首页 > 全部课程 >程序开发>Python+人工智能>机器学习基础入门

机器学习基础入门

机器学习基础入门
机器学习基础入门_Python+人工智能培训课程_优就业IT在线教育
优惠价 
199.00
原价 
¥209.00
 
课时 
77课时
有效期 
2019.09.04至2021.12.31

课程介绍 课程目录 课程评价

第一章 机器学习入门

第1节 正则化概述

课件1 模型过拟合问题 08:31观看
课件2 正则化方法简介 06:38观看
课件3 正则化方法的常见应用 04:31观看
课件4 深度学习中的正则化方法 02:39

第2节 生成模型

课件5 概率论基础快速回顾 05:43
课件6 条件概率与分类 07:47
课件7 判别式函数 08:22
课件8 极大似然估计快速回顾 02:32
课件9 多元数据的数字特征 06:58
课件10 多元正态分布 02:24
课件11 多元分类 06:43

第3节 判别式模型

课件12 判别式模型与生成模型的区别 06:56
课件13 线性判别式 05:25
课件14 逻辑斯蒂判别式 16:05
课件15 从二分类到多分类(softmax) 07:07
课件16 编程实现(Python) 03:44

第4节 课程总结

课件17 课程总结 09:43

第5节 经典监督学习算法-决策树

课件18 决策树总体概览 07:44
课件19 信息论-信息熵 06:49
课件20 信息论-交叉熵与KL散度 08:15
课件21 属性选择的依据 11:03
课件22 剪枝操作 06:18
课件23 决策树的拓展 05:02
课件24 编程实现(Python) 07:28

第6节 经典监督学习算法-回归算法

课件25 一元线性回归 09:08
课件26 均方误差 06:58
课件27 多元线性回归 05:49
课件28 广义线性模型 02:38
课件29 偏倚方差两难选择 13:05
课件30 编程实现(Python) 04:36

第7节 经典非监督学习算法-期望最大算法(EM算法)

课件31 极大似然估计 12:54
课件32 问题引入 12:49
课件33 E步与M步 03:13
课件34 EM算法与Kmeans的关系 12:20

第8节 经典非监督学习算法-Kmeans聚类

课件35 混合模型 03:32
课件36 度量距离的几种方法 08:07
课件37 评价聚类效果的几种方法 08:50
课件38 Kmeans算法 08:23
课件39 编程实现(Python) 06:55
课件40 实际应用(图像压缩) 07:05

第9节 监督学习与非监督学习简介

课件41 机器学习基本概念 14:46
课件42 监督学习简介 05:35
课件43 非监督学习简介 02:34
课件44 常见算法简介 11:23

第二章 机器学习模型

第1节 聚类模型

课件45 聚类问题介绍 02:22观看
课件46 Kmeans聚类 12:19观看
课件47 层次聚类 05:55观看
课件48 密度聚类 10:09
课件49 本章小结 02:08

第2节 降维模型

课件50 降维问题介绍 04:32
课件51 奇异值分解(SVD) 12:42
课件52 主成分分析(PCA) 12:54
课件53 线性判别分析(LDA) 11:00
课件54 本章小结 03:15

第3节 机器学习模型评估指标

课件55 回归问题评估指标 01:32
课件56 分类问题评估指标 11:11
课件57 本章小结 02:31

第4节 机器学习模型复杂度度量

课件58 经验风险与结构风险 04:06
课件59 过拟合与正则化 12:25
课件60 模型选择 04:01
课件61 本章小结 02:23

第5节 回归模型

课件62 回归问题介绍 11:04
课件63 线性回归模型 12:05
课件64 本章小结 03:20

第6节 分类模型(一)

课件65 分类问题介绍 04:44
课件66 K近邻模型(KNN) 15:26
课件67 朴素贝叶斯模型 11:44
课件68 逻辑斯特回归模型(LR) 10:13
课件69 感知机模型 09:42
课件70 支持向量机模型(SVM)-上 11:22
课件71 支持向量机模型(SVM)-下 12:02
课件72 本章小结 03:34

第7节 分类模型(二)

课件73 分类回归树模型(CART) 16:10
课件74 随机森林模型(RF) 09:56
课件75 Adboost模型 11:59
课件76 提升树模型 14:01
课件77 本章小结 02:46

简介

机器学习是一门多领域交叉学科。专门研究计算机怎样模拟或实现人类的学习行为,它是人工智能的核心,是使计算机具有智能的根本途径。人工智能时代,大数据万物互联都离不开机器学习作为基础,想要站在时代的风口,领先他人一步,快来了解机器入门基础课程,探寻机器学习的世界。

学习目标

1、了解机器学习概念

2、掌握机器学习原理

3、打下人工智能学习基础

4、对常见算法有所了解

适合人群

在校大学生:提前接触机器学习,拥抱人工智能时代行业
转行者:入门机器学习,掌握行业先机,职场快人一步
IT从业者:不懂人工智能,大数据分析,怎么制霸IT行业,机器学习带你入门。

详细介绍

机器学习简介python课程安排机器学习适合人群机器理论中公优就业的优势学员服务学员问题

暂无评价
发表评价:

0/500
 
 
 
咨询中心
优就业微信扫一扫
微信扫一扫

400-650-7353

加入官方微博