机器学习讲师版—2536人已学习
课程介绍
![]()
AI100特邀中科院教授卿来云老师，从零开始讲解机器学习知识，45天系统实训！12个真实应用案例！直播+案例+实训，层层递进，直通机器学习的本质及其应用！ 该系列课程包括机器学习所需的数学基础、算法应用、模型及实际案例。讲师，干货十足，课程群实时答疑，机器学习相关资料不定期分享。手把手领你走进机器学习的大门！
课程收益
从原理到实战应用，摆脱枯燥的公式，由浅入深，为快速进入人工智能行业，进军金融、医疗、教育等领域，成为一名机器学习工程师，奠定坚实的基础！
讲师介绍
AI100 更多讲师课程
AI100致力于推进人工智能和数据科学领域的人才培养。目标是在 2025 年前为中国培养100万人工智能工程师，200万各行业数据科学讲师，帮助30万中国企业走向智能化。
课程大纲
第1章:机器学习简介
1. （一）机器学习概述 5:29
2. （二）机器学习应用场景举例 21:56
3. （三）常见机器学习任务 25:58
4. （四）一个典型的机器学习案例 20:33
5. （五）机器学习组成部分 31:30
6. （六）总结 6:52
7. （七）课堂测试和作业：回归问题数据集 12:51
8. （八）第一节课课后答疑 4:21
第2章:第一个机器学习实例
1. 第一个机器学习实例（上） 01:08:54
2. 第一个机器学习实例（下） 01:08:54
3. （一）学习环境搭建 30:43
4. （二）机器学习案例：波士顿房价预测 3:58
5. （三）数据读取 6:05
6. （四）数据预处理 31:08
7. （五）模型训练 20:42
8. （六）梯度下降算法及优化 6:14
9. （七）模型评估 38:37
第3章:Logistic回归分析及神经网络
1. （一）Logistic回归基本原理 34:33
2. （二）多类Logistic回归 6:09
3. （三）分类模型的评价 28:05
4. （四）Scikit learn 中的Logistic回归实现 19:01
5. （五）模型选择与参数调优 5:22
6. （六）案例分析 25:21
第4章:支持向量机（SVM）
1. 支持向量机（SVM）（完整版-上） 57:10
2. 支持向量机（SVM）（完整版-下） 54:16
第5章:降维与矩阵分解
1. (一)神经网络基本原理 13:12
2. （二）优化：反向传播（BP） 26:46
3. （三）Scikit learn实现 4:03
4. （四）案例分析：书写数字识别 9:14
5. （五）PCA原理 29:36
6. （六）Scikit learn中的PCA实现 31:19
第6章:聚类
1. （一）聚类概览 5:04
2. （二）常用聚类算法 5:57
3. （三）K-means 31:54
4. （四）层次聚类 13:37
5. （五）Affinity Propagation 10:49
6. （六）DBSCAN 12:32
7. （七）聚类性能评估 21:48
8. （八）案例分析 23:43
第7章:特征工程
1. 特征工程(上) 01:12:08
2. 特征工程 (下) 51:48
第8章:决策树及基于树的集成模型：随机森林
1. 分类回归树 53:15
2. 随机森林 01:02:07
第9章:梯度提升决策树（GBDT）
1. 梯度提升决策树（GBDT）（上） 57:03
2. 梯度提升决策树（GBDT）（下） 57:04
第10章:梯度提升决策树（GBDT）二
1. 梯度提升决策树（GBDT）二 01:44:35
第11章:推荐系统与广告点击率（CTR）预估
1. （一）推荐系统出现的背景 17:53
2. （二）基于协同过滤的推荐 49:19
3. （三）基于内容的推荐 12:37
4. （四）基于知识的推荐 3:06
5. （五）推荐系统的评价 10:37
6. （六）案例分析：事件推荐 33:10
第12章:广告点击率（CTR）预估和模型融合
1. 广告点击率（CTR）预估和模型融合（完整版） 02:15:09
大家可以点击【 查看详情】查看我的课程
课程介绍
AI100特邀中科院教授卿来云老师，从零开始讲解机器学习知识，45天系统实训！12个真实应用案例！直播+案例+实训，层层递进，直通机器学习的本质及其应用！ 该系列课程包括机器学习所需的数学基础、算法应用、模型及实际案例。讲师，干货十足，课程群实时答疑，机器学习相关资料不定期分享。手把手领你走进机器学习的大门！
课程收益
从原理到实战应用，摆脱枯燥的公式，由浅入深，为快速进入人工智能行业，进军金融、医疗、教育等领域，成为一名机器学习工程师，奠定坚实的基础！
讲师介绍
AI100 更多讲师课程
AI100致力于推进人工智能和数据科学领域的人才培养。目标是在 2025 年前为中国培养100万人工智能工程师，200万各行业数据科学讲师，帮助30万中国企业走向智能化。
课程大纲
第1章:机器学习简介
1. （一）机器学习概述 5:29
2. （二）机器学习应用场景举例 21:56
3. （三）常见机器学习任务 25:58
4. （四）一个典型的机器学习案例 20:33
5. （五）机器学习组成部分 31:30
6. （六）总结 6:52
7. （七）课堂测试和作业：回归问题数据集 12:51
8. （八）第一节课课后答疑 4:21
第2章:第一个机器学习实例
1. 第一个机器学习实例（上） 01:08:54
2. 第一个机器学习实例（下） 01:08:54
3. （一）学习环境搭建 30:43
4. （二）机器学习案例：波士顿房价预测 3:58
5. （三）数据读取 6:05
6. （四）数据预处理 31:08
7. （五）模型训练 20:42
8. （六）梯度下降算法及优化 6:14
9. （七）模型评估 38:37
第3章:Logistic回归分析及神经网络
1. （一）Logistic回归基本原理 34:33
2. （二）多类Logistic回归 6:09
3. （三）分类模型的评价 28:05
4. （四）Scikit learn 中的Logistic回归实现 19:01
5. （五）模型选择与参数调优 5:22
6. （六）案例分析 25:21
第4章:支持向量机（SVM）
1. 支持向量机（SVM）（完整版-上） 57:10
2. 支持向量机（SVM）（完整版-下） 54:16
第5章:降维与矩阵分解
1. (一)神经网络基本原理 13:12
2. （二）优化：反向传播（BP） 26:46
3. （三）Scikit learn实现 4:03
4. （四）案例分析：书写数字识别 9:14
5. （五）PCA原理 29:36
6. （六）Scikit learn中的PCA实现 31:19
第6章:聚类
1. （一）聚类概览 5:04
2. （二）常用聚类算法 5:57
3. （三）K-means 31:54
4. （四）层次聚类 13:37
5. （五）Affinity Propagation 10:49
6. （六）DBSCAN 12:32
7. （七）聚类性能评估 21:48
8. （八）案例分析 23:43
第7章:特征工程
1. 特征工程(上) 01:12:08
2. 特征工程 (下) 51:48
第8章:决策树及基于树的集成模型：随机森林
1. 分类回归树 53:15
2. 随机森林 01:02:07
第9章:梯度提升决策树（GBDT）
1. 梯度提升决策树（GBDT）（上） 57:03
2. 梯度提升决策树（GBDT）（下） 57:04
第10章:梯度提升决策树（GBDT）二
1. 梯度提升决策树（GBDT）二 01:44:35
第11章:推荐系统与广告点击率（CTR）预估
1. （一）推荐系统出现的背景 17:53
2. （二）基于协同过滤的推荐 49:19
3. （三）基于内容的推荐 12:37
4. （四）基于知识的推荐 3:06
5. （五）推荐系统的评价 10:37
6. （六）案例分析：事件推荐 33:10
第12章:广告点击率（CTR）预估和模型融合
1. 广告点击率（CTR）预估和模型融合（完整版） 02:15:09
大家可以点击【 查看详情】查看我的课程
扫一扫
252
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
