- ¥398.0元
市场价:498.0元
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。
章节1:课程介绍与学习路线解读
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!)
课时4 视频 AI时代首选Python 09:20 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)
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2 12:36
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sklearn 14:03
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
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
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
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 需购买观看
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SVM 06:52
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-Inertia 07:24
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 Softmax 10:01
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
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EDA 14:30
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 17:59