课程介绍:
机器学习是人工智能的一个分支。我们使用计算机设计一个条统,使它能够根据提供的训练数据按照一定的方式来学习;随着训练次数的增加,该条统可以在性能上不新学习和改进;通过参数优化的学习模型,能够用于预测相关问题的输出。
授课时长:
48小时
授课环境:
Python3
配套资料:
高清视频、课件讲义、源码
课程目录:
01.第一课:机器学习与数学分析
02.第二课:概率论与贝叶斯先验
03.第三课:矩阵和线性代数
04.第四课:Python基础
05.第五课:Python基础2-机器学习库
06.第六课:Python基础3-数据清洗和特征选择
07.第七课:回归
08.第八课:Logistic回归
09.第九课:回归实践
10.第十课:决策树和随机森林
11.第十一课:决策树和随机森林实践
12.第十二课:提升
13.第十三课:提升实践
14.第十四课:SVM
15.第十五课:SVM实践
16.第十六课:聚类(上)
17.第十七课:聚类(下)
18.第十八课:聚类实践
19.第十九课:EM算法
20.第二十课:EM算法实践
21.第二十一课:主题模型
22.第二十二课:主题模型实践
23.第二十三课:HMM
24.第二十四课:HMM实践