簡(jiǎn)介：機(jī)器學(xué)習(xí)
課程章節(jié)
第01課 機(jī)器學(xué)習(xí)概念
- 課時(shí)1人工智能入門(mén)1 開(kāi)始學(xué)習(xí)
- 課時(shí)2人工智能入門(mén)2 開(kāi)始學(xué)習(xí)
-
課時(shí)3人工智能入門(mén)3
開(kāi)始學(xué)習(xí)
第02課 一元線性回歸
-
課時(shí)1一元線性回歸概念
開(kāi)始學(xué)習(xí) -
課時(shí)2一元線性回歸代價(jià)函數(shù)
開(kāi)始學(xué)習(xí) -
課時(shí)3一元線性回歸梯度下降
開(kāi)始學(xué)習(xí) -
課時(shí)4一元線性回歸實(shí)戰(zhàn)1
開(kāi)始學(xué)習(xí) -
課時(shí)5一元線性回歸實(shí)戰(zhàn)2
開(kāi)始學(xué)習(xí) -
課時(shí)6一元線性回歸實(shí)戰(zhàn)3
開(kāi)始學(xué)習(xí)
第03課 多元線性回歸
-
課時(shí)1多元線性回歸
開(kāi)始學(xué)習(xí) -
課時(shí)2多元線性回歸實(shí)戰(zhàn)1
開(kāi)始學(xué)習(xí) -
課時(shí)3多元線性回歸實(shí)戰(zhàn)2
開(kāi)始學(xué)習(xí) -
課時(shí)4特征縮放
開(kāi)始學(xué)習(xí)
第04課 邏輯回歸
-
課時(shí)1邏輯回歸1
開(kāi)始學(xué)習(xí) -
課時(shí)2邏輯回歸2
開(kāi)始學(xué)習(xí) -
課時(shí)3邏輯回歸實(shí)戰(zhàn)1
開(kāi)始學(xué)習(xí) -
課時(shí)4邏輯回歸實(shí)戰(zhàn)2
開(kāi)始學(xué)習(xí) -
課時(shí)5邏輯回歸實(shí)戰(zhàn)3
開(kāi)始學(xué)習(xí)
第05課 KNN算法
-
課時(shí)1KNN算法1
開(kāi)始學(xué)習(xí) -
課時(shí)2KNN電影分類1
開(kāi)始學(xué)習(xí) -
課時(shí)3KNN電影分類2
開(kāi)始學(xué)習(xí)
第06課 K-means算法
-
課時(shí)1K-means算法1
開(kāi)始學(xué)習(xí) -
課時(shí)2K-means算法2
開(kāi)始學(xué)習(xí) -
課時(shí)3K-means算法之西瓜聚類1
開(kāi)始學(xué)習(xí) -
課時(shí)4K-means算法之西瓜聚類2
開(kāi)始學(xué)習(xí) -
課時(shí)5K-means算法之西瓜聚類3
開(kāi)始學(xué)習(xí) -
課時(shí)6K-means算法之西瓜聚類4
開(kāi)始學(xué)習(xí)
第07課 決策樹(shù)（上）
-
課時(shí)1決策樹(shù)1
開(kāi)始學(xué)習(xí) -
課時(shí)2決策樹(shù)2
開(kāi)始學(xué)習(xí) -
課時(shí)3決策樹(shù)3-sklearn介紹
開(kāi)始學(xué)習(xí) -
課時(shí)4決策樹(shù)4-sklearn實(shí)現(xiàn)
開(kāi)始學(xué)習(xí)
第08課 決策樹(shù)（下）
-
課時(shí)1決策樹(shù)5-sklearn實(shí)現(xiàn)2
開(kāi)始學(xué)習(xí) -
課時(shí)2決策樹(shù)6-圖形化決策樹(shù)
開(kāi)始學(xué)習(xí) -
課時(shí)3決策樹(shù)7-邊界圖形化
開(kāi)始學(xué)習(xí)
第09課 貝葉斯算法
-
課時(shí)1貝葉斯算法1
開(kāi)始學(xué)習(xí) -
課時(shí)2貝葉斯算法2
開(kāi)始學(xué)習(xí) -
課時(shí)3貝葉斯算法3
開(kāi)始學(xué)習(xí) -
課時(shí)4高斯分類器
開(kāi)始學(xué)習(xí) -
課時(shí)5樸素貝葉斯性別判斷實(shí)例
開(kāi)始學(xué)習(xí)
第10課 SVM支持向量機(jī)（上）
-
課時(shí)1smv1問(wèn)題描述
開(kāi)始學(xué)習(xí) -
課時(shí)2svm2拉格朗日乘子法1
開(kāi)始學(xué)習(xí) -
課時(shí)3svm2拉格朗日乘子法2
開(kāi)始學(xué)習(xí) -
課時(shí)4svm2拉格朗日乘子法3
開(kāi)始學(xué)習(xí)
第11課 SVM支持向量機(jī)（中）
-
課時(shí)1svm6SMO算法1
開(kāi)始學(xué)習(xí) -
課時(shí)2svm5對(duì)偶問(wèn)題推導(dǎo)
開(kāi)始學(xué)習(xí) -
課時(shí)3svm7smo算法2
開(kāi)始學(xué)習(xí) -
課時(shí)4svm7smo算法3
開(kāi)始學(xué)習(xí)
第12課 SVM支持向量機(jī)（下）
-
課時(shí)1svm9非線性問(wèn)題核函數(shù)
開(kāi)始學(xué)習(xí) -
課時(shí)2svm10高斯核函數(shù)
開(kāi)始學(xué)習(xí) -
課時(shí)3svm11軟間隔
開(kāi)始學(xué)習(xí) -
課時(shí)4svm12線性分類實(shí)戰(zhàn)1
開(kāi)始學(xué)習(xí) -
課時(shí)5svm13線性分類實(shí)戰(zhàn)2
開(kāi)始學(xué)習(xí) -
課時(shí)6svm14非線性分類實(shí)戰(zhàn)
開(kāi)始學(xué)習(xí)
第13課 主成分分析PCA1
-
課時(shí)1PCA1_主成分分析概念
開(kāi)始學(xué)習(xí) -
課時(shí)2PCA2_數(shù)學(xué)推導(dǎo)1
開(kāi)始學(xué)習(xí) -
課時(shí)3PCA3_數(shù)學(xué)推導(dǎo)2
開(kāi)始學(xué)習(xí) -
課時(shí)4PCA4_數(shù)學(xué)推導(dǎo)3
開(kāi)始學(xué)習(xí)
第14課 主成分分析PCA2
-
課時(shí)1PCA5_自己實(shí)現(xiàn)PCA降維
開(kāi)始學(xué)習(xí) -
課時(shí)2PCA6 SKlearn實(shí)現(xiàn)降維
開(kāi)始學(xué)習(xí) -
課時(shí)3PCA7 Sklearn手寫(xiě)數(shù)字圖片降維
開(kāi)始學(xué)習(xí)
第15課 文本分類和圖像識(shí)別
授課講師
-
-
俊龍老師
總監(jiān)級(jí)講師
關(guān)于講師
華清創(chuàng)客總監(jiān)級(jí)講師，北京交大才子，華為、愛(ài)立信研發(fā)總監(jiān)，10余年物聯(lián)網(wǎng)行業(yè)工作經(jīng)驗(yàn)，對(duì)物聯(lián)網(wǎng)、2/3/4G無(wú)線網(wǎng)絡(luò)、NB-IOT技術(shù)、數(shù)據(jù)通信等方面見(jiàn)解獨(dú)到，主導(dǎo)參與華為骨干路由器、即時(shí)通信、網(wǎng)數(shù)通產(chǎn)品等多個(gè)項(xiàng)目研發(fā)，其產(chǎn)品創(chuàng)新解決方案榮獲多個(gè)華為新穎創(chuàng)新獎(jiǎng)。曾負(fù)責(zé)項(xiàng)目：華為骨干網(wǎng)、智能農(nóng)業(yè)系統(tǒng)。
課程推薦
- Python全能職業(yè)課 試聽(tīng) 84366
- 深度學(xué)習(xí) 試聽(tīng) 19052
- Python爬蟲(chóng)工程師特訓(xùn)營(yíng) 試聽(tīng) 58472
- Python開(kāi)發(fā)工程師特訓(xùn)營(yíng) 試聽(tīng) 50474
學(xué)習(xí)服務(wù)
- 技術(shù)大牛直播授課
- 實(shí)時(shí)學(xué)情管理
- 課后作業(yè)批改，BUG診斷
- 輔導(dǎo)老師當(dāng)堂答疑
- 學(xué)習(xí)規(guī)劃，專屬學(xué)習(xí)方案
