【V7742】2017年最新python机器学习与数据分析实战视频教程(精品)

视频教程大纲

2017年最新python机器学习与数据分析实战视频教程
2017年最新python机器学习与数据分析实战视频教程
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Numpy  10:32
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 Softmax  10:01
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EDA  14:30
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

解压密码

您暂时无权查看此隐藏内容!

百度网盘下载地址

资源下载价格9.8立即支付    升级VIP后免费升级VIP
立即支付后显示网盘资源,教程不能播放无条件退款,退款请联系右边在线客服。 终生VIP活动价68元,平台稳定运营2年+,其他平台有的这都有,还是全网最低价。
1、网军编程学院为非营利性网站,全站所有资料仅供网友个人学习使用,禁止商用。
2、本站所有文档、视频、书籍等资料均由网友分享,本站只负责收集不承担任何技术及版权问题。
3、如本帖侵犯到任何版权问题,请立即告知本站,本站将及时予与删除下载链接并致以最深的歉意。
4、本帖部分内容转载自其它媒体,但并不代表本站赞同其观点和对其真实性负责。
5、一经注册为本站会员,一律视为同意网站规定,本站管理员及版主有权禁止违规用户。
6、其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和网军编程学院的同意。
7、网军编程学院管理员和版主有权不事先通知发贴者而删除本文。

发表评论

发表评论

电子邮件地址不会被公开。