python数据分析与机器学习实战

python数据分析与机器学习实战

唐宇迪

计算机博士,云课堂人工智能认证行家,著有《跟迪哥学机器学习》,课程风格通俗易懂,用最接地气的方式带领同学们走进Ai殿堂。

  • 课程目录
  • 课程介绍
  • 课时1:课程整体内容介绍(主题与大纲)

  • 课时2:学习常见问题解读

  • 课时3:专属配套教材下载(需PC网页登录)

  • 课时4:AI时代首选Python

  • 课时5:Python我该怎么学

  • 课时6:人工智能的核心-机器学习

  • 课时7:机器学习怎么学?

  • 课时8:算法推导与案例

  • 课时9:课程环境配置

  • 课时10:课件使用方法与notebook路径配置

  • 课时11:Numpy工具包概述

  • 课时12:数组结构

  • 课时13:属性与赋值操作

  • 课时14:数据索引方法

  • 课时15:数值计算方法

  • 课时16:排序操作

  • 课时17:数组形状

  • 课时18:数组生成常用函数

  • 课时19:随机模块

  • 课时20:读写模块

  • 课时21:本章数据代码下载(需PC登录,点击左下角参考资料)

  • 课时22:Pandas工具包使用简介

  • 课时23:数据信息读取与展示

  • 课时24:索引方法

  • 课时25:groupby函数使用方法

  • 课时26:数值运算

  • 课时27:merge合并操作

  • 课时28:pivot数据透视表

  • 课时29:时间操作

  • 课时30:apply自定义函数

  • 课时31:常用操作

  • 课时32:字符串操作

  • 课时33:本章数据代码下载(需PC登录,点击左下角参考资料)

  • 课时34:Matplotlib概述

  • 课时35:子图与标注

  • 课时36:风格设置

  • 课时37:条形图

  • 课时38:条形图细节

  • 课时39:条形图外观

  • 课时40:盒图绘制

  • 课时41:盒图细节

  • 课时42:绘图细节设置

  • 课时43:绘图细节设置2

  • 课时44:直方图与散点图

  • 课时45:3D图绘制

  • 课时46:pie图

  • 课时47:子图布局

  • 课时48:结合pandas与sklearn

  • 课时49:本章数据代码下载(需PC登录,点击左下角参考资料)

  • 课时50:Seaborn简介

  • 课时51:整体布局风格设置

  • 课时52:风格细节设置

  • 课时53:调色板

  • 课时54:调色板颜色设置

  • 课时55:单变量分析绘图

  • 课时56:回归分析绘图

  • 课时57:多变量分析绘图

  • 课时58:分类属性绘图

  • 课时59:Facetgrid使用方法

  • 课时60:Facetgrid绘制多变量

  • 课时61:本章数据代码下载(需PC登录,点击左下角参考资料)

  • 课时62:热度图绘制

  • 课时63:K近邻算法概述

  • 课时64:模型的评估

  • 课时65:数据预处理

  • 课时66:本章数据代码下载(需PC登录,点击左下角参考资料)

  • 课时67:sklearn库与功能

  • 课时68:多变量KNN模型

  • 课时69:回归问题概述

  • 课时70:误差项定义

  • 课时71:独立同分布的意义

  • 课时72:似然函数的作用

  • 课时73:参数求解

  • 课时74:所有算法PPT汇总下载

  • 课时75:梯度下降通俗解释

  • 课时76:参数更新方法

  • 课时77:优化参数设置

  • 课时78:逻辑回归算法原理

  • 课时79:化简与求解

  • 课时80:本章数据代码下载(需PC登录,点击左下角参考资料)

  • 课时81:Python实现逻辑回归任务概述

  • 课时82:完成梯度下降模块

  • 课时83:停止策略与梯度下降案例

  • 课时84:实验对比效果

  • 课时85:任务目标解读

  • 课时86:项目挑战与解决方案制定

  • 课时87:数据标准化处理

  • 课时88:下采样数据集制作

  • 课时89:交叉验证

  • 课时90:数据集切分

  • 课时91:模型评估方法与召回率

  • 课时92:正则化惩罚项

  • 课时93:训练逻辑回归模型

  • 课时94:混淆矩阵评估分析

  • 课时95:测试集遇到的问题

  • 课时96:阈值对结果的影响

  • 课时97:SMOTE样本生成策略

  • 课时98:过采样效果与项目总结

  • 课时99:本章数据代码下载(需PC登录,点击左下角参考资料)

  • 课时100:决策树算法概述

  • 课时101:熵的作用

  • 课时102:信息增益原理

  • 课时103:决策树构造实例

  • 课时104:信息增益率与gini系数

  • 课时105:预剪枝方法

  • 课时106:后剪枝方法

  • 课时107:回归问题解决

  • 课时108:本章数据代码下载(需PC登录,点击左下角参考资料)

  • 课时109:决策树复习

  • 课时110:决策树涉及参数

  • 课时111:树可视化与sklearn库简介

  • 课时112:sklearn参数选择

  • 课时113:集成算法-随机森林

  • 课时114:特征重要性衡量

  • 课时115:提升模型

  • 课时116:堆叠模型

  • 课时117:本章数据代码下载(需PC登录,点击左下角参考资料)

  • 课时118:集成算法实例概述

  • 课时119:ROC与AUC指标

  • 课时120:基础模型

  • 课时121:集成实例

  • 课时122:Stacking模型

  • 课时123:效果改进

  • 课时124:基于随机森林的气温预测任务概述

  • 课时125:基本随机森林模型建立

  • 课时126:可视化展示与特征重要性

  • 课时127:加入新的数据与特征

  • 课时128:数据与特征对结果的影响

  • 课时129:效率对比分析

  • 课时130:网格与随机参数选择

  • 课时131:随机参数选择方法实践

  • 课时132:调参优化细节

  • 课时133:本章数据代码下载

  • 课时134:贝叶斯算法概述

  • 课时135:贝叶斯推导实例

  • 课时136:贝叶斯拼写纠错实例

  • 课时137:垃圾邮件过滤实例

  • 课时138:贝叶斯实现拼写检查器

  • 课时139:本章数据代码下载(需PC登录,点击左下角参考资料)

  • 课时140:文本分析与关键词提取

  • 课时141:相似度计算

  • 课时142:新闻数据与任务简介

  • 课时143:TF-IDF关键词提取

  • 课时144:LDA建模

  • 课时145:基于贝叶斯算法进行新闻分类

  • 课时146:支持向量机算法要解决的问

  • 课时147:距离的定义

  • 课时148:要优化的目标

  • 课时149:目标函数

  • 课时150:拉格朗日乘子法

  • 课时151:SVM求解

  • 课时152:支持向量的作用

  • 课时153:软间隔问题

  • 课时154:核函数问题

  • 课时155:本章数据代码下载(需PC登录,点击左下角参考资料)

  • 课时156:支持向量机所能带来的效果

  • 课时157:决策边界可视化展示

  • 课时158:软间隔的作用

  • 课时159:非线性SVM

  • 课时160:核函数的作用与效果

  • 课时161:KMEANS算法概述

  • 课时162:KMEANS工作流程

  • 课时163:KMEANS迭代可视化展示

  • 课时164:使用Kmeans进行图像压缩

  • 课时165:DBSCAN聚类算法

  • 课时166:DBSCAN工作流程

  • 课时167:DBSCAN可视化展示

  • 课时168:本章数据代码下载(需PC登录,点击左下角参考资料)

  • 课时169:Kmenas算法常用操作

  • 课时170:聚类结果展示

  • 课时171:建模流程解读

  • 课时172:不稳定结果

  • 课时173:评估指标-Inertia

  • 课时174:如何找到合适的K值

  • 课时175:轮廓系数的作用

  • 课时176:Kmenas算法存在的问题

  • 课时177:应用实例-图像分割

  • 课时178:半监督学习

  • 课时179:DBSCAN算法

  • 课时180:PCA降维概述

  • 课时181:PCA要优化的目标

  • 课时182:PCA求解

  • 课时183:PCA实例

  • 课时184:初识神经网络

  • 课时185:计算机视觉所面临的挑战

  • 课时186:K近邻尝试图像分类

  • 课时187:超参数的作用

  • 课时188:线性分类原理

  • 课时189:神经网络-损失函数

  • 课时190:神经网络-正则化惩罚项

  • 课时191:神经网络-softmax分类器

  • 课时192:神经网络-最优化形象解读

  • 课时193:神经网络-梯度下降细节问题

  • 课时194:神经网络-反向传播

  • 课时195:神经网络架构

  • 课时196:神经网络实例演示

  • 课时197:神经网络过拟合解决方案

  • 课时198:感受神经网络的强大

  • 课时199:集成算法思想

  • 课时200:xgboost基本原理

  • 课时201:xgboost目标函数推导

  • 课时202:Xgboost安装

  • 课时203:保险赔偿任务概述

  • 课时204:Xgboost参数定义

  • 课时205:基础模型定义

  • 课时206:树结构对结果的影响

  • 课时207:学习率与采样对结果的影响

  • 课时208:本章数据代码下载

  • 课时209:自然语言处理与深度学习

  • 课时210:语言模型

  • 课时211:-N-gram模型

  • 课时212:词向量

  • 课时213:神经网络模型

  • 课时214:Hierarchical Softmax

  • 课时215:CBOW模型实例

  • 课时216:CBOW求解目标

  • 课时217:梯度上升求解

  • 课时218:负采样模型

  • 课时219:本章数据代码下载(需PC登录,点击左下角参考资料)

  • 课时220:使用Gensim库构造词向量

  • 课时221:维基百科中文数据处理

  • 课时222:Gensim构造word2vec模型

  • 课时223:测试模型相似度结果

  • 课时224:Sklearn工具包简介

  • 课时225:数据集切分

  • 课时226:交叉验证的作用

  • 课时227:交叉验证实验分析

  • 课时228:混淆矩阵

  • 课时229:评估指标对比分析

  • 课时230:阈值对结果的影响

  • 课时231:ROC曲线

  • 课时232:本章数据代码下载

  • 课时233:本章数据代码下载(需PC登录,点击左下角参考资料)

  • 课时234:Kobe Bryan生涯数据读取与简介

  • 课时235:特征数据可视化展示

  • 课时236:数据预处理

  • 课时237:使用Scikit-learn建立模型

  • 课时238:本章数据代码下载(需PC登录,点击左下角参考资料)

  • 课时239:章节简介

  • 课时240:Pandas生成时间序列

  • 课时241:Pandas数据重采样

  • 课时242:Pandas滑动窗口

  • 课时243:数据平稳性与差分法

  • 课时244:ARIMA模型

  • 课时245:相关函数评估方法

  • 课时246:建立ARIMA模型

  • 课时247:参数选择

  • 课时248:股票预测案例

  • 课时249:使用tsfresh库进行分类任务

  • 课时250:维基百科词条EDA

  • 课时251:本章数据代码下载(需PC登录,点击左下角参考资料)

  • 课时252:数据清洗过滤无用特征

  • 课时253:数据预处理

  • 课时254:获得最大利润的条件与做法

  • 课时255:预测结果并解决样本不均衡问题

  • 课时256:本章数据代码下载(需PC登录,点击左下角参考资料)

  • 课时257:数据背景介绍

  • 课时258:数据预处理

  • 课时259:尝试多种分类器效果

  • 课时260:结果衡量指标的意义

  • 课时261:应用阈值得出结果

  • 课时262:本章数据代码下载(需PC登录,点击左下角参考资料)

  • 课时263:内容简介

  • 课时264:数据背景介绍

  • 课时265:数据读取与预处理

  • 课时266:数据切分模块

  • 课时267:缺失值可视化分析

  • 课时268:特征可视化展示

  • 课时269:多特征之间关系分析

  • 课时270:报表可视化分析

  • 课时271:红牌和肤色的关系

  • 课时272:数据背景简介

  • 课时273:数据切片分析

  • 课时274:单变量分析

  • 课时275:峰度与偏度

  • 课时276:数据对数变换

  • 课时277:数据分析维度

  • 课时278:变量关系可视化展示

  • 课时279:建立特征工程

  • 课时280:特征数据预处理

  • 课时281:应用聚类算法得出异常IP点

课程概述

【云课堂数据分析与机器学习销冠课程,超4000名小伙伴加入】【连续多年荣获云课堂金云奖“最佳课程奖”,人工智能类“唯一”获奖课程,最佳合作伙伴】【课程同名配套教材《跟着迪哥学Python数据分析与机器学习实战》现已出版,加入课程免费送配套PDF版教材】配套教材获取请添加小助手微信:digexiaozhushou(迪哥小助手拼音)课程特色:1、机器学习算法全面覆盖,每个算法均有配套项目实战!2、通俗易懂,用最接地气的方式讲解复杂的算法与代码!3、五年沉底,精选配套案例,打造最适合初学者的实战路线图!4、同名配套教材免费提供,课程持续更新,永久有效!QQ讨论群:627350801(备注购买课程的ID或者订单号)

相关教程

Learnfk - TensorFlow教程

Learnfk - Clojure教程

Learnfk - Ruby教程

Learnfk - Python Web Scraping教程

Learnfk - 数据结构和算法教程

Learnfk - Node.js教程

随机推荐

掌阅iReaderSmart2到底要怎么选择,告诉你哪款性价比高

Razer评测下怎么样!良心点评配置区别

唱吧K歌宝小巨蛋G2Pro评测下来告诉你坑不坑,详细评测报告

贝亲独立开口三层奶粉盒户外便携入手使用1个月感受揭露,评测真的...

奥义瑜伽袜专业吸汗防滑运动袜评测哪一款功能更强大,评测比较哪...

格力加湿器家用卧室轻音内幕透露,测评大揭秘