP-growth算法来高效发现频分项集02
  
  00:22:41
3. 15_03.使用FP-growth算法来高效发现频分项集03
  
  00:17:56
16 第16章.利用PCA来简化数据
1. 16_01.利用PCA来简化数据01
  
  00:19:35
2. 16_02.利用PCA来简化数据02
  
  00:13:16
17 第17章.利用SVD简化数据
1. 17_01.利用SVD简化数据01
  
  00:12:13
2. 17_02.利用SVD简化数据02
  
  00:23:43
3. 17_03.利用SVD简化数据03
  
  00:27:53
18 第18章.大数据与MapReduce
1. 18_01.大数据与MapReduce
  
  00:26:58
19 第19章.学习总结
1. 19_01.学习总结
  
  00:18:51

零基础实战机器学习(Python语言、算法、Numpy库、MatplotLib)

1025人在学

公众号

小程序

课程详情

我要提问

机器学习作为人工智能的一部分，已经应用于很多领域，远超过人们的想象，垃圾邮件的过滤，在线广告的推荐系统，还有目前发展飞快的物体识别、人脸识别和语音识别的发展，都是机器学习的应用的成果。机器学习在改善商业决策、提高生产率、检测疾病、预测天气等方面都有非常大的应用前景。

1. 课程研发环境

本课程的代码实现是基于Python语言，用到Numpy库和MatplotLib.

开发工具:Python win;

2. 内容简介

本教程系统的介绍了机器学习的目的和方法。并且针对每一种常用的方法进行了详细的解析，用实例来说明具体的实现，学生可以跟着一步步完成。在面对现实的问题的时候，可以找到非常可靠的参照。本课程在最开始讲解了Python语言的基础知识，以保证后面的课程中可以顺利进行。更多的Python语言的知识，需要学员自己去找更多的资料进行学习。

本课程主要讲述了两大类机器学习的方法：有监督学习和无监督学习，其中有监督学习里面，又分为分类和预测数值型数据。这些算法都是基础的算法。这样可以降低学习的难度，容易理解机器学习思路和实现的过程。