机器学习入门实战—144人已学习
课程介绍
主要介绍了常用算法和原理推导,和numpy数组和矩阵,简单线性和逻辑回归,决策数,KNN,SVM 贝叶素 聚类等算法 通过这门课程可以很好的入门机器学习,案列分享算法在场景中的应用
课程收益
主要介绍了常用算法和原理推导,和numpy数组和矩阵,通过这门课程可以很好的快速入门机器学习,案列分享算法在场景中的应用
讲师介绍
齐向彬 更多讲师课程
9年开发经验,4年python开发经验,擅长数据分析,人工智能,web全栈开发
课程大纲
1. 试听 22:17
2. 什么是机器学习 5:54
3. 课程涵盖的内容 11:31
4. Numpy数据创建 8:39
5. Numpy数组和索引 11:05
6. Numpy数组的统计方法及集合的运算 4:49
7. Numpy中的数组和矩阵乘积 1:44
8. 最优化 6:00
9. 数据基础 4:53
10. Matplotlib的可视化基础 10:50
11. KNN算法 22:17
12. KNN分类器 8:19
13. 简单线形回归 21:50
14. 简单线形方程的推导 22:19
15. 简单线形方程的代码实现 13:15
16. 多元线性方程 13:47
17. 多元线性方程的实现 6:03
18. 逻辑回归 30:20
大家可以点击【 查看详情】查看我的课程
课程介绍
![jpg](https://img-bss.csdn.net/20186585346788_19520.jpg?imageMogr2/auto-orient/thumbnail/400x269!/format/jpg)
主要介绍了常用算法和原理推导,和numpy数组和矩阵,简单线性和逻辑回归,决策数,KNN,SVM 贝叶素 聚类等算法 通过这门课程可以很好的入门机器学习,案列分享算法在场景中的应用
课程收益
主要介绍了常用算法和原理推导,和numpy数组和矩阵,通过这门课程可以很好的快速入门机器学习,案列分享算法在场景中的应用
讲师介绍
齐向彬 更多讲师课程
9年开发经验,4年python开发经验,擅长数据分析,人工智能,web全栈开发
课程大纲
1. 试听 22:17
2. 什么是机器学习 5:54
3. 课程涵盖的内容 11:31
4. Numpy数据创建 8:39
5. Numpy数组和索引 11:05
6. Numpy数组的统计方法及集合的运算 4:49
7. Numpy中的数组和矩阵乘积 1:44
8. 最优化 6:00
9. 数据基础 4:53
10. Matplotlib的可视化基础 10:50
11. KNN算法 22:17
12. KNN分类器 8:19
13. 简单线形回归 21:50
14. 简单线形方程的推导 22:19
15. 简单线形方程的代码实现 13:15
16. 多元线性方程 13:47
17. 多元线性方程的实现 6:03
18. 逻辑回归 30:20
大家可以点击【 查看详情】查看我的课程