当前位置:首页 > 全部课程 > 算法模型 > 机器学习 > 《机器学习365天特训营:人工智能之理论与实战
机器学习365天特训营:人工智能之理论与实战

已完结 机器学习365天特训营:人工智能之理论与实战

5人已学习 收藏 分享赚 ¥44.9元
价 格
89.00 ~ 449.00
打开微信扫描二维码
点击右上角进行分享

开通以下任意VIP等级即可免费学习本课程

我已阅读并同意《VIP服务协议》
开通 取消

详情

目录

资料(1)

评价(0)

【课程详情】

  • 第01部分:开始之前

    • 第01讲:课程简介与机器学习发展史


  • 第02部分:线性代数基础

    • 第02讲:线性代数(一)-幂次学院 _ 做口碑最好的人工智能在线教育品牌

    • 第03讲:线性代数(二)-幂次学院 _ 做口碑最好的人工智能在线教育品牌

    • 第04讲:线性代数(三)-幂次学院 _ 做口碑最好的人工智能在线教育品牌

    • 第05讲:线性代数(四)

    • 第06讲:线性代数(五)


  • 第03部分:概率论基础

    • 第07讲:概率论(一)

    • 第08讲:概率论(二)

    • 第09讲:概率论(03)

    • 第10讲:概率论(04)


  • 第04部分:Visual Studio Code使用

    • 第11讲:Visual Studio Code使用(一)


  • 第05部分:机器学习-第01节:机器学习简介

    • 第01讲:引言、基本术语、假设空间

    • 第02讲:归纳偏好、发展历程、应用现状


  • 第05部分:机器学习-第02节:模型评估与选择

    • 第03讲:经验误差与过拟合

    • 第04讲:评估方法(留出法,交叉验证法,自助法,调参与最终模型)

    • 第05讲:评估法代码分析

    • 第06讲:性能度量(混淆矩阵 ,准确率,精确度,敏感度,特异度,F1 score)


  • 第05部分:机器学习-第03节:线性模型

    • 第07讲:线性回归(一)

    • 第08讲:线性回归(二)

    • 第09讲:线性回归(三)

    • 第10讲:线性回归(四)

    • 第11讲:逻辑回归(一)

    • 第12讲:逻辑回归(二)


  • 第05部分:机器学习-第04节:决策树

    • 第13讲:划分选择与算法基本思想(一)

    • 第14讲:划分选择与算法基本思想(二)

    • 第15讲:代码分析与KNN

    • 第16讲:机器学习中距离和相似性度量方法概述


  • 第05部分:机器学习-第05节:数据预处理

    • 第17讲:处理缺失数据,处理类别数据

    • 第18讲:数据标准化与归一化?

    • 第19讲:特征选择

    • 第20讲:特征排序,plot_decision_regions函数讲解


  • 第05部分:机器学习-第06节:支持向量机

    • 第21讲:使用支持向量机最大化分类间隔

    • 第22讲:SVM非线性分类


  • 第05部分:机器学习-第07节:神经网络

    • 第23讲:神经网络基础知识

    • 第24讲:神经网络(一)

    • 第25讲:神经网络(二)


  • 第05部分:机器学习-第08节:CNN与LSTM

    • 第26讲:卷积神经网络CNN基本原理

    • 第27讲:开源深度学习框架与常见卷积网络模型

    • 第28讲:基本分类(一)

    • 第29讲:基本分类(二)

    • 第30讲:文本分类

    • 第31讲:回归

    • 第32讲:过拟合与欠拟合

    • 第33讲:模型的保存与恢复

    • 第34讲:使用CNN图像识别

    • 第35讲:使用CNN识别图像2

    • 第36讲:循环神经网络

    • 第37讲:自然语言处理

    • 第38讲:自然语言处理2

    • 第39讲:自然语言处理3

    • 第40讲:LSTM例子


  • 第05部分:机器学习-第09节:贝叶斯分类器

    • 第41讲:极大似然估计

    • 第42讲:朴素贝叶斯分类器

    • 第43讲:朴素贝叶斯2

    • 第44讲:朴素贝叶斯3

    • 第45讲:朴素贝叶斯4

    • 第46讲:EM算法


  • 第05部分:机器学习-第10节:集成学习

    • 第47讲:集成学习概述

    • 第48讲:Bagging, Boosting, Stacking-1

    • 第49讲:Bagging, Boosting, Stacking-2

    • 第50讲:xgboost例子

    • 第51讲:xgboost2


  • 第05部分:机器学习-第11节:聚类

    • 第52讲:k-means聚类

    • 第53讲:层次聚类


  • 第05部分:机器学习-第12节:降维与度量

    • 第56讲:主成分分析

    • 第57讲:主成分分析2

    • 第58讲:LDA降维1

    • 第60讲:非线性PCA,流形学习,度量学习

    • 第61讲:非线性PCA,流形学习,度量学习2


相关说明:

1、资源部分来源于网络公开发表文件,所有资料仅供学习交流。

2、所收取费用仅用来维系网站运营,性质为用户友情赞助,并非售卖文件费用。

3、如侵犯您的权益,请联系管理员处理。

第04部分:Visual Studio Code使用[1课时]

第05部分:机器学习-第11节:聚类[2课时]

综合
好评
0%
  • 综合评分5.00
  • 内容实用5.00
  • 通俗易懂5.00
友情链接:

邮箱:didabiancheng@126.com

地址:厦门火炬高新区软件园创新大厦C区3F-A487

Android/IOS App

微信小程序

微信公众号

VIP特权
微信客服
微信扫一扫咨询客服