Python-机器学习-进阶实战

Python-机器学习-进阶实战

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:课程简介

  • 课时2:基本数值特征

  • 课时3:常用特征构造手段

  • 课时4:时间特征处理

  • 课时5:文本特征处理

  • 课时6:构造文本向量

  • 课时7:词向量特征

  • 课时8:计算机眼中的图像

  • 课时9:数据代码-下载(在参考资料,需PC登录)

  • 课时10:回归树模型

  • 课时11:Adaboost算法

  • 课时12:GBDT工作流程

  • 课时13:回归任务

  • 课时14:分类任务

  • 课时15:迭代可视化

  • 课时16:GBDT效果

  • 课时17:Xgboost效果

  • 课时18:lightGBM效果

  • 课时19:饭店流量数据介绍

  • 课时20:数据汇总

  • 课时21:离群点筛选

  • 课时22:特征提取

  • 课时23:lightgbm建模

  • 课时24:人口普查预测任务概述

  • 课时25:单特征与缺失值展示

  • 课时26:数据清洗

  • 课时27:特征工程

  • 课时28:单变量展示

  • 课时29:双变量分析

  • 课时30:开发新变量

  • 课时31:ROC与AUC

  • 课时32:机器学习模型

  • 课时33:线性判别分析要解决的问题

  • 课时34:线性判别分析要优化的目标

  • 课时35:线性判别分析求解

  • 课时36:实现线性判别分析进行降维任务

  • 课时37:求解得出降维结果

  • 课时38:贝叶斯优化概述

  • 课时39:工具包使用方法

  • 课时40:贝叶斯优化效果

  • 课时41:调整参数空间

  • 课时42:基础模型建立

  • 课时43:设置参数空间

  • 课时44:随机优化结果

  • 课时45:贝叶斯优化效果

  • 课时46:方法对比

  • 课时47:参数变化情况

  • 课时48:EM算法要解决的问题

  • 课时49:隐变量问题

  • 课时50:EM算法求解实例

  • 课时51:Jensen不等式

  • 课时52:GMM模型

  • 课时53:GMM实例

  • 课时54:GMM聚类

  • 课时55:马尔科夫模型

  • 课时56:隐马尔科夫模型基本出发点

  • 课时57:组成与要解决的问题

  • 课时58:暴力求解方法

  • 课时59:复杂度计算

  • 课时60:前向算法

  • 课时61:前向算法求解实例

  • 课时62:Baum-Welch算法

  • 课时63:维特比算法

  • 课时64:参数求解

  • 课时65:hmmlearn工具包

  • 课时66:工具包使用方法

  • 课时67:中文分词任务

  • 课时68:实现中文分词

  • 课时69:推荐系统应用

  • 课时70:推荐系统要完成的任务

  • 课时71:相似度计算

  • 课时72:基于用户的协同过滤

  • 课时73:基于物品的协同过滤

  • 课时74:隐语义模型

  • 课时75:隐语义模型求解

  • 课时76:模型评估标准

  • 课时77:音乐推荐任务概述

  • 课时78:数据集整合

  • 课时79:基于物品的协同过滤

  • 课时80:物品相似度计算与推荐

  • 课时81:SVD矩阵分解

  • 课时82:基于矩阵分解的音乐推荐

  • 课时83:数据与环境配置

  • 课时84:数据与关键词信息

  • 课时85:关键词云与直方图展示

  • 课时86:特征可视化

  • 课时87:数据清洗概述

  • 课时88:缺失值填充方法

  • 课时89:推荐引擎构造

  • 课时90:数据特征构造

  • 课时91:得出推荐结果

  • 课时92:数据集中的结果

  • 课时93:Bian与Variance曲线

  • 课时94:曲线实验结果

  • 课时95:任务概述

  • 课时96:词袋模型

  • 课时97:词袋模型分析

  • 课时98:TFIDF模型

  • 课时99:word2vec词向量模型

  • 课时100:深度学习模型

  • 课时101:影评情感分类

  • 课时102:基于词袋模型训练分类器

  • 课时103:准备word2vec输入数据

  • 课时104:使用gensim构建word2vec词向量

  • 课时105:数据与任务流程

  • 课时106:数据清洗

  • 课时107:batch数据制作

  • 课时108:网络训练

  • 课时109:可视化展示

  • 课时110:为什么要做自己的数据工具包

  • 课时111:工具包注释

  • 课时112:缺失值处理

  • 课时113:其他处理方式概述

  • 课时114:任务概述

  • 课时115:处理流程与数据简介

  • 课时116:数据处理

  • 课时117:单变量绘图分析

  • 课时118:离群点剔除

  • 课时119:变量与结果的关系

  • 课时120:多变量展示

  • 课时121:特征工程

  • 课时122:dataleakage问题

  • 课时123:基础模型对比

  • 课时124:选择参数

  • 课时125:测试模型

  • 课时126:模型解释

  • 课时127:模型分析

课程概述

机器学习进阶实战课程旨在帮助大家掌握当下热门算法与项目实战工作。算法讲解通俗易懂,并配套丰富的案例实战帮助大家理解与应用。课程以Python为核心工具,基于真实数据集进行实战任务,从零开始进行案例演示,非常适合基础一般的同学。课程还为大家精心准备了多个项目实战内容,这些都可以作为实战经验来准备面试。所有的课程均提供相关课件,数据与代码来方便大家学习。

教程推荐

Docker在线教程

React Native在线教程

Erlang在线教程

数据结构和算法在线教程

PDFbox在线教程

HTML5在线教程

随机推荐

gb好孩子儿童枕头评测教你怎么选,测评大揭秘

小米加湿器纯净式无雾加湿卧室家用办公室桌面真的好吗!要注意哪...

捷昇JIESHENG多功能工兵铲分析应该怎么选择,评测哪款值得买

牧高笛双人双层高山四季防风防雨带雪裙铝杆帐篷质量怎么样值不值...

西伯利亚XIBERIAK5游戏耳机性能评测,使用感受

西门子Siemens咖啡机全自动家用豆粉两用使用情况,哪款性价比更好