python数据分析与机器学习实战视频教程下载

python数据分析与机器学习实战

适用人群

数据分析,机器学习,数据挖掘领域研究者。Python语言使用者。

课程概述

课程概述：

使用数据领域最主流语言Python及其分析与建模库作为核心武器。对于机器学习经典算法给出完整的原理推导并基于实例进行讲解，基于案例演示如何应用机器学习算法解决实际问题。

课程特色：

1. 通俗易懂，快速入门

对机器学习经典算法结合数学推导进行形象解释，实例演示。

2. Python主导，实用高效

使用数据领域最主流语言Python及其分析与建模库作为课程核心工具。

3. 案例为师，实战护航

基于真实数据集，从零开始结合Python工具与机器学习算法完成整个案例实战。

4. 持续更新，一劳永逸

Python数据分析与机器学习课程会支持更新下去，逐步加入更多算法与案例。

课程学习路线图：

目录

章节1: Python科学计算库-Numpy

 课时1课程介绍（主题与大纲） 10:46

 课时2机器学习概述 10:04

 课时3使用Anaconda安装python环境（Python新手先看这个） 13:10

 课时4课程数据，代码，PPT（在参考资料界面）

 课时5科学计算库Numpy 10:32

 课时6Numpy基础结构 10:41

 课时7Numpy矩阵基础 05:55

 课时8Numpy常用函数 12:02

 课时9矩阵常用操作 10:18

 课时10不同复制操作对比 10:49

章节2: python数据分析处理库-Pandas

 课时11Pandas数据读取 11:50

 课时12Pandas索引与计算 10:26

 课时13Pandas数据预处理实例 13:01

 课时14Pandas常用预处理方法 11:11

 课时15Pandas自定义函数 07:44

 课时16Series结构 12:29

章节3: Python数据可视化库-Matplotlib

 课时17折线图绘制 08:25

 课时18子图操作 14:05

 课时19条形图与散点图 10:12

 课时20柱形图与盒图 10:17

 课时21细节设置 06:13

章节4: Python可视化库Seaborn

 课时22Seaborn简介 02:44

 课时23整体布局风格设置 07:48

 课时24风格细节设置 06:50

 课时25调色板 10:40

 课时26调色板颜色设置 08:18

 课时27单变量分析绘图 09:38

 课时28回归分析绘图 08:53

 课时29多变量分析绘图 10:36

 课时30分类属性绘图 09:40

 课时31Facetgrid使用方法 08:50

 课时32Facetgrid绘制多变量 08:30

 课时33热度图绘制 14:19

章节5: 回归算法

 课时34回归算法综述 09:42

 课时35回归误差原理推导 13:01

 课时36回归算法如何得出最优解 12:05

 课时37基于公式推导完成简易线性回归 08:40

 课时38逻辑回归与梯度下降 16:59

 课时39使用梯度下降求解回归问题 15:13

章节6: 决策树

 课时40决策树算法综述 09:40

 课时41决策树熵原理 13:20

 课时42决策树构造实例 11:00

 课时43信息增益原理 05:27

 课时44信息增益率的作用 16:39

 课时45决策树剪枝策略 12:08

 课时46随机森林模型 09:15

 课时47决策树参数详解 17:49

章节7: 贝叶斯算法

 课时48贝叶斯算法概述 06:58

 课时49贝叶斯推导实例 07:38

 课时50贝叶斯拼写纠错实例 11:46

 课时51垃圾邮件过滤实例 14:10

 课时52贝叶斯实现拼写检查器 12:21

章节8: 支持向量机

 课时53支持向量机要解决的问题 12:01

 课时54支持向量机目标函数 10:01

 课时55支持向量机目标函数求解 10:05

 课时56支持向量机求解实例 14:18

 课时57支持向量机软间隔问题 06:55

 课时58支持向量核变换 10:17

 课时59SMO算法求解支持向量机 29:29

章节9: 神经网络

 课时60初识神经网络 11:28

 课时61计算机视觉所面临的挑战 09:40

 课时62K近邻尝试图像分类 10:01

 课时63超参数的作用 10:31

 课时64线性分类原理 09:35

 课时65神经网络-损失函数 09:18

 课时66神经网络-正则化惩罚项 07:19

 课时67神经网络-softmax分类器 13:39

 课时68神经网络-最优化形象解读 06:47

 课时69神经网络-梯度下降细节问题 11:49

 课时70神经网络-反向传播 15:17

 课时71神经网络架构 10:11

 课时72神经网络实例演示 10:39

 课时73神经网络过拟合解决方案 15:54

 课时74感受神经网络的强大 11:30

章节10: Xgboost集成算法

 课时75集成算法思想 05:35

 课时76xgboost基本原理 11:07

 课时77xgboost目标函数推导 12:18

 课时78xgboost求解实例 11:29

 课时79xgboost安装 03:32

 课时80xgboost实战演示 14:44

 课时81Adaboost算法概述 13:01

资源下载

此资源下载价格为6学分，VIP免费，请先登录

充值比例 1元=1学分
资源失效，请咨询客服
客服QQ 980264305