全国咨询热线:400-618-9090

首页技术文章正文

人工智能之机器学习教程[黑马程序员]

创建时间:2019-11-14 13:53:00.0 来源:黑马程序员

1573710761058_机器学习.jpg

7天入门机器学习

初级

共7天课

在机器学习算法篇,你将学习到经典的机器学习算法,如KNN,线性回归、岭回归、逻辑回归,决策树算法、KMeans算法、Bagging、随机森林、GBDT等,深入浅出,带你在掌握算法原理的同时,利用经典机器学习库scikit-learn实现不同案例。

下载完整视频(已有10133人下载)


视频概述

一、课程简介


人工智能入门第一课——从人工智能的概述、发展历程和主要分支等内容切入讲解,对人工智能进行宏观的阐述。随后着重讲到两个模块:人工智能中科学计算库和机器学习常见经典算法。


在人工智能科学计算库中,你将会学习到,如何使用matplotlib进行绘图;如何使用numpy进行运算;如何使用pandas对数据完成基本的预处理。


在机器学习算法篇,你将学习到经典的机器学习算法,如KNN,线性回归、岭回归、逻辑回归,决策树算法、KMeans算法、Bagging、随机森林、GBDT等,深入浅出,带你在掌握算法原理的同时,利用经典机器学习库scikit-learn实现不同案例。


最后,通过“吃鸡”游戏,检验你自己的学习效果,生动体验机器学习的魅力。


 


二、课程特色亮点


宏观了解人工智能整体脉络


化繁为简、算法讲解清晰明了


“学”和“做”结合,边学习,边练习,加深知识理解


结合“吃鸡”游戏,体验机器学习魅力所在


 


三、课程内容介绍


模块一


•第一章 机器学习概述


1.人工智能概述


2.人工智能发展历程


3.人工智能主要分支


4.机器学习工作流程


5.机器学习算法分类


6.模型评估


7.Azure机器学习模型搭建实验


8.深度学习简介




•第二章 机器学习基础环境安装与使用


1.库的安装


2.jupyter notebook使用




•第三章 Matplotlib


1.Matplotlib之HelloWorld


2.基础绘图功能 — 以折线图为例


3.常见图形绘制




•第四章 Numpy


1.Numpy的优势


2.N维数组-ndarray


3.基本操作


4.ndarray运算


5.数组间的运算


6.数学:矩阵




•第五章 Pandas


1.Pandas介绍


2.Pandas数据结构


3.基本数据操作


4.DataFrame运算


5.Pandas画图


6.文件读取与存储


7.高级处理-缺失值处理


8.高级处理-数据离散化


9.高级处理-合并


10.高级处理-交叉表与透视表


11.高级处理-分组与聚合


12.案例




模块二


•第一章 K-近邻算法


1.K-近邻算法简介


2.k近邻算法api初步使用


3.距离度量


4.k值的选择


5.kd树


6.案例1:鸢尾花种类预测--数据集介绍


7.特征工程-特征预处理


8.案例1:鸢尾花种类预测--流程实现


9.交叉验证,网格搜索


10.案例2:预测facebook签到位置




•第二章 线性回归


1.线性回归简介


2.线性回归api初步使用


3.数学:求导


4.线性回归的损失和优化


5.梯度下降法方法介绍


6.线性回归api再介绍


7.案例:波士顿房价预测


8.欠拟合和过拟合


9.正则化线性模型


10.线性回归的改进-岭回归


11.模型的保存和加载




•第三章 逻辑回归


1.逻辑回归介绍


2.逻辑回归api介绍


3.案例:癌症分类预测-良/恶性乳腺癌肿瘤预测


4.分类评估方法


5.ROC曲线的绘制




•第四章 决策树算法


1.决策树算法简介


2.决策树分类原理


3.cart剪枝


4.特征工程-特征提取


5.决策树算法api


6.案例:泰坦尼克号乘客生存预测




•第五章 集成学习


1.集成学习算法简介


2.Bagging和随机森林


3.Boosting




•第六章 聚类算法


1.聚类算法简介


2.聚类算法api初步使用


3.聚类算法实现流程


4.模型评估


5.算法优化


6.特征工程-特征降维


7.案例:探究用户对物品类别的喜好细分降维


8.算法选择指导





推荐了解黑马程序员python+人工智能课程


视频资源获取.jpg


在线咨询 我要报名