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。

适用人群

Python机器学习课程，包括27个模块，116课时，
适合具备Python基础编程能力的学员，想从事机器学习工作的小伙伴。

课程大纲

01
第一章：初识机器学习

【录播】引导课(4分钟)         免费试看

【录播】第1课：了解人工智能(17分钟)

【录播】第2课：了解机器学习 - 1(16分钟)

【录播】第3课：了解机器学习 - 2(17分钟)

【录播】第4课：了解机器学习 - 3(21分钟)

【录播】第5课：安装Python(4分钟)

【录播】第6课：安装开发环境和必要的库(18分钟)

【录播】第7课：第一个应用：鸢尾花分类 - 1(14分钟)

【录播】第8课：第一个应用：鸢尾花分类 - 2(23分钟)

【录播】第9课：第一个应用：鸢尾花分类 - 3(17分钟)
02
第二章：监督学习 - 准备

【录播】第1课：了解监督学习(8分钟)

【录播】第2课：分类与回归(7分钟)

【录播】第3课：泛化、过拟合与欠拟合(14分钟)

【录播】第4课：监督学习算法 - 准备(26分钟)
03
第三章：监督学习算法 - k近邻算法

【录播】第1课：k近邻算法应用于分类 - 1(20分钟)

【录播】第2课：k近邻算法应用于分类 - 2(20分钟)

【录播】第3课：k近邻算法应用于回归 - 1(11分钟)

【录播】第4课：k近邻算法应用于回归 - 2(18分钟)

【录播】第5课：k近邻算法小结(6分钟)
04
第四章：监督学习算法 - 线性模型（回归）

【录播】第1课：用于回归的线性模型(13分钟)

【录播】第2课：普通最小二乘法（OLS）(18分钟)

【录播】第3课：岭回归（Ridge）(22分钟)

【录播】第4课：套索回归（Lasso）(15分钟)

【录播】第5课：弹性网络回归（ElasticNet）(7分钟)
05
第五章：监督学习算法 - 线性模型（分类）

【录播】第1课：用于分类的线性模型（二分类） - 1(21分钟)

【录播】第2课：用于分类的线性模型（二分类） - 2(21分钟)

【录播】第3课：用于分类的线性模型（多分类）(11分钟)

【录播】第4课：线性模型总结(7分钟)
06
第六章：监督学习算法 - 朴素贝叶斯分类器

【录播】第1课：了解朴素贝叶斯算法(16分钟)

【录播】第2课：贝努利朴素贝叶斯(15分钟)

【录播】第3课：高斯朴素贝叶斯(7分钟)

【录播】第4课：多项式朴素贝叶斯(8分钟)

【录播】第5课：朴素贝叶斯案例(12分钟)
07
第七章：监督学习算法 - 决策树

【录播】第1课：了解决策树(10分钟)

【录播】第2课：构造决策树(14分钟)

【录播】第3课：控制决策树的复杂度(9分钟)

【录播】第4课：算法应用(17分钟)
08
第八章：监督学习算法 - 决策树集成

【录播】第1课：了解集成学习(9分钟)

【录播】第2课：随机森林 - 1(17分钟)

【录播】第3课：随机森林 - 2(13分钟)

【录播】第4课：梯度提升树 - 1(11分钟)

【录播】第5课：梯度提升树 - 2(14分钟)
09
第九章：监督学习算法 - 核支持向量机

【录播】第1课：了解支持向量机 - 1(13分钟)

【录播】第2课：了解支持向量机 - 2(15分钟)

【录播】第3课：线性模型与非线性特征(23分钟)

【录播】第4课：核技巧与调参 - 1(12分钟)

【录播】第5课：核技巧与调参 - 2(15分钟)

【录播】第6课：SVM预处理数据(14分钟)

【录播】第7课：算法小结(8分钟)
10
第十章：监督学习算法 - 神经网络

【录播】第1课：神经网络原理(15分钟)

【录播】第2课：激活函数(16分钟)

【录播】第3课：神经网络算法参数、属性和方法(19分钟)

【录播】第4课：神经网络调参 - 1(21分钟)

【录播】第5课：神经网络调参 - 2(18分钟)

【录播】第6课：实例：手写识别 - 1(19分钟)

【录播】第7课：实例：手写识别 - 2(10分钟)

【录播】第8课：算法小结(9分钟)
11
第十一章：监督学习 - 快速总结

【录播】快速总结(11分钟)
12
第十二章：数据预处理与缩放

【录播】第1课：了解数据预处理与缩放(12分钟)

【录播】第2课：StandardScaler(9分钟)

【录播】第3课：MinMaxScaler(7分钟)

【录播】第4课：RobustScaler(7分钟)

【录播】第5课：Normalizer(6分钟)

【录播】第6课：通过数据预处理提高模型准确率(9分钟)
13
第十三章：无监督学习 - 准备

【录播】了解无监督学习(13分钟)
14
第十四章：无监督学习 - 主成分分析

【录播】第1课：了解主成分分析(19分钟)

【录播】第2课：数据降维在可视化中的应用 - 1(11分钟)

【录播】第3课：数据降维在可视化中的应用 - 2(15分钟)

【录播】第4课：特征提取 - 1(16分钟)

【录播】第5课：特征提取 - 2(19分钟)

【录播】第6课：特征提取 - 3(13分钟)
15
第十五章：无监督学习 - 非负矩阵分解与流形学习

【录播】第1课：非负矩阵分解(16分钟)

【录播】第2课：流形学习(18分钟)
16
第十六章：无监督学习 - k均值聚类

【录播】第1课：聚类(9分钟)

【录播】第2课：K-Means聚类(24分钟)

【录播】第3课：K-Means聚类实践 - 1(13分钟)

【录播】第4课：K-Means聚类实践 - 2(17分钟)
17
第十七章：无监督学习 - 凝聚聚类

【录播】第1课：了解凝聚聚类(14分钟)

【录播】第2课：凝聚聚类实例(15分钟)
18
第十八章：无监督学习 - 密度聚类

【录播】第1课：了解密度聚类(20分钟)

【录播】第2课：密度聚类实例(24分钟)
19
第十九章：无监督学习 - 聚类算法的评估

【录播】第1课：用真实值评估聚类(16分钟)

【录播】第2课：无真实值评估聚类(9分钟)
20
第二十章：无监督学习 - 快速总结

【录播】快速总结(7分钟)
21
第二十一章：数据表示与特征工程

【录播】第1课：数据表达 - 1(21分钟)

【录播】第2课：数据表达 - 2(20分钟)

【录播】第3课：数据升维 - 1(18分钟)

【录播】第4课：数据升维 - 2(11分钟)

【录播】第5课：自动化特征选择 - 1(21分钟)

【录播】第6课：自动化特征选择 - 2(9分钟)

【录播】第7课：自动化特征选择 - 3(11分钟)
22
第二十二章：模型评估 - 交叉验证

【录播】第1课：交叉验证(13分钟)

【录播】第2课：分层k折交叉验证和扩展策略 - 1(19分钟)

【录播】第3课：分层k折交叉验证和扩展策略 - 2(19分钟)
23
第二十三章：模型评估 - 网格搜索

【录播】第1课：简单网格搜索(9分钟)

【录播】第2课：参数过拟合的风险与验证集(13分钟)

【录播】第3课：带交叉验证的网格搜索 - 1(18分钟)

【录播】第4课：带交叉验证的网格搜索 - 2(16分钟)

【录播】第5课：带交叉验证的网格搜索 - 3(15分钟)
24
第二十四章：模型评估 - 二分类指标

【录播】第1课：不平衡数据集(17分钟)

【录播】第2课：混淆矩阵 - 1(16分钟)

【录播】第3课：混淆矩阵 - 2(19分钟)

【录播】第4课：不确定性评估(19分钟)

【录播】第5课：准确率-召回率曲线 - 1(13分钟)

【录播】第6课：准确率-召回率曲线 - 2(14分钟)

【录播】第7课：观测者工作特征（ROC）与 AUC(17分钟)
25
第二十五章：模型评估 - 多分类与回归指标

【录播】第1课：多分类与回归指标(19分钟)

【录播】第2课：在模型选择中使用评估指标(16分钟)
26
第二十六章：建立算法的管道模型

【录播】第1课：建立算法的管道模型 - 1(17分钟)

【录播】第2课：建立算法的管道模型 - 2(17分钟)

【录播】第3课：建立算法的管道模型 - 3(17分钟)

【录播】第4课：建立算法的管道模型 - 4(11分钟)

【录播】第5课：建立算法的管道模型 - 5(14分钟)
27
第二十七章：泰坦尼克号生存预测

【录播】第1课：第1部分 - 1(19分钟)

【录播】第2课：第1部分 - 2(20分钟)

【录播】第3课：第2部分 - 1(13分钟)

【录播】第4课：第2部分 - 2(14分钟)