歡迎訪問學兔兔，學習、交流 分享 ！
返回首頁 |
13天機器學習入門視頻教程
第一天視頻
1.機器學習科學計算庫內容簡介.mp4
10.Azure機器學習平臺實驗演示2.mp4
11.深度學習簡介.mp4
12.基礎環境安裝.mp4
13.jupyter notebook的基本使用1.mp4
14.jupyter notebook的基本使用2.mp4
15.matplotlib的基本使用.mp4
2.人工智能概述.mp4
3.人工智能的發展歷程.mp4
4.人工智能主要分支.mp4
5.機器學習定義工作流程概述.mp4
6.機器學習工作流程各步驟解釋.mp4
7.機器學習算法分類介紹.mp4
8.模型評估.mp4
9.Azure機器學習平臺實驗演示1.mp4
1.機器學習科學計算庫內容簡介.mp4
10.Azure機器學習平臺實驗演示2.mp4
11.深度學習簡介.mp4
14.jupyter notebook的基本使用2.mp4
15.matplotlib的基本使用.mp4
2.人工智能概述.mp4
3.人工智能的發展歷程.mp4
5.機器學習定義工作流程概述.mp4
第二天視頻教程
1.實現基礎繪圖-某城市溫度變換圖.mp4
10.數組的基本操作.mp4
11.ndarray的運算.mp4
12.數組間運算.mp4
13.矩陣復習.mp4
14.pandas介紹.mp4
15pandas數據結構-series.mp4
16.pandas數據結構-DataFrame1.mp4
17.pandas數據結構-DataFrame2.mp4
18.pandas數據結構-multiindex和panel.mp4
2.繪圖輔助功能完善-某城市溫度變換圖.mp4
3.在一個坐標系下繪制多個圖像.mp4
4.在多個坐標系下繪制多個圖像.mp4
5.常見圖形繪制.mp4
6.numpy介紹.mp4
7.ndarray介紹.mp4
8.創建0，1數組，固定范圍數組.mp4
9.創建隨機數組.mp4
第三天視頻
1.pandas中的索引.mp4
10.數據表的合并.mp4
11.交叉表和透視表介紹.mp4
12.分組聚合介紹.mp4
13.星巴克案例實現.mp4
14.電影案例分析1.mp4
15.電影案例分析.mp4
2.賦值和排序.mp4
3.pandas中的算術運算和邏輯運算.mp4
4.pandas中的統計函數.mp4
5.pandas中的累計統計函數和自定義函數.mp4
6.pandas中繪圖方式介紹.mp4
7.pandas中文件的讀取和寫入.mp4
8.缺失值的處理.mp4
9.數據離散化.mp4
1.pandas中的索引.mp4
15.電影案例分析.mp4
7.pandas中文件的讀取和寫入.mp4
13.矩陣復習.mp4
15pandas數據結構-series.mp4
2.繪圖輔助功能完善-某城市溫度變換圖.mp4
3.在一個坐標系下繪制多個圖像.mp4
8.創建0，1數組，固定范圍數組.mp4
第四天視頻
1.繪制單變量分布.mp4
10.數據類型轉換(面積，戶型).mp4
11.房源數量和位置分布分析.mp4
12.戶型數量基本分析.mp4
13.平均租金基本分析.mp4
14.面積區間分析.mp4
2.繪制雙變量分布圖形.mp4
3.類別散點圖的繪制.mp4
4.類別內的數據分布和統計估計.mp4
5.NBA數據獲取和相關性基本分析.mp4
6.對數據進行分析-seaborn.mp4
7.衍生變量的可視化實踐.mp4
8.球隊數據分析.mp4
9.北京市租房數據獲取和重復值與空值處理.mp4
第五天視頻
1.K-近鄰算法簡介.mp4
10.特征預處理簡介.mp4
11.歸一化和標準化介紹.mp4
12.鳶尾花種類預測.mp4
13.KNN算法總結.mp4
14.交叉驗證、網格搜索概念介紹.mp4
15.交叉驗證、網格搜索案例實現.mp4
2.K近鄰算法api初步使用.mp4
3.機器學習中距離度量介紹.mp4
4.K值的選擇介紹.mp4
5.kd樹和kd樹的構造過程.mp4
6.kd樹案例實現.mp4
7.數據集獲取和屬性介紹.mp4
8.數據可視化介紹.mp4
9.數據集的劃分.mp4
第六天視頻
1.案例-Facebook位置預測流程分析.mp4
10.使用正規方程對損失函數進行優化.mp4
11.使用梯度下降法對損失函數進行優化.mp4
12.梯度下降法方法介紹.mp4
13.線性回歸api再介紹.mp4
14.波士頓房價預測案例.mp4
15.欠擬合和過擬合的介紹.mp4
16.正則化線性模型.mp4
17.嶺回歸介紹.mp4
18.模型保存和加載.mp4
2.案例-Facebook位置預測代碼實現1.mp4
3.案例-Facebook位置預測代碼實現2.mp4
4.補充-數據分割和留出法.mp4
5.補充-交叉驗證法和自助法.mp4
6.線性回歸簡介.mp4
7.初始線性回歸api.mp4
8.數學：求導.mp4
9.線性回歸中損失函數的介紹.mp4
第7天視頻
1.邏輯回歸介紹.mp4
10.信息增益的介紹.mp4
11.信息增益率的介紹.mp4
12.基尼指數的介紹.mp4
13.決策樹劃分原理小結.mp4
14.cart剪枝介紹.mp4
15.字典特征提取.mp4
16.英文文本特征提取.mp4
17.中文文本特征提取.mp4
18.tfidf內容講解.mp4
2.邏輯回歸api介紹.mp4
3.腫瘤預測案例.mp4
4.分類評估方法介紹.mp4
5.roc曲線繪制過程.mp4
6.補充-類別不平衡數據介紹.mp4
7.補充-過采樣和欠采樣介紹.mp4
8.決策樹算法簡介.mp4
9.熵的介紹.mp4
第8天視頻
1.決策樹算法api介紹.mp4
10.otto數據模型基本訓練.mp4
11.模型調優和確定最優模型.mp4
12.生成提交數據.mp4
13.boosting介紹.mp4
14.GBDT的介紹.mp4
2.泰坦尼克號乘客生存預測.mp4
3.樹木可視化操作.mp4
4.回歸決策樹介紹.mp4
5.回歸決策樹和線性回歸對比.mp4
6.集成學習基本介紹.mp4
7.bagging和隨機森林.mp4
8.otto案例介紹以及數據獲取.mp4
9.otto數據基本處理.mp4
第9天視頻
1.聚類算法介紹.mp4
10.概率內容復習.mp4
11.樸素貝葉斯計算案例.mp4
12.樸素貝葉斯案例實現1.mp4
13.樸素貝葉斯案例實現2.mp4
14.樸素貝葉斯內容總結.mp4
2.聚類算法api初步實現.mp4
3.聚類算法實現流程.mp4
4.模型評估.mp4
5.算法優化介紹.mp4
6.特征降維內容介紹.mp4
7.pca降維介紹.mp4
8.用戶對物品類別的喜好細分案例.mp4
9.初始樸素貝葉斯.mp4
第10天視頻
1.SVM基本介紹.mp4
10.數字識別器-獲取數據.mp4
11.數字識別器-數據基本處理和模型訓練.mp4
12.SVM總結.mp4
2.SVM算法api初步使用.mp4
3.SVM算法推導的目標函數.mp4
4.SVM目標函數推導過程及舉例.mp4
5.SVM損失函數.mp4
6.SVM的核方法介紹.mp4
7.SVM回歸介紹.mp4
8.SVM算法api再介紹.mp4
9.數字識別器案例初步介紹.mp4
第11天視頻
1.初識EM算法.mp4
10.鮑姆-韋爾奇算法簡介.mp4
11.HMM模型api介紹及案例代碼實現.mp4
2.EM算法介紹.mp4
3.EM算法實例.mp4
4.馬爾科夫鏈的介紹.mp4
5.HMM模型的簡單案例.mp4
6.HMM模型三種經典問題舉例求解.mp4
7.HMM模型基礎.mp4
8.前向后向算法評估觀察序列概率.mp4
9.維特比算法解碼隱藏狀態序列.mp4
第12天視頻
1.xgboost最優模型構建方法.mp4
10.otto案例xgboost實現-模型調優.mp4
11.otto案例xgboost實現-最優模型運行.mp4
2.目標函數確定和樹的復雜度介紹.mp4
3.XGBoost目標函數的推導.mp4
4.XGBoost的回歸樹構建方法.mp4
5.XGBoost和GBDT的區別.mp4
6.xgboost算法api與參數介紹.mp4
7.xgboost簡單案例介紹.mp4
8.otto案例xgboost實現-數據基本處理.mp4
9.otto案例xgboost實現-模型基本訓練.mp4
第13天視頻
1.lightGBM簡單介紹.mp4
10.異常值值處理2.mp4
11.類別型數據處理.mp4
12.數據截取、確定特征值和目標值、分割數據集.mp4
13.使用RF進行模型訓練.mp4
14.lightGBM對模型調優1.mp4
15.lightGBM對模型調優2.mp4
2.lightGBM算法原理介紹.mp4
3.lightGBM算法api參數介紹.mp4
4.lightGBM算法簡單案例介紹.mp4
5.pubg案例簡介.mp4
6.獲取pubg數據.mp4
7.數據缺失值處理和查看每場比賽人數.mp4
8.規范化輸出部分數據和部分變量合成.mp4
9.異常值處理1.mp4
機器學習入門教程資料
day01.rar
day02.rar
day03.rar
day04.rar
day05.rar
day06.rar
day07.zip
day08.zip
day09.zip
day10.zip
day11.zip
day12.zip
day13.zip
機器學習課件.zip