从零开始学习机器学习视频教程

第一章：概述

• 1. 课程概述(必看)  [1:44]

第二章：数学基础

• 1. 矩阵及矩阵的基本表示  [9:01]
• 2. 矩阵基本运算  [9:16]
• 3. 几种特殊矩阵  [18:58]
• 4. 向量及向量的基本运算  [4:40]
• 5. 矩阵特征值特征向量的计算  [17:38]
• 6. 奇异值分解  [16:57]
• 7. 贝叶斯公式  [14:03]
• 8. 几种特殊矩阵(旧)  [18:58]

第三章：Python基础

• 01. Python怎么学？  [6:22]
• 02. Anaconda正确的使用姿势  [11:30]
• 03. notebook基本使用  [6:10]
• 04. python输入输出  [4:44] 课件付费后下载
• 05. python数据类型  [14:29]
• 06. python条件判断  [4:08]
• 07. python循环结构  [13:06]
• 08. python-dict  [4:53]
• 09. python-set  [2:45]
• 10. python内置函数  [3:56]
• 11. python自定义函数  [6:39]
• 12. python切片  [3:55]
• 13. python第三方模块导入  [4:47]
• 14. numpy之矩阵的创建  [11:55] 课件付费后下载
• 15. numpy之读取文件内容  [9:29]
• 16. numpy之数据处理  [8:04]
• 17. numpy之与和或的用法  [3:55]
• 18. numpy之矩阵的属性  [9:43]
• 19. numpy之矩阵加减乘操作  [12:07]
• 20. numpy之矩阵其他操作(新)  [12:41]
• 21. numpy之特征值分解(新)  [3:28]
• 22. pandas之pandas的用处  [2:37]
• 23. pandas之读取文件  [7:21]
• 24. pandas之数据属性  [5:42]
• 25. pandas之数据基本操作  [6:29]
• 26. pandas之空值及分组处理  [6:54]
• 27. Matplot之基本框绘制  [6:11] 课件付费后下载
• 28. matplot之折线图优化  [5:39]
• 29. matplot之区域画多图  [3:56]
• 30. matplot之其他操作  [4:43]

第四章：算法

• 01. 线性回归数学推导-矩阵转换  [11:35]
• 02. 线性回归数学推导-误差项分析  [7:59]
• 03. 线性回归数学推导-极大似然估计  [6:03]
• 04. 线性回归数学推导-最小二乘  [6:06]
• 05. 梯度下降前提及步骤(新)  [10:26]
• 06. 梯度下降求解步骤  [7:32]
• 07. 逻辑回归-Sigmoid函数  [3:59]
• 08. 逻辑回归  [5:04]
• 09. 聚类算法  [2:44]
• 10. 聚类算法之kmeans  [10:38]
• 11. 聚类算法之kmeans可视化演示(新)  [10:59] 课件付费后下载
• 12. (废弃)聚类算法之kmeans可视化演示  [4:01]
• 13. 聚类算法之DBSCAN讲解  [10:41]
• 14. 聚类算法之DBSCAN可视化演示  [8:34] 课件付费后下载
• 15. 决策树算法概述  [6:36]
• 16. 决策树算法熵值计算  [14:58] 课件付费后下载
• 17. 决策树三种节点顺序衡量标准  [6:55] 课件付费后下载
• 18. 决策树剪枝策略  [8:25]
• 19. 集成算法之Bagging  [9:54]
• 20. 集成算法之Boosting  [8:45]
• 21. EM算法思想  [9:46]
• 22. EM算法之Jensen不等式  [11:25]
• 23. EM算法数学推导  [14:40]
• 24. 老师正在拼命录制中......  [0:08]

第五章：项目实战

• 1. Kmeans数据准备  [6:07] 课件付费后下载
• 2. Kmeans篮球数据分类  [7:23]
• 3. 贝叶斯数据准备  [6:22]
• 4. 贝叶斯分类的思路整理  [6:00]
• 5. 贝叶斯算法训练  [13:23]
• 6. 老师正在拼命录制中......  [0:08]

第六章：同学们的新需求

• 1. 结束语  [0:41]
• 2. 老师正在拼命录制中......  [0:08]