人工智能与机器学习：技术融合与创新【精品视频】

一、课程简介
本课程以机器学习算法为主体，讲解各种机器学习算法。在讲解算法过程中，以实际的例子和可视化的方式形象理解。部分算法会讲解实际算法推导。在讲解完每个算法后，都会用sklearn解决一个具体的问题。可以强化对算法的理解。
在课程后半部分，主要讲解模型调参以及特征工程相关的内容。让我们可以应对各种问题，最后在课程中附带了几个实验。实验选取sklearn以外的数据集，在实验中会实现对数据的处理以及预测的功能，方便把实验应用于生活中。

二、课程目标

掌握分类与回归算法
理解各种机器学习算法
掌握解决过拟合的方法
掌握读取数据、数据预处理、异常数据处理等操作
掌握sklearn模块的使用


第一阶段：监督学习
     在该阶段，主要学习机器学习的基本概念。学习监督学习中的各种分类和回归算法。包括KNN、线性回归、逻辑回归、决策树、随机森林、支持向量机、神经网络。

第二阶段：无监督学习
    在该阶段，主要学习数据缩放方法和无监督学习算法。包括数据标准化、归一化、PCA主成分分析、聚类算法等。

第三阶段：特征工程
    在该阶段，主要学习特征的表示。包括分类特征处理、分箱离散化、多项式特征、文本特征、Ngram、Tfidf。同时还会讲解模型评估和改进的方法。