【備忘】2017年最新北風網零基礎學習機器學習（Python語言、演算法、Numpy庫、MatplotLib)視訊教程）
阿新 • • 發佈：2019-01-25
機器學習作為人工智慧的一部分，已經應用於很多領域，遠超過人們的想象，垃圾郵件的過濾，線上廣告的推薦系統，還有目前發展飛快的物體識別、人臉識別和語音識別的發展，都是機器學習的應用的成果。機器學習在改善商業決策、提高生產率、檢測疾病、預測天氣等方面都有非常大的應用前景。
1. 課程研發環境
本課程的程式碼實現是基於Python語言，用到Numpy庫和MatplotLib.
開發工具: Python win;
2. 內容簡介
本教程系統的介紹了機器學習的目的和方法。並且針對每一種常用的方法進行了詳細的解析，用例項來說明具體的實現，學生可以跟著一步步完成。在面對現實的問題的時候，可以找到非常可靠的參照。本課程在最開始講解了Python語言的基礎知識，以保證後面的課程中可以順利進行。更多的Python語言的知識，需要學員自己去找更多的資料進行學習。
本課程主要講述了兩大類機器學習的方法：有監督學習和無監督學習，其中有監督學習裡面，又分為分類和預測數值型資料。這些演算法都是基礎的演算法。這樣可以降低學習的難度，容易理解機器學習思路和實現的過程。1 o: ?3 E i,
老王：16年軟體發工作經歷，2年知名軟體培訓機構專職講師經歷、曾任專案經理、教學主管多年，在Window系統、移動平臺的應用軟體研發、人工智慧的應用領域有很深的造詣。
第一章 機器學的任務和方法1-2.mp4
第二章 Python語言基礎1-6.mp4
第二章 Python語言基礎7-13.mp4
第三章 分類演算法介紹1.mp4
第四章 k-臨近演算法1-7.mp4
第五章 決策樹1-5.mp4
第六章 基於概率論的分類方法：樸素貝葉斯1-6.mp4
第七章 Logistic迴歸1-6.mp4
第八章 支援向量機1-8.mp4
第九章 利用AdaBoost元演算法提高分類效能1-5.mp4
第十章 利用迴歸預測數值型資料1-5.mp4
第十一章 樹迴歸1-3.mp4
第十二章 無監督學習1.mp4
第十三章 利用K-均值聚類演算法對未標註資料分組1-2.mp4
第十四章 使用Apriori演算法進行關聯分析1-3.mp4
第十五章 使用FP-growth演算法來高效發現頻分項集1-3.mp4
第十六章 利用PCA來簡化資料1-2.mp4
第十七章 利用SVD簡化資料1-3.mp47 Y4 \- I: n# f$ m
第十八章 大資料與MapReduce1.mp4
第十九章 學習總結.mp4( \) g0 ?2 x1 s, D' n+ v+ N; g
1. 課程研發環境
本課程的程式碼實現是基於Python語言，用到Numpy庫和MatplotLib.
開發工具: Python win;
2. 內容簡介
本教程系統的介紹了機器學習的目的和方法。並且針對每一種常用的方法進行了詳細的解析，用例項來說明具體的實現，學生可以跟著一步步完成。在面對現實的問題的時候，可以找到非常可靠的參照。本課程在最開始講解了Python語言的基礎知識，以保證後面的課程中可以順利進行。更多的Python語言的知識，需要學員自己去找更多的資料進行學習。
本課程主要講述了兩大類機器學習的方法：有監督學習和無監督學習，其中有監督學習裡面，又分為分類和預測數值型資料。這些演算法都是基礎的演算法。這樣可以降低學習的難度，容易理解機器學習思路和實現的過程。1 o: ?3 E i,
老王：16年軟體發工作經歷，2年知名軟體培訓機構專職講師經歷、曾任專案經理、教學主管多年，在Window系統、移動平臺的應用軟體研發、人工智慧的應用領域有很深的造詣。
第一章 機器學的任務和方法1-2.mp4
第二章 Python語言基礎1-6.mp4
第二章 Python語言基礎7-13.mp4
第三章 分類演算法介紹1.mp4
第四章 k-臨近演算法1-7.mp4
第五章 決策樹1-5.mp4
第六章 基於概率論的分類方法：樸素貝葉斯1-6.mp4
第七章 Logistic迴歸1-6.mp4
第八章 支援向量機1-8.mp4
第九章 利用AdaBoost元演算法提高分類效能1-5.mp4
第十章 利用迴歸預測數值型資料1-5.mp4
第十一章 樹迴歸1-3.mp4
第十二章 無監督學習1.mp4
第十三章 利用K-均值聚類演算法對未標註資料分組1-2.mp4
第十四章 使用Apriori演算法進行關聯分析1-3.mp4
第十五章 使用FP-growth演算法來高效發現頻分項集1-3.mp4
第十六章 利用PCA來簡化資料1-2.mp4
第十七章 利用SVD簡化資料1-3.mp47 Y4 \- I: n# f$ m
第十八章 大資料與MapReduce1.mp4
第十九章 學習總結.mp4( \) g0 ?2 x1 s, D' n+ v+ N; g
資料包