Python3入门机器学习 经典算法与应用完整版课程目录
第1章 欢迎来到 Python3 玩转机器学习
1-1导学.mp4
1-2 课程涵盖的内容和理念.mp4
1-3 课程所使用的主要技术栈.mp4
第2章 机器学习基础
2-1 机器学习世界的数据.mp4
2-2 机器学习的主要任务.mp4
2-3 监督学习,非监督学习,半监督学习和增强学习.mp4
2-4 批量学习,在线学习,参数学习和非参数学习.mp4
2-5 和机器学习相关的哲学思考.mp4
2-6 课程使用环境搭建.mp4
第3章 Jupyter Notebook, numpy和m
3-1 jupyter notebook基础.mp4
3-10 Numpy中的比较和FancyIndexing.mp4
3-11 Matplotlib数据可视化基础.mp4
3-12 数据加载和简单的数据探索.mp4
3-2 jupyter notebook中的魔法命令.mp4
3-3 Numpy数据基础.mp4
3-4 创建numpy数组和矩阵.mp4
3-5 Numpy数组的基本操作.mp4
3-6 Numpy数组的合并与分割.mp4
3-7 Numpy中的矩阵运算.mp4
3-8 Numpy中的聚合运算.mp4
3-9 Numpy中的arg运算.mp4
第4章 最基础的分类算法-k近邻算法 kNN
4-1 k近邻算法基础.mp4
4-2 scikit-learn中的机器学习算法封装.mp4
4-3 训练数据集,测试数据集.mp4
4-4 分类准确度.mp4
4-5 超参数.mp4
4-6 网格搜索与k近邻算法中更多超参数.mp4
4-7 数据归一化.

这是一门Python3入门机器学习的课程,涵盖了从机器学习基础到经典算法的详细讲解,包括Jupyter Notebook、numpy、matplotlib等工具的使用,以及k近邻算法、线性回归、梯度下降、PCA、逻辑回归等核心概念和实现。
最低0.47元/天 解锁文章
636

被折叠的 条评论
为什么被折叠?



