<tbody id="fuft6"><noscript id="fuft6"><video id="fuft6"></video></noscript></tbody>
    <tbody id="fuft6"><noscript id="fuft6"></noscript></tbody>
    <em id="fuft6"><acronym id="fuft6"></acronym></em>
          <button id="fuft6"><acronym id="fuft6"><u id="fuft6"></u></acronym></button>
          首頁人工智能技術資訊正文

          人工智能之機器學習教程[黑馬程序員]

          更新時間:2019-11-14 來源:黑馬程序員 瀏覽量:

          1573710761058_機器學習.jpg

          7天入門機器學習

          初級

          共7天課

          在機器學習算法篇,你將學習到經典的機器學習算法,如KNN,線性回歸、嶺回歸、邏輯回歸,決策樹算法、KMeans算法、Bagging、隨機森林、GBDT等,深入淺出,帶你在掌握算法原理的同時,利用經典機器學習庫scikit-learn實現不同案例。提取碼:86ik

          下載完整視頻(已有10133人下載)


          視頻概述

          一、課程簡介


          人工智能入門第一課——從人工智能的概述、發展歷程和主要分支等內容切入講解,對人工智能進行宏觀的闡述。隨后著重講到兩個模塊:人工智能中科學計算庫和機器學習常見經典算法。


          在人工智能科學計算庫中,你將會學習到,如何使用matplotlib進行繪圖;如何使用numpy進行運算;如何使用pandas對數據完成基本的預處理。


          在機器學習算法篇,你將學習到經典的機器學習算法,如KNN,線性回歸、嶺回歸、邏輯回歸,決策樹算法、KMeans算法、Bagging、隨機森林、GBDT等,深入淺出,帶你在掌握算法原理的同時,利用經典機器學習庫scikit-learn實現不同案例。


          最后,通過“吃雞”游戲,檢驗你自己的學習效果,生動體驗機器學習的魅力。


           


          二、課程特色亮點


          宏觀了解人工智能整體脈絡


          化繁為簡、算法講解清晰明了


          “學”和“做”結合,邊學習,邊練習,加深知識理解


          結合“吃雞”游戲,體驗機器學習魅力所在


           


          三、課程內容介紹


          模塊一


          ?第一章 機器學習概述


          1.人工智能概述


          2.人工智能發展歷程


          3.人工智能主要分支


          4.機器學習工作流程


          5.機器學習算法分類


          6.模型評估


          7.Azure機器學習模型搭建實驗


          8.深度學習簡介




          ?第二章 機器學習基礎環境安裝與使用


          1.庫的安裝


          2.jupyter notebook使用




          ?第三章 Matplotlib


          1.Matplotlib之HelloWorld


          2.基礎繪圖功能 — 以折線圖為例


          3.常見圖形繪制




          ?第四章 Numpy


          1.Numpy的優勢


          2.N維數組-ndarray


          3.基本操作


          4.ndarray運算


          5.數組間的運算


          6.數學:矩陣




          ?第五章 Pandas


          1.Pandas介紹


          2.Pandas數據結構


          3.基本數據操作


          4.DataFrame運算


          5.Pandas畫圖


          6.文件讀取與存儲


          7.高級處理-缺失值處理


          8.高級處理-數據離散化


          9.高級處理-合并


          10.高級處理-交叉表與透視表


          11.高級處理-分組與聚合


          12.案例




          模塊二


          ?第一章 K-近鄰算法


          1.K-近鄰算法簡介


          2.k近鄰算法api初步使用


          3.距離度量


          4.k值的選擇


          5.kd樹


          6.案例1:鳶尾花種類預測--數據集介紹


          7.特征工程-特征預處理


          8.案例1:鳶尾花種類預測--流程實現


          9.交叉驗證,網格搜索


          10.案例2:預測facebook簽到位置




          ?第二章 線性回歸


          1.線性回歸簡介


          2.線性回歸api初步使用


          3.數學:求導


          4.線性回歸的損失和優化


          5.梯度下降法方法介紹


          6.線性回歸api再介紹


          7.案例:波士頓房價預測


          8.欠擬合和過擬合


          9.正則化線性模型


          10.線性回歸的改進-嶺回歸


          11.模型的保存和加載




          ?第三章 邏輯回歸


          1.邏輯回歸介紹


          2.邏輯回歸api介紹


          3.案例:癌癥分類預測-良/惡性乳腺癌腫瘤預測


          4.分類評估方法


          5.ROC曲線的繪制




          ?第四章 決策樹算法


          1.決策樹算法簡介


          2.決策樹分類原理


          3.cart剪枝


          4.特征工程-特征提取


          5.決策樹算法api


          6.案例:泰坦尼克號乘客生存預測




          ?第五章 集成學習


          1.集成學習算法簡介


          2.Bagging和隨機森林


          3.Boosting




          ?第六章 聚類算法


          1.聚類算法簡介


          2.聚類算法api初步使用


          3.聚類算法實現流程


          4.模型評估


          5.算法優化


          6.特征工程-特征降維


          7.案例:探究用戶對物品類別的喜好細分降維


          8.算法選擇指導





          推薦了解黑馬程序員python+人工智能課程。


          視頻資源獲取.jpg


          在線咨詢 我要報名
          和我們在線交談!

          黄色网站片

          <tbody id="fuft6"><noscript id="fuft6"><video id="fuft6"></video></noscript></tbody>
            <tbody id="fuft6"><noscript id="fuft6"></noscript></tbody>
            <em id="fuft6"><acronym id="fuft6"></acronym></em>
                  <button id="fuft6"><acronym id="fuft6"><u id="fuft6"></u></acronym></button>