2018python数据分析与机器学习实战(视频+源码+课件)

作者: admin 分类: Python教程合集 发布时间: 2018-01-22 06:38
目录
章节1:人工智能入门指南(有基础的同学请略过!)
课时1课程介绍(主题与大纲)10:46
课时2AI时代首选Python09:20
课时3Python我该怎么学04:21
课时4人工智能的核心-机器学习10:35
课时5机器学习怎么学?08:37
课时6算法推导与案例08:19
章节2:Python科学计算库-Numpy
课时7使用Anaconda安装python环境(Python新手先看这个)13:10
课时8课程数据,代码,PPT(在参考资料界面)
课时9科学计算库Numpy10:32
课时10Numpy基础结构10:41
课时11Numpy矩阵基础05:55
课时12Numpy常用函数12:02
课时13矩阵常用操作10:18
课时14不同复制操作对比10:49
章节3:python数据分析处理库-Pandas
课时15Pandas数据读取11:50
课时16Pandas索引与计算10:26
课时17Pandas数据预处理实例13:01
课时18Pandas常用预处理方法11:11
课时19Pandas自定义函数07:44
课时20Series结构12:29
章节4:Python数据可视化库-Matplotlib
课时21折线图绘制08:25
课时22子图操作14:05
课时23条形图与散点图10:12
课时24柱形图与盒图10:17
课时25细节设置06:13
章节5:Python可视化库Seaborn
课时26Seaborn简介02:44
课时27整体布局风格设置07:48
课时28风格细节设置06:50
课时29调色板10:40
课时30调色板颜色设置08:18
课时31单变量分析绘图09:38
课时32回归分析绘图08:53
课时33多变量分析绘图10:36
课时34分类属性绘图09:40
课时35Facetgrid使用方法08:50
课时36Facetgrid绘制多变量08:30
课时37热度图绘制14:19
章节6:线性回归算法原理推导
课时38线性回归算法概述14:24
课时39误差项分析11:33
课时40似然函数求解09:36
课时41目标函数推导09:22
课时42线性回归求解10:57
章节7:梯度下降策略
课时43梯度下降原理11:42
课时44梯度下降方法对比07:20
课时45学习率对结果的影响06:09
章节8:逻辑回归算法
课时46逻辑回归算法原理推导10:52
课时47逻辑回归求解14:59
章节9:案例实战:Python实现逻辑回归与梯度下降策略
课时48Python实现逻辑回归任务概述07:34
课时49完成梯度下降模块12:51
课时50停止策略与梯度下降案例10:55
课时51实验对比效果10:25
章节10:项目实战-交易数据异常检测
课时52案例背景和目标08:32
课时53样本不均衡解决方案10:18
课时54下采样策略06:36
课时55交叉验证13:03
课时56模型评估方法13:06
课时57正则化惩罚08:09
课时58逻辑回归模型07:37
课时59混淆矩阵08:53
课时60逻辑回归阈值对结果的影响10:01
课时61SMOTE样本生成策略15:51
章节11:决策树算法
课时62决策树原理概述12:25
课时63衡量标准-熵11:04
课时64决策树构造实例10:09
课时65信息增益率05:49
课时66决策树剪枝策略15:31
章节12:案例实战:使用sklearn构造决策树模型
课时67决策树复习08:55
课时68决策树涉及参数11:09
课时69树可视化与sklearn库简介18:14
课时70sklearn参数选择11:46
章节13:集成算法与随机森林
课时71集成算法-随机森林12:03
课时72特征重要性衡量13:51
课时73提升模型11:15
课时74堆叠模型07:09
章节14:案例实战:泰坦尼克获救预测
课时75船员数据分析11:02
课时76数据预处理11:39
课时77使用回归算法进行预测12:13
课时78使用随机森林改进模型13:25
课时79随机森林特征重要性分析15:55
章节15:贝叶斯算法
课时80贝叶斯算法概述06:58
课时81贝叶斯推导实例07:38
课时82贝叶斯拼写纠错实例11:46
课时83垃圾邮件过滤实例14:10
课时84贝叶斯实现拼写检查器12:21
章节16:Python文本数据分析:新闻分类任务
课时85文本分析与关键词提取12:11
课时86相似度计算11:44
课时87新闻数据与任务简介10:20
课时88TF-IDF关键词提取13:28
课时89LDA建模09:10
课时90基于贝叶斯算法进行新闻分类14:53
章节17:支持向量机
课时91支持向量机要解决的问题10:06
课时92距离与数据的定义10:33
课时93目标函数09:41
课时94目标函数求解11:27
课时95SVM求解实例13:45
课时96支持向量的作用11:53
课时97软间隔问题06:46
课时98SVM核变换16:52
章节18:案例:SVM调参实例
课时99sklearn求解支持向量机11:24
课时100SVM参数选择14:00
章节19:聚类算法-Kmeans
课时101KMEANS算法概述11:34
课时102KMEANS工作流程09:42
课时103KMEANS迭代可视化展示08:20
课时104使用Kmeans进行图像压缩07:58
章节20:聚类算法-DBSCAN
课时105DBSCAN聚类算法11:04
课时106DBSCAN工作流程15:03
课时107DBSCAN可视化展示08:52
章节21:案例实战:聚类实践
课时108多种聚类算法概述04:34
课时109聚类案例实战17:19
章节22:降维算法-PCA主成分分析
课时110PCA降维概述08:39
课时111PCA要优化的目标12:22
课时112PCA求解10:18
课时113PCA实例08:34
章节23:神经网络
课时114初识神经网络11:28
课时115计算机视觉所面临的挑战09:40
课时116K近邻尝试图像分类10:01
课时117超参数的作用10:31
课时118线性分类原理09:35
课时119神经网络-损失函数09:18
课时120神经网络-正则化惩罚项07:19
课时121神经网络-softmax分类器13:39
课时122神经网络-最优化形象解读06:47
课时123神经网络-梯度下降细节问题11:49
课时124神经网络-反向传播15:17
课时125神经网络架构10:11
课时126神经网络实例演示10:39
课时127神经网络过拟合解决方案15:54
课时128感受神经网络的强大11:30
章节24:Xgboost集成算法
课时129集成算法思想05:35
课时130xgboost基本原理11:07
课时131xgboost目标函数推导12:18
课时132xgboost求解实例11:29
课时133xgboost安装03:32
课时134xgboost实战演示14:44
课时135Adaboost算法概述13:01
章节25:自然语言处理词向量模型-Word2Vec
课时136自然语言处理与深度学习11:58
课时137语言模型06:16
课时138-N-gram模型08:32
课时139词向量09:28
课时140神经网络模型10:03
课时141Hierarchical Softmax10:01
课时142CBOW模型实例11:21
课时143CBOW求解目标05:39
课时144梯度上升求解10:11
课时145负采样模型07:15
章节26:使用Gensim库构造中文维基百度数据词向量模型
课时146使用Gensim库构造词向量06:22
课时147维基百科中文数据处理10:27
课时148Gensim构造word2vec模型08:52
课时149测试模型相似度结果07:42
章节27:scikit-learn模型建立与评估
课时150使用python库分析汽车油耗效率15:09
课时151使用scikit-learn库建立回归模型14:02
课时152使用逻辑回归改进模型效果13:12
课时153 模型效果衡量标准20:09
课时154ROC指标与测试集的价值14:31
课时155交叉验证15:15
课时156多类别问题15:52
章节28:Python库分析科比生涯数据
课时157Kobe Bryan生涯数据读取与简介07:45
课时158特征数据可视化展示11:41
课时159数据预处理12:32
课时160使用Scikit-learn建立模型10:12
章节29:Python时间序列分析
课时161章节简介01:03
课时162Pandas生成时间序列11:28
课时163Pandas数据重采样09:22
课时164Pandas滑动窗口07:47
课时165数据平稳性与差分法11:10
课时166ARIMA模型10:34
课时167相关函数评估方法10:46
课时168建立ARIMA模型07:48
课时169参数选择12:40
课时170股票预测案例09:57
课时171使用tsfresh库进行分类任务12:04
课时172维基百科词条EDA14:30
章节30:机器学习项目实战-贷款申请最大化利润
课时173数据清洗过滤无用特征12:08
课时174数据预处理10:12
课时175获得最大利润的条件与做法13:26
课时176预测结果并解决样本不均衡问题12:47
章节31:机器学习项目实战-用户流失预警
课时177数据背景介绍06:35
课时178数据预处理10:05
课时179尝试多种分类器效果08:32
课时180结果衡量指标的意义19:50
课时181应用阈值得出结果06:26
章节32:探索性数据分析-足球赛事数据集
课时182内容简介02:13
课时183数据背景介绍10:30
课时184数据读取与预处理13:09
课时185数据切分模块14:42
课时186缺失值可视化分析13:27
课时187特征可视化展示12:23
课时188多特征之间关系分析11:21
课时189报表可视化分析10:38
课时190红牌和肤色的关系17:16
章节33:探索性数据分析-农粮组织数据集
课时191数据背景简介11:05
课时192数据切片分析17:26
课时193单变量分析15:21
课时194峰度与偏度11:37
课时195数据对数变换09:43
课时196数据分析维度06:55
课时197变量关系可视化展示12:22
章节34:机器学习项目实战-HTTP日志聚类分析
课时198建立特征工程17:25
课时199特征数据预处理10:34
课时200应用聚类算法得出异常IP
更多阅读