声明:本网站所有内容均为资源介绍学习参考,如有侵权请联系后删除
day1
1.机器学习科学计算库内容简介.mp4
2.人工智能概述.mp4
3.人工智能的发展历程.mp4
4.人工智能主要分支.mp4
5.机器学习定义工作流程概述.mp4
6.机器学习工作流程各步骤解释.mp4
7机器学习算法分类介绍.mp4
8.模型评估.mp4
9.Azure机器学习平台实验演示1.mp4
day2
10.Azure机器学习平台实验演示2.mp4
11.深度学习简介.mp4
12.基础环境安装.mp4
13.jupyter notebook的基本使用1.mp4
14.jupyter notebook的基本使用2.mp4
15.matplotib的基本使用.mp4
1.实现基础绘图某城市温度变换图.mp4
2.绘图辅助功能完善某城市温度变换图.mp4
3.在一个坐标系下绘制多个图像.mp4
4.在多个坐标系下绘制多个图像.mp4
5.常见图形绘制.mp4
6.numpy介绍.mp4
7.ndarray介绍.mp4
8.创建0,1数组,固定范围数组.mp4
9.创建随机数组.mp4
9.创建随机数组.mp4
10.数组的基本操作.mp4
11.ndarray的运算.mp4
12.数组间运算.mp4
13.矩阵复习.mp4
14.pandas介绍.mp4
1 5pandas数据结构-series.mp4
16.pandas数据结构-DataFrame1 .mp4
17.pandas数据结构-DataFrame2.mp4
18.panda数据结构-multindex和panel.mp4
day3
1.pandas中的索引l.mp4
2.赋值和排序.mp4
3.pandas中的算术运算和逻辑运算.mp4
4.pandas中的统计函数.mp4
5.pandas中的累计统计函数和自定义函数.mp4
6.pandas中绘图方式介绍.mp4
7.pandas中文件的读取和写入.mp4
8.缺失值的处理.mp4
9.数据离散化.mp4
10.数据表的合并.mp4
11.交叉表和透视表介绍.mp4
12.分组聚合介绍.mp4
13.星巴克案例实现.mp4
14.电影案例分析1.mp4
15.电影案例分析.mp4
day4
1.K近邻算法简介.mp4
2.K近邻算法api初步使用.mp4
3.机器学习中距离度量介绍.mp4
4.K值的选择介绍.mp4
5.kd树和kd树的构造过程.mp4
6.kd树案例实现.mp4
7.数据集获取和属性介绍.mp4
8.数据可视化介绍.mp4
9.数据集的划分.mp4
day5
10.特征预处理简介.mp4
11.归一化和标准化介绍.mp4
12.莺尾花种类预测.mp4
13.KNN算法总结.mp4
14.交叉验证、网格搜索概念介绍.mp4
15.交叉验证、网格搜索案例实现.mp4
1.案例Facebook位置预测流程分析mp4
2.案例Facebook位置预测代码实现1.mp4
3.案例-Facebook位置预测代码实现2.mp4
4.线性回归简介.mp4
5.初始线性回归api.mp4
6.数学:求导.mp4.
7.线性回归中损失函数的介绍.mp4
8.使用正规方程对损失函数进行优化.mp4
9.使用梯度下降法对损失函数进行优化.mp4
day6
10.梯度下降法方法介绍.mp4
11.线性回归api再介绍.mp4
12.波士顿房价预测案例.mp4
13.欠拟合和过拟合的介绍.mp4
14.正则化线性模型.mp4
15.岭回归介绍.mp4
16.模型保存和加载.mp4
1.逻辑回归介绍.mp4
10.基尼指数的介绍.mp4
11.:决策树划分原理小结.mp4
12.cart剪枝介绍.mp4
13.字典特征提取.mp4
14.英文文本特征提取.mp4
15.中文文本特征提取.mp4
16.fidf内容讲解.mp4
17决策树算法api介绍.mp4
18.秦坦尼克号乘客生存预则.mp4
19.树木可视化操作.mp4
2.逻辑回归3apl介绍.mp4
3.肿瘤预则案例.mp4
4.分类评估方法介绍.mp4
5.roc曲线绘制过程.mp4
6.决策树算法简介.mp4
7.熵的介绍,mp4
day7
8.信息增益的介绍.mp4
9.信息增益率的介绍.mp4
1.集成学习简介.mp4
10.算法优化介绍.mp4
11.特征降维内容介绍.mp4
12.pca降维介绍.mp4
13.用户对物品类别的喜好细分案例.mp4
14.算法选择指导.mp4
2.bagging和随机森林概念介绍.mp4
3.随机森林api实现.mp4
4.boosting概念介绍.mp4
5.GBDT内容介绍.mp4
6.聚类算法介绍.mp4
7.聚类算法ap初步实现.mp4
8.聚类算法实现流程.mp4
9.模型评估.mp4