|
零基础实战机器学习(Python语言、算法、Numpy库、MatplotLib) 2017年
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。, c) B P% Z# r6 -
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。( N7 i5 q1
老王：16年软件发工作经历，2年知名软件培训机构专职讲师经历、曾任项目经理、教学主管多年，在Window系统、移动平台的应用软件研发、人工智能的应用领域有很深的造诣。
第一章 机器学的任务和方法1-2.mp4
第二章 Python语言基础1-6.mp44 B& M
第二章 Python语言基础7-13.mp4
第三章 分类算法介绍1.mp4
第四章 k-临近算法1-7.mp4
第五章 决策树1-5.mp47 f* }8 @' F
第六章 基于概率论的分类方法：朴素贝叶斯1-6.mp4+ \#
第七章 Logistic回归1-6.mp4
第八章 支持向量机1-8.mp4
第九章 利用AdaBoost元算法提高分类性能1-5.mp4
第十章 利用回归预测数值型数据1-5.mp4
第十一章 树回归1-3.mp48 b, * T
第十二章 无监督学习1.mp4% o( ^ w/ f5 J2 R
第十三章 利用K-均值聚类算法对未标注数据分组1-2.mp4
第十四章 使用Apriori算法进行关联分析1-3.mp4
第十五章 使用FP-growth算法来高效发现频分项集1-3.mp4% P" ^0
第十六章 利用PCA来简化数据1-2.mp46 u! H/ |4 G%
第十七章 利用SVD简化数据1-3.mp4
第十八章 大数据与MapReduce1.mp4
第十九章 学习总结.mp4' d
资料包
下载地址：
| 
/1 
发表于 2018-1-31 23:54:03
变色卡
发表于 2018-4-1 13:09:58
