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