phthon深度学习基础介绍-机器学习

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。

课程截图：

〖课程目录〗:

• | └──1、麦子学院 深度学习基础介绍：机器学习
• | | ├──代码与素材(1)
• | | | ├──.idea
• | | | ├──01DTree
• | | | ├──02KNN
• | | | ├──03SVM
• | | | ├──04NN
• | | | └──README.md 0.01kb
• | | ├──代码与素材(2)
• | | | └──MachineLearning
• | | ├──课件
• | | | ├──1.2 深度学习(Deep Learning)介绍_files
• | | | ├──3.1 决策树(decision tree)算法_files
• | | | ├──3.2 决策树(decision tree)应用_files
• | | | ├──4.1 最邻近规则分类(K-Nearest Neighbor)KNN算法_files
• | | | ├──4.2 最邻近规则分类(K-Nearest Neighbor)KNN算法应用_files
• | | | ├──5.1 支持向量机(SVM)算法（上）_files
• | | | ├──5.2 支持向量机(SVM)算法（下）_files
• | | | ├──6.1 神经网络算法(Nerual Networks)（上）_files
• | | | ├──6.2神经网络算法应用上
• | | | ├──6.3神经网络算法应用下
• | | | ├──7.1 简单线性回归 (Simple Linear Regression)上_files
• | | | ├──7.1 简单线性回归 (Simple Linear Regression)下_files
• | | | ├──7.3　多元回归分析(multiple regression)_files
• | | | ├──7.5 非线性回归 logistic regression_files
• | | | ├──7.7 回归中的相关度和R平方值_files
• | | | ├──8.1 聚类(Clustering) K-means算法_files
• | | | ├──8.3 聚类(Clustering) hierarchical clustering 层次聚类_files
• | | | ├──1.1 课程介绍 & 机器学习介绍.html 2.86kb
• | | | ├──1.2 深度学习(Deep Learning)介绍.html 9.06kb
• | | | ├──2 基本概念 (Basic Concepts).html 6.15kb
• | | | ├──3.1 决策树(decision tree)算法.html 9.00kb
• | | | ├──3.2 决策树(decision tree)应用.html 2.66kb
• | | | ├──4.1 最邻近规则分类(K-Nearest Neighbor)KNN算法.html 4.32kb
• | | | ├──4.2 最邻近规则分类(K-Nearest Neighbor)KNN算法应用.html 6.05kb
• | | | ├──5.1 支持向量机(SVM)算法（上）.html 11.63kb
• | | | ├──5.1 支持向量机(SVM)算法（上）应用.html 3.58kb
• | | | ├──5.2 支持向量机(SVM)算法（下）.html 10.92kb
• | | | ├──5.3 支持向量机(SVM)算法（下）应用.html 6.69kb
• | | | ├──6.1 神经网络算法(Nerual Networks)（上）.html 8.59kb
• | | | ├──6.2 神经网络算法(Nerual Networks)应用(上）.html 4.92kb
• | | | ├──6.3 神经网络算法(Nerual Networks)应用(下）.html 2.70kb
• | | | ├──7.1 简单线性回归 (Simple Linear Regression)上.html 13.11kb
• | | | ├──7.1 简单线性回归 (Simple Linear Regression)下.html 3.81kb
• | | | ├──7.3　多元回归分析(multiple regression).html 29.12kb
• | | | ├──7.4　多元回归分析(multiple regression)应用.html 17.44kb
• | | | ├──7.5 非线性回归 logistic regression.html 8.66kb
• | | | ├──7.6 非线性回归应用：losgistic regression application.html 2.30kb
• | | | ├──7.7 回归中的相关度和R平方值.html 5.43kb
• | | | ├──7.8 回归中的相关度和R平方值应用.html 1.46kb
• | | | ├──8.1 聚类(Clustering) K-means算法.html 5.89kb
• | | | ├──8.2 聚类(Clustering) K-means算法应用.html 4.99kb
• | | | ├──8.3 聚类(Clustering) hierarchical clustering 层次聚类.html 3.27kb
• | | | ├──8.4 聚类(Clustering) hierarchical clustering 层次聚类应用.html 6.53kb
• | | | ├──810a19d8bc3eb1351e89fd05a41ea8d3fc1f44c5.jpg 4.47kb
• | | | └──HierachecalClustering.png 9.03kb
• | | └──视频
• | | | ├──1.1课程介绍机器学习介绍上.mp4 50.56M
• | | | ├──1.1课程介绍机器学习介绍下.mp4 9.95M
• | | | ├──1.2深度学习介绍.mp4 52.68M
• | | | ├──2基本概念_www.itmsf.com.mp4 56.92M
• | | | ├──3.1决策树算法.mp4 54.25M
• | | | ├──3.2决策树应用.mp4 72.42M
• | | | ├──4.1最邻近规则分类KNN算法.mp4 38.85M
• | | | ├──4.2最邻近规则KNN分类应用.mp4 57.47M
• | | | ├──5.1 支持向量机(SVM)算法（上）.html 11.63kb
• | | | ├──5.1 支持向量机(SVM)算法（上）应用.html 3.58kb
• | | | ├──5.1支持向量机SVM上.mp4 35.56M
• | | | ├──5.1支持向量机SVM上应用.mp4 34.97M
• | | | ├──6.2神经网络算法应用上.mp4 95.96M
• | | | ├──6.3神经网络算法应用下.mp4 34.25M
• | | | ├──7.1简单线性回归上.mp4 40.76M
• | | | ├──7.2简单线性回归下.mp4 52.49M
• | | | ├──7.3多元线性回归.mp4 42.22M
• | | | ├──7.4多元线性回归应用.mp4 51.17M
• | | | ├──7.5非线性回归 Logistic Regression.mp4 30.34M
• | | | ├──7.6非线性回归应用.mp4 56.58M
• | | | ├──7.7回归中的相关度和决定系数.mp4 38.05M
• | | | ├──7.8回归中的相关性和R平方值应用.mp4 43.12M
• | | | ├──8.1Kmeans算法.mp4 35.43M
• | | | ├──8.2Kmeans应用.mp4 61.00M
• | | | ├──8.3Hierarchical clustering 层次聚类.mp4 29.82M
• | | | ├──8.4Hierarchical clustering 层次聚类应用.mp4 62.52M
• | | | ├──神经网络NN算法.mp4 77.51M
• | | | ├──支持向量机(SVM)算法(下)应用.mp4 55.15M
• | | | ├──支持向量机(SVM)算法下.mp4 36.10M
• | | | └──总结.mp4 55.39M

yeyudao普通

收藏 海报 链接