这门课解决什么问题，适合什么基础

很多上班族想转行做数据分析或算法岗，往往卡在第一步：翻开机器学习的教材全是公式，或者直接去调现成的模型库，连输入的数据结构都没搞懂，报错了完全无从排查。这门课的切入点很务实，它没有一上来就堆砌深奥的神经网络理论，而是从最底层的数据处理工具开始，解决“拿到一份原始数据，怎么用代码把它变成模型能吃的格式”这个实际工作场景。它适合有基础 Python 语法常识、但没怎么接触过科学计算库的转行者，或者平时用 Excel 做业务分析、想升级到用代码自动化处理数据的职场人。如果你完全没写过任何代码，建议先补一周的 Python 基础再来；如果你已经在跑模型，这门课对你来说可能过于基础。

建议先看哪几块，资料怎么配合练习

资料包的编排逻辑是先学数据处理积木，再拼算法模型。建议不要按顺序从头刷，而是优先看 Numpy 数组运算和 Pandas 数据结构这两块。这两部分是整个人工智能和机器学习的地基，无论是后续做特征工程还是拆分训练集，全靠这两个库运转。看视频时一定要开着本地的 Jupyter Notebook 跟着敲，不要只用眼睛看。资料里的单集时长都很克制，多在十分钟左右，每看完一个知识点，比如数组的切片、深拷贝或者数据框的过滤，就立刻自己造一份小数据或者导入一份真实的 CSV 文件重复操作一遍。遇到图片翻转和裁剪这类应用，找几张本地的图片实际跑一遍代码，理解矩阵在图像处理中的实际映射关系，这比单纯听概念有效得多。

学完能独立做什么

学完这门课的核心内容，你不会立刻变成算法科学家，但能独立完成很多一线的数据处理杂活。拿到一份几百兆的脏数据，你能用 Pandas 写脚本清洗缺失值、做分组聚合，而不是在表格里拉筛选；遇到需要做矩阵运算或批量数据标准化的场景，你能用 Numpy 写出高效的向量化代码，不用写低效的 for 循环。更重要的是，当你以后去学更高级的深度学习框架时，面对官方文档里的张量操作、维度变换，你能迅速理解底层数据是怎么流转的。这就意味着你已经跨过了人工智能领域最劝退的新手村阶段，具备了独立看懂别人项目代码、并动手修改数据预处理流程的实战能力。


你将对机器学习和深度学习算法的核心概念有全面的理解，并掌握起核心应用

课程目录

*   01 Numpy数组的概念和应用/

  *   01 Numpy数组的基础介绍.mp4 (36.91 MB), 19:00

  *   02 Ndarray数组的创建和属性查看.mp4 (19.41 MB), 08:36

  *   03 Ndarray数组的基础运算.mp4 (16.58 MB), 08:03

  *   04 数组的切片和深拷贝.mp4 (19.28 MB), 09:43

  *   05 随机数和顺序打乱.mp4 (29.70 MB), 11:43

  *   06 Numpy数组的应用.mp4 (31.39 MB), 15:23

  *   07 图片的翻转和裁剪.mp4 (28.65 MB), 13:02

*   02 Pandas基础数据结构/

  *   01 Pandas基础介绍.mp4 (15.55 MB), 07:58

  *   02 数据框的应用.mp4 (21.76 MB), 08:42

  *   03 DataFrame的数据选取.mp4 (15.60 MB), 07:23

  *   04 DataFrame的数据检索.mp4 (23.94 MB), 08:56

  *   05 Pandas处理空值.mp4 (14.76 MB), 06:40

  *   06 Pandas读取tsv文件.mp4 (36.66 MB), 15:44

  *   07 Pandas直方图的实现.mp4 (23.24 MB), 12:09

*   03 Matplotlib工具介绍/

  *   01 盒子图和柱状图.mp4 (18.76 MB), 09:32

  *   02 折线图和堆积柱形图.mp4 (20.11 MB), 08:39

  *   03 提琴图的应用.mp4 (25.80 MB), 11:05

  *   04 热力图和等高线.mp4 (21.74 MB), 10:19

  *   05 泰坦尼克数据介绍.mp4 (23.64 MB), 09:48

  *   06 特征图像的表示.mp4 (16.65 MB), 06:15

  *   07 正负标签的比例.mp4 (19.96 MB), 09:09

*   04 空气质量数据分析及可视化/

  *   01 空气质量数据集介绍.mp4 (10.73 MB), 04:58

  *   02 空气质量检测数据的预处理.mp4 (38.87 MB), 14:29

  *   03 lambda和appply函数的应用.mp4 (36.13 MB), 17:14

  *   04 cut函数实现分组.mp4 (16.96 MB), 07:39

  *   05 空气质量统计信息.mp4 (30.44 MB), 13:01

  *   06 空气质量数据的基本统计.mp4 (35.79 MB), 09:21

  *   07 AQI时序变化的特点.mp4 (18.96 MB), 10:18

  *   08 AQI的时序变化统计分析.mp4 (34.84 MB), 14:57

  *   09 AQI特征相关及分析.mp4 (27.36 MB), 12:02

  *   10 空气质量分布特征及实现.mp4 (22.54 MB), 09:42

*   05 产品销量的线性回归预测/

  *   01 高等数学基础.mp4 (16.24 MB), 10:05

  *   02 线性回归的基本概念.mp4 (22.82 MB), 13:57

  *   03 房价预测的线性回归实现.mp4 (16.11 MB), 05:05

  *   04 多元线性回归的实现.mp4 (27.45 MB), 13:11

  *   05 产品销量的多元线性回归.mp4 (39.81 MB), 16:40

  *   06 07-模型的打包和预测.mp4 (22.25 MB), 08:12

  *   07 广告投放预测.mp4 (51.47 MB), 19:48

*   06 分类算法及逻辑回归/

  *   01 逻辑回归概述.mp4 (20.63 MB), 14:07

  *   02 鸢尾花数据集加载.mp4 (36.68 MB), 16:19

  *   03 鸢尾花数据的预测.mp4 (38.54 MB), 16:43

  *   04 鸢尾属数据的预测实现.mp4 (35.87 MB), 13:07

  *   05 逻辑回归的应用.mp4 (55.99 MB), 21:12

  *   06 逻辑回归的模型预测.mp4 (48.97 MB), 16:46

*   07 词向量的基本概念/

  *   01 词向量的基本概念.mp4 (27.15 MB), 18:43

  *   02 onehot编码的实现.mp4 (17.82 MB), 09:41

  *   03 TFIDF的实现.mp4 (15.12 MB), 06:52

  *   04 N-gram模型.mp4 (19.55 MB), 11:02

  *   05 词袋模型.mp4 (21.23 MB), 11:33

*   08 朴素贝叶斯实现中文文本分类/

  *   01 jieba实现中文分词.mp4 (50.32 MB), 21:44

  *   02 朴素贝叶斯的原理介绍.mp4 (24.80 MB), 16:25

  *   03 加载停用词.mp4 (20.91 MB), 08:46

  *   04 文本内容分词.mp4 (72.24 MB), 22:17

  *   05 读取所有文件的数据.mp4 (27.48 MB), 08:49

  *   06 模型的训练和保存.mp4 (44.00 MB), 15:51

  *   07 朴素贝叶斯模型的预测.mp4 (22.89 MB), 09:44

*   09 SVM实现农作物图像分类/

  *   01 支持向量机的算法定义.mp4 (30.90 MB), 18:07

  *   02 支持向量机的理解.mp4 (9.34 MB), 06:14

  *   03 农作物分类数据读取.mp4 (27.08 MB), 13:10

  *   04 读取所有图片信息.mp4 (31.07 MB), 13:31

  *   05 SVM算法的训练过程.mp4 (26.15 MB), 08:25

  *   06 模型的保存和优化.mp4 (24.45 MB), 08:09

*   10 深度学习基础概述/

  *   01 深度学习基础介绍.mp4 (41.62 MB), 28:25

  *   02 Tensorflow实现线性回归.mp4 (50.95 MB), 21:31

  *   03 Tensorflow模型的保存.mp4 (27.45 MB), 11:25

  *   04 加载权重完成预测.mp4 (32.93 MB), 11:17

  *   05 Tensorflow实现多分类.mp4 (94.12 MB), 27:15

  *   06 神经网络模型的理解.mp4 (22.18 MB), 11:03

  *   07 Tensorflow多分类的实现.mp4 (32.90 MB), 09:14

  *   08 Tensorflow实现二分类.mp4 (40.50 MB), 11:11

*   11 卷积神经网络/

  *   01 CNN的基本概念.mp4 (38.50 MB), 30:28

  *   02 LeNet5的网络结构.mp4 (15.41 MB), 12:17

  *   03 NNSVG显示卷积神经网络.mp4 (11.71 MB), 06:34

  *   04 导入模块和模型的初始化.mp4 (28.14 MB), 13:28

  *   05 DNN实现iris分类.mp4 (40.35 MB), 14:45

  *   06 加载训练模型完成预测.mp4 (36.08 MB), 13:48

  *   07 DNN加载MNIST数据.mp4 (23.20 MB), 10:37

  *   08 MNIST数据预处理.mp4 (13.88 MB), 05:49

  *   09 DNN模型搭建.mp4 (31.53 MB), 11:55

  *   10 MNIST模型训练.mp4 (19.42 MB), 08:04

  *   11 MNIST模型的预测.mp4 (19.77 MB), 08:11

  *   12 MNIST数据加载.mp4 (13.86 MB), 07:01

  *   13 CNN模型搭建.mp4 (31.56 MB), 13:22

  *   14 CNN模型的训练和保存过程.mp4 (21.97 MB), 08:37

  *   15 CNN模型结构的设计和修改.mp4 (24.09 MB), 09:06

  *   16 CNN模型读取crop数据.mp4 (17.69 MB), 06:56

  *   17 CNN模型的训练和保存.mp4 (43.67 MB), 12:03

  *   18 CNN模型的预测.mp4 (21.96 MB), 09:26