大数据实战派 都爱大讲台

当前位置:首页  /  课程  /  Python数据分析与机器学习实战

Python数据分析与机器学习实战

Python数据分析与机器学习实战

分享到:

随着人工智能的火爆,机器学习人才之争成为企业的关键,将会对我们的职业发展起到决定性的作用。本套课程采用采用机器学习算法和实际案例相结合的方式,边理论边实践。Python在机器学习领域应用是非常广泛,课程先掌握Python开发工具库,然后从入门算法到高级算法,逐步深入python数据分析与机器学习。

该课程已经下线,欢迎挑选其他课程!


课程介绍

随着人工智能的火爆,机器学习人才之争成为企业的关键,将会对我们的职业发展起到决定性的作用。本套课程采用采用机器学习算法和实际案例相结合的方式,边理论边实践。Python在机器学习领域应用是非常广泛,课程先掌握Python开发工具库,然后从入门算法到高级算法,逐步深入python数据分析与机器学习。


课程特色

1.Python工具包实战,从零开始演示如何对数据进行分析处理与可视化展示.
2.机器学习算法解读:最接地气的讲解晦涩难懂的机器学习算法,通过实例演示说明每一个经典算法的工作原理与应用价值。
3.机器学习案例实战:选择真实数据集,结合Python工具库快速高效从数据预处理开始一步步完成整个建模工作。


适用人群

1.有志于入行人工智能的初学者
2.数学理工科相关专业的学生和研究人员
3.有一定编程基础希望转行人工智能的工程师
4.人工智能从业者和爱好者


学习目标

1.扩宽对不同场景下算法应用的理解,通过项目实战积累项目经验,为求职面试做好充分准备
2.掌握数据采集、数据清洗、特征选择、模型选择、模型训练测试、模型性能评估与优化以及模型使用等机器学习应用完整开发流程
3.结合实际项目案例,会利用机器学习模型和算法解决实际的业务问题,提升工作档次,助力职业快速发展

讲师介绍

  • 唐宇迪

    计算机博士,专注于机器学习与计算机视觉领域,深度学习领域一线实战专家。参与多个国家级计算机视觉项目,多年数据领域培训经验,丰富的教学讲解经验,擅长最用简洁通俗的故事讲解晦涩难懂的算法原理。出品多套机器学习与深度学习系列课程,课程生动形象,风格通俗易懂

免费视频这么多,为什么还要来大讲台?

智能化

学习任务智能推送

混合式

“图文+视频”混合式课件

答疑快

30分钟问答响应

实战多

3分理论7分实战

包学会

账号长期有效学会为止

课程大纲

第一章:Python工具库实战
1.AI时代人工智能入学指南 1.1AI时代首选Python
1.2Python我该怎么学
1.3人工智能的核心机器学习
1.4机器学习怎么学?
1.5算法推导与案例
2.Python快速入门 2.1系列课程环境配置
2.2Python快速入门
2.3变量类型
2.4LIST基础
2.5List索引
2.6循环结构
2.7判断结构
2.8字典
2.9文件处理
2.10函数基础
3.Python工具:科学计算库Numpy 3.1Numpy数据结构
3.2Numpy基本操作
3.3Numpy矩阵属性
3.4Numpy矩阵操作
3.5Numpy常用函数
4.Python工具:数据分析处理库Pandas 4.1Pandas数据读取
4.2Pandas数据预处理
4.3Pandas常用函数
4.4PandasSeries结构
5.Python工具:可视化库Matplotlib(缺失) 5.1Matplotlib1折线图
5.2Matplotlib2子图操作
5.3Matplotlib3条形图与散点图
5.4Matplotlib4柱形图与盒图
5.5Matplotlib5细节设置
6.Python工具:Seaborn可视化库 6.1课程简介
6.2整体布局风格设置
6.3风格细节设置
6.4调色板
6.5调色板颜色设置
6.6单变量分析绘图
6.7回归分析绘图
6.8多变量分析绘图
6.9分类属性绘图
6.10Facetgrid使用方法
6.11Facetgrid绘制多变量
6.12热度图绘制
第二章:机器学习入门篇
1.算法:线性回归算法 1.1线性回归算法概述
1.2误差项分析
1.3似然函数求解
1.4目标函数推导
1.5线性回归求解
2.算法:梯度下降原理 2.1梯度下降原理
2.2梯度下降方法对比
2.3学习率对结果的影响
3.算法:逻辑回归算法 3.1逻辑回归算法原理推导
3.2逻辑回归求解
4.案例:Python实现逻辑回归与梯度下降 4.1案例实战:Python实现逻辑回归任务概述
4.2案例实战:完成梯度下降模块
4.3案例实战:停止策略与梯度下降案例
4.4案例实战:实验对比效果
5.案例:使用Python分析科比生涯数据
5.1科比数据集简介
5.2数据预处理
5.3建模
6.案例:案例实战信用卡欺诈检测 6.1案例背景和目标
6.2样本不均衡解决方案
6.3下采样策略
6.4交叉验证
6.5模型评估方法
6.6正则化惩罚
6.7逻辑回归模型
6.8混淆矩阵
6.9逻辑回归阈值对结果的影响
6.10SMOTE样本生成策略
7.算法:决策树 7.1决策树原理概述
7.2衡量标准熵
7.3决策树构造实例
7.4信息增益率
7.5决策树剪枝策略
8.决策树Sklearn实例 8.1案例:决策树复习
8.2案例:决策树涉及参数
8.3案例:树可视化与sklearn库简介
8.4案例:sklearn参数选择
9.算法:随机森林与集成算法 9.1集成算法随机森林
9.2特征重要性衡量
9.3提升模型
9.4堆叠模型
10.案例:Kaggle竞赛案例泰坦尼克获救预测 10.1数据介绍
10.2数据预处理
10.3回归模型
10.4随机森林模型
10.5特征选择
11.算法:贝叶斯算法 11.1贝叶斯算法概述
11.2贝叶斯推导实例
11.3贝叶斯拼写纠错实例
11.4垃圾邮件过滤实例
11.5贝叶斯实现拼写检查器
12.案例:Python文本数据分析 12.1文本分析与关键词提取
12.2相似度计算
12.3新闻数据与任务简介
12.4TFIDF关键词提取
12.5LDA建模
12.6基于贝叶斯算法进行新闻分类
13.算法:KMEANS聚类 13.1KMEANS算法概述
13.2KMEANS工作流程
13.3KMEANS迭代可视化展示
14.算法:DBSCAN聚类 14.1DBSCAN聚类算法
14.2DBSCAN工作流程
14.3DBSCAN可视化展示
15.案例:聚类实践 15.1多种聚类算法概述
15.2聚类案例实战
16.算法:降维算法线性判别分析 16.1线性判别分析要解决的问题
16.2线性判别分析要优化的目标
16.3线性判别分析求解
17.案例:Python实现线性判别分析 17.1实现线性判别分析进行降维任务
17.2求解得出降维结果
18.算法:PCA主成分分析 18.1PCA降维概述
18.2PCA要优化的目标
18.3PCA求解
19.案例:Python实现PCA主成分分析 19.1PCA降维实例
20.算法:EM算法 20.1EM算法要解决的问题
20.2隐变量问题
20.3EM算法求解实例
20.4Jensen不等式
20.5GMM模型
21.案例:GMM聚类实践 21.1GMM实例
21.2GMM聚类
第三章:机器学习提升篇
1.算法:推荐系统 1.1开场
1.2推荐系统应用
1.3推荐系统要完成的任务
1.4相似度计算
1.5基于用户的协同过滤
1.6基于物品的协同过滤
1.7隐语义模型
1.8隐语义模型求解
1.9模型评估标准
2.案例:推荐系统实践 2.1Surprise库与数据简介
2.2Surprise库使用方法
2.3得出推荐商品结果
3.算法:线性支持向量机 3.1支持向量机要解决的问题
3.2距离与数据的定义
3.3目标函数
3.4目标函数求解
3.5SVM求解实例
3.6支持向量的作用
4.案例:SVM实践 4.1sklearn求解支持向量机
4.2SVM参数选择
5.非线性支持向量机 5.1软间隔问题
5.2SVM核变换
6.算法:时间序列AIRMA模型 6.1数据平稳性与差分法
6.2ARIMA模型
6.3相关函数评估方法
6.4建立ARIMA模型
6.5参数选择
7.案例:时间序列预测任务 7.1Pandas生成时间序列
7.2Pandas数据重采样
7.3Pandas滑动窗口
7.4股票预测案例
7.5使用tsfresh库进行分类任务
7.6维基百科词条EDA
8.算法:Xgboost提升算法 8.1Xgboost算法概述
8.2Xgboost模型构造
8.3Xgboost建模衡量标准
9.案例:Xgboost调参实例 9.1Xgboost安装
9.2保险赔偿任务概述
9.3Xgboost参数定义
9.4基础模型定义
9.5树结构对结果的影响
9.6学习率与采样对结果的影响
10.计算机视觉挑战 10.1深度学习概述
10.2挑战与常规套路
10.3用K近邻来进行分类
10.4超参数与交叉验证
11.神经网络必备基础知识点 11.1线性分类
11.2损失函数
11.3正则化惩罚项
11.4softmax分类器
12.最优化与反向传播 12.1最优化形象解读
12.2最优化问题细节
12.3反向传播
13.神经网络整体架构 13.1整体架构
13.2实例演示
13.3过拟合解决方案
14.案例实战CIFAR图像分类任务 14.1神经网络案例cifar分类任务
14.2神经网络案例分模块构造神经网络
14.3神经网络案例训练神经网络完成分类任务
14.4神经网络架构感受神经网络的强大

你可能还喜欢的课程

  • 【千元钜惠】 年薪200w+的大数据架构师全程直播,传授硬核技能:①OLAP/HTAP/湖仓一体等多种架构;②借FlinkCDC/Kylin/Hudi/Doris等打造数仓;③湖仓一体化项目落地实践;④基于Flink和StreamX打造低代码大数据中台

    查看详情 QQ咨询

    大数据实战精英+架构师班

    查看详情 4个月

  • 【千元钜惠】 手握6000+节点的大数据运维大咖全程直播,4个月带你熟悉大数据集群规划、部署、监控、排错、容器化等技能,并完成3个商业项目。

    查看详情 QQ咨询

    大数据运维尖刀班

    查看详情 4个月

  • 【3重优惠】 技术大牛组团授课,专讲大数据核心知识和大型项目实战,多台物理服务器数十个节点现场直播演示!企业级实战项目让你四个月掌握2年的项目经验!

    查看详情 QQ咨询

    大数据开发工程师特训营

    查看详情 16周

  • 【优惠活动】 新东方、搜狗、腾讯等名企一线实战讲师授课,技“高”一筹!重在培养数据分析方法及思路,而不仅仅是学习技术及工具。带教多个互联网及金融领域企业真实项目,而不仅仅是讲理论和小案例。

    查看详情 QQ咨询

    数据分析特训营

    查看详情 16周

  • 本课程为大数据金融信贷项目实战课,着重讲解企业中常用的大数据技术理论与实战,如Hadoop、Hive、HBase、Sqoop、Flume、Kafka、Spark Streaming、Spark SQL、Spark Structured Streaming等。课程包含离线项目和实时项目,从项目业务需求、技术选型、架构设计、集群安装部署、集成开发以及项目可视化进行多方位实战讲解。

    查看详情 QQ咨询

    互联网金融信贷项目实战(Hadoop&Spark)

    查看详情 38小时44分钟

  • 干货多:15案例 + 3实战 + 2项目;
    提升快:滴滴出行一线架构师传授实战经验,30小时多方位讲解数据仓库构建相关理论及实战内容
    技术全:综合运用Hive/Flume/Kafka/Azkaban/Oozie/SparkSQL等技术;

    查看详情 QQ咨询

    基于大数据体系构建数据仓库

    查看详情 32小时52分钟

  • 本课程基于某电商公司运营实时分析系统(2B),对Flink进行系统讲解。通过本课程的学习,既能获得Flink企业级真实项目经验,也能深入掌握Flink的核心理论知识,还能获得Flink在生产环境中安装、部署、监控的宝贵经验,从而深入掌握Flink技术。

    查看详情 QQ咨询

    Flink电商运营项目实战

    查看详情 50小时6分钟

他们在学

  • 易军

  • Jessica

  • 江左梅郎

  • 一开口就是老江湖

  • 小讲@大讲台

  • 蓝老师

  • 185****8269

  • 张老师

 
QQ在线咨询
微信扫码咨询