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
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。