课程大纲
从零开始学习机器学习,课程内容包括:数学基础、Python基础、机器学习算法、推荐算法、项目实战
展开详情
- 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. numpy之矩阵的创建 付费专享 11:55
- 05. numpy之读取文件内容 9:29
- 06. numpy之数据处理 8:04
- 07. numpy之与和或的用法 3:55
- 08. numpy之矩阵的属性 9:43
- 09. numpy之矩阵加减乘操作 12:07
- 10. numpy之矩阵其他操作(新) 12:41
- 11. numpy之特征值分解(新) 3:28
- 12. pandas之pandas的用处 2:37
- 13. pandas之读取文件 7:21
- 14. pandas之数据属性 5:42
- 15. pandas之数据基本操作 6:29
- 16. pandas之空值及分组处理 6:54
- 17. Matplot之基本框绘制 付费专享 6:11
- 18. matplot之折线图优化 5:39
- 19. matplot之区域画多图 3:56
- 20. 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) 付费专享 10:59
- 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 付费专享 8:34
- 15. 决策树算法概述 6:36
- 16. 决策树算法熵值计算 付费专享 14:58
- 17. 决策树三种节点顺序衡量标准 付费专享 6:55
- 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 付费专享 6:07
- 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
内容评价0
暂无评论
评论成功
评论失败