请选择 进入手机版 | 继续访问电脑版
查看: 147|回复: 0

零基础实战机器学习(Python语言、算法、Numpy库、MatplotLib)

[复制链接]

2万

主题

2万

帖子

6万

积分

管理员

Rank: 9Rank: 9Rank: 9

积分
69814
QQ
发表于 2018-8-23 23:26:49 | 显示全部楼层 |阅读模式



[attach]255[/attach]
机器学习作为人工智能的一部分,已经应用于很多领域,远超过人们的想象,垃圾邮件的过滤,在线广告的推荐系统,还有目前发展飞快的物体识别、人脸识别和语音识别的发展,都是机器学习的应用的成果。机器学习在改善商业决策、提高生产率、检测疾病、预测天气等方面都有非常大的应用前景。

[attach]256[/attach]

1. 课程研发环境
本课程的代码实现是基于Python语言,用到Numpy库和MatplotLib.
开发工具ython win;

2. 内容简介
本教程系统的介绍了机器学习的目的和方法。并且针对每一种常用的方法进行了详细的解析,用实例来说明具体的实现,学生可以跟着一步步完成。在面对现实的问题的时候,可以找到非常可靠的参照。本课程在最开始讲解了Python语言的基础知识,以保证后面的课程中可以顺利进行。更多的Python语言的知识,需要学员自己去找更多的资料进行学习。

本课程主要讲述了两大类机器学习的方法:有监督学习和无监督学习,其中有监督学习里面,又分为分类和预测数值型数据。这些算法都是基础的算法。这样可以降低学习的难度,容易理解机器学习思路和实现的过程。

[attach]257[/attach]

老王:16年软件发工作经历,2年知名软件培训机构专职讲师经历、曾任项目经理、教学主管多年,在Window系统、移动平台的应用软件研发、人工智能的应用领域有很深的造诣。

[attach]258[/attach]
第一讲:机器学习的任务和方法
第二讲:Python语言基础
第三讲:Python语言基础2
第四讲:分类算法介绍
第五讲:k-临近算法
第六讲:决策树
第七讲:基于概率论的分类方法:朴素贝叶斯
第八讲:Logistic回归
第九讲:支持向量机
第十讲:利用AdaBoost元算法提高分类性能
第十一讲:利用回归预测数值型数据
第十二讲:树回归
第十三讲:无监督学习
第十四讲:利用K-均值聚类算法对未标注数据分组
第十五讲:使用Apriori算法进行关联分析
第十六讲:使用FP-growth算法来高效发现频分项集
第十七讲:利用PCA来简化数据
第十八讲:利用SVD简化数据
第十九讲:大数据与MapReduce
第二十讲:学习总结
[attach]259[/attach]

[attach]260[/attach]
[attach]261[/attach]
[attach]262[/attach]
[attach]263[/attach]
[attach]264[/attach]
[attach]265[/attach]
[attach]266[/attach]

目标一. 了解机器学习的目标

目标二. 了解机器学习的常用方法

目标三. 通过实战,学习机器学习的实现

目标四. 学习机器学习开发中的一些常用工具

[attach]267[/attach]

亮点一、详细解析机器学习的方法,有理论有实践,很容易理解和掌握.

亮点二、理论与实战相结合,由浅入深。不管有没有编程基础,都可以学习.

亮点三、课程大多数代码均是一行一行手工敲入,手把手一步步带领学员从入门到精通.     

亮点四、课程中的案例,有不少可以直接用在现实的任务中.


[attach]268[/attach]

1、课程针对人群
本课程针对想要了解和学习人工智能的同学,不管有没有编程基础均可。   

2、我该怎么学,如何才能学好这门课程,给些建议。
2.1 时间上的安排建议
本课程共20讲,共40课时,不要贪快,要对每一讲的内容深刻了解在继续下一部分的内容。
2.2 学习要求
1. 由于机器学习的算法中,有大量的关于矩阵和向量的运算,所以如果没有学过线性代数和概率的同学,一定要先找相关的资料做好预备知识的准备工作。
2. 如果有Python基础,可以掠过2-3讲的内容,直接进入机器学习的章节,
3. 如果对机器学习有一定的了解,可不必按部就班进行,可以拿你感兴趣的部分去学习,但一定要注意实践,并学会举一反三
2.3 讲师建议
1. 一定要先理解每一种算法的思路,了解其实现的步骤。这样才能知道代码实现的原理和过程。
2. 对于实现部分,通过自己重新敲一遍代码,是有助于理解实现过程的,但也不必拘泥于此,特别是对于有编程基础的学员来说。
3. 建议一般听视频,一般拿个纸和笔,做一些记录和笔记,这是一种非常好的学习习惯。
4. 机器学习的相关资料比较分散,可以以本视频为主线,参考多种资料,来加深理解。
5.最后祝您学有所成




购买主题 本主题需向作者支付 30 下载币 才能浏览
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|Archiver|手机版|IT源码视频教程资源网 ( 粤ICP备15111573号-8 )

GMT+8, 2020-3-29 20:31 , Processed in 0.085897 second(s), 30 queries .

快速回复 返回顶部 返回列表

客服
热线

微信 webshop6
7*24小时微信 客服服务

扫码添
加微信

添加客服微信 webshop6 获取更多

关注
公众号

关注微信公众号 webjianzhan