Python人工智能基础到实战课程-北方网视频

**

Python人工智能基础到实战课程

**
课程主要分为6大模块，带领大家逐步进步人工智能与数据科学领域。
第一阶段：Python语言及其数据领域工具包使用
本阶段旨在帮助大家快速掌握数据领域最常用的语言和工具包使用方法，全程实战！
第二阶段：Python网络爬虫
本阶段从零开始带领大家一步步爬取丰富的页面数据，自己动手丰衣足食！
第三阶段：机器学习算法与案例实战
本阶段注重机器学习算法原理推导，从零开始讲解每一个复杂的机器学习算法，基于真实数据集进行案例实战！
第四阶段：数据挖掘实战
本阶段从实战出发，以实际问题为目标建立机器学习

适合人群：高级
课时数量：190课时
用到技术：机器学习,人工智能,python,数据分析,数据挖掘,深度学习,图像识别
涉及项目：信用卡欺诈检测,泰坦尼克号船员获救预测,猫狗识别，验证码识别，人脸检测，人脸定位，物体检测，京东购买意向预测，用户画像，kaggle竞赛分析，xgboost保险索赔预

1.课程研发环境
课程基于windows环境进行讲解与代码演示,需要同学们搭建Python环境,推荐根据课时（使用Anaconda搭建python环境）来进行python和其依赖库的安装。

2.内容简介
课程主要分为6大模块，带领大家逐步进步人工智能与数据科学领域。

第一阶段：Python语言及其数据领域工具包使用
本阶段旨在帮助大家快速掌握数据领域最常用的语言和工具包使用方法，全程实战！

第二阶段：Python网络爬虫
本阶段从零开始带领大家一步步爬取丰富的页面数据，自己动手丰衣足食！

第三阶段：机器学习算法与案例实战
本阶段注重机器学习算法原理推导，从零开始讲解每一个复杂的机器学习算法，基于真实数据集进行案例实战！

第四阶段：数据挖掘实战
本阶段从实战出发，以实际问题为目标建立机器学习模型，从零开始完成一系列实战任务！

第五阶段：深度学习原理与框架
本阶段从神经网络基础开始讲起逐步进军AI高级网络架构，结合深度学习最主流框架tensorflow与caffe进行案例实战。

第六阶段：深度学习项目实战：
本阶段结合当下最热门AI技术，使用真实数据基于框架进行项目实战。

课程目录：

001.0101-AI时代首选Python
002.0102-Python我该怎么学
003.0103-人工智能的核心-机器学习
004.0104-机器学习怎么学？
005.0105-算法推导与案例
006.0201-Python环境配置
007.0202-Python库安装工具
008.0203-Notebook工具使用
009.0204-Python简介
010.0205-Python数值运算
011.0206-Python字符串操作
012.0207-1-索引结构
013.0207-2-List基础结构
014.0208-List核心操作
015.0209-字典基础定义
016.0210-字典的核心操作
017.0211-Set结构
018.0212-赋值机制
019.0213-判断结构
020.0214-循环结构
021.0215-函数定义
022.0216-模块与包
023.0217-异常处理模块
024.0218-文件操作
025.0219-类的基本定义
026.0220-类的属性操作
027.0221-时间操作
028.0222-Python练习题-1
029.0223-Python练习题-2
030.0224-Python练习题-3
031.0225-Python练习题-4
032.0301-Numpy概述
033.0302-Array数组
034.0303-数组结构
035.0304-数组类型
036.0305-数值运算
037.0306-排序操作
038.0307-数组形状操作
039.0308-数组生成函数
040.0309-常用生成函数
041.0310-四则运算
042.0311-随机模块
043.0312-文件读写
044.0313-数组保存
045.0314-练习题-1
046.0315-练习题-2
047.0316-练习题-3
048.0401-Pandas概述
049.0402-Pandas基本操作
050.0403-Pandas索引
051.0404-groupby操作
052.0405-数值运算
053.0406-对象操作
054.0407-对象操作2
055.0408-merge操作
056.0409-显示设置
057.0410-数据透视表
058.0411-时间操作
059.0412-时间序列操作
060.0413-Pandas常用操作
061.0414-Pandas常用操作2
062.0415-Groupby操作延伸
063.0416-字符串操作
064.0417-索引进阶
065.0418-Pandas绘图操作
066.0419-大数据处理技巧
067.0501-Matplotlib概述
068.0502-子图与标注
069.0503-风格设置
070.0504-条形图
071.0505-条形图细节
072.0506-条形图外观
073.0507-盒图绘制
074.0508-盒图细节
075.0509-绘图细节设置
076.0510-绘图细节设置2
077.0511-直方图与散点图
078.0512-3D图绘制
079.0513-pie图
080.0514-子图布局
081.0515-结合pandas与sklearn
082.0600-课程简介
083.0601-整体布局风格设置
084.0602-风格细节设置
085.0603-调色板
086.0604-调色板颜色设置
087.0605-单变量分析绘图
088.0606-回归分析绘图
089.0607-多变量分析绘图
090.0608-分类属性绘图