|
零基础实战机器学习(Python语言、算法、Numpy库、MatplotLib) 2017年
6 S! I! X$ d# y1 w% Z$ q
机器学习作为人工智能的一部分，已经应用于很多领域，远超过人们的想象，垃圾邮件的过滤，在线广告的推荐系统，还有目前发展飞快的物体识别、人脸识别和语音识别的发展，都是机器学习的应用的成果。机器学习在改善商业决策、提高生产率、检测疾病、预测天气等方面都有非常大的应用前景。
' Y. l3 A0 z( z) p1 ^4 @4 e
1. 课程研发环境
本课程的代码实现是基于Python语言，用到Numpy库和MatplotLib.. V6 D" H" T0 b1 n5 q
! ?1 W) Y% V$ J6 J* \
开发工具: Python win;5 E" T8 c5 A! u) ~# Q6 o5 A
8 ]4 p" o1 f$ J$ L
. x2 Q) T8 h: Q. o4 O- M: A
2. 内容简介
本教程系统的介绍了机器学习的目的和方法。并且针对每一种常用的方法进行了详细的解析，用实例来说明具体的实现，学生可以跟着一步步完成。在面对现实的问题的时候，可以找到非常可靠的参照。本课程在最开始讲解了Python语言的基础知识，以保证后面的课程中可以顺利进行。更多的Python语言的知识，需要学员自己去找更多的资料进行学习。
' ?) A" ^# \+ Y: h, O, h9 D8 C/ |
本课程主要讲述了两大类机器学习的方法：有监督学习和无监督学习，其中有监督学习里面，又分为分类和预测数值型数据。这些算法都是基础的算法。这样可以降低学习的难度，容易理解机器学习思路和实现的过程。
老王：16年软件发工作经历，2年知名软件培训机构专职讲师经历、曾任项目经理、教学主管多年，在Window系统、移动平台的应用软件研发、人工智能的应用领域有很深的造诣。; R/ F, ^2 q. n
" i& Q I; ^+ a) ~7 z
2 L6 _% e$ S" G9 B! C9 {8 m+ m
第一章 机器学的任务和方法1-2.mp49 C8 r. Y* ]8 R9 v
第二章 Python语言基础1-6.mp4- G) k7 L0 P( `/ X4 z* G& j
第二章 Python语言基础7-13.mp4* b3 I$ B: _' j
第三章 分类算法介绍1.mp46 E! u. l- F- S0 u. @& O
第四章 k-临近算法1-7.mp4/ F. W# y4 c7 w/ ?1 e1 k
第五章 决策树1-5.mp4
第六章 基于概率论的分类方法：朴素贝叶斯1-6.mp4# T. W3 w' V& @/ t% R0 ^9 R8 t! l( I
第七章 Logistic回归1-6.mp4
第八章 支持向量机1-8.mp4
第九章 利用AdaBoost元算法提高分类性能1-5.mp4 r1 H" P, o" f% v
第十章 利用回归预测数值型数据1-5.mp4
第十一章 树回归1-3.mp46 y: G3 b, E' E" w8 a
第十二章 无监督学习1.mp40 W1 G b1 I; k+ S9 x$ H. B: T
第十三章 利用K-均值聚类算法对未标注数据分组1-2.mp4
第十四章 使用Apriori算法进行关联分析1-3.mp4
第十五章 使用FP-growth算法来高效发现频分项集1-3.mp4
第十六章 利用PCA来简化数据1-2.mp42 p* d6 W8 K: ?7 A s% S; N
第十七章 利用SVD简化数据1-3.mp46 \* ?7 S+ G" X! S& c
第十八章 大数据与MapReduce1.mp4
第十九章 学习总结.mp4* u8 ^# c3 Q1 z7 q8 x5 u
资料包/ N3 ~3 [& R( [7 j8 p% k
| 
[复制链接]
