2018年零基础实战机器学习(Python语言、算法、Numpy库、MatplotLib)视频+源码+课件

作者: admin 分类: 机器学习和人工智能教程合集 发布时间: 2018-02-07 02:53

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。

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.

开发工具:Python win;

 

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。

 

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。

第一讲:机器学习的任务和方法

第二讲:Python语言基础

第三讲:Python语言基础2

第四讲:分类算法介绍

第五讲:k-临近算法

第六讲:决策树

第七讲:基于概率论的分类方法:朴素贝叶斯

第八讲:Logistic回归

第九讲:支持向量机

第十讲:利用AdaBoost元算法提高分类性能

第十一讲:利用回归预测数值型数据

第十二讲:树回归

第十三讲:无监督学习

第十四讲:利用K-均值聚类算法对未标注数据分组

第十五讲:使用Apriori算法进行关联分析

第十六讲:使用FP-growth算法来高效发现频分项集

第十七讲:利用PCA来简化数据

第十八讲:利用SVD简化数据

第十九讲:大数据与MapReduce

第二十讲:学习总结

如果觉得我的文章对您有用,请随意打赏。您的支持将鼓励我继续创作!