免费课程 在线实验 就业课程 会员免费课

/ 注册

新用户注册赠送7天免费会员

没有解决您的问题?扫描二维码加入博睿云交流群畅所欲言吧!
使用帮助

全部课程> 人工智能与机器学习

人工智能与机器学习

¥ 199.00
¥ 400.00
  • 48课时(建议每周学习0小时)
  • 自主模式
1、新课优惠,立省201.00元
2、成为会员可免费学习本课程
会员限免

已有1739人报名学习

加入购物车
  • 课程概览
  • 授课讲师
  • 课程大纲
    人工智能与机器学习
  • 课程概览
  • 授课讲师
  • 课程大纲
¥ 199.00
加入购物车

本课程以机器学习算法为主体,讲解各种机器学习算法。主要内容如下:监督学习算法、分类与回归、线性回归、逻辑回归、决策树、随机森林、SVM、无监督学习、数据预处理、Tfidf等。 在讲解算法过程中,以实际的例子和可视化的方式形象理解。部分算法会讲解实际算法推导。在讲解完每个算法后,都会用sklearn解决一个具体的问题。

课程概览
一、课程简介
本课程以机器学习算法为主体,讲解各种机器学习算法。在讲解算法过程中,以实际的例子和可视化的方式形象理解。部分算法会讲解实际算法推导。在讲解完每个算法后,都会用sklearn解决一个具体的问题。可以强化对算法的理解。
在课程后半部分,主要讲解模型调参以及特征工程相关的内容。让我们可以应对各种问题,最后在课程中附带了几个实验。实验选取sklearn以外的数据集,在实验中会实现对数据的处理以及预测的功能,方便把实验应用于生活中。

二、课程目标

掌握分类与回归算法
理解各种机器学习算法
掌握解决过拟合的方法
掌握读取数据、数据预处理、异常数据处理等操作
掌握sklearn模块的使用


第一阶段:监督学习
     在该阶段,主要学习机器学习的基本概念。学习监督学习中的各种分类和回归算法。包括KNN、线性回归、逻辑回归、决策树、随机森林、支持向量机、神经网络。

第二阶段:无监督学习
    在该阶段,主要学习数据缩放方法和无监督学习算法。包括数据标准化、归一化、PCA主成分分析、聚类算法等。

第三阶段:特征工程
    在该阶段,主要学习特征的表示。包括分类特征处理、分箱离散化、多项式特征、文本特征、Ngram、Tfidf。同时还会讲解模型评估和改进的方法。
     



    
授课讲师

黄晓杰

华为授业名师、华为双IE(云计算、云服务)、高校客座教授,撰写技术文章《云上主机安全设计》成功入选华为专家有料,阅读量1700次;每年培养华为认证人才250多人次,去年通过认证的学生量HCIA131人、HCIP85人、HCIE20人;具有着独特的教学风格,讲课深入浅出、通俗易懂,能与学生打成一片。课后经常与学生一起讨论问题,学员评价杰哥的课生动有趣,他们对技术的兴趣和热情也越来越高。

课程大纲
  • 第1章前言
  •     第1节机器学习
  •     第2节必要的库和工具
  •     第3节认识数据
  •     第4节第一个应用:鸢尾花分类
  • 第2章监督学习
  •     第1节分类与回归
  •     第2节泛化、过拟合和欠拟合
  •     第3节监督学习算法
  •     第4节KNN算法
  •     第5节调参及距离的度量
  • 第3章回归算法
  •     第1节线性回归
  •     第2节梯度下降
  •     第3节岭回归
  •     第4节Lasso回归
  • 第4章逻辑回归
  •     第1节逻辑回归
  •     第2节Softmax回归
  •     第3节代码实现
  •     第4节参数调整
  • 第5章决策树和随机森林
  •     第1节决策树
  •     第2节决策树的生成
  •     第3节过拟合
  •     第4节代码实现和决策树分析
  •     第5节随机森林
  • 第6章支持向量机
  •     第1节线性支持向量机
  •     第2节线性模型和非线性特征
  •     第3节核支持向量机
  •     第4节参数调整
  • 第7章数据缩放
  •     第1节数据缩放
  •     第2节相同的缩放
  •     第3节数据缩放对结果的影响
  •     第4节无监督学习
  •     第5节K-means
  •     第6节DBSCAN
  • 第8章神经网络
  •     第1节线性代数
  •     第2节神经网络
  •     第3节反向传播
  •     第4节代码实现
  • 第9章PCA主成分分析
  •     第1节PCA主成分分析
  •     第2节主成分
  •     第3节数据可视化
  •     第4节分析成分
  • 第10章数据表示与特征工程
  •     第1节分类特征
  •     第2节分箱、离散化
  •     第3节交互特征与多项式特征
  •     第4节缺失值特征
  • 第11章模型评估与改进
  •     第1节拆分数据集
  •     第2节交叉验证
  •     第3节网格搜索
  •     第4节交叉验证网格搜索
  • 第12章处理文本数据
  •     第1节词袋模型
  •     第2节停用词
  •     第3节Tf-idf
  •     第4节N-gram
  •     第5节朴素贝叶斯
节数上课时间星期一 星期二星期三星期四 星期五星期六星期天
第1节08:00 - 08:40
第2节09:00 - 09:40
第3节10:00 - 10:40
第4节11:00 - 11:40
第5节14:00 - 14:40
第6节15:00 - 15:40
第7节16:00 - 16:40
第8节17:00 - 17:40
天数上课日期上课时间内容
相关课件 更多
  • pptx

    01机器学习-绪论

    大小:13.79MB

    2023-08-04

  • pptx

    02机器学习-回归

    大小:9.57MB

    2023-08-04

  • pptx

    03机器学习-逻辑回归

    大小:8.74MB

    2023-08-04

  • pptx

    04机器学习-朴素贝叶斯

    大小:9.31MB

    2023-08-04

  • pptx

    05机器学习-机器学习实践

    大小:9.21MB

    2023-08-04

  • pptx

    06机器学习-KNN算法

    大小:9.21MB

    2023-08-04


课程名称:
人工智能与机器学习
课程原价:
40000
课程现价:
199
支付方式:
支付宝支付
微信支付
确认支付
支付剩余时间: 15:00