一站式掌握技巧学习的算法原理和实战应用

*   01 人工智能技术应用/

  *   01 人工智能的基础技术.mp4 (76.28 MB), 38:56

  *   02 人工智能核心技术.mp4 (86.43 MB), 46:09

*   02 Pandas的数据结构及其应用/

  *   01 Pandas的基本操作和应用.mp4 (25.18 MB), 09:56

  *   02 Pandas的数据框类型.mp4 (27.29 MB), 08:38

  *   03 Pandas数据的增加或删除.mp4 (37.26 MB), 12:40

  *   04 Pandas数据类型的基本运算.mp4 (21.99 MB), 06:57

  *   05 Pandas数据的排序.mp4 (25.53 MB), 09:23

  *   06 Pandas的数据选取.mp4 (29.90 MB), 10:07

  *   07 Pandas处理确实数据.mp4 (27.88 MB), 09:36

*   03 数据分析的可视化方法/

  *   01 Python画直方图.mp4 (45.55 MB), 13:37

  *   02 Python画盒子图.mp4 (27.81 MB), 07:58

  *   03 Python画提琴图和柱状图.mp4 (26.93 MB), 09:57

  *   04 Python画散点图.mp4 (30.20 MB), 10:38

  *   05 Python画热力图.mp4 (26.86 MB), 08:26

*   04 线性回归算法原理及实战应用/

  *   01 线性回归的数学基础.mp4 (18.80 MB), 07:42

  *   02 Excel模拟线性回归.mp4 (23.70 MB), 09:24

  *   03 单变量线性回归的实现.mp4 (28.96 MB), 06:39

  *   04 线性回归模型的实现.mp4 (43.10 MB), 17:29

  *   05 单变量线性回归的实现.mp4 (45.41 MB), 15:27

  *   06 多元线性回归的实现.mp4 (26.14 MB), 06:28

  *   07 线性回归实现产品销量预测.mp4 (69.96 MB), 25:12

  *   08 线性回归模型的评价.mp4 (64.99 MB), 17:08

  *   09 Sklearn实现特征缩放.mp4 (35.13 MB), 13:12

  *   10 sklearn的特征拓展.mp4 (59.60 MB), 18:08

  *   11 L1和L2正则化的实现.mp4 (50.84 MB), 15:48

  *   12 线性回归拟合数据.mp4 (46.32 MB), 14:57

  *   13 手动添加多项式特征.mp4 (28.02 MB), 07:40

  *   14 自动添加多项式特征.mp4 (36.95 MB), 08:22

*   05 逻辑回归算法/

  *   01 逻辑回归算法概述.mp4 (25.62 MB), 10:11

  *   02 鸢尾花的逻辑回归分类.mp4 (43.18 MB), 12:41

  *   03 类别标签处理.mp4 (51.40 MB), 18:28

  *   04 类别标签的独热编码表示.mp4 (38.36 MB), 13:09

  *   05 逻辑综合案例概述.mp4 (9.46 MB), 04:09

  *   06 逻辑回归综合案例数据预处理.mp4 (73.83 MB), 24:22

  *   07 逻辑回归综合案例的模型训练.mp4 (24.40 MB), 06:32

  *   08 逻辑回归综合案例模型评价.mp4 (38.97 MB), 12:13

*   06 KNN算法原理及应用/

  *   01 KNN算法的概念和工作原理.mp4 (33.70 MB), 16:20

  *   02 KNN算法实现电影分类.mp4 (56.14 MB), 21:13

  *   03 KNN算法实现鸢尾花数据的分类.mp4 (77.84 MB), 24:15

*   07 决策树算法概述/

  *   01 决策树算法原理介绍.mp4 (80.44 MB), 28:09

  *   02 决策树算法模型实现植被预测.mp4 (36.73 MB), 09:33

  *   03 决策树算法实现产品销量预测.mp4 (58.32 MB), 18:30

*   08 朴素贝叶斯分类算法/

  *   01 概率基础和贝叶斯公式.mp4 (39.43 MB), 19:18

  *   02 朴素贝叶斯案例分类.mp4 (38.07 MB), 17:15

  *   03 文本向量表示.mp4 (79.42 MB), 23:35

  *   04 朴素贝叶斯模型训练和测试.mp4 (44.10 MB), 11:37

  *   05 朴素贝叶斯中文分类举例.mp4 (37.52 MB), 18:32

  *   06 中文文本分类数据加载.mp4 (110.60 MB), 31:35

  *   07 中文文本分类模型训练.mp4 (45.17 MB), 13:03

  *   08 中文文本分类模型的预测.mp4 (65.16 MB), 21:32

  *   09 3.9 中文分词的实现.mp4 (54.00 MB), 17:15

*   09 KMean聚类算法/

  *   01 KMeans聚类算法的原理.mp4 (28.60 MB), 10:58

  *   02 手肘法确定K的取值.mp4 (62.35 MB), 20:58

  *   03 轮廓系数法确定K值.mp4 (71.27 MB), 20:06

  *   04 手动编写KMean算法距离.mp4 (74.38 MB), 25:30

  *   05 生成原始数据.mp4 (33.97 MB), 11:26

  *   06 KMeans++算法的实现.mp4 (36.50 MB), 10:34

*   10 支持向量机算法概述/

  *   01 支持向量机算法的定义.mp4 (81.39 MB), 25:15

  *   02 SVM的硬间隔分类器实现.mp4 (59.06 MB), 19:32

  *   03 SVM的软间隔分类器的实现.mp4 (88.69 MB), 27:55

  *   04 SVM的软间隔及Scatter参数的含义.mp4 (27.97 MB), 06:59

  *   05 SVM的鸢尾花数据分类.mp4 (54.52 MB), 19:16

  *   06 支持向量机的回归问题.mp4 (72.41 MB), 23:47

  *   07 支持向量机图像分类的数据读取.mp4 (108.89 MB), 34:37

  *   08 支持向量机的图像模型训练.mp4 (24.73 MB), 07:44

  *   09 农作物图像分类的模型参数优化过程.mp4 (41.54 MB), 09:57

  *   10 农作物图像分类的预测.mp4 (55.39 MB), 14:53

*   11 集成学习算法简介/

  *   01 集成学习算法的基本概念.mp4 (23.32 MB), 10:00

  *   02 RandomForest实现植被类别预测.mp4 (58.30 MB), 19:55

  *   03 随机森林的回归模型.mp4 (61.66 MB), 16:49

*   12 机器学习的降维技术/

  *   01 降维的基本概念和特点.mp4 (19.33 MB), 07:50

  *   02 矩阵分解的实现.mp4 (51.89 MB), 18:03

  *   03 利用矩阵分解实现鸢尾花数据的降维.mp4 (21.03 MB), 07:38

*   13 借贷数据处理分析及违约预测/

  *   01 查看数据的基本信息.mp4 (69.98 MB), 18:32

  *   02 选择指定的数据列.mp4 (62.02 MB), 15:53

  *   03 日期和借贷总量之间的关系.mp4 (63.86 MB), 18:41

  *   04 借贷评级、利率和借贷状态统计.mp4 (77.15 MB), 24:10

  *   05 借贷违约数据的预处理.mp4 (90.36 MB), 27:22

  *   06 工作年限的数据处理.mp4 (52.50 MB), 14:20

  *   07 预处理数据的保存.mp4 (63.66 MB), 18:51

  *   08 Lending Club借贷数据的读取.mp4 (72.44 MB), 25:14

  *   09 Lening Clubj借贷违约模型的训练.mp4 (52.95 MB), 12:46

  *   10 Lening Clubj借贷违约模型的训练.mp4 (52.95 MB), 12:46

  *   11 Lending Club借贷违约模型的预测.mp4 (42.88 MB), 14:25