首頁人工智能技術(shù)資訊正文

人工智能之機(jī)器學(xué)習(xí)教程[黑馬程序員]

更新時(shí)間:2019-11-14 來源:黑馬程序員 瀏覽量:

1573710761058_機(jī)器學(xué)習(xí).jpg

7天入門機(jī)器學(xué)習(xí)

初級(jí)

共7天課

在機(jī)器學(xué)習(xí)算法篇,你將學(xué)習(xí)到經(jīng)典的機(jī)器學(xué)習(xí)算法,如KNN,線性回歸、嶺回歸、邏輯回歸,決策樹算法、KMeans算法、Bagging、隨機(jī)森林、GBDT等,深入淺出,帶你在掌握算法原理的同時(shí),利用經(jīng)典機(jī)器學(xué)習(xí)庫scikit-learn實(shí)現(xiàn)不同案例。提取碼:86ik

下載完整視頻(已有10133人下載)


視頻概述

一、課程簡(jiǎn)介


人工智能入門第一課——從人工智能的概述、發(fā)展歷程和主要分支等內(nèi)容切入講解,對(duì)人工智能進(jìn)行宏觀的闡述。隨后著重講到兩個(gè)模塊:人工智能中科學(xué)計(jì)算庫和機(jī)器學(xué)習(xí)常見經(jīng)典算法。


在人工智能科學(xué)計(jì)算庫中,你將會(huì)學(xué)習(xí)到,如何使用matplotlib進(jìn)行繪圖;如何使用numpy進(jìn)行運(yùn)算;如何使用pandas對(duì)數(shù)據(jù)完成基本的預(yù)處理。


在機(jī)器學(xué)習(xí)算法篇,你將學(xué)習(xí)到經(jīng)典的機(jī)器學(xué)習(xí)算法,如KNN,線性回歸、嶺回歸、邏輯回歸,決策樹算法、KMeans算法、Bagging、隨機(jī)森林、GBDT等,深入淺出,帶你在掌握算法原理的同時(shí),利用經(jīng)典機(jī)器學(xué)習(xí)庫scikit-learn實(shí)現(xiàn)不同案例。


最后,通過“吃雞”游戲,檢驗(yàn)?zāi)阕约旱膶W(xué)習(xí)效果,生動(dòng)體驗(yàn)機(jī)器學(xué)習(xí)的魅力。


 


二、課程特色亮點(diǎn)


宏觀了解人工智能整體脈絡(luò)


化繁為簡(jiǎn)、算法講解清晰明了


“學(xué)”和“做”結(jié)合,邊學(xué)習(xí),邊練習(xí),加深知識(shí)理解


結(jié)合“吃雞”游戲,體驗(yàn)機(jī)器學(xué)習(xí)魅力所在


 


三、課程內(nèi)容介紹


模塊一


?第一章 機(jī)器學(xué)習(xí)概述


1.人工智能概述


2.人工智能發(fā)展歷程


3.人工智能主要分支


4.機(jī)器學(xué)習(xí)工作流程


5.機(jī)器學(xué)習(xí)算法分類


6.模型評(píng)估


7.Azure機(jī)器學(xué)習(xí)模型搭建實(shí)驗(yàn)


8.深度學(xué)習(xí)簡(jiǎn)介




?第二章 機(jī)器學(xué)習(xí)基礎(chǔ)環(huán)境安裝與使用


1.庫的安裝


2.jupyter notebook使用




?第三章 Matplotlib


1.Matplotlib之HelloWorld


2.基礎(chǔ)繪圖功能 — 以折線圖為例


3.常見圖形繪制




?第四章 Numpy


1.Numpy的優(yōu)勢(shì)


2.N維數(shù)組-ndarray


3.基本操作


4.ndarray運(yùn)算


5.數(shù)組間的運(yùn)算


6.數(shù)學(xué):矩陣




?第五章 Pandas


1.Pandas介紹


2.Pandas數(shù)據(jù)結(jié)構(gòu)


3.基本數(shù)據(jù)操作


4.DataFrame運(yùn)算


5.Pandas畫圖


6.文件讀取與存儲(chǔ)


7.高級(jí)處理-缺失值處理


8.高級(jí)處理-數(shù)據(jù)離散化


9.高級(jí)處理-合并


10.高級(jí)處理-交叉表與透視表


11.高級(jí)處理-分組與聚合


12.案例




模塊二


?第一章 K-近鄰算法


1.K-近鄰算法簡(jiǎn)介


2.k近鄰算法api初步使用


3.距離度量


4.k值的選擇


5.kd樹


6.案例1:鳶尾花種類預(yù)測(cè)--數(shù)據(jù)集介紹


7.特征工程-特征預(yù)處理


8.案例1:鳶尾花種類預(yù)測(cè)--流程實(shí)現(xiàn)


9.交叉驗(yàn)證,網(wǎng)格搜索


10.案例2:預(yù)測(cè)facebook簽到位置




?第二章 線性回歸


1.線性回歸簡(jiǎn)介


2.線性回歸api初步使用


3.數(shù)學(xué):求導(dǎo)


4.線性回歸的損失和優(yōu)化


5.梯度下降法方法介紹


6.線性回歸api再介紹


7.案例:波士頓房?jī)r(jià)預(yù)測(cè)


8.欠擬合和過擬合


9.正則化線性模型


10.線性回歸的改進(jìn)-嶺回歸


11.模型的保存和加載




?第三章 邏輯回歸


1.邏輯回歸介紹


2.邏輯回歸api介紹


3.案例:癌癥分類預(yù)測(cè)-良/惡性乳腺癌腫瘤預(yù)測(cè)


4.分類評(píng)估方法


5.ROC曲線的繪制




?第四章 決策樹算法


1.決策樹算法簡(jiǎn)介


2.決策樹分類原理


3.cart剪枝


4.特征工程-特征提取


5.決策樹算法api


6.案例:泰坦尼克號(hào)乘客生存預(yù)測(cè)




?第五章 集成學(xué)習(xí)


1.集成學(xué)習(xí)算法簡(jiǎn)介


2.Bagging和隨機(jī)森林


3.Boosting




?第六章 聚類算法


1.聚類算法簡(jiǎn)介


2.聚類算法api初步使用


3.聚類算法實(shí)現(xiàn)流程


4.模型評(píng)估


5.算法優(yōu)化


6.特征工程-特征降維


7.案例:探究用戶對(duì)物品類別的喜好細(xì)分降維


8.算法選擇指導(dǎo)





推薦了解黑馬程序員python+人工智能課程。


視頻資源獲取.jpg


分享到:
在線咨詢 我要報(bào)名
和我們?cè)诰€交談!