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
评论0