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。
本课程讲解了机器学习基本概念,对训练集,测试集,特征值,监督学习,实列监督学习,非监督学习,分类与回归,在语音处理,图像处理和计算机视觉,声音识别和用自然语言处理方面的应用 人脸识别技术,银行评估和价格预测。 帮助学员理解机器学习和深度学习
适合人群
1.对机器学习,数据挖掘和人工智能相关算法感兴趣的人
2对机器学习,数据挖据和人工智能有了解,想深入了解这些算法的人
课程目标
理解 机器学习基本概念理解机器学习算法原理用应用对普通原数据进行机器学习前的预处理使用python对机器学习和相关库的学习(sklearn等学习)能够根据已掌握的机器学习算法及应用框架通过分类及回归来解决和分析问题为开发机器学习打下相关坚实基础
课程大纲
第一章:机器学习基础和基本概念
基础学习和基本概念 14:16
第二章:监督学习分类与回归
决策数算法 06:16
决策树应用 36:50
最邻近规则分类KNN算法 04:46
最邻近规则分类KNN应用 31:00
支持向量机(SVM)算法(上) 15:42
支持向量机(SVM)应用 10:41
简单线性回归上 28:47
简单线性回归下 27:37
多元线性回归算法 33:34
多元线性回归应用 29:28
非线性回归 Logistic Regression 32:15
非线性回归应用 销售预测 29:17
回归中的相关度和决定系数 32:05
回归中的相关性和R平方值应用 价格预测 23:35
神经网络算法 21:00
神经网络应用 49:09
第三章:非监督学习
Kmeans算法 32:55
Kmeans应用 35:36
Hierarchical clustering 层次聚类应用 18:54
Hierarchical clustering 层次聚类应用 人脸噪音排除 41:42
第四章:总结
总结 23:35
课程所用到的代码 25:14