python数据分析与机器学习实战视频教程下载

20191112155439771.jpg

python数据分析与机器学习实战

适用人群

数据分析,机器学习,数据挖掘领域研究者。Python语言使用者。

课程概述:

使用数据领域最主流语言Python及其分析与建模库作为核心武器。对于机器学习经典算法给出完整的原理推导并基于实例进行讲解,基于案例演示如何应用机器学习算法解决实际问题。

课程特色:

1. 通俗易懂,快速入门

对机器学习经典算法结合数学推导进行形象解释,实例演示。

2. Python主导,实用高效

使用数据领域最主流语言Python及其分析与建模库作为课程核心工具。

3. 案例为师,实战护航

基于真实数据集,从零开始结合Python工具与机器学习算法完成整个案例实战。

4. 持续更新,一劳永逸

Python数据分析与机器学习课程会支持更新下去,逐步加入更多算法与案例。

课程学习路线图:

目录

章节1: Python科学计算库-Numpy

课时1课程介绍(主题与大纲)10:46

课时2机器学习概述10:04

课时3使用Anaconda安装python环境(Python新手先看这个)13:10

课时4课程数据,代码,PPT(在参考资料界面)

课时5科学计算库Numpy10:32

课时6Numpy基础结构10:41

课时7Numpy矩阵基础05:55

课时8Numpy常用函数12:02

课时9矩阵常用操作10:18

课时10不同复制操作对比10:49

章节2: python数据分析处理库-Pandas

课时11Pandas数据读取11:50

课时12Pandas索引与计算10:26

课时13Pandas数据预处理实例13:01

课时14Pandas常用预处理方法11:11

课时15Pandas自定义函数07:44

课时16Series结构12:29

章节3: Python数据可视化库-Matplotlib

课时17折线图绘制08:25

课时18子图操作14:05

课时19条形图与散点图10:12

课时20柱形图与盒图10:17

课时21细节设置06:13

章节4: Python可视化库Seaborn

课时22Seaborn简介02:44

课时23整体布局风格设置07:48

课时24风格细节设置06:50

课时25调色板10:40

课时26调色板颜色设置08:18

课时27单变量分析绘图09:38

课时28回归分析绘图08:53

课时29多变量分析绘图10:36

课时30分类属性绘图09:40

课时31Facetgrid使用方法08:50

课时32Facetgrid绘制多变量08:30

课时33热度图绘制14:19

章节5: 回归算法

课时34回归算法综述09:42

课时35回归误差原理推导13:01

课时36回归算法如何得出最优解12:05

课时37基于公式推导完成简易线性回归08:40

课时38逻辑回归与梯度下降16:59

课时39使用梯度下降求解回归问题15:13

章节6: 决策树

课时40决策树算法综述09:40

课时41决策树熵原理13:20

课时42决策树构造实例11:00

课时43信息增益原理05:27

课时44信息增益率的作用16:39

课时45决策树剪枝策略12:08

课时46随机森林模型09:15

课时47决策树参数详解17:49

章节7: 贝叶斯算法

课时48贝叶斯算法概述06:58

课时49贝叶斯推导实例07:38

课时50贝叶斯拼写纠错实例11:46

课时51垃圾邮件过滤实例14:10

课时52贝叶斯实现拼写检查器12:21

章节8: 支持向量机

课时53支持向量机要解决的问题12:01

课时54支持向量机目标函数10:01

课时55支持向量机目标函数求解10:05

课时56支持向量机求解实例14:18

课时57支持向量机软间隔问题06:55

课时58支持向量核变换10:17

课时59SMO算法求解支持向量机29:29

章节9: 神经网络

课时60初识神经网络11:28

课时61计算机视觉所面临的挑战09:40

课时62K近邻尝试图像分类10:01

课时63超参数的作用10:31

课时64线性分类原理09:35

课时65神经网络-损失函数09:18

课时66神经网络-正则化惩罚项07:19

课时67神经网络-softmax分类器13:39

课时68神经网络-最优化形象解读06:47

课时69神经网络-梯度下降细节问题11:49

课时70神经网络-反向传播15:17

课时71神经网络架构10:11

课时72神经网络实例演示10:39

课时73神经网络过拟合解决方案15:54

课时74感受神经网络的强大11:30

章节10: Xgboost集成算法

课时75集成算法思想05:35

课时76xgboost基本原理11:07

课时77xgboost目标函数推导12:18

课时78xgboost求解实例11:29

课时79xgboost安装03:32

课时80xgboost实战演示14:44

课时81Adaboost算法概述13:01

章节11: 自然语言处理词向量模型-Word2Vec

课时82自然语言处理与深度学习11:58

课时83语言模型06:16

课时84-N-gram模型08:32

课时85词向量09:28

课时86神经网络模型10:03

课时87Hierarchical Softmax10:01

课时88CBOW模型实例11:21

课时89CBOW求解目标05:39

课时90梯度上升求解10:11

课时91负采样模型07:15

章节12: K近邻与聚类

课时92无监督聚类问题16:04

课时93聚类结果与离群点分析12:55

课时94K-means聚类案例对NBA球员进行评估14:23

课时95使用Kmeans进行图像压缩07:58

课时96K近邻算法原理12:34

课时97K近邻算法代码实现18:44

章节13: PCA降维与SVD矩阵分解

课时98PCA基本原理10:48

课时99PCA实例08:34

课时100SVD奇异值分解原理10:08

课时101SVD推荐系统应用实例13:31

章节14: scikit-learn模型建立与评估

课时102使用python库分析汽车油耗效率15:09

课时103使用scikit-learn库建立回归模型14:02

课时104使用逻辑回归改进模型效果13:12

课时105 模型效果衡量标准20:09

课时106ROC指标与测试集的价值14:31

课时107交叉验证15:15

课时108多类别问题15:52

章节15: Python库分析科比生涯数据

课时109Kobe Bryan生涯数据读取与简介07:45

课时110特征数据可视化展示11:41

课时111数据预处理12:32

课时112使用Scikit-learn建立模型10:12

章节16: 机器学习项目实战-泰坦尼克获救预测

课时113船员数据分析11:02

课时114数据预处理11:39

课时115使用回归算法进行预测12:13

课时116使用随机森林改进模型13:25

课时117随机森林特征重要性分析15:55

章节17: 机器学习项目实战-交易数据异常检测

课时118案例背景和目标08:32

课时119样本不均衡解决方案10:18

课时120下采样策略06:36

课时121交叉验证13:03

课时122模型评估方法13:06

课时123正则化惩罚08:09

课时124逻辑回归模型07:37

课时125混淆矩阵08:53

课时126逻辑回归阈值对结果的影响10:01

课时127SMOTE样本生成策略15:51

章节18: Python文本数据分析:新闻分类任务

课时128文本分析与关键词提取12:11

课时129相似度计算11:44

课时130新闻数据与任务简介10:20

课时131TF-IDF关键词提取13:28

课时132LDA建模09:10

课时133基于贝叶斯算法进行新闻分类14:53

章节19: Python时间序列分析

课时134章节简介01:03

课时135Pandas生成时间序列11:28

课时136Pandas数据重采样09:22

课时137Pandas滑动窗口07:47

课时138数据平稳性与差分法11:10

课时139ARIMA模型10:34

课时140相关函数评估方法10:46

课时141建立ARIMA模型07:48

课时142参数选择12:40

课时143股票预测案例09:57

课时144使用tsfresh库进行分类任务12:04

课时145维基百科词条EDA14:30

章节20: 使用Gensim库构造中文维基百度数据词向量模型

课时146使用Gensim库构造词向量06:22

课时147维基百科中文数据处理10:27

课时148Gensim构造word2vec模型08:52

课时149测试模型相似度结果07:42

章节21: 机器学习项目实战-贷款申请最大化利润

课时150数据清洗过滤无用特征12:08

课时151数据预处理10:12

课时152获得最大利润的条件与做法13:26

课时153预测结果并解决样本不均衡问题12:47

章节22: 机器学习项目实战-用户流失预警

课时154数据背景介绍06:35

课时155数据预处理10:05

课时156尝试多种分类器效果08:32

课时157结果衡量指标的意义19:50

课时158应用阈值得出结果06:26

章节23: 探索性数据分析-足球赛事数据集

课时159内容简介02:13

课时160数据背景介绍10:30

课时161数据读取与预处理13:09

课时162数据切分模块14:42

课时163缺失值可视化分析13:27

课时164特征可视化展示12:23

课时165多特征之间关系分析11:21

课时166报表可视化分析10:38

课时167红牌和肤色的关系17:16

章节24: 探索性数据分析-农粮组织数据集

课时168数据背景简介11:05

课时169数据切片分析17:26

课时170单变量分析15:21

课时171峰度与偏度11:37

课时172数据对数变换09:43

课时173数据分析维度06:55

课时174变量关系可视化展示12:22

章节25: 机器学习项目实战-HTTP日志聚类分析

课时175建立特征工程17:25

课时176特征数据预处理10:34

课时177应用聚类算法得出异常IP点17:59

资源下载此资源下载价格为6学分,请先
充值比例 1元=1学分
资源失效,请咨询客服
客服QQ 980264305
资源下载
下载价格:6 学分
VIP优惠:免费
充值比例 1元=1学分
资源失效,请咨询客服
客服QQ 980264305

评论0

  • 昵称
  • 邮箱
  • 网址
找资源,搜一下,更惊喜
没有账号? 注册忘记密码?