课程介绍

注意0：欲购买此课程，获取安全购买链接，索要正版授权学习平台账号，务必加咨询QQ：2536379620
注意1：由于编码原因，试听课程视频画面清晰度不如最终购买的视频。最终购买视频的画面清晰度可参见以下两张图。图1   图2
注意2：正版良心视频，购买后有机会和原作者直接短暂技术交流。

注意3：感觉课程太难？没有信心？还在犹豫自己学的会学不会？我们的师傅带徒弟模式（5倍下单）会给您信心。我们承诺， 商品详情，教学大纲，视频内容，所涉及技术，可获得原创作者老师微信或QQ和针对视频范围的精心指导。线上一 对一师带徒辅导问答，针对视频内代码调试，使命必达，视频之外相关技术内容，行业内信息人脉，企业内推(如有)，原创作者老师会竭诚帮助。

以上所示价格，只能自行学习视频和获取少量解答。师傅带徒弟课程（5倍下单左右，可以先和客服联系，可获得老师的联系方法和针对视频范围的精心指导。线上一对一师带徒辅导问答，针对视频内代码调试，使命必达。）

本课程讲解现在工业界和学术界流行的机器学习算法的相关知识，以及如何用python去实现这些算法。算法的讲解包括supervised learning(有监督式学习)和unsupervised learning(无监督式学习)两个部分。其中supervised learning包括classification(分类)和regression(回归)的若干流行的模型的讲解。 Unsupervised learning部分，我们会讲解clustering(聚类)和principle component analysis(主成分分析)等算法。
    除此之外，课程还包括用python进行文本数据预处理过程的讲解，以及model evaluation（模型评估）和 cross-validation（交叉验证）等实际应用中经常运用的技术。
    所有机器学习的算法讲解都会配合着python的程序进行说明。本课程的讲解和作业中的具体实例数据是2001年美国安然公司破产丑闻事件中的电子邮件数据。数据包含了几十万封电子邮件。我们将教会大家如何利用数据挖掘的算法来分析这些电子邮件，提取出来有效的信息。

适用人群

想往机器学习与人工智能方面的同学们，想深度学习的！

课程目标

学习Python的安装部署；学习机器学习基本原理；学习常用监督式和非监督式学习等的算法例子！

课程大纲

第1章 Python软件安装和概要

1小时23分钟6节

1-1Python软件的安装和配置[11:17]  免费试看
1-2Python的数据结构List操作[21:54]
1-3数据结构Dictionary和String[12:30]
1-4文件的InputOutput使用[17:45]
1-5Module的使用[15:26]
1-6学习建议[04:38]

第2章 Numpy的介绍和使用

1小时41分钟5节

2-1Numpy基本用法[25:36]
2-2Numpy的ArraySlicing[27:45]
2-3SimpleStatisticsOnArray使用[20:13]
2-4Numpy的文件输入和输出使用[22:17]
2-5课后阅读和学习建议[05:44]

第3章 Pandas的介绍和使用

1小时33分钟4节

3-1Pandas的DataFrame操作[17:04]
3-2Pandas的DataFrame的indexing[36:39]
3-3Pandas的数据输入和输出功能[33:16]
3-4JupyterNotebook关闭和保存[06:07]

第4章 回归模型原理和操作

2小时7分钟6节

4-1使用Python实现机器学习的架构等介绍[16:20]
4-2简单回归模型算法介绍和操作[30:20]
4-3简单回归模型：处理异常值[20:06]
4-4多元回归模型算法介绍和操作[24:49]
4-5多元回归模型(具有非线性项和相互作用)[26:32]
4-6回归模型课后练习[08:54]

第5章 正则回归与交叉验证

1小时26分钟4节

5-1交叉验证K-Fold[31:18]
5-2最适合功能选择[25:16]
5-3正则回归Lasso介绍和操作[22:04]
5-4正则回归Ridge介绍和操作[08:17]
第6章 分类模型原理和操作

1小时42分钟6节

6-1逻辑回归算法原理和例子[19:16]
6-2k近邻算法和例子[12:54]
6-3朴素贝叶斯算法原理和操作[20:37]
6-4支撑向量机SVM原理和例子[17:11]
6-5基于树模型算法原理和操作[23:04]
6-6kaggle的比赛介绍[09:11]

第7章 文本学习

1小时32分钟5节

7-1Emial电子邮件数据处理[08:22]
7-2预处理原始电子邮件[38:37]
7-3TF-IDF算法原理[14:03]
7-4使用Python实现TF-IDF例子[19:30]
7-5文本学习回顾和学习建议[11:45]

第8章 无监督式机器学习

1小时16分钟4节

8-1无监督式学习介绍[18:26]
8-2K-means聚类原理和例子[20:56]
8-3主成分分析算法原理和例子[15:19]
8-4无监督式机器学习课程回顾和学习建议[22:08]