2021年【人工智能必学基础课】7天入门机器学习附资料

空楼花吹雪 · 发表于 2021-7-16 16:50:25

课程介绍：

你的人工智能入门第一课——从人工智能的概述、发展历程和主要分支等内容切入讲解，对人工智能进行宏观的阐述。随后着重讲到两个模块：人工智能中科学计算库和机器学习常见经典算法。
在人工智能科学计算库中，你将会学习到，如何使用matplotlib进行绘图；如何使用numpy进行运算；如何使用pandas对数据完成基本的预处理。
在机器学习算法篇，你将学习到经典的机器学习算法，如KNN，线性回归、岭回归、逻辑回归，决策树算法、KMeans算法、Bagging、随机森林、GBDT等，深入浅出，带你在掌握算法原理的同时，利用经典机器学习库scikit-learn实现不同案例。
最后，通过“吃鸡”游戏，检验你自己的学习效果，生动体验机器学习的魅力。

课程目录：

day1视频

1.机器学习科学计算库内容简介
2.人工智能概述
3.人工智能的发展历程
4.人工智能主要分支
5.机器学习定义工作流程概述
6.机器学习工作流程各步骤解释
7.机器学习算法分类介绍
8.模型评估
9.Azure机器学习平台实验演示1
10.Azure机器学习平台实验演示2
11.深度学习简介
12.基础环境安装
13.jupyter notebook的基本使用1
14.jupyter notebook的基本使用2
15.matplotlib的基本使用

day2视频

1.实现基础绘图-某城市温度变换图
2.绘图辅助功能完善-某城市温度变换图
3.在一个坐标系下绘制多个图像
4.在多个坐标系下绘制多个图像
5.常见图形绘制
6.numpy介绍
7.ndarray介绍
8.创建0，1数组，固定范围数组
9.创建随机数组
10.数组的基本操作
11.ndarray的运算
12.数组间运算
13.矩阵复习
14.pandas介绍
15pandas数据结构-series
16.pandas数据结构-DataFrame1
17.pandas数据结构-DataFrame2
18.pandas数据结构-multiindex和panel

day3视频

1.pandas中的索引
2.赋值和排序
3.pandas中的算术运算和逻辑运算
4.pandas中的统计函数
5.pandas中的累计统计函数和自定义函数
6.pandas中绘图方式介绍
7.pandas中文件的读取和写入
8.缺失值的处理
9.数据离散化
10.数据表的合并
11.交叉表和透视表介绍
12.分组聚合介绍
13.星巴克案例实现
14.电影案例分析1
15.电影案例分析

day4视频

1.K-近邻算法简介
2.K近邻算法api初步使用
3.机器学习中距离度量介绍
4.K值的选择介绍
5.kd树和kd树的构造过程
6.kd树案例实现
7.数据集获取和属性介绍
8.数据可视化介绍
9.数据集的划分
10.特征预处理简介
11.归一化和标准化介绍
12.鸢尾花种类预测
13.KNN算法总结
14.交叉验证、网格搜索概念介绍
15.交叉验证、网格搜索案例实现

day5视频

1.案例-Facebook位置预测流程分析
2.案例-Facebook位置预测代码实现1
3.案例-Facebook位置预测代码实现2
4.线性回归简介
5.初始线性回归api
6.数学：求导
7.线性回归中损失函数的介绍
8.使用正规方程对损失函数进行优化
9.使用梯度下降法对损失函数进行优化
10.梯度下降法方法介绍
11.线性回归api再介绍
12.波士顿房价预测案例
13.欠拟合和过拟合的介绍
14.正则化线性模型
15.岭回归介绍
16.模型保存和加载

day6视频

1.逻辑回归介绍
10.基尼指数的介绍
11.决策树划分原理小结
12.cart剪枝介绍
13.字典特征提取
14.英文文本特征提取
15.中文文本特征提取
16.tfidf内容讲解
17.决策树算法api介绍
18.泰坦尼克号乘客生存预测
19.树木可视化操作
2.逻辑回归api介绍
3.肿瘤预测案例
4.分类评估方法介绍
5.roc曲线绘制过程
6.决策树算法简介
7.熵的介绍
8.信息增益的介绍
9.信息增益率的介绍

day7视频

1.集成学习简介
2.bagging和随机森林概念介绍
3.随机森林api实现
4.boosting概念介绍
5.GBDT内容介绍
6.聚类算法介绍
7.聚类算法api初步实现
8.聚类算法实现流程
9.模型评估
10.算法优化介绍
11.特征降维内容介绍
12.pca降维介绍
13.用户对物品类别的喜好细分案例
14.算法选择指导

课程大小：

备注：(04)2021070106

下载地址
回复可查看课程下载链接&提取码

游客，如果您要查看本帖隐藏内容请回复