课程目录.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
│
├─第01章 人工智能入学指南
│ 001、AI时代首选Python.ts
│ 002、Python我该怎么学？.ts
│ 003、人工智能的核心-机器学习.ts
│ 004、机器学习怎么学？.ts
│ 005、算法推导与案例.ts
│ 006、系列课程环境配置.ts
│
├─第02章 Python快速入门
│ 007、快速入门，边学边用.ts
│ 008、变量类型.ts
│ 009、List基础模块.ts
│ 010、List索引.ts
│ 011、循环结构.ts
│ 012、判断结构.ts
│ 013、字典模块.ts
│ 014、文件处理.ts
│ 015、函数基础.ts
│
├─第03章 科学计算库Numpy
│ 016、Numpy数据结构.ts
│ 017、Numpy基本操作.ts
│ 018、Numpy矩阵属性.ts
│ 019、Numpy矩阵操作.ts
│ 020、Numpy常用函数.ts
│
├─第04章 数据分析处理库Pandas
│ 021、Pandas数据读取.ts
│ 022、Pandas索引与计算.ts
│ 023、Pandas数据预处理实例.mp4
│ 023、Pandas数据预处理实例.ts
│ 024、Pandas常用预处理方法.ts
│ 025、Pandas自定义函数.ts
│ 026、等待提取中.txt
│
├─第05章 可视化库Matplotlib
│ 027、折线图绘制.ts
│ 028、子图操作.ts
│ 029、条形图与散点图.ts
│ 030、柱形图与盒形.ts
│ 031、绘图细节设置.ts
│
├─第06章 Python可视化库Seaborn
│ 032、布局整体风格设置.ts
│ 033、风格细节设置.ts
│ 034、调色板.ts
│ 035、调色板颜色设置.ts
│ 036、单变量分析绘制.ts
│ 037、回归分析绘图.ts
│ 038、多变量分析绘图.ts
│ 039、分类属性绘图.ts
│ 040、热度图绘制.ts
│
├─第07章 线性回归算法
│ 041、线性回归算法概述.ts
│ 042、误差项分析.ts
│ 043、似然函数求解.ts
│ 044、目标函数推导.ts
│ 045、线性回归求解.ts
│
├─第08章 梯度下降算法
│ 046、梯度下降原理.ts
│ 047、梯度下降方法对比.ts
│ 048、学习率对结果的影响.ts
│
├─第09章 逻辑回归算法
│ 049、逻辑回归算法原理推导.ts
│ 050、逻辑回归求解.ts
│
├─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
│ 052、完成梯度下降模块.ts
│ 053、停止策略与梯度下降策略对比.ts
│ 054、实验对比效果.ts
│
├─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
│ 056、样本不平衡解决方案.ts
│ 057、下采样策略.ts
│ 058、交叉验证.ts
│ 059、模型评估方法.ts
│ 060、正则化惩罚项.ts
│ 061、逻辑回归模型.ts
│ 062、混淆矩阵.ts
│ 063、逻辑回归阈值对结果的影响.ts
│ 064、SMOTE样本生成策略.ts
│
├─第12章 决策树算法
│ 065、决策树原理概述.ts
│ 066、衡量标准-熵.ts
│ 067、决策树构造实例.ts
│ 068、信息增益率.ts
│ 069、决策树剪枝策略.ts
│
├─第13章 案例实战：决策树Sklearn实例
│ 070、决策树复习.ts
│ 071、决策树涉及参数.ts
│ 072、树可视化与Sklearn实例.ts
│ 073、Sklearn参数选择模块.ts
│
├─第14章 集成算法与随机森林
│ 074、集成算法-随机森林.ts
│ 075、特征重要性衡量.ts
│ 076、提升模型.ts
│ 077、堆叠模型.ts
│
├─第15章 泰坦尼克船员获救
│ 078、数据介绍.ts
│ 079、数据预处理.ts
│ 080、回归模型进行预测.ts
│ 081、随机森林模型.ts
│ 082、特征选择.ts
│
├─第16 章贝叶斯算法
│ 083、贝叶斯算法概述.ts
│ 084、贝叶斯推导实例.ts
│ 085、贝叶斯拼写纠错实例.ts
│ 086、垃圾邮件过滤实例.ts
│ 087、贝叶斯实现拼写检查器.ts
│
├─第17章 Python文本数据分析
│ 088、文本分析与关键词提取.ts
│ 089、相似度计算.ts
│ 090、新闻数据与任务简介.ts
│ 091、TF-IDF关键词提取.ts
│ 092、LDA建模.ts
│ 093、基于贝叶斯算法的新闻分类.ts
│
├─第18章 支持向量机算法
│ 094、支持向量机要解决的问题.ts
│ 095、距离与数据的定义.ts
│ 096、目标函数.ts
│ 097、目标函数求解.ts
│ 098、SVM求解实例.ts
│ 099、支持向量的作用.ts
│ 100、软间隔问题.ts
│ 101、SVM核变换.ts
│
├─第19章 SVM调参实例
│ 102、Sklearn求解支持向量机.ts
│ 103、SVM参数调节.ts
│
├─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
│ 105、论文的重要程度.ts
│ 106、BenchMark概述.ts
│ 107、BenchMark的作用.ts
│
├─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
│ 109、线性判别分析要优化的目标.ts
│ 110、线性判别分析求解.ts
│
├─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
│ 112、求解得出降维结果.ts
│
├─第23章 降维算法：PCA主成分分析
│ 113、PCA降维概述.ts
│ 114、PCA要优化的目标.ts
│ 115、PCA求解.ts
│ 116、PCA降维实例.ts
│
├─第24章 聚类算法-Kmeans
│ 117、Kmeans算法概述.ts
│ 118、Kmeans工作流程.ts
│ 119、迭代效果可视化展示.ts
│
├─第25章 聚类算法-DBSCAN
│ 120、DBSCAN聚类算法.ts
│ 121、DBSCAN工作流程.ts
│ 122、DBSCAN迭代可视化展示.ts
│
├─第26章 聚类实践
│ 123、多种聚类算法概述.ts
│ 124、聚类案例实战.ts
│
├─第27章 EM算法
│ 125、EM算法要解决的问题.ts
│ 126、隐变量问题.ts
│ 127、EM算法求解实例.ts
│ 128、Jensen不等式.ts
│ 129、GMM模型.ts
│
├─第28章 GMM聚类实践
│ 130、GMM实例.ts
│ 131、GMM聚类.ts
│
├─第29章 神经网络
│ 132、计算机视觉常规挑战.ts
│ 133、得分函数.ts
│ 134、损失函数.ts
│ 135、softmax分类器.ts
│ 136、反向传播.ts
│ 137、神经网络整体架构.ts
│ 138、神经网络实例.ts
│ 139、激活函数.ts
│
├─第30章 Tensorflow实战
│ 140、Tensorflow基础操作.ts
│ 141、Tensorflow常用函数.ts
│ 142、Tensorflow回归实例.ts
│ 143、Tensorflow神经网络实例.ts
│ 144、Tensorflow神经网络迭代.ts
│ 145、神经网络dropout.ts
│ 146、卷积神经网络基本结构.ts
│
├─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
│ 148、Pooling层原理与参数.ts
│ 149、卷积网络参数配置.ts
│ 150、卷积神经网络计算流程.ts
│ 151、CNN在mnist数据集上的效果.ts
│ 152、验证码识别任务概述.ts
│ 153、完成验证码识别任务.ts
│
├─第32章 Xgboost集成算法
│ 154、集成算法思想.ts
│ 155、Xgboost基本原理.ts
│ 156、Xgboost目标函数推导.ts
│ 157、Xgboost求解实例.ts
│ 158、Xgboost安装.ts
│ 159、Xgboost实例演示.ts
│ 160、Adaboost算法概述.ts
│
├─第33章 推荐系统
│ 161、推荐系统应用.ts
│ 162、推荐系统要完成的任务.ts
│ 163、相似度计算.ts
│ 164、基于用户的协同过滤.ts
│ 165、基于物品的协同过滤.ts
│ 166、隐语义模型.ts
│ 167、隐语义模型求解.ts
│ 168、模型评估标准.ts
│
├─第34章 推荐系统实战
│ 169、Surprise库与数据简介.ts
│ 170、Surprise库使用方法.ts
│ 171、得出商品推荐结果.ts
│ 172、使用Tensorflow构建隐语义模型.ts
│ 173、模型架构.ts
│ 174、损失函数定义.ts
│ 175、训练网络模型.ts
│
├─第35章 词向量模型Word2Vec
│ 176、自然语言处理与深度学习.ts
│ 177、语言模型.ts
│ 178、N-gram模型.ts
│ 179、词向量.ts
│ 180、神经网络模型.ts
│ 181、Hierarchical.ts
│ 182、CBOW模型实例.ts
│ 183、CBOW求解目标.ts
│ 184、梯度上升求解.ts
│ 185、负采样模型.ts
│
├─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
│ 187、维基百科中文数据处理.ts
│ 188、Gensim构造word2vec.ts
│ 189、测试相似度结果.ts
│
├─第37章 时间序列-ARIMA模型
│ 190、数据平稳性与差分法.ts
│ 191、ARIMA模型.ts
│ 192、相关函数评估方法.ts
│ 193、建立AIRMA模型.ts
│ 194、参数选择.ts
│
├─第38章 Python时间序列案例实战
│ 195、股票预测案例.ts
│ 196、使.tsfresh库进行分类任务.ts
│ 197、维基百科词条EDA.ts
│ 198、Pandas生成时间序列.ts
│ 199、Pandas数据重采样.ts
│ 200、Pandas滑动窗口.ts
│
├─第39章 探索性数据分析：赛事数据集
│ 201、数据背景介绍.ts
│ 202、数据读取与预处理.ts
│ 203、数据切分模块.ts
│ 204、缺失值可视化分析.ts
│ 205、特征可视化展示.ts
│ 206、多特征之间关系分析.ts
│ 207、报表可视化分析.ts
│ 208、红牌和肤色的关系.ts
│
├─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
│ 210、数据切片分析.ts
│ 211、单变量分析.ts
│ 212、峰度与偏度.ts
│ 213、数据对数变换.ts
│ 214、数据分析维度.ts
│ 215、变量关系可视化展示.mp4
│
└─课件代码等资料
│ 唐宇迪-机器学习课程代码-新整理.zip
│ 梯度下降求解逻辑回归.zip
│
├─10Python文本分析
│ Python文本分析.zip
│ 课程数据-代码.txt
│
├─11泰坦尼克号-级联模型
│ 泰坦尼克号-级联模型.zip
│
├─12手写字体识别
│ 手写字体识别.zip
│
├─13tensorflow代码
│ tensorflow代码.zip
│
├─14xgboost
│ xgboost.zip
│
├─15推荐系统
│ 推荐系统.pdf
│ 推荐系统.zip
│ 课程数据-代码.txt
│
├─16word2vec——空
│ word2vec.zip
│ 课程数据-代码.txt
│
├─17Python时间序列
│ Python时间序列.zip
│ 课程数据-代码.txt
│
├─1机器学习算法PPT
│ 机器学习算法PPT.pdf
│
├─2numpy
│ numpy.zip
│
├─3Pandas
│ Pandas.zip
│
├─4欺诈检测
│ 欺诈检测.zip
│
├─5梯度下降实例
│ 梯度下降实例.zip
│
├─6Matplotlib
│ Matplotlib.zip
│
├─7可视化库Seaborn
│ 可视化库Seaborn.rar
│ 课程数据-代码.txt
│
├─8决策树鸢尾花
│ 决策树鸢尾花.zip
│
└─9贝叶斯
课程数据-代码.txt
贝叶斯.rar
