课程分类 ∨
  • 视频课程
  • 直播课程
  • 一元课程
  • 免费课程
学习路线 ∨
  • JAVA 大数据
  • 大数据分析
  • 大数据开发
  • 人工智能
  • 网络营销
  • 产品经理
  • UI/UE
  • 高级行政管理
互动 ∨
  • 社区论坛
品牌 ∨
  • 华信官网
  • 关于我们
  • 大咖导师
  • 联系我们
搜索
购物车

/

注册

/

/

下载APP
课程 >
机器学习
机器学习
机器学习
  • 学习人数822
  • 课时227
  • 分享
  • 收藏

价       格

¥10200.00 ¥10200.00 ¥10000.00 ¥10000.00 ¥1000.00 ¥1000.00
套餐选择

课程+认证

仅课程

仅认证

立即购买 立即咨询
课程大纲
老师介绍
交流互动

01 数学回顾、机器学习概述

  • 01_课程内容及授课相关事项介绍
  • 02_数学回顾:数据分析部分相关知识回顾
  • 03_数学回顾:概率论部分相关知识回顾
  • 04_数学回顾:线性代码部分相关知识回顾
  • 05_梯度下降算法原理过程回顾讲解
  • 06_Python知识回顾讲解
  • 07_机器学习直观理解
  • 08_机器学习理性认识
  • 09_机器学习相关概念讲解
  • 10_机器学习开发环境介绍及scikit learn环境安装搭建讲解
  • 11_机器学习应用场景介绍
  • 12_扩展:PyCharm导入Python环境讲解
  • 13_机器学习算法类别讲解

02 机器学习概述、回归算法

  • 01_机器学习构建流程讲解
  • 02_机器学习构建流程详细讲解一(数据收集存储)
  • 03_机器学习构建流程详细讲解二(哑编码)
  • 04_机器学习构建流程详细讲解三(词袋法、TF-IDF)
  • 05_机器学习构建流程详细讲解四(模型构建)
  • 06_机器学习构建流程详细讲解五(模型评估)
  • 07_机器学习构建流程详细讲解六(模型部署)
  • 08_线性回归算法初识
  • 09_线性回归算法损失函数及最小二乘方式讲解
  • 10_案例代码:基于最小二乘解析式的方式代码实现讲解
  • 11_案例代码:机器学习编程流程案例代码讲解
  • 12_案例代码:基于sklearn的代码实现讲解
  • 13_案例代码:基于sklearn的模型保存以及应用的代码实现讲解
  • 14_案例代码:基于sklearn的时间&功率以及电流&电压关系的案例代码讲解
  • 15_课程总结和作业布置讲解

03 回归算法、KNN

  • 01_知识回顾
  • 02_模型欠拟合解决方案及多项式线性回归原理及案例代码讲解
  • 03_案例代码:多项式线性回归及管道流案例代码实现讲解
  • 04_模型过拟合讲解
  • 05_过拟合解决方案之L1正则和L2正则讲解
  • 06_回归算法评估指标讲解
  • 07_模型超参给定方式以及交叉验证方式讲解
  • 08_梯度下降优化算法原理过程讲解
  • 09_线性回归算法总结
  • 10_案例代码:葡萄酒质量检测代码实现讲解
  • 11_Logistic回归算法求解过程原理讲解
  • 12_案例代码:病理数据的Logistic回归案例实现代码讲解
  • 13_Softmax回归算法求解过程原理及案例代码讲解
  • 14_综合案例代码实现讲解

04 KNN、决策树

  • 01_KNN基本原理讲解
  • 02_KDTree构建过程讲解
  • 03_案例代码:鸢尾花数据分类KNN算法案例代码实现
  • 04_案例代码:GridSearchCV网格交叉验证模型参数选择案例代码实现讲解
  • 05_决策树算法初识
  • 06_信息熵&条件熵相关知识讲解
  • 07_决策树构建过程讲解
  • 08_决策树构建案例过程讲解
  • 09_ID3、C45、Cart算法讲解
  • 10_案例代码:鸢尾花数据分类决策树算法案例代码实现
  • 11_分类树和回归树区别讲解
  • 12_课程内容总结以及作业布置讲解

05 决策树、集成学习

  • 01_决策树优化剪枝过程讲解
  • 02_决策树可视化案例代码实现讲解
  • 03_集成学习思想讲解
  • 04_Bagging集成方式思想讲解
  • 05_Random Forest随机森林集成算法思想讲解
  • 06_Random Forest变种算法原理讲解
  • 07_案例代码:Bagging算法实现案例代码实现讲解
  • 08_案例代码:随机森林实现案例代码实现讲解
  • 09_案例代码:Totally Random Trees维度扩展案例代码实现讲解
  • 10_案例代码:IsolationForest异常点检测案例代码实现讲解
  • 11_案例代码:多目标属性预测的随机森林案例代码实现讲解
  • 12_Boosting集成方式思想讲解
  • 13_Adaboost算法构建原理及过程讲解
  • 14_Adaboost算法构建过程案例讲解

06 集成学习&聚类算法

  • 01_案例代码:Adaboost案例代码实现讲解
  • 02_GBDT算法思想原理讲解
  • 03_案例代码:GBDT算法应用分类回归案例代码实现讲解
  • 04_Bagging和Boosting算法思想区别比较分析讲解
  • 05_Stacking集成思想讲解
  • 06_XGBoost概述
  • 07_XGBoost构建原理过程讲解
  • 08_案例代码:XGBoost使用分类案例代码实现讲解
  • 09_聚类算法概述
  • 10_相似度计算方式讲解
  • 11_KMeans算法构建过程原理及伪代码讲解

07 聚类算法

  • 01_聚类知识回顾_
  • 02_KMeans算法缺陷问题以内容总结讲解
  • 03_案例代码:KMeans聚类案例代码实现讲解
  • 04_KMeans算法初值敏感问题解决方案讲解
  • 05_KMeans算法中K值给定方式讲解
  • 06_Mini Batch K-Means算法原理及案例代码实现讲解
  • 07_聚类算法效果衡量指标方式讲解
  • 08_层次聚类算法原理及案例代码讲解
  • 09_层次聚类优化算法原理讲解(BIRCH&CURE)
  • 10_案例代码:BIRCH层次聚类算法案例代码讲解
  • 11_DBSCAN密度聚类算法原理讲解
  • 12_MDCA密度聚类算法原理讲解
  • 13_案例代码:DBSCAN密度聚类算法案例代码实现
  • 14_谱聚类算法执行过程以及谱聚类的案例代码讲解
  • 15_案例代码:各种聚类算法效果比较的案例代码讲解
  • 16_案例代码:基于KMeans算法的图像压缩案例代码实现讲解

08 SVM

  • 01_课程内容概括讲解
  • 02_SVM前置知识回顾:梯度下降法讲解
  • 03_SVM前置知识回顾:拉格朗日函数以及KKT条件讲解
  • 04_SVM前置知识回顾:点到平面距离公式讲解
  • 05_SVM前置知识回顾:感知器模型讲解
  • 06_线性可分SVM算法原理讲解
  • 07_线性可分SVM算法构建过程讲解
  • 08_软间隔线性可分SVM算法原理及构建过程讲解
  • 09_非线性可分SVM算法原理讲解
  • 10_核函数原理讲解
  • 11_sklearn中SVM API参数说明讲解
  • 12_案例代码:基于SVM的鸢尾花数据分类以及异常点检测代码实现讲解

09 SVM、多分类及多标签分类算法

  • 01_SVM知识回顾
  • 02_SVM算法中β求解的SMO算法执行过程及原理讲解
  • 03_SMO算法更新变量的选择方式以算法执行过程总结
  • 04_SVR算法的构建思想以及SVR回归案例代码实现讲解
  • 05_案例代码:基于SVM的手写数字识别案例代码实现讲解
  • 06_案例代码:自定义核函数案例代码实现讲解
  • 07_案例代码:机器学习分类算法效果比较案例代码讲解
  • 08_单标签多分类解决方案之OVO和OVR的方式原理过程讲解
  • 09_案例代码:OVO和OVR使用的案例代码实现讲解
  • 10_单标签多分类解决方案之纠错码机制原理过程讲解
  • 11_多标签算法应用解决方案之Binary Relevance和Classifier Chains原理过程讲解
  • 12_多标签算法应用解决方案之Calibrated Label Ranking原理过程讲解
  • 13_多标签算法应用解决方案之ML-KNN和ML-DT原理过程讲解
  • 14_案例代码:多标签应用案例代码实现讲解

010 贝叶斯算法、EM算法

  • 01_朴素贝叶斯算法原理及执行过程讲解
  • 02_高斯朴素贝叶斯、伯努利朴素贝叶斯以及多项式朴素贝叶斯原理及构建过程讲解
  • 03_案例代码:基于朴素贝叶斯算法的鸢尾花数据分类案例代码实现讲解
  • 04_案例代码:文本数据分类的多种分类算法效果比较案例代码实现讲解
  • 05_贝叶斯网络原理过程讲解
  • 06_知识回顾:最大似然估计MLE和最大后验概率估计MAP知识回顾
  • 07_知识回顾:KMeans算法执行过程回顾
  • 08_EM算法算法原理及执行过程讲解
  • 09_EM算法案例理解讲解
  • 10_EM算法收敛性证明讲解
  • 11_GMM高斯混合聚类模型算法原理及执行过程讲解
  • 12_案例代码:基于Python语言实现GMM聚类算法案例代码实现讲解
  • 13_案例代码:基于sklearn的GMM聚类案例代码实现讲解
  • 14_案例代码:基于Python实现和sklearn实现的GMM聚类效果比较案例代码讲解
  • 15_案例代码:GMM高斯混合聚类算法的参数以及分类效果讲解
  • 16_课程内容总结以及作业内容讲解

011 隐马尔科夫

  • 01_马尔科夫过程以及马尔科夫链理论讲解
  • 02_HMM模型初识
  • 03_HMM模型概念讲解
  • 04_HMM案例以及HMM的应用问题讲解
  • 05_HMM概率计算之暴力计算法过程讲解
  • 06_HMM概率计算之前向算法和后向算法原理讲解
  • 07_HMM单状态概率和两个状态概率公式讲解
  • 08_HMM模型训练之有监督训练方式讲解
  • 09_HMM模型训练之无监督训练方式讲解(Baum-Welch算法)
  • 10_HMM模型预测之Viterbi算法讲解
  • 11_HMM开发环境搭建之hmmlearn python模块安装方式讲解
  • 12_案例代码:hmmlearn算法模块的基本应用代码讲解
  • 13_案例代码:基于hmmlearn的GaussianHMM模型应用案例代码实现讲解
  • 14_扩展案例代码:HMM在金融领域的量化交易实现方案以及代码实现讲解

12 主题模型&特征工程

  • 01_扩展:HMM股票数据讲解
  • 02_主题模型以及LSA算法模型讲解
  • 03_NMF非负矩阵分解主题模型算法以及坐标轴下降法方式讲解
  • 04_知识回顾:概率以及概率分布相关知识回顾
  • 05_LDA主题模型算法原理讲解
  • 06_案例代码:LDA主题模型案例应用代码讲解
  • 07_机器学习特征工程概述
  • 08_数据收集以及数据存储方式讲解
  • 09_数据清洗方式讲解
  • 10_数据不平衡解决方案讲解
  • 11_数据不平衡解决方案代码实现讲解

13 特征工程

  • 01_知识回顾
  • 02_特征转换概述讲解
  • 03_jieba分词工具安装使用方式讲解
  • 04_词袋法、TFIDF以及HashTF转换过程讲解
  • 05_缺省值填充方式讲解
  • 06_哑编码讲解
  • 07_二值化和区间化讲解
  • 08_标准化、区间缩放法、归一化讲解
  • 09_多项式扩展以及GBDT+LR模型结构及代码讲解
  • 10_sklearn中特征转换方式方法总结
  • 11_特征选择讲解一
  • 12_特征选择讲解二
  • 13_PCA和LDA讲解
  • 14_特征工程流程总结
  • 15_异常数据处理代码讲解
  • 16_特征工程总结

14 机器学习项目:垃圾邮件过滤

  • 01_简历项目撰写方式以及项目开发学习思路讲解
  • 02_机器学习部分重点面试相关知识点概括讲述
  • 03_垃圾邮件业务背景以及项目需求分析讲解
  • 04_数据提取以及数据清洗代码实现讲解
  • 05_特征工程讲解一
  • 06_特征工程讲解二
  • 07_特征工程讲解三
  • 08_基于Logistic回归算法实现垃圾邮件过滤代码实现讲解
  • 09_基于Bayes算法实现垃圾邮件过滤代码实现讲解
  • 10_多种算法的垃圾邮件过滤代码实现效果比较
  • 11_今日内容总结

15 机器学习项目案例:音乐文件分类

  • 01_今日课程内容要求概述讲解
  • 02_音乐文件分类项目需求以及环境搭建讲解
  • 03_音频数据处理框架pydub应用案例讲解
  • 04_音频特征属性数据提取方式以及MFCC特征提取案例代码讲解
  • 05_面试题代码实现讲解
  • 06_音乐文件处理之特征属性提取代码实现讲解
  • 07_模型最优参数选择代码实现讲解
  • 08_模型训练代码实现讲解

16 机器学习项目案例:音乐文件分类&金融反欺诈

  • 01_音乐文件分类之模型预测代码实现讲解
  • 02_扩展讲解:Python操作MySQL数据库案例代码实现讲解
  • 03_音乐文件分类之模型预测结果持久化数据库代码实现讲解
  • 04_音乐文件分类之模拟推荐系统的代码实现讲解
  • 05_音乐文件分类项目总结以及其它音频特征提取方式案例代码扩展讲解
  • 06_金融反欺诈模型背景业务介绍讲解
  • 07_金融反欺诈模型特征工程实现代码讲解
  • 08_金融反欺诈模型之模型训练代码讲解
  • 09_扩展:天池比赛项目内容讲解

17 机器学习晚自习

  • 作业:MLE最大似然估计作业讲解
  • 梯度下降作业提示讲解
  • 作业讲解:梯度下降代码实现讲解
  • 随机梯度下降代码作业讲解
  • 基于Lasso的特征选择案例代码实现
  • Adaboost算法过程过程案例代码讲解
  • 基于Ridge回归和Lasso回归算法的波士顿房屋租赁数据预测案例代码实现
  • 基于GridSearchCV的多项式Ridge回归和多项式Lasso回归的模型参数选择案例代码实现
  • 基于决策树算法、GBDT、XGBoost的波士顿房屋租赁数据预测的案例代码实现
  • 机器学习算法总结一
  • 机器学习内容总结二
  • 图像处理基本方式讲解(PIL)
  • 案例代码:手写中文汉字识别代码实现讲解
  • 车牌照识别解决方案讲解
  • 机器学习算法总结
  • 机器学习总结
  • 作业讲解:HMM的代码实现讲解一
  • 机器学习内容总结
  • 作业讲解:HMM的代码实现讲解二
  • 作业讲解:HMM应用于中文分词领域案例代码实现讲解
  • 作业:HMM概率对数化过程实现代码讲解
提交评价
推荐课程
  • Maven-安装依赖使用(HFAC)

    ¥1499.00

    46532人学习

  • Redis-事务应用

    ¥1499.00

    12720人学习

  • JavaSE教程-函数流程数组及面向对象(ZZAA)

    ¥4999.00

    11103人学习

  • PS-平面海报经典案例(SJZAC)

    ¥4999.00

    4741人学习

  • UE交互(SJZAC)

    ¥2999.00

    2878人学习

  • 人工智能与未来

    ¥0.00

    2679人学习