中国讲座网总首页 > 电脑教程 > 语言汇编
无插件

【编码教程】python数据分析与机器学习实战

  • 软件大小:4.46 GB 更新时间:2021-03-12 09:50:06
  • Tags: 授权方式:自由版
  • 电脑类别:培训 / 语言汇编 电脑语言:简体中文
  • 插件:推荐星级:
  • 售价:¥ 0 元 销量:0 套

【编码教程】python数据分析与机器学习实战——更多资源,课程更新在

资源,名师讲座课程简介:

【编码教程】python数据分析与机器学习实战

适用人群

数据分析,机器学习,数据挖掘领域研究者。Python语言使用者。

课程概述

【云课堂数据分析与机器学习销冠课程,超5000名小伙伴加入】

【连续多年荣获云课堂金云奖最佳课程奖”,人工智能类唯一”获奖课程,最佳合作伙伴】

【课程同名配套教材《跟着迪哥学Python数据分析与机器学习实战》现已出版,加入课程免费送配套PDF版教材】

课程特色:

1、机器学习算法全面覆盖,每个算法均有配套项目实战!

2、通俗易懂,用最接地气的方式讲解复杂的算法与代码!

3、五年沉底,精选配套案例,打造最适合初学者的实战路线图!

4、同名配套教材免费提供,课程持续更新,永久有效!

目录

章节1:课程介绍与学习路线解读试看

课时1视频课程整体内容介绍(主题与大纲)04:54可试看

课时2视频学习常见问题解读07:59可试看

课时3文本专属配套教材下载(需PC网页登录)可试看

章节2:人工智能入门指南(有基础的同学请略过!)试看

课时4视频AI时代首选Python09:20可试看

课时5视频Python我该怎么学04:21可试看

课时6视频人工智能的核心-机器学习10:35可试看

课时7视频机器学习怎么学?08:37

课时8视频算法推导与案例08:19

章节3:Python科学计算库-Numpy(课程代码在目录)试看

课时9视频课程环境配置05:38

课时10视频课件使用方法与notebook路径配置14:01

课时11视频Numpy工具包概述09:59可试看

课时12视频数组结构08:35

课时13视频属性与赋值操作10:30

课时14视频数据索引方法11:00

课时15视频数值计算方法08:15

课时16视频排序操作04:51

课时17视频数组形状06:36

课时18视频数组生成常用函数08:25

课时19视频随机模块05:33

课时20视频读写模块05:56

课时21文本本章数据代码下载(需PC登录,点击左下角参考资料)

章节4:python数据分析处理库-Pandas

课时22视频Pandas工具包使用简介08:32

课时23视频数据信息读取与展示12:05

课时24视频索引方法04:34

课时25视频groupby函数使用方法05:22

课时26视频数值运算11:15

课时27视频merge合并操作07:14

课时28视频pivot数据透视表10:02

课时29视频时间操作10:18

课时30视频apply自定义函数08:58

课时31视频常用操作06:43

课时32视频字符串操作07:32

课时33文本本章数据代码下载(需PC登录,点击左下角参考资料)

章节5:Python数据可视化库-Matplotlib

课时34视频Matplotlib概述11:44

课时35视频子图与标注21:16

课时36视频风格设置04:50

课时37视频条形图14:48

课时38视频条形图细节15:14

课时39视频条形图外观15:40

课时40视频盒图绘制09:09

课时41视频盒图细节14:41

课时42视频绘图细节设置13:48

课时43视频绘图细节设置212:36

课时44视频直方图与散点图18:05

课时45视频3D图绘制20:05

课时46视频pie图15:00

课时47视频子图布局14:39

课时48视频结合pandas与sklearn14:03

课时49文本本章数据代码下载(需PC登录,点击左下角参考资料)

章节6:Python可视化库Seaborn试看

课时50视频Seaborn简介02:44可试看

课时51视频整体布局风格设置07:47

课时52视频风格细节设置06:49

课时53视频调色板10:39

课时54视频调色板颜色设置08:17

课时55视频单变量分析绘图09:37

课时56视频回归分析绘图08:53

课时57视频多变量分析绘图10:36

课时58视频分类属性绘图09:40

课时59视频Facetgrid使用方法08:49

课时60视频Facetgrid绘制多变量08:29

课时61文本本章数据代码下载(需PC登录,点击左下角参考资料)

课时62视频热度图绘制14:19

章节7:K近邻算法实战试看

课时63视频K近邻算法概述15:47可试看

课时64视频模型的评估10:39

课时65视频数据预处理11:25

课时66文本本章数据代码下载(需PC登录,点击左下角参考资料)

课时67视频sklearn库与功能14:42

课时68视频多变量KNN模型16:37

章节8:线性回归算法原理推导试看

课时69视频回归问题概述07:11

课时70视频误差项定义09:41可试看

课时71视频独立同分布的意义07:32

课时72视频似然函数的作用10:50

课时73视频参数求解11:11

课时74文本所有算法PPT汇总下载

章节9:梯度下降策略

课时75视频梯度下降通俗解释08:34

课时76视频参数更新方法08:17

课时77视频优化参数设置08:51

章节10:逻辑回归算法

课时78视频逻辑回归算法原理08:23

课时79视频化简与求解09:09

章节11:案例实战:Python实现逻辑回归与梯度下降策略

课时80文本本章数据代码下载(需PC登录,点击左下角参考资料)

课时81视频Python实现逻辑回归任务概述07:34

课时82视频完成梯度下降模块12:51

课时83视频停止策略与梯度下降案例10:55

课时84视频实验对比效果10:25

章节12:项目实战-交易数据异常检测

课时85视频任务目标解读08:09

课时86视频项目挑战与解决方案制定12:36

课时87视频数据标准化处理11:20

课时88视频下采样数据集制作06:08

课时89视频交叉验证07:16

课时90视频数据集切分06:00

课时91视频模型评估方法与召回率10:30

课时92视频正则化惩罚项11:48

课时93视频训练逻辑回归模型11:20

课时94视频混淆矩阵评估分析10:22

课时95视频测试集遇到的问题05:20

课时96视频阈值对结果的影响10:34

课时97视频SMOTE样本生成策略07:38

课时98视频过采样效果与项目总结08:00

课时99文本本章数据代码下载(需PC登录,点击左下角参考资料)

章节13:决策树算法

课时100视频决策树算法概述08:29

课时101视频熵的作用06:39

课时102视频信息增益原理08:41

课时103视频决策树构造实例07:40

课时104视频信息增益率与gini系数06:07

课时105视频预剪枝方法08:02

课时106视频后剪枝方法06:54

课时107视频回归问题解决05:54

章节14:案例实战:使用sklearn构造决策树模型

课时108文本本章数据代码下载(需PC登录,点击左下角参考资料)

课时109视频决策树复习08:55

课时110视频决策树涉及参数11:09

课时111视频树可视化与sklearn库简介18:14

课时112视频sklearn参数选择11:46

章节15:集成算法与随机森林

课时113视频集成算法-随机森林12:03

课时114视频特征重要性衡量13:51

课时115视频提升模型11:15

课时116视频堆叠模型07:09

章节16:案例实战:集成算法建模实战试看

课时117文本本章数据代码下载(需PC登录,点击左下角参考资料)

课时118视频集成算法实例概述10:51可试看

课时119视频ROC与AUC指标10:03

课时120视频基础模型09:32

课时121视频集成实例18:53

课时122视频Stacking模型14:16

课时123视频效果改进11:09

章节17:基于随机森林的气温预测

课时124视频基于随机森林的气温预测任务概述09:05

课时125视频基本随机森林模型建立09:09

课时126视频可视化展示与特征重要性12:58

课时127视频加入新的数据与特征10:24

课时128视频数据与特征对结果的影响08:24

课时129视频效率对比分析08:14

课时130视频网格与随机参数选择07:51

课时131视频随机参数选择方法实践09:46

课时132视频调参优化细节10:12

课时133文本本章数据代码下载

章节18:贝叶斯算法

课时134视频贝叶斯算法概述06:58

课时135视频贝叶斯推导实例07:38

课时136视频贝叶斯拼写纠错实例11:46

课时137视频垃圾邮件过滤实例14:10

课时138视频贝叶斯实现拼写检查器12:21

章节19:Python文本数据分析:新闻分类任务

课时139文本本章数据代码下载(需PC登录,点击左下角参考资料)

课时140视频文本分析与关键词提取12:11

课时141视频相似度计算11:44

课时142视频新闻数据与任务简介10:20

课时143视频TF-IDF关键词提取13:28

课时144视频LDA建模09:10

课时145视频基于贝叶斯算法进行新闻分类14:53

章节20:支持向量机

课时146视频支持向量机算法要解决的问06:00

课时147视频距离的定义07:05

课时148视频要优化的目标07:54

课时149视频目标函数10:12

课时150视频拉格朗日乘子法08:57

课时151视频SVM求解10:14

课时152视频支持向量的作用07:53

课时153视频软间隔问题06:00

课时154视频核函数问题11:56

章节21:案例:SVM调参实例

课时155文本本章数据代码下载(需PC登录,点击左下角参考资料)

课时156视频支持向量机所能带来的效果08:55

课时157视频决策边界可视化展示09:52

课时158视频软间隔的作用10:31

课时159视频非线性SVM06:52

课时160视频核函数的作用与效果16:15

章节22:聚类算法-Kmeans

课时161视频KMEANS算法概述11:34

课时162视频KMEANS工作流程09:42

课时163视频KMEANS迭代可视化展示08:20

课时164视频使用Kmeans进行图像压缩07:58

章节23:聚类算法-DBSCAN

课时165视频DBSCAN聚类算法11:04

课时166视频DBSCAN工作流程15:03

课时167视频DBSCAN可视化展示08:52

章节24:案例实战:聚类实践分析

课时168文本本章数据代码下载(需PC登录,点击左下角参考资料)

课时169视频Kmenas算法常用操作09:21

课时170视频聚类结果展示04:45

课时171视频建模流程解读10:45

课时172视频不稳定结果04:14

课时173视频评估指标-Inertia07:24

课时174视频如何找到合适的K值06:55

课时175视频轮廓系数的作用09:15

课时176视频Kmenas算法存在的问题07:19

课时177视频应用实例-图像分割13:45

课时178视频半监督学习12:23

课时179视频DBSCAN算法08:10

章节25:降维算法-PCA主成分分析

课时180视频PCA降维概述08:39

课时181视频PCA要优化的目标12:22

课时182视频PCA求解10:18

课时183视频PCA实例08:34

章节26:神经网络

课时184视频初识神经网络11:28

课时185视频计算机视觉所面临的挑战09:40

课时186视频K近邻尝试图像分类10:01

课时187视频超参数的作用10:31

课时188视频线性分类原理09:35

课时189视频神经网络-损失函数09:18

课时190视频神经网络-正则化惩罚项07:19

课时191视频神经网络-softmax分类器13:39

课时192视频神经网络-最优化形象解读06:47

课时193视频神经网络-梯度下降细节问题11:49

课时194视频神经网络-反向传播15:17

课时195视频神经网络架构10:11

课时196视频神经网络实例演示10:39

课时197视频神经网络过拟合解决方案15:54

课时198视频感受神经网络的强大11:30

章节27:Xgboost集成算法

课时199视频集成算法思想05:35

课时200视频xgboost基本原理11:07

课时201视频xgboost目标函数推导12:18

课时202视频Xgboost安装06:26

课时203视频保险赔偿任务概述13:06

课时204视频Xgboost参数定义09:54

课时205视频基础模型定义08:16

课时206视频树结构对结果的影响12:37

课时207视频学习率与采样对结果的影响13:01

课时208文本本章数据代码下载

章节28:自然语言处理词向量模型-Word2Vec

课时209视频自然语言处理与深度学习11:58

课时210视频语言模型06:16

课时211视频-N-gram模型08:32

课时212视频词向量09:28

课时213视频神经网络模型10:03

课时214视频Hierarchical Softmax10:01

课时215视频CBOW模型实例11:21

课时216视频CBOW求解目标05:39

课时217视频梯度上升求解10:11

课时218视频负采样模型07:15

章节29:使用Gensim库构造中文维基百度数据词向量模型

课时219文本本章数据代码下载(需PC登录,点击左下角参考资料)

课时220视频使用Gensim库构造词向量06:22

课时221视频维基百科中文数据处理10:27

课时222视频Gensim构造word2vec模型08:52

课时223视频测试模型相似度结果07:42

章节30:模型评估方法

课时224视频Sklearn工具包简介04:56

课时225视频数据集切分07:15

课时226视频交叉验证的作用11:03

课时227视频交叉验证实验分析14:51

课时228视频混淆矩阵07:52

课时229视频评估指标对比分析12:13

课时230视频阈值对结果的影响08:26

课时231视频ROC曲线08:58

课时232文本本章数据代码下载

章节31:Python库分析科比生涯数据试看

课时233文本本章数据代码下载(需PC登录,点击左下角参考资料)

课时234视频Kobe Bryan生涯数据读取与简介07:45可试看

课时235视频特征数据可视化展示11:41

课时236视频数据预处理12:32

课时237视频使用Scikit-learn建立模型10:12

章节32:Python时间序列分析试看

课时238文本本章数据代码下载(需PC登录,点击左下角参考资料)

课时239视频章节简介01:03可试看

课时240视频Pandas生成时间序列11:28

课时241视频Pandas数据重采样09:22

课时242视频Pandas滑动窗口07:47

课时243视频数据平稳性与差分法11:10

课时244视频ARIMA模型10:34

课时245视频相关函数评估方法10:46

课时246视频建立ARIMA模型07:48

课时247视频参数选择12:40

课时248视频股票预测案例09:57

课时249视频使用tsfresh库进行分类任务12:04

课时250视频维基百科词条EDA14:30

章节33:机器学习项目实战-贷款申请最大化利润

课时251文本本章数据代码下载(需PC登录,点击左下角参考资料)

课时252视频数据清洗过滤无用特征12:08

课时253视频数据预处理10:12

课时254视频获得最大利润的条件与做法13:26

课时255视频预测结果并解决样本不均衡问题12:47

章节34:机器学习项目实战-用户流失预警

课时256文本本章数据代码下载(需PC登录,点击左下角参考资料)

课时257视频数据背景介绍06:35

课时258视频数据预处理10:05

课时259视频尝试多种分类器效果08:32

课时260视频结果衡量指标的意义19:50

课时261视频应用阈值得出结果06:26

章节35:探索性数据分析-足球赛事数据集试看

课时262文本本章数据代码下载(需PC登录,点击左下角参考资料)

课时263视频内容简介02:13

课时264视频数据背景介绍10:30可试看

课时265视频数据读取与预处理13:09

课时266视频数据切分模块14:42

课时267视频缺失值可视化分析13:27

课时268视频特征可视化展示12:23

课时269视频多特征之间关系分析11:21

课时270视频报表可视化分析10:38

课时271视频红牌和肤色的关系17:16

章节36:探索性数据分析-农粮组织数据集

课时272视频数据背景简介11:05

课时273视频数据切片分析17:26

课时274视频单变量分析15:21

课时275视频峰度与偏度11:37

课时276视频数据对数变换09:43

课时277视频数据分析维度06:55

课时278视频变量关系可视化展示12:22

章节37:机器学习项目实战-HTTP日志聚类分析

课时279视频建立特征工程17:25

课时280视频特征数据预处理10:34

课时281视频应用聚类算法得出异常IP点

 

马上创业  诚商数据云销售系统  一键更新授权

下载地址

电脑用户点评

       评论摘要(共 0 条,得分 0 分,平均 0 分)

发表评论


用户名:

分 值:100分 85分 70分 55分 40分 25分 10分 1分

内 容:

         通知管理员 验证码:

下载说明

* 为了达到最快的下载速度,推荐使用网际快车或迅雷下载本站软件。
* 请一定升级到最新版WinRAR3.80才能正常解压本站提供的软件!
* 如果您发现下载链接错误,请点击报告错误谢谢!
* 站内提供的所有软件包含破解及注册码均是由网上搜集,若侵犯了你的版权利益,敬请来信通知我们!
网站公告 本站简介 网站帮助 广告合作 下载声明 友情连接 升级记录  ©Copyright © 2009-2015 . All Rights Reserved. 版权所有.页面执行时间:187.50000 毫秒
本站仅提供学习的平台,所有资料均是会员上传私下交流学习之用;将不对任何资源负法律责任,只作为购买原版的参考,并无法代替原版,所有资源请在下载后24小时内删除;
资源版权归作者所有,如果您觉得满意,请购买正版。您若发现本站侵犯了你的版权利益,请来信本站将立即予以删除!