课程介绍:
本课程使用Python3讲解,同时适应于Windows、Mac OS X和Linux。本课程是《机器学习系列课程》中的重要部分。这套视频课程包括但不限于Python基础、常用机器学习框架(如scikit-learn、tensorflow、pytorch、caffe、keras等),机器学习核心算法、大量的实战案例、机器学习的数学基础,机器学习在自然语言处理中的应用、机器学习在推荐系统中的应用。
课程截图:
〖课程目录〗:
- | └──4、人工智能-机器学习实战入门视频教程
- | | ├──10、一入java深似海
- | | | ├──第1期
- | | | ├──第2期
- | | | ├──第3期
- | | | ├──第4期
- | | | └──segmentfault-lessons-master.zip 143.42M
- | | ├──41 2019年七月在线 PyTorch的入门与实战
- | | | ├──视频
- | | | └──资料
- | | ├──视频
- | | | ├──课时01.人工智能、机器学习和深度学习的关系.mp4 48.38M
- | | | ├──课时02.机器学习需要哪些工具.mp4 25.82M
- | | | ├──课时03.源代码和其他资源下载.txt 0.01kb
- | | | ├──课时04.JupyterNotebook简介与安装.mp4 12.18M
- | | | ├──课时05.使用JupyterNotebook.mp4 15.88M
- | | | ├──课时06.远程访问JupyterNotebook.mp4 6.76M
- | | | ├──课时07.项目简介.mp4 2.14M
- | | | ├──课时08.训练线性模型,并预测幸福指数.mp4 252.70M
- | | | ├──课时09.机器学习的主要挑战.mp4 6.84M
- | | | ├──课时10.准备训练数据.mp4 24.97M
- | | | ├──课时11.查看和可视化数据集.mp4 9.73M
- | | | ├──课时12.准备训练集和测试集.mp4 32.04M
- | | | ├──课时13.用更完美的方式产生训练集和测试集.mp4 97.71M
- | | | ├──课时14.用sklearnAPI拆分训练集和测试集.mp4 13.57M
- | | | ├──课时15.分层抽样.mp4 43.66M
- | | | ├──课时16.通过可视化地理数据寻找模式.mp4 15.56M
- | | | ├──课时17.用两种方法检测属性之间的相关度.mp4 31.60M
- | | | ├──课时18.为房屋数据集添加新属性,并计算与房屋均价的相关度.mp4 12.65M
- | | | ├──课时19.清理数据:用转换器填补缺失值.mp4 19.61M
- | | | ├──课时20.将文本类型属性转换为数值.mp4 31.01M
- | | | ├──课时21.自定义转换器.mp4 71.58M
- | | | ├──课时22.数据转换管道(pipeline).mp4 30.78M
- | | | ├──课时23.选择、训练模型以及预测房价.mp4 33.54M
- | | | ├──课时24.评估模型的性能.mp4 81.71M
- | | | ├──课时25.用交叉验证评估和选择模型.mp4 72.75M
- | | | ├──课时26.项目概述.mp4 5.43M
- | | | ├──课时27.使用sklearn内置的图像数据.mp4 14.65M
- | | | ├──课时28.使用fetch_mldata函数获取MNIST图像数据集.mp4 43.82M
- | | | ├──课时29.直接读取mat格式的MNIST图像数据集.mp4 31.70M
- | | | ├──课时30.将多张图像文件合成一个图像.mp4 31.22M
- | | | ├──课时31.对数字图像进行二元分类.mp4 14.27M
- | | | ├──课时32.使用K-fold交叉验证法评估分类器模型的性能.mp4 79.64M
- | | | ├──课时33.使用混淆矩阵评估分类器模型的性能.mp4 26.32M
- | | | ├──课时34.用精度、召回率和F1分数评估分类模型.mp4 26.02M
- | | | ├──课时35.调整阈值得到不同的精度和召回率.mp4 60.34M
- | | | ├──课时36.ROC曲线与模型评估.mp4 19.17M
- | | | ├──课时37.比较随机森林分类器和梯度下降分类器的ROC曲线.mp4 24.65M
- | | | ├──课时38.多类别分类器.mp4 99.84M
- | | | ├──课时39.通过对特征值进行转换提高分类效果.mp4 18.09M
- | | | ├──课时40.通过分析错误类型改进分类模型.mp4 25.31M
- | | | ├──课时41.多标签分类.mp4 23.82M
- | | | ├──课时42.去除图像噪声.mp4 36.33M
- | | | ├──课时43.实现原理.mp4 17.27M
- | | | ├──课时44.用k-邻近算法进行分类.mp4 89.46M
- | | | ├──课时45.用k-邻近算法进行预测~1.mp4 20.57M
- | | | ├──课时46.绘制拟合曲线.mp4 14.41M
- | | | ├──课时47.准备训练数据和测试数据.mp4 13.09M
- | | | ├──课时48.比较和选择分类模型.mp4 17.26M
- | | | ├──课时49.训练模型与预测糖尿病.mp4 12.21M
- | | | ├──课时50.绘制学习曲线.mp4 54.15M
- | | | ├──课时51.选择相关特征与数据可视化.mp4 23.81M
- | | | ├──课时52.线性回归都讲了什么.mp4 5.79M
- | | | ├──课时53.线性回归模型概述.mp4 14.99M
- | | | ├──课时54.使用标准方程进行线性回归拟合~1.mp4 38.91M
- | | | ├──课时55.梯度下降算法原理.mp4 33.18M
- | | | ├──课时56.批量梯度下降.mp4 29.07M
- | | | ├──课时57.比较不同学习率的迭代效果.mp4 28.67M
- | | | ├──课时58.随机梯度下降.mp4 30.48M
- | | | ├──课时59.下批量梯度下降.mp4 7.04M
- | | | ├──课时60.比较4种线性回归算法.mp4 10.56M
- | | | ├──课时61.用线性模型拟合非线性数据.mp4 32.09M
- | | | ├──课时62.线性SVM分类.mp4 20.76M
- | | | ├──课时63.添加特征使数据集线性可分离.mp4 68.07M
- | | | ├──课时65.基于多项式核的SVM分类器.mp4 53.63M
- | | | ├──课时66.高斯RBF的相似特征.mp4 79.19M
- | | | ├──课时67.基于高斯RBF核函数的SVM分类器.mp4 44.59M
- | | | └──课时68.SVM线性回归.mp4 31.38M
- | | └──资料
- | | | └──sklearn-master.zip 34.68M
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。