专为小白设计的零基础AI入门课，从人工智能基础概念到Python编程基础和数据科学库Numpy，从线性回归，逻辑回归，梯度下降等机器学习算法的逻辑推导,求解到使

*   第一章 人工智能入门指南/

  *   人工智能入门指南/

    *   1-AI时代首选Python

    *   2-Python我该怎么学

    *   3-人工智能的核心-机器学习

    *   4-机器学习怎么学？

    *   5-算法推导与案例

*   第二章 Python基础与数据科学库/

  *   Python快速入门/

    *   1-Python环境配置

    *   2-Python库安装工具

    *   3-Notebook工具使用

    *   4-Python简介

    *   5-Python数值运算

    *   6-Python字符串操作

    *   7-1-索引结构

    *   7-2-List基础结构

    *   8-List核心操作

    *   9-字典基础定义

    *   10-字典的核心操作

    *   11-Set结构

    *   12-赋值机制

    *   13-判断结构

    *   14-循环结构

    *   15-函数定义

    *   16-模块与包

    *   17-异常处理模块

    *   18-文件操作

    *   19-类的基本定义

    *   20-类的属性操作

    *   21-时间操作

  *   科学计算库Numpy/

    *   1-Numpy概述

    *   2-Array数组

    *   3-数组结构

    *   4-数组类型

    *   5-数值运算

    *   6-排序操作

    *   7-数组形状操作

    *   8-数组生成函数

    *   9-常用生成函数

    *   10-四则运算

    *   11-随机模块

    *   12-文件读写

    *   13-数组保存

*   第三章 机器学习入门/

  *   线性回归算法/

    *   1-线性回归算法概述

    *   2-误差项分析

    *   3-似然函数求解

    *   4-目标函数推导

    *   5-线性回归求解

  *   逻辑回归算法/

    *   1-逻辑回归算法原理推导

    *   2-逻辑回归求解

  *   梯度下降原理/

    *   1-梯度下降原理

    *   2-梯度下降方法对比

    *   3-学习率对结果的影响

  *   案例：Python实现逻辑回归与梯度下降/

    *   1-案例实战：Python实现逻辑回归任务概述

    *   2-案例实战：完成梯度下降模块

    *   3-案例实战：停止策略与梯度下降案例

    *   4-案例实战：实验对比效果

  *   案例：信用卡欺诈检测/

    *   1-案例背景和目标

    *   2-样本不均衡解决方案

    *   3-下采样策略

    *   4-交叉验证

    *   5-模型评估方法

    *   6-正则化惩罚

    *   7-逻辑回归模型

    *   8-混淆矩阵

    *   9-逻辑回归阈值对结果的影响

    *   10-SMOTE样本生成策略