1. 程式人生 > >【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)

【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)

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

資料包