2017年7月python数据分析与机器学习实战唐宇迪
已测

2017年7月python数据分析与机器学习实战唐宇迪

2017-10-16 14:04:00      大数据/机器学习机器学习/数据分析     官方发布         

本站优势: 自动发货 自助充值 完整不加密高清视频更新最快
会员专属

VIP会员免费下载本站所有课程,非VIP用户原价购买!立即升级

43 3680

课程介绍:

课程介绍


适用人群

数据分析,机器学习,数据挖掘领域研究者。Python语言使用者。


课程概述:

使用数据领域最主流语言Python及其分析与建模库作为核心武器。对于机器学习经典算法给出完整的原理推导并基于实例进行讲解,基于案例演示如何应用机器学习算法解决实际问题。


课程特色:

1.        通俗易懂,快速入门

对机器学习经典算法结合数学推导进行形象解释,实例演示。

2.        Python主导,实用高效

使用数据领域最主流语言Python及其分析与建模库作为课程核心工具。

3.        案例为师,实战护航

基于真实数据集,从零开始结合Python工具与机器学习算法完成整个案例实战。

4.        持续更新,一劳永逸

Python数据分析与机器学习课程会支持更新下去,逐步加入更多算法与案例。


课程学习路线图:



目录

章节1: Python科学计算库-Numpy

        课时1课程介绍(主题与大纲)  10:46

        课时2机器学习概述  10:04

        课时3使用Anaconda安装python环境(Python新手先看这个)  13:10  

        课时4课程数据,代码,PPT(在参考资料界面)

        课时5科学计算库Numpy  10:32

        课时6Numpy基础结构  10:41

        课时7Numpy矩阵基础  05:55

        课时8Numpy常用函数  12:02

        课时9矩阵常用操作  10:18

        课时10不同复制操作对比  10:49


章节2: python数据分析处理库-Pandas

        课时11Pandas数据读取  11:50

        课时12Pandas索引与计算  10:26

        课时13Pandas数据预处理实例  13:01

        课时14Pandas常用预处理方法  11:11

        课时15Pandas自定义函数  07:44

        课时16Series结构  12:29


章节3: Python数据可视化库-Matplotlib

        课时17折线图绘制  08:25

        课时18子图操作  14:05

        课时19条形图与散点图  10:12

        课时20柱形图与盒图  10:17

        课时21细节设置  06:13


章节4: Python可视化库Seaborn

        课时22Seaborn简介  02:44

        课时23整体布局风格设置  07:48

        课时24风格细节设置  06:50

        课时25调色板  10:40

        课时26调色板颜色设置  08:18

        课时27单变量分析绘图  09:38

        课时28回归分析绘图  08:53

        课时29多变量分析绘图  10:36

        课时30分类属性绘图  09:40

        课时31Facetgrid使用方法  08:50

        课时32Facetgrid绘制多变量  08:30

        课时33热度图绘制  14:19


章节5: 回归算法

        课时34回归算法综述  09:42

        课时35回归误差原理推导  13:01

        课时36回归算法如何得出最优解  12:05

        课时37基于公式推导完成简易线性回归  08:40

        课时38逻辑回归与梯度下降  16:59

        课时39使用梯度下降求解回归问题  15:13


章节6: 决策树

        课时40决策树算法综述  09:40

        课时41决策树熵原理  13:20

        课时42决策树构造实例  11:00

        课时43信息增益原理  05:27

        课时44信息增益率的作用  16:39

        课时45决策树剪枝策略  12:08

        课时46随机森林模型  09:15

        课时47决策树参数详解  17:49


章节7: 贝叶斯算法

        课时48贝叶斯算法概述  06:58

        课时49贝叶斯推导实例  07:38

        课时50贝叶斯拼写纠错实例  11:46

        课时51垃圾邮件过滤实例  14:10

        课时52贝叶斯实现拼写检查器  12:21


章节8: 支持向量机

        课时53支持向量机要解决的问题  12:01

        课时54支持向量机目标函数  10:01

        课时55支持向量机目标函数求解  10:05

        课时56支持向量机求解实例  14:18

        课时57支持向量机软间隔问题  06:55

        课时58支持向量核变换  10:17

        课时59SMO算法求解支持向量机  29:29


章节9: 神经网络

        课时60初识神经网络  11:28

        课时61计算机视觉所面临的挑战  09:40

        课时62K近邻尝试图像分类  10:01

        课时63超参数的作用  10:31

        课时64线性分类原理  09:35

        课时65神经网络-损失函数  09:18

        课时66神经网络-正则化惩罚项  07:19

        课时67神经网络-softmax分类器  13:39

        课时68神经网络-最优化形象解读  06:47

        课时69神经网络-梯度下降细节问题  11:49

        课时70神经网络-反向传播  15:17

        课时71神经网络架构  10:11

        课时72神经网络实例演示  10:39

        课时73神经网络过拟合解决方案  15:54

        课时74感受神经网络的强大  11:30


章节10: Xgboost集成算法

        课时75集成算法思想  05:35

        课时76xgboost基本原理  11:07

        课时77xgboost目标函数推导  12:18

        课时78xgboost求解实例  11:29

        课时79xgboost安装  03:32

        课时80xgboost实战演示  14:44

        课时81Adaboost算法概述  13:01


章节11: 自然语言处理词向量模型-Word2Vec

        课时82自然语言处理与深度学习  11:58

        课时83语言模型  06:16

        课时84-N-gram模型  08:32

        课时85词向量  09:28

        课时86神经网络模型  10:03

        课时87Hierarchical Softmax  10:01

        课时88CBOW模型实例  11:21

        课时89CBOW求解目标  05:39

        课时90梯度上升求解  10:11

        课时91负采样模型  07:15


章节12: K近邻与聚类

        课时92无监督聚类问题  16:04

        课时93聚类结果与离群点分析  12:55

        课时94K-means聚类案例对NBA球员进行评估  14:23

        课时95使用Kmeans进行图像压缩  07:58

        课时96K近邻算法原理  12:34

        课时97K近邻算法代码实现  18:44


章节13: PCA降维与SVD矩阵分解

        课时98PCA基本原理  10:48

        课时99PCA实例  08:34

        课时100SVD奇异值分解原理  10:08

        课时101SVD推荐系统应用实例  13:31


章节14: scikit-learn模型建立与评估

        课时102使用python库分析汽车油耗效率  15:09

        课时103使用scikit-learn库建立回归模型  14:02

        课时104使用逻辑回归改进模型效果  13:12

        课时105 模型效果衡量标准  20:09

        课时106ROC指标与测试集的价值  14:31

        课时107交叉验证  15:15

        课时108多类别问题  15:52


章节15: Python库分析科比生涯数据

        课时109Kobe Bryan生涯数据读取与简介  07:45

        课时110特征数据可视化展示  11:41

        课时111数据预处理  12:32

        课时112使用Scikit-learn建立模型  10:12


章节16: 机器学习项目实战-泰坦尼克获救预测.

        课时113船员数据分析  11:024

        课时114数据预处理  11:39

        课时115使用回归算法进行预测  12:13

        课时116使用随机森林改进模型  13:25

        课时117随机森林特征重要性分析  15:55


章节17: 机器学习项目实战-交易数据异常检测

        课时118案例背景和目标  08:32

        课时119样本不均衡解决方案  10:18

        课时120下采样策略  06:36

        课时121交叉验证  13:03

        课时122模型评估方法  13:06

        课时123正则化惩罚  08:09

        课时124逻辑回归模型  07:37

        课时125混淆矩阵  08:53

        课时126逻辑回归阈值对结果的影响  10:01

        课时127SMOTE样本生成策略  15:51


章节18: Python文本数据分析:新闻分类任务

        课时128文本分析与关键词提取  12:11

        课时129相似度计算  11:44

        课时130新闻数据与任务简介  10:20

        课时131TF-IDF关键词提取  13:28

        课时132LDA建模  09:10

        课时133基于贝叶斯算法进行新闻分类  14:53


章节19: Python时间序列分析

        课时134章节简介  01:03

        课时135Pandas生成时间序列  11:28

        课时136Pandas数据重采样  09:22

        课时137Pandas滑动窗口  07:47

        课时138数据平稳性与差分法  11:10

        课时139ARIMA模型  10:34

        课时140相关函数评估方法  10:46

        课时141建立ARIMA模型  07:48

        课时142参数选择  12:40

        课时143股票预测案例  09:57

        课时144使用tsfresh库进行分类任务  12:04

        课时145维基百科词条EDA  14:30


章节20: 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21: 机器学习项目实战-贷款申请最大化利润

        课时150数据清洗过滤无用特征  12:08

        课时151数据预处理  10:12

        课时152获得最大利润的条件与做法  13:26

        课时153预测结果并解决样本不均衡问题  12:47


章节22: 机器学习项目实战-用户流失预警

        课时154数据背景介绍  06:35

        课时155数据预处理  10:05

        课时156尝试多种分类器效果  08:32

        课时157结果衡量指标的意义  19:50

        课时158应用阈值得出结果  06:26


章节23: 探索性数据分析-足球赛事数据集

        课时159内容简介  02:13

        课时160数据背景介绍  10:30

        课时161数据读取与预处理  13:09

        课时162数据切分模块  14:42

        课时163缺失值可视化分析  13:27

        课时164特征可视化展示  12:23

        课时165多特征之间关系分析  11:21

        课时166报表可视化分析  10:38

        课时167红牌和肤色的关系  17:16


章节24: 探索性数据分析-农粮组织数据集

        课时168数据背景简介  11:05

        课时169数据切片分析  17:26

        课时170单变量分析  15:21

        课时171峰度与偏度  11:37

        课时172数据对数变换  09:43

        课时173数据分析维度  06:55

        课时174变量关系可视化展示  12:22


章节25: 机器学习项目实战-HTTP日志聚类分析

        课时175建立特征工程  17:25

        课时176特征数据预处理  10:34

        课时177应用聚类算法得出异常IP点  17:59


43条历史评价
  1. 未评价,系统默认好评!

  2. 未评价,系统默认好评!

  3. 未评价,系统默认好评!

  4. 未评价,系统默认好评!

  5. 未评价,系统默认好评!

  6. 未评价,系统默认好评!

  7. 未评价,系统默认好评!

  8. 未评价,系统默认好评!

  9. 未评价,系统默认好评!

  10. 未评价,系统默认好评!

  11. 更多评论

购买须知:

Hi, 如果你对这套课程有疑问,可以跟我联系哦!

联系客服
Copyright © 2005-2018 昕昕网络教程
Hello,欢迎来咨询~
新手教程 技术支持 0771-6793789 电话咨询 回到顶部