从零开始的机器学习项目—253人已学习
课程介绍
如果你对机器学习感兴趣,却又不知道如何下手?这个系列的视频就完全是为你打造的。
课程收益
你完全不用担心自己学不会,我们始终都会用恰到好处的理论,带着你一起体验机器学习的实践。所以,跟我们来吧~
讲师介绍
崔轶 更多讲师课程
泊学网站首席讲师,课程制作者。
课程大纲
1. Hello world in machine learning 9:25
2. 一个更真实的Decision Tree 7:34
3. 如何选择好的Features? 5:47
4. 进一步理解Classifier的训练过程 7:09
5. 从获取一个世界中的真实样本开始 4:44
6. 理解建模任务的类型 7:18
7. RMSE & MAE - 评估模型误差的数学方法 5:39
8. 范数究竟规范了什么 5:02
9. 基于Jupyter创建环境隔离的机器学习项目 7:34
10. 使用Python了解你的样本数据 8:11
11. 从原始样本中抽取测试集合 7:36
12. 塑形测试集合以满足实际样本分布 12:37
13. 挖掘样本中不易察觉的规律 12:21
14. 处理训练样本的常用方法 9:07
大家可以点击【 查看详情】查看我的课程
课程介绍
如果你对机器学习感兴趣,却又不知道如何下手?这个系列的视频就完全是为你打造的。
课程收益
你完全不用担心自己学不会,我们始终都会用恰到好处的理论,带着你一起体验机器学习的实践。所以,跟我们来吧~
讲师介绍
崔轶 更多讲师课程
泊学网站首席讲师,课程制作者。
课程大纲
1. Hello world in machine learning 9:25
2. 一个更真实的Decision Tree 7:34
3. 如何选择好的Features? 5:47
4. 进一步理解Classifier的训练过程 7:09
5. 从获取一个世界中的真实样本开始 4:44
6. 理解建模任务的类型 7:18
7. RMSE & MAE - 评估模型误差的数学方法 5:39
8. 范数究竟规范了什么 5:02
9. 基于Jupyter创建环境隔离的机器学习项目 7:34
10. 使用Python了解你的样本数据 8:11
11. 从原始样本中抽取测试集合 7:36
12. 塑形测试集合以满足实际样本分布 12:37
13. 挖掘样本中不易察觉的规律 12:21
14. 处理训练样本的常用方法 9:07
大家可以点击【 查看详情】查看我的课程