人工智能之機(jī)器學(xué)習(xí)教程[黑馬程序員]

	7天入門機(jī)器學(xué)習(xí)
	初級(jí)	共7天課
	在機(jī)器學(xué)習(xí)算法篇，你將學(xué)習(xí)到經(jīng)典的機(jī)器學(xué)習(xí)算法，如KNN，線性回歸、嶺回歸、邏輯回歸，決策樹算法、KMeans算法、Bagging、隨機(jī)森林、GBDT等，深入淺出，帶你在掌握算法原理的同時(shí)，利用經(jīng)典機(jī)器學(xué)習(xí)庫(kù)scikit-learn實(shí)現(xiàn)不同案例。提取碼：86ik
	下載完整視頻（已有10133人下載）

一、課程簡(jiǎn)介

人工智能入門第一課——從人工智能的概述、發(fā)展歷程和主要分支等內(nèi)容切入講解，對(duì)人工智能進(jìn)行宏觀的闡述。隨后著重講到兩個(gè)模塊：人工智能中科學(xué)計(jì)算庫(kù)和機(jī)器學(xué)習(xí)常見經(jīng)典算法。

在人工智能科學(xué)計(jì)算庫(kù)中，你將會(huì)學(xué)習(xí)到，如何使用matplotlib進(jìn)行繪圖；如何使用numpy進(jìn)行運(yùn)算；如何使用pandas對(duì)數(shù)據(jù)完成基本的預(yù)處理。

在機(jī)器學(xué)習(xí)算法篇，你將學(xué)習(xí)到經(jīng)典的機(jī)器學(xué)習(xí)算法，如KNN，線性回歸、嶺回歸、邏輯回歸，決策樹算法、KMeans算法、Bagging、隨機(jī)森林、GBDT等，深入淺出，帶你在掌握算法原理的同時(shí)，利用經(jīng)典機(jī)器學(xué)習(xí)庫(kù)scikit-learn實(shí)現(xiàn)不同案例。

最后，通過“吃雞”游戲，檢驗(yàn)?zāi)阕约旱膶W(xué)習(xí)效果，生動(dòng)體驗(yàn)機(jī)器學(xué)習(xí)的魅力。

二、課程特色亮點(diǎn)

宏觀了解人工智能整體脈絡(luò)

化繁為簡(jiǎn)、算法講解清晰明了

“學(xué)”和“做”結(jié)合，邊學(xué)習(xí)，邊練習(xí)，加深知識(shí)理解

結(jié)合“吃雞”游戲，體驗(yàn)機(jī)器學(xué)習(xí)魅力所在

三、課程內(nèi)容介紹

模塊一

?第一章 機(jī)器學(xué)習(xí)概述

1.人工智能概述

2.人工智能發(fā)展歷程

3.人工智能主要分支

4.機(jī)器學(xué)習(xí)工作流程

5.機(jī)器學(xué)習(xí)算法分類

6.模型評(píng)估

7.Azure機(jī)器學(xué)習(xí)模型搭建實(shí)驗(yàn)

8.深度學(xué)習(xí)簡(jiǎn)介

?第二章 機(jī)器學(xué)習(xí)基礎(chǔ)環(huán)境安裝與使用

1.庫(kù)的安裝

2.jupyter notebook使用

?第三章 Matplotlib

1.Matplotlib之HelloWorld

2.基礎(chǔ)繪圖功能 — 以折線圖為例

3.常見圖形繪制

?第四章 Numpy

1.Numpy的優(yōu)勢(shì)

2.N維數(shù)組-ndarray

3.基本操作

4.ndarray運(yùn)算

5.數(shù)組間的運(yùn)算

6.數(shù)學(xué)：矩陣

?第五章 Pandas

1.Pandas介紹

2.Pandas數(shù)據(jù)結(jié)構(gòu)

3.基本數(shù)據(jù)操作

4.DataFrame運(yùn)算

5.Pandas畫圖

6.文件讀取與存儲(chǔ)

7.高級(jí)處理-缺失值處理

8.高級(jí)處理-數(shù)據(jù)離散化

9.高級(jí)處理-合并

10.高級(jí)處理-交叉表與透視表

11.高級(jí)處理-分組與聚合

12.案例

模塊二

?第一章 K-近鄰算法

1.K-近鄰算法簡(jiǎn)介

2.k近鄰算法api初步使用

3.距離度量

4.k值的選擇

5.kd樹

6.案例1：鳶尾花種類預(yù)測(cè)--數(shù)據(jù)集介紹

7.特征工程-特征預(yù)處理

8.案例1：鳶尾花種類預(yù)測(cè)--流程實(shí)現(xiàn)

9.交叉驗(yàn)證，網(wǎng)格搜索

10.案例2：預(yù)測(cè)facebook簽到位置

?第二章 線性回歸

1.線性回歸簡(jiǎn)介

2.線性回歸api初步使用

3.數(shù)學(xué):求導(dǎo)

4.線性回歸的損失和優(yōu)化

5.梯度下降法方法介紹

6.線性回歸api再介紹

7.案例：波士頓房?jī)r(jià)預(yù)測(cè)

8.欠擬合和過擬合

9.正則化線性模型

10.線性回歸的改進(jìn)-嶺回歸

11.模型的保存和加載

?第三章 邏輯回歸

1.邏輯回歸介紹

2.邏輯回歸api介紹

3.案例：癌癥分類預(yù)測(cè)-良／惡性乳腺癌腫瘤預(yù)測(cè)

4.分類評(píng)估方法

5.ROC曲線的繪制

?第四章 決策樹算法

1.決策樹算法簡(jiǎn)介

2.決策樹分類原理

3.cart剪枝

4.特征工程-特征提取

5.決策樹算法api

6.案例：泰坦尼克號(hào)乘客生存預(yù)測(cè)

?第五章 集成學(xué)習(xí)

1.集成學(xué)習(xí)算法簡(jiǎn)介

2.Bagging和隨機(jī)森林

3.Boosting

?第六章 聚類算法

1.聚類算法簡(jiǎn)介

2.聚類算法api初步使用

3.聚類算法實(shí)現(xiàn)流程

4.模型評(píng)估

5.算法優(yōu)化

6.特征工程-特征降維

7.案例：探究用戶對(duì)物品類別的喜好細(xì)分降維

8.算法選擇指導(dǎo)

推薦了解黑馬程序員python+人工智能課程。