教育行業(yè)A股IPO第一股（股票代碼 003032）

全國(guó)咨詢/投訴熱線：400-618-4000

人工智能基礎(chǔ)視頻教程：7天入門機(jī)器學(xué)習(xí)[傳智播客]

更新時(shí)間:2019年11月14日11時(shí)58分 來(lái)源:傳智播客 瀏覽次數(shù):

機(jī)器學(xué)習(xí)教程

7天入門機(jī)器學(xué)習(xí)

初級(jí)

共7天課
在機(jī)器學(xué)習(xí)算法篇，你將學(xué)習(xí)到經(jīng)典的機(jī)器學(xué)習(xí)算法，如KNN，線性回歸、嶺回歸、邏輯回歸，決策樹(shù)算法、KMeans算法、Bagging、隨機(jī)森林、GBDT等，深入淺出，帶你在掌握算法原理的同時(shí)，利用經(jīng)典機(jī)器學(xué)習(xí)庫(kù)scikit-learn實(shí)現(xiàn)不同案例。

下載完整視頻（已有7246人下載）

一、課程簡(jiǎn)介
人工智能入門第一課——從人工智能的概述、發(fā)展歷程和主要分支等內(nèi)容切入講解，對(duì)人工智能進(jìn)行宏觀的闡述。隨后著重講到兩個(gè)模塊：人工智能中科學(xué)計(jì)算庫(kù)和機(jī)器學(xué)習(xí)常見(jiàn)經(jīng)典算法。
在人工智能科學(xué)計(jì)算庫(kù)中，你將會(huì)學(xué)習(xí)到，如何使用matplotlib進(jìn)行繪圖；如何使用numpy進(jìn)行運(yùn)算；如何使用pandas對(duì)數(shù)據(jù)完成基本的預(yù)處理。
在機(jī)器學(xué)習(xí)算法篇，你將學(xué)習(xí)到經(jīng)典的機(jī)器學(xué)習(xí)算法，如KNN，線性回歸、嶺回歸、邏輯回歸，決策樹(shù)算法、KMeans算法、Bagging、隨機(jī)森林、GBDT等，深入淺出，帶你在掌握算法原理的同時(shí)，利用經(jīng)典機(jī)器學(xué)習(xí)庫(kù)scikit-learn實(shí)現(xiàn)不同案例。
最后，通過(guò)“吃雞”游戲，檢驗(yàn)?zāi)阕约旱膶W(xué)習(xí)效果，生動(dòng)體驗(yàn)機(jī)器學(xué)習(xí)的魅力。
二、課程特色亮點(diǎn)
宏觀了解人工智能整體脈絡(luò)
化繁為簡(jiǎn)、算法講解清晰明了
“學(xué)”和“做”結(jié)合，邊學(xué)習(xí)，邊練習(xí)，加深知識(shí)理解
結(jié)合“吃雞”游戲，體驗(yàn)機(jī)器學(xué)習(xí)魅力所在
三、課程內(nèi)容介紹
模塊一
•第一章 機(jī)器學(xué)習(xí)概述
1.人工智能概述
2.人工智能發(fā)展歷程
3.人工智能主要分支
4.機(jī)器學(xué)習(xí)工作流程
5.機(jī)器學(xué)習(xí)算法分類
6.模型評(píng)估
7.Azure機(jī)器學(xué)習(xí)模型搭建實(shí)驗(yàn)
8.深度學(xué)習(xí)簡(jiǎn)介
•第二章 機(jī)器學(xué)習(xí)基礎(chǔ)環(huán)境安裝與使用
1.庫(kù)的安裝
2.jupyter notebook使用
•第三章 Matplotlib
1.Matplotlib之HelloWorld
2.基礎(chǔ)繪圖功能 — 以折線圖為例
3.常見(jiàn)圖形繪制
•第四章 Numpy
1.Numpy的優(yōu)勢(shì)
2.N維數(shù)組-ndarray
3.基本操作
4.ndarray運(yùn)算
5.數(shù)組間的運(yùn)算
6.數(shù)學(xué)：矩陣
•第五章 Pandas
1.Pandas介紹
2.Pandas數(shù)據(jù)結(jié)構(gòu)
3.基本數(shù)據(jù)操作
4.DataFrame運(yùn)算
5.Pandas畫圖
6.文件讀取與存儲(chǔ)
7.高級(jí)處理-缺失值處理
8.高級(jí)處理-數(shù)據(jù)離散化
9.高級(jí)處理-合并
10.高級(jí)處理-交叉表與透視表
11.高級(jí)處理-分組與聚合
12.案例
模塊二
•第一章 K-近鄰算法
1.K-近鄰算法簡(jiǎn)介
2.k近鄰算法api初步使用
3.距離度量
4.k值的選擇
5.kd樹(shù)
6.案例1：鳶尾花種類預(yù)測(cè)--數(shù)據(jù)集介紹
7.特征工程-特征預(yù)處理
8.案例1：鳶尾花種類預(yù)測(cè)--流程實(shí)現(xiàn)
9.交叉驗(yàn)證，網(wǎng)格搜索
10.案例2：預(yù)測(cè)facebook簽到位置
•第二章 線性回歸
1.線性回歸簡(jiǎn)介
2.線性回歸api初步使用
3.數(shù)學(xué):求導(dǎo)
4.線性回歸的損失和優(yōu)化
5.梯度下降法方法介紹
6.線性回歸api再介紹
7.案例：波士頓房?jī)r(jià)預(yù)測(cè)
8.欠擬合和過(guò)擬合
9.正則化線性模型
10.線性回歸的改進(jìn)-嶺回歸
11.模型的保存和加載
•第三章 邏輯回歸
1.邏輯回歸介紹
2.邏輯回歸api介紹
3.案例：癌癥分類預(yù)測(cè)-良／惡性乳腺癌腫瘤預(yù)測(cè)
4.分類評(píng)估方法
5.ROC曲線的繪制
•第四章 決策樹(shù)算法
1.決策樹(shù)算法簡(jiǎn)介
2.決策樹(shù)分類原理
3.cart剪枝
4.特征工程-特征提取
5.決策樹(shù)算法api
6.案例：泰坦尼克號(hào)乘客生存預(yù)測(cè)
•第五章 集成學(xué)習(xí)
1.集成學(xué)習(xí)算法簡(jiǎn)介
2.Bagging和隨機(jī)森林
3.Boosting
•第六章 聚類算法
1.聚類算法簡(jiǎn)介
2.聚類算法api初步使用
3.聚類算法實(shí)現(xiàn)流程
4.模型評(píng)估
5.算法優(yōu)化
6.特征工程-特征降維
7.案例：探究用戶對(duì)物品類別的喜好細(xì)分降維
8.算法選擇指導(dǎo)

推薦系統(tǒng)了解傳智播客人工智能課程。

領(lǐng)取資源

0 分享到：
和我們?cè)诰€交談！