Python+Ai-51CTO微职位-Python数据分析与机器学习实战课程配套视频课程

第10章 案例实战：python实现逻辑回归与梯度下降策略 [266.54M]

051、python实现逻辑回归任务概述.ts [47.60M]

052、完成梯度下降模块.ts [83.79M]

053、停止策略与梯度下降策略对比.ts [68.14M]

054、实验对比效果.ts [67.00M]

第11章 项目实战：案例实战信用卡欺诈检测 [517.79M]

055、案例背景和目标.ts [46.00M]

056、样本不平衡解决方案.ts [56.33M]

057、下采样策略.ts [40.74M]

058、交叉验证.ts [55.25M]

059、模型评估方法.ts [52.92M]

060、正则化惩罚项.ts [32.88M]

061、逻辑回归模型.ts [41.73M]

062、混淆矩阵.ts [48.34M]

063、逻辑回归阈值对结果的影响.ts [55.82M]

064、smote样本生成策略.ts [87.79M]

第12章 决策树算法 [220.61M]

065、决策树原理概述.ts [45.43M]

066、衡量标准-熵.ts [46.11M]

067、决策树构造实例.ts [40.06M]

068、信息增益率.ts [21.99M]

069、决策树剪枝策略.ts [67.01M]

第13章 案例实战：决策树sklearn实例 [288.09M]

070、决策树复习.ts [40.14M]

071、决策树涉及参数.ts [67.52M]

072、树可视化与sklearn实例.ts [109.45M]

073、sklearn参数选择模块.ts [70.97M]

第14章 集成算法与随机森林 [178.07M]

074、集成算法-随机森林.ts [51.72M]

075、特征重要性衡量.ts [49.11M]

076、提升模型.ts [48.77M]

077、堆叠模型.ts [28.46M]

第15章 泰坦尼克船员获救 [306.76M]

078、数据介绍.ts [36.91M]

079、数据预处理.ts [72.14M]

080、回归模型进行预测.ts [75.32M]

081、随机森林模型.ts [68.43M]

082、特征选择.ts [53.97M]

第16 章贝叶斯算法 [167.92M]

083、贝叶斯算法概述.ts [18.95M]

084、贝叶斯推导实例.ts [20.22M]

085、贝叶斯拼写纠错实例.ts [30.74M]

086、垃圾邮件过滤实例.ts [38.28M]

087、贝叶斯实现拼写检查器.ts [59.73M]

第17章 python文本数据分析 [296.29M]

088、文本分析与关键词提取.ts [32.61M]

089、相似度计算.ts [34.13M]

090、新闻数据与任务简介.ts [48.86M]

091、tf-idf关键词提取.ts [66.53M]

092、lda建模.ts [43.42M]

093、基于贝叶斯算法的新闻分类.ts [70.75M]

第18章 支持向量机算法 [343.30M]

094、支持向量机要解决的问题.ts [36.66M]

095、距离与数据的定义.ts [36.05M]

096、目标函数.ts [34.31M]

097、目标函数求解.ts [38.31M]

098、svm求解实例.ts [48.43M]

099、支持向量的作用.ts [41.48M]

100、软间隔问题.ts [22.55M]

101、svm核变换.ts [85.51M]

第19章 svm调参实例 [157.01M]

102、sklearn求解支持向量机.ts [69.69M]

103、svm参数调节.ts [87.32M]

第1章 人工智能入学指南 [198.97M]

001、ai时代首选python.ts [34.92M]

002、python我该怎么学？.ts [19.67M]

003、人工智能的核心-机器学习.ts [35.85M]

004、机器学习怎么学？.ts [50.50M]

005、算法推导与案例.ts [34.10M]

006、系列课程环境配置.ts [23.95M]

第20章 机器学习处理实际问题常规套路 [256.61M]

104、http检测任务与数据挖掘的核心.ts [68.51M]

105、论文的重要程度.ts [62.72M]

106、benchmark概述.ts [41.57M]

107、benchmark的作用.ts [83.81M]

第21章 降维算法：线性判别分析 [134.68M]

108、线性判别分析要解决的问题.ts [46.78M]

109、线性判别分析要优化的目标.ts [42.68M]

110、线性判别分析求解.ts [45.21M]

第22章 案例实战：python实现线性判别分析 [107.42M]

111、python实现线性判别分析.ts [56.74M]

112、求解得出降维结果.ts [50.68M]

第23章 降维算法：pca主成分分析 [226.59M]

113、pca降维概述.ts [27.31M]

114、pca要优化的目标.ts [47.30M]

115、pca求解.ts [39.99M]

116、pca降维实例.ts [111.99M]

第24章 聚类算法-kmeans [119.76M]

117、kmeans算法概述.ts [40.54M]

118、kmeans工作流程.ts [29.75M]

119、迭代效果可视化展示.ts [49.47M]

第25章 聚类算法-dbscan [185.18M]

120、dbscan聚类算法.ts [69.45M]

121、dbscan工作流程.ts [65.74M]

122、dbscan迭代可视化展示.ts [49.99M]

第26章 聚类实践 [109.21M]

123、多种聚类算法概述.ts [14.99M]

124、聚类案例实战.ts [94.23M]

第27章 em算法 [195.28M]

125、em算法要解决的问题.ts [36.34M]

126、隐变量问题.ts [21.03M]

127、em算法求解实例.ts [68.29M]

128、jensen不等式.ts [37.59M]

129、gmm模型.ts [32.02M]

第28章 gmm聚类实践 [121.23M]

130、gmm实例.ts [68.05M]

131、gmm聚类.ts [53.17M]

第29章 神经网络 [258.39M]

132、计算机视觉常规挑战.ts [70.57M]

133、得分函数.ts [17.70M]

134、损失函数.ts [22.02M]

135、softmax分类器.ts [33.07M]

136、反向传播.ts [29.99M]

137、神经网络整体架构.ts [19.24M]

138、神经网络实例.ts [34.09M]

139、激活函数.ts [31.71M]

第2章 python快速入门 [336.25M]

007、快速入门，边学边用.ts [4.05M]

008、变量类型.ts [30.56M]

009、list基础模块.ts [41.98M]

010、list索引.ts [48.42M]

011、循环结构.ts [46.05M]

012、判断结构.ts [23.29M]

013、字典模块.ts [59.30M]

014、文件处理.ts [65.44M]

015、函数基础.ts [17.17M]

第30章 tensorflow实战 [334.06M]

140、tensorflow基础操作.ts [27.64M]

141、tensorflow常用函数.ts [34.45M]

142、tensorflow回归实例.ts [44.45M]

143、tensorflow神经网络实例.ts [72.72M]

144、tensorflow神经网络迭代.ts [70.79M]

145、神经网络dropout.ts [38.27M]

146、卷积神经网络基本结构.ts [45.73M]

第31章 mnist手写字体与验证码识别 [355.45M]

147、tensorflow构造卷积神经网络参数.ts [50.22M]

148、pooling层原理与参数.ts [40.15M]

149、卷积网络参数配置.ts [41.01M]

150、卷积神经网络计算流程.ts [47.19M]

151、cnn在mnist数据集上的效果.ts [56.27M]

152、验证码识别任务概述.ts [52.90M]

153、完成验证码识别任务.ts [67.70M]

第32章 xgboost集成算法 [244.75M]

154、集成算法思想.ts [14.16M]

155、xgboost基本原理.ts [26.47M]

156、xgboost目标函数推导.ts [32.51M]

157、xgboost求解实例.ts [40.28M]

158、xgboost安装.ts [18.41M]

159、xgboost实例演示.ts [70.67M]

160、adaboost算法概述.ts [42.24M]

第33章 推荐系统 [203.66M]

161、推荐系统应用.ts [40.92M]

162、推荐系统要完成的任务.ts [17.04M]

163、相似度计算.ts [26.96M]

164、基于用户的协同过滤.ts [21.60M]

165、基于物品的协同过滤.ts [35.42M]

166、隐语义模型.ts [19.71M]

167、隐语义模型求解.ts [26.23M]

168、模型评估标准.ts [15.79M]

第34章 推荐系统实战 [317.77M]

169、surprise库与数据简介.ts [31.52M]

170、surprise库使用方法.ts [46.36M]

171、得出商品推荐结果.ts [50.34M]

172、使用tensorflow构建隐语义模型.ts [46.34M]

173、模型架构.ts [52.86M]

174、损失函数定义.ts [43.29M]

175、训练网络模型.ts [47.07M]

第35章 词向量模型word2vec [243.65M]

176、自然语言处理与深度学习.ts [33.46M]

177、语言模型.ts [13.11M]

178、n-gram模型.ts [23.35M]

179、词向量.ts [23.28M]

180、神经网络模型.ts [28.00M]

181、hierarchical.ts [25.39M]

182、cbow模型实例.ts [34.47M]

183、cbow求解目标.ts [16.11M]

184、梯度上升求解.ts [29.58M]

185、负采样模型.ts [16.89M]

第36章 使用gensim库构造词向量模型 [168.41M]

186、使用gensim库构造词向量.ts [32.89M]

187、维基百科中文数据处理.ts [51.64M]

188、gensim构造word2vec.ts [45.26M]

189、测试相似度结果.ts [38.63M]

第37章 时间序列-arima模型 [200.91M]

190、数据平稳性与差分法.ts [40.23M]

191、arima模型.ts [26.18M]

192、相关函数评估方法.ts [41.30M]

193、建立airma模型.ts [32.44M]

194、参数选择.ts [60.77M]

第38章 python时间序列案例实战 [302.95M]

195、股票预测案例.ts [48.04M]

196、使.tsfresh库进行分类任务.ts [57.82M]

197、维基百科词条eda.ts [69.07M]

198、pandas生成时间序列.ts [54.98M]

199、pandas数据重采样.ts [44.72M]

200、pandas滑动窗口.ts [28.32M]

第39章 探索性数据分析：赛事数据集 [541.67M]

201、数据背景介绍.ts [55.91M]

202、数据读取与预处理.ts [64.32M]

203、数据切分模块.ts [86.16M]

204、缺失值可视化分析.ts [67.17M]

205、特征可视化展示.ts [65.12M]

206、多特征之间关系分析.ts [64.32M]

207、报表可视化分析.ts [54.81M]

208、红牌和肤色的关系.ts [83.86M]

第3章 科学计算库numpy [423.35M]

016、numpy数据结构.ts [65.22M]

017、numpy基本操作.ts [39.41M]

018、numpy矩阵属性.ts [36.58M]

019、numpy矩阵操作.ts [117.92M]

020、numpy常用函数.ts [164.22M]

第40章 探索性数据分析：农粮组织数据集 [560.20M]

209、数据背景简介.ts [76.43M]

210、数据切片分析.ts [113.38M]

211、单变量分析.ts [99.93M]

212、峰度与偏度.ts [80.53M]

213、数据对数变换.ts [68.70M]

214、数据分析维度.ts [48.31M]

215、变量关系可视化展示.mp4 [72.92M]

第4章 数据分析处理库pandas [226.85M]

021、pandas数据读取.ts [68.13M]

022、pandas索引与计算.ts [27.61M]

023、pandas数据预处理实例.mp4 [55.41M]

023、pandas数据预处理实例.ts [30.49M]

024、pandas常用预处理方法.ts [23.61M]

025、pandas自定义函数.ts [21.60M]

026、等待提取中.txt

第5章 可视化库matplotlib [284.52M]

027、折线图绘制.ts [50.14M]

028、子图操作.ts [74.33M]

029、条形图与散点图.ts [66.55M]

030、柱形图与盒形.ts [58.14M]

031、绘图细节设置.ts [35.36M]

第6章 python可视化库seaborn [408.71M]

032、布局整体风格设置.ts [37.39M]

033、风格细节设置.ts [32.86M]

034、调色板.ts [44.20M]

035、调色板颜色设置.ts [37.99M]

036、单变量分析绘制.ts [47.08M]

037、回归分析绘图.ts [43.68M]

038、多变量分析绘图.ts [48.64M]

039、分类属性绘图.ts [51.04M]

040、热度图绘制.ts [65.84M]

第7章 线性回归算法 [197.88M]

041、线性回归算法概述.ts [50.92M]

042、误差项分析.ts [45.04M]

043、似然函数求解.ts [31.40M]

044、目标函数推导.ts [32.38M]

045、线性回归求解.ts [38.14M]

第8章 梯度下降算法 [99.19M]

046、梯度下降原理.ts [47.96M]

047、梯度下降方法对比.ts [27.91M]

048、学习率对结果的影响.ts [23.31M]

第9章 逻辑回归算法 [97.73M]

049、逻辑回归算法原理推导.ts [39.76M]

050、逻辑回归求解.ts [57.97M]

课件代码等资料 [6.03G]

10python文本分析 [70.57M]

python文本分析.zip [70.57M]

课程数据-代码.txt [0.10K]

11泰坦尼克号-级联模型 [1.33M]

泰坦尼克号-级联模型.zip [1.33M]

12手写字体识别 [9.27M]

手写字体识别.zip [9.27M]

13tensorflow代码 [2.09M]

tensorflow代码.zip [2.09M]

14xgboost [28.75K]

xgboost.zip [28.75K]

15推荐系统 [41.00M]

课程数据-代码.txt [0.10K]

推荐系统.pdf [2.13M]

推荐系统.zip [38.86M]

16word2vec——空 [603.30M]

word2vec.zip [603.30M]

课程数据-代码.txt [0.10K]

17python时间序列 [110.70M]

python时间序列.zip [110.70M]

课程数据-代码.txt [0.10K]

1机器学习算法ppt [9.87M]

机器学习算法ppt.pdf [9.87M]

2numpy [18.46K]

numpy.zip [18.46K]

3pandas [776.44K]

pandas.zip [776.44K]

4欺诈检测 [66.10M]

欺诈检测.zip [66.10M]

5梯度下降实例 [155.96K]

梯度下降实例.zip [155.96K]

6matplotlib [935.18K]

matplotlib.zip [935.18K]

7可视化库seaborn [3.83M]

可视化库seaborn.rar [3.83M]

课程数据-代码.txt [0.03K]

8决策树鸢尾花 [632.99K]

决策树鸢尾花.zip [632.99K]

9贝叶斯 [2.26M]

贝叶斯.rar [2.26M]

课程数据-代码.txt [0.10K]

唐宇迪-机器学习课程代码-新整理.zip [5.13G]

梯度下降求解逻辑回归.zip [681.70K]