首页 免费课程 在线实验 就业课程 会员免费课
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2715人报名学习

加入购物车
  • 课程概览
  • 授课讲师
  • 课程大纲
  • 实验列表
    人工智能与机器学习
  • 课程概览
  • 授课讲师
  • 课程大纲
  • 实验列表
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 试听
    视频名称:1.1、机器学习.mp4
  •     第2节 必要的库和工具 试听
    视频名称:1.2、必要的库和工具.mp4
  •     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
实验列表
  • 实验名称疫情增加人数预测
  • 实验描述疫情已经肆虐了几年,对我们的生活带了了很多不便。关于疫情何时结束,兰州大小做了相关的系统用于预测疫情相关数据。《新冠肺炎疫情全球预测系统》(GPCP)基于实时更新的流行病数据,对每个国家的逐日和季节性新增新冠肺炎发病数进行可靠预报。模型的第一版使用了改良的SIR流行病模型,该模型结合了全球真实流行病数据,同时考虑气象因素和隔离措施对于COVID-19传播的影响。第二版使用了更复杂的SEIR模型。在这一版本中,我们考虑了社区解封时间以及市民自我隔离对于疫情发展的影响。第二版模型可以用来进行季节性预测及疫情的二次暴发的预测。模型的参数通过真实流行病数据反演得到。与此同时,我们利用EEMD-ARMA方法对预测结果进行修正,以得到更优的预测效果。 在本次实验中,我们会对《新冠肺炎疫情全球预测系统》进行简单的实现。我们利用历史的新增人数训练一个线性回归模型,然后预测往后的新增人数。
  • 实验名称心脏病病发检测
  • 实验描述本实验使用下面结果特征作为判断依据: - Age:患者年龄 - Sex:性别 - exang:运动诱发的心绞痛(1 = 是;0 = 否) - ca:主血管数量(0-3) - cp:胸痛型 - 值 1:典型心绞痛 - 值 2:非典型心绞痛 - 值3:非心绞痛 - 值 4:无症状 - trtbps:静息血压(毫米汞柱) - chol:通过 BMI 传感器获取的以 mg/dl 为单位的胆甾醇 - fbs:(空腹血糖 > 120 mg/dl)(1 = 真;0 = 假) - rest_ecg : 静息心电图结果 - 值 0:正常 - 值 1:ST-T 波异常(T 波倒置和/或 ST 段抬高或压低 > 0.05 mV) - 值 2:根据埃斯蒂斯标准显示可能或明确的左心室肥厚 - thalach : 达到最大心率 训练一个心脏病病发检测的程序。
  • 实验名称手写数字识别
  • 实验描述手写数字识别是模式识别领域的一个重要分支,它研究的核心问题是:如何利用计算机自动识别人手写在纸张上的阿拉伯数字。本实验使用神经网络,来进行手写数字识别。手写数字识别可以看成10分类的图像分类问题,我们把图像像素作为特征,把对应的数字作为目标。
  • 实验名称图像分割
  • 实验描述图像分割可以认为是对像素点的分类问题。实现图像分割的方法多种多样,包括Otsu、Faster-RCNN、SSD等。本次使用使用无监督学习算法Kmeans实现简单的图像分割。
  • 实验名称泰坦尼克生还预测
  • 实验描述泰坦尼克生还预测是一个非常经典的问题,记录了泰坦尼克号乘客的各种信息以及是否生还。该数据集包含缺失值,并且包含分类数据。该数据集无法直接交给机器学习模型训练,需要进行处理。
  • 实验名称泰坦尼克生还预测
  • 实验描述泰坦尼克生还预测是一个非常经典的问题,记录了泰坦尼克号乘客的各种信息以及是否生还。该数据集包含缺失值,并且包含分类数据。该数据集无法直接交给机器学习模型训练,需要进行处理。
  • 实验名称情感分析
  • 实验描述对人们对产品、服务、组织、个人、问题、事件、话题及其属性的观点、情 感、情绪、评价和态度的计算研究。文本情感分析(Sentiment Analysis)是自然语言处理(NLP)方法中常见的应用,也是一个有趣的基本任务,尤其是以提炼文本情绪内容为目的的分类。它是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。 这里将介绍情感分析中的情感极性(倾向)分析。所谓情感极性分析,指的是对文本进行褒义、贬义、中性的判断。在大多应用场景下,只分为两类。例如对于“喜爱”和“厌恶”这两个词,就属于不同的情感倾向。
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
视频试听