【微职位】Python数据分析与机器学习实战课程配套视频课程目录章节1: Python科学计算库-Numpy 课时1课程介绍(主题与大纲)10:46 课时2机器学习概述10:04 课时3使用Anaconda安装python环境(Python新手先看这个)13:10 课时4课程数据,代码,PPT(在参考资料界面) 课时5科学计算库Numpy10:32 课时6Numpy基础结构10:41 课时7Numpy矩阵基础05:55) 课时8Numpy常用函数12:02 课时9矩阵常用操作10:18 课时10不同复制操作对比10:49
章节2: python数据分析处理库-Pandas 课时11Pandas数据读取11:50 课时12Pandas索引与计算10:26 课时13Pandas数据预处理实例13:01 课时14Pandas常用预处理方法11:11 课时15Pandas自定义函数07:44 课时16Series结构12:29
章节3: Python 数据可视化库-Matplotlib 课时17折线图绘制08:25 课时18子图操作14:05 课时19条形图与散点图10:12 课时20柱形图与盒图10:17 课时21细节设置06:13
章节4: Python可视化库Seaborn 课时22Seaborn简介02:44 课时23整体布局风格设置07:48 课时24风格细节设置06:50 课时25调色板10:40 课时26调色板颜色设置08:18 课时27单变量分析绘图09:38 课时28回归分析绘图08:53 课时29多变量分析绘图10:36 课时30分类属性绘图09:40 课时31Facetgrid使用方法08:50 课时32Facetgrid绘制多变量08:30 课时33热度图绘制14:19
课时34回归算法综述09:42 课时35回归误差原理推导13:01 课时36回归算法如何得出最优解12:05 课时37基于公式推导完成简易线性回归08:40 课时38逻辑回归与梯度下降16:59 课时39使用梯度下降求解回归问题15:13
章节6: 决策树 课时40决策树算法综述09:40 课时41决策树熵原理13:20 课时42决策树构造实例11:00 课时43信息增益原理05:27 课时44信息增益率的作用16:39 课时45决策树剪枝策略12:08 课时46随机森林模型09:15 课时47决策树参数详解17:49
章节7: 贝叶斯算法 课时48贝叶斯算法概述06:58 课时49贝叶斯推导实例07:38 课时50贝叶斯拼写纠错实例11:46 课时51垃圾邮件过滤实例14:10 课时52贝叶斯实现拼写检查器12:21
章节8: 支持向量机 课时53支持向量机要解决的问题12:01 课时54支持向量机目标函数10:01 课时55支持向量机目标函数求解10:05 课时56支持向量机求解实例14:18 课时57支持向量机软间隔问题06:55 课时58支持向量核变换10:17 课时59SMO算法求解支持向量机29:29
章节9: 神经网络 课时60初识神经网络11:28 课时61计算机视觉所面临的挑战09:40 课时62K近邻尝试图像分类10:01 课时63超参数的作用10:31 课时64线性分类原理09:35 课时65神经网络-损失函数09:18 课时66神经网络-正则化惩罚项07:19 课时67神经网络-softmax分类器13:39 课时68神经网络-最优化形象解读06:47 课时69神经网络-梯度下降细节问题11:49 课时70神经网络-反向传播15:17 课时71神经网络架构10:11 课时72神经网络实例演示10:39 课时73神经网络过拟合解决方案15:54 课时74感受神经网络的强大11:30
章节10: Xgboost集成算法 课时75集成算法思想05:35 课时76xgboost基本原理11:07 课时77xgboost目标函数推导12:18 课时78xgboost求解实例11:29 课时79xgboost安装03:32 课时80xgboost实战演示14:44 课时81Adaboost算法概述13:01
章节11: 自然语言处理词向量模型-Word2Vec 课时82自然语言处理与深度学习11:58 课时83语言模型06:16 课时84-N-gram模型08:32 课时85词向量09:28 课时86神经网络模型10:03 课时87Hierarchical Softmax10:01 课时88CBOW模型实例11:21 课时89CBOW求解目标05:39 课时90梯度上升求解10:11 课时91负采样模型07:15
章节12: K近邻与聚类 课时92无监督聚类问题16:04 课时93聚类结果与离群点分析12:55 课时94K-means聚类案例对NBA球员进行评估14:23 课时95使用Kmeans进行图像压缩07:58 课时96K近邻算法原理12:34 课时97K近邻算法代码实现18:44
章节13: PCA降维与SVD矩阵分解 课时98PCA基本原理10:48 课时99PCA实例08:34 课时100SVD奇异值分解原理10:08 课时101SVD推荐系统应用实例13:31
章节14: scikit-learn模型建立与评估 课时102使用python库分析汽车油耗效率15:096 课时103使用scikit-learn库建立回归模型14:02 课时104使用逻辑回归改进模型效果13:12 课时105 模型效果衡量标准20:09 课时106ROC指标与测试集的价值14:31 课时107交叉验证15:15 课时108多类别问题15:52
章节15: Python库分析科比生涯数据 课时109Kobe Bryan生涯数据读取与简介07:45 课时110特征数据可视化展示11:41 课时111数据预处理12:32 课时112使用Scikit-learn建立模型10:12
章节16: 机器学习项目实战-泰坦尼克获救预测 课时113船员数据分析11:02 课时114数据预处理11:39 课时115使用回归算法进行预测12:13 课时116使用随机森林改进模型13:25 课时117随机森林特征重要性分析15:55
章节17: 机器学习项目实战-交易数据异常检测 课时118案例背景和目标08:32 课时119样本不均衡解决方案10:18 课时120下采样策略06:36 课时121交叉验证13:03 课时122模型评估方法13:06 课时123正则化惩罚08:09 课时124逻辑回归模型07:37 课时125混淆矩阵08:53 课时126逻辑回归阈值对结果的影响10:01 课时127SMOTE样本生成策略15:51
章节18: Python文本数据分析:新闻分类任务: 课时128文本分析与关键词提取12:11 课时129相似度计算11:44 课时130新闻数据与任务简介10:20 课时131TF-IDF关键词提取13:28 课时132LDA建模09:10_ 课时133基于贝叶斯算法进行新闻分类14:53
章节19: Python时间序列分析 课时134章节简介01:03 课时135Pandas生成时间序列11:28 课时136Pandas数据重采样09:22 课时137Pandas滑动窗口07:47 课时138数据平稳性与差分法11:10 课时139ARIMA模型10:34 课时140相关函数评估方法10:46 课时141建立ARIMA模型07:48 课时142参数选择12:40 课时143股票预测案例09:57 课时144使用tsfresh库进行分类任务12:04 课时145维基百科词条EDA14:30
章节20: 使用Gensim库构造中文维基百度数据词向量模型 课时146使用Gensim库构造词向量06:22 课时147维基百科中文数据处理10:27 课时148Gensim构造word2vec模型08:52 课时149测试模型相似度结果07:42
章节21: 机器学习项目实战-贷款申请最大化利润 课时150数据清洗过滤无用特征12:08 课时151数据预处理10:12 课时152获得最大利润的条件与做法13:26 课时153预测结果并解决样本不均衡问题12:47
章节22: 机器学习项目实战-用户流失预警, 课时154数据背景介绍06:35 课时155数据预处理10:05 课时156尝试多种分类器效果08:32 课时157结果衡量指标的意义19:50 课时158应用阈值得出结果06:26
章节23: 探索性数据分析-足球赛事数据集 课时159内容简介02:13 课时160数据背景介绍10:30 课时161数据读取与预处理13:09 课时162数据切分模块14:42 课时163缺失值可视化分析13:27 课时164特征可视化展示12:23 课时165多特征之间关系分析11:21 课时166报表可视化分析10:38 课时167红牌和肤色的关系17:16
章节24: 探索性数据分析-农粮组织数据集 课时168数据背景简介11:05 课时169数据切片分析17:26 课时170单变量分析15:21 课时171峰度与偏度11:37 课时172数据对数变换09:43 课时173数据分析维度06:55 课时174变量关系可视化展示12:22
章节25: 机器学习项目实战-HTTP日志聚类分析 课时175建立特征工程17:25 课时176特征数据预处理10:34 课时177应用聚类算法得出异常IP点17:59
|