人工智能之機器學(xué)習教程[黑馬程序員]

	7天入門機器學(xué)習
	初級	共7天課
	在機器學(xué)習算法篇，你將學(xué)習到經(jīng)典的機器學(xué)習算法，如KNN，線性回歸、嶺回歸、邏輯回歸，決策樹算法、KMeans算法、Bagging、隨機森林、GBDT等，深入淺出，帶你在掌握算法原理的同時，利用經(jīng)典機器學(xué)習庫scikit-learn實現(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，對人工智能進行宏觀的闡述。隨后著重講到兩個模塊：人工智能中科學(xué)計算庫和機器學(xué)習常見經(jīng)典算法。

在人工智能科學(xué)計算庫中，你將會學(xué)習到，如何使用matplotlib進行繪圖；如何使用numpy進行運算；如何使用pandas對數(shù)據(jù)完成基本的預(yù)處理。

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

最后，通過“吃雞”游戲，檢驗?zāi)阕约旱膶W(xué)習效果，生動體驗機器學(xué)習的魅力。

二、課程特色亮點

宏觀了解人工智能整體脈絡(luò)

化繁為簡、算法講解清晰明了

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

結(jié)合“吃雞”游戲，體驗機器學(xué)習魅力所在

三、課程內(nèi)容介紹

模塊一

?第一章 機器學(xué)習概述

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.機器學(xué)習工作流程

5.機器學(xué)習算法分類

6.模型評估

7.Azure機器學(xué)習模型搭建實驗

8.深度學(xué)習簡介

?第二章 機器學(xué)習基礎(chǔ)環(huán)境安裝與使用

1.庫的安裝

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

2.N維數(shù)組-ndarray

3.基本操作

4.ndarray運算

5.數(shù)組間的運算

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運算

5.Pandas畫圖

6.文件讀取與存儲

7.高級處理-缺失值處理

8.高級處理-數(shù)據(jù)離散化

9.高級處理-合并

10.高級處理-交叉表與透視表

11.高級處理-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--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--流程實現(xiàn)

9.交叉驗證，網(wǎng)格搜索

10.案例2：預(yù)測facebook簽到位置

?第二章 線性回歸

1.線性回歸簡介

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：波士頓房價預(yù)測

8.欠擬合和過擬合

9.正則化線性模型

10.線性回歸的改進-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-良／惡性乳腺癌腫瘤預(yù)測

4.分類評估方法

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：泰坦尼克號乘客生存預(yù)測

?第五章 集成學(xué)習

1.集成學(xué)習算法簡介

2.Bagging和隨機森林

3.Boosting

?第六章 聚類算法

1.聚類算法簡介

2.聚類算法api初步使用

3.聚類算法實現(xiàn)流程

4.模型評估

5.算法優(yōu)化

6.特征工程-特征降維

7.案例：探究用戶對物品類別的喜好細分降維

8.算法選擇指導(dǎo)

推薦了解黑馬程序員python+人工智能課程。