课程介绍：
本课作为深度学习系列课程的第一阶段，介绍机器学习的基本概念，原理，以及常用算法（如决策树，支持向量机，神经网络算法等）。以Python语言为工具对每种算法进行结合实例讲解。学生学完本课程后将会理解机器学习的常用算法原理，并会使用Python中相关的package来对实际问题进行数据预处理，分类和回归分析。为开发机器学习相关应用打下必要基础，同时也为学习深度学习进阶课程打下必要基础。
课程目录：
1 课程介绍机器学习介绍上.mp4
2 课程介绍机器学习介绍下.mp4
3 深度学习介绍.mp4
4 基本概念.mp4
5 决策树算法.mp4
6 决策树应用.mp4
7 最邻近规则分类KNN算法.mp4
8 最邻近规则KNN分类应用.mp4
9 支持向量机SVM上.mp4
10 支持向量机SVM上应用.mp4
11 神经网络算法应用上.mp4
12 神经网络算法应用下.mp4
13 简单线性回归上.mp4
14 简单线性回归下.mp4
15 多元线性回归.mp4
16 多元线性回归应用.mp4
17 非线性回归 Logistic Regression.mp4
18 非线性回归应用.mp4
19 神经网络NN算法.mp4
20 支持向量机SVM算法下应用.mp4
21 支持向量机SVM算法下.mp4
22 回归中的相关度和决定系数.mp4
23 回归中的相关性和R平方值应用.mp4
24 Kmeans算法.mp4
25 Kmeans应用.mp4
26 Hierarchical clustering 层次聚类.mp4
27 总结.mp4
评论0