從零開始學習機器學習視訊教程-陸永劍-專題視訊課程
阿新 • • 發佈:2018-12-26
從零開始學習機器學習視訊教程—1322人已學習
課程介紹
零基礎入門機器學習視訊培訓課程概況:機器學習數學基礎、Python基礎、機器學習演算法(線性迴歸、邏輯迴歸、聚類演算法、EM演算法),機器學習專案實戰(Kmeans籃球資料分析、貝葉斯演算法訓練)、推薦演算法、專案實戰。
課程收益
從零開始快速入門和深入機器學習的全部知識
系統全面的瞭解機器學習的內容
數學基礎、Python基礎、機器學習演算法、推薦演算法、專案實戰
講師介紹
陸永劍 更多講師課程
曾就職國內大型的上市軟體公司並擔任技術骨幹及專案經理職務,機器學習、深度學習培訓講師。精通機器學習、深度學習領域等多方面技術。喜歡研究機器學習方向和深度學習的各種開源技術和演算法。用簡約的方式去講授晦澀難懂的知識。同時關注學員們在學習中遇到的問題,不斷改進授課方式。目標是讓學員們更快更簡單的入門。
課程大綱
第1章:概述
1. 課程概述(必看) 1:44
第2章:數學基礎
1. 矩陣及矩陣的基本表示 9:01
2. 矩陣基本運算 9:16
3. 幾種特殊矩陣 18:58
4. 向量及向量的基本運算 4:40
5. 矩陣特徵值特徵向量的計算 17:38
6. 奇異值分解 16:57
7. 貝葉斯公式 14:03
8. 幾種特殊矩陣(舊) 18:58
第3章:Python基礎
1. Python怎麼學? 6:22
2. Anaconda正確的使用姿勢 11:30
3. notebook基本使用 6:10
4. python輸入輸出 4:44
5. python資料型別 14:29
6. python條件判斷 4:08
7. python迴圈結構 13:06
8. python-dict 4:53
9. python-set 2:45
10. python內建函式 3:56
11. python自定義函式 6:39
12. python切片 3:55
13. python第三方模組匯入 4:47
14. numpy之矩陣的建立 11:55
15. numpy之讀取檔案內容 9:29
16. numpy之資料處理 8:04
17. numpy之與和或的用法 3:55
18. numpy之矩陣的屬性 9:43
19. numpy之矩陣加減乘操作 12:07
20. numpy之矩陣其他操作(新) 12:41
21. numpy之特徵值分解(新) 3:28
22. pandas之pandas的用處 2:37
23. pandas之讀取檔案 7:21
24. pandas之資料屬性 5:42
25. pandas之資料基本操作 6:29
26. pandas之空值及分組處理 6:54
27. Matplot之基本框繪製 6:11
28. matplot之折線圖優化 5:39
29. matplot之區域畫多圖 3:56
30. matplot之其他操作 4:43
第4章:演算法
1. 線性迴歸數學推導-矩陣轉換 11:35
2. 線性迴歸數學推導-誤差項分析 7:59
3. 線性迴歸數學推導-極大似然估計 6:03
4. 線性迴歸數學推導-最小二乘 6:06
5. 梯度下降前提及步驟(新) 10:26
6. 梯度下降求解步驟 7:32
7. 邏輯迴歸-Sigmoid函式 3:59
8. 邏輯迴歸 5:04
9. 聚類演算法 2:44
10. 聚類演算法之kmeans 10:38
11. 聚類演算法之kmeans視覺化演示(新) 10:59
12. (廢棄)聚類演算法之kmeans視覺化演示 4:01
13. 聚類演算法之DBSCAN講解 10:41
14. 聚類演算法之DBSCAN視覺化演示 8:34
15. 決策樹演算法概述 6:36
16. 決策樹演算法熵值計算 14:58
17. 決策樹三種節點順序衡量標準 6:55
18. 決策樹剪枝策略 8:25
19. 整合演算法之Bagging 9:54
20. 整合演算法之Boosting 8:45
21. EM演算法思想 9:46
22. EM演算法之Jensen不等式 11:25
23. EM演算法數學推導 14:40
24. 老師正在拼命錄製中...... 0:08
第5章:專案實戰
1. Kmeans資料準備 6:07
2. Kmeans籃球資料分類 7:23
3. 貝葉斯資料準備 6:22
4. 貝葉斯分類的思路整理 6:00
5. 貝葉斯演算法訓練 13:23
6. 老師正在拼命錄製中...... 0:08
第6章:同學們的新需求
1. 結束語 0:41
2. 老師正在拼命錄製中...... 0:08
大家可以點選【 檢視詳情】檢視我的課程
課程介紹
零基礎入門機器學習視訊培訓課程概況:機器學習數學基礎、Python基礎、機器學習演算法(線性迴歸、邏輯迴歸、聚類演算法、EM演算法),機器學習專案實戰(Kmeans籃球資料分析、貝葉斯演算法訓練)、推薦演算法、專案實戰。
課程收益
從零開始快速入門和深入機器學習的全部知識
系統全面的瞭解機器學習的內容
數學基礎、Python基礎、機器學習演算法、推薦演算法、專案實戰
講師介紹
陸永劍 更多講師課程
曾就職國內大型的上市軟體公司並擔任技術骨幹及專案經理職務,機器學習、深度學習培訓講師。精通機器學習、深度學習領域等多方面技術。喜歡研究機器學習方向和深度學習的各種開源技術和演算法。用簡約的方式去講授晦澀難懂的知識。同時關注學員們在學習中遇到的問題,不斷改進授課方式。目標是讓學員們更快更簡單的入門。
課程大綱
第1章:概述
1. 課程概述(必看) 1:44
第2章:數學基礎
1.
2. 矩陣基本運算 9:16
3. 幾種特殊矩陣 18:58
4. 向量及向量的基本運算 4:40
5. 矩陣特徵值特徵向量的計算 17:38
6. 奇異值分解 16:57
7.
8. 幾種特殊矩陣(舊) 18:58
第3章:Python基礎
1. Python怎麼學? 6:22
2. Anaconda正確的使用姿勢 11:30
3. notebook基本使用 6:10
4. python輸入輸出 4:44
5. python資料型別 14:29
6. python條件判斷 4:08
7. python迴圈結構 13:06
8. python-dict 4:53
9. python-set 2:45
10. python內建函式 3:56
11. python自定義函式 6:39
12. python切片 3:55
13. python第三方模組匯入 4:47
14. numpy之矩陣的建立 11:55
15. numpy之讀取檔案內容 9:29
16. numpy之資料處理 8:04
17. numpy之與和或的用法 3:55
18. numpy之矩陣的屬性 9:43
19. numpy之矩陣加減乘操作 12:07
20. numpy之矩陣其他操作(新) 12:41
21. numpy之特徵值分解(新) 3:28
22. pandas之pandas的用處 2:37
23. pandas之讀取檔案 7:21
24. pandas之資料屬性 5:42
25. pandas之資料基本操作 6:29
26. pandas之空值及分組處理 6:54
27. Matplot之基本框繪製 6:11
28. matplot之折線圖優化 5:39
29. matplot之區域畫多圖 3:56
30. matplot之其他操作 4:43
第4章:演算法
1. 線性迴歸數學推導-矩陣轉換 11:35
2. 線性迴歸數學推導-誤差項分析 7:59
3. 線性迴歸數學推導-極大似然估計 6:03
4. 線性迴歸數學推導-最小二乘 6:06
5. 梯度下降前提及步驟(新) 10:26
6. 梯度下降求解步驟 7:32
7. 邏輯迴歸-Sigmoid函式 3:59
8. 邏輯迴歸 5:04
9. 聚類演算法 2:44
10. 聚類演算法之kmeans 10:38
11. 聚類演算法之kmeans視覺化演示(新) 10:59
12. (廢棄)聚類演算法之kmeans視覺化演示 4:01
13. 聚類演算法之DBSCAN講解 10:41
14. 聚類演算法之DBSCAN視覺化演示 8:34
15. 決策樹演算法概述 6:36
16. 決策樹演算法熵值計算 14:58
17. 決策樹三種節點順序衡量標準 6:55
18. 決策樹剪枝策略 8:25
19. 整合演算法之Bagging 9:54
20. 整合演算法之Boosting 8:45
21. EM演算法思想 9:46
22. EM演算法之Jensen不等式 11:25
23. EM演算法數學推導 14:40
24. 老師正在拼命錄製中...... 0:08
第5章:專案實戰
1. Kmeans資料準備 6:07
2. Kmeans籃球資料分類 7:23
3. 貝葉斯資料準備 6:22
4. 貝葉斯分類的思路整理 6:00
5. 貝葉斯演算法訓練 13:23
6. 老師正在拼命錄製中...... 0:08
第6章:同學們的新需求
1. 結束語 0:41
2. 老師正在拼命錄製中...... 0:08
大家可以點選【 檢視詳情】檢視我的課程