【微职位】Python数据分析与机器学习实战课程配套视频课程

admin

【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

章节5: 回归算法

  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

游客，如果您要查看本帖隐藏内容请回复