人工智能入门：基础库与工具【AI精品视频】

课程概览
授课讲师
课程大纲
实验列表

课程概览
授课讲师
课程大纲
实验列表

本课程以机器学习算法为主体，讲解各种机器学习算法。主要内容如下：监督学习算法、分类与回归、线性回归、逻辑回归、决策树、随机森林、SVM、无监督学习、数据预处理、Tfidf等。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。

课程概览

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。

人工智能

授课讲师

豆子老师

课程大纲

第1章人工智能
第1节必要的库和工具

视频名称:1.2、必要的库和工具.mp4

实验列表

节数	上课时间	星期一	星期二	星期三	星期四	星期五	星期六	星期天
第1节	08:00 - 08:40
第2节	09:00 - 09:40
第3节	10:00 - 10:40
第4节	11:00 - 11:40
第5节	14:00 - 14:40
第6节	15:00 - 15:40
第7节	16:00 - 16:40
第8节	17:00 - 17:40

天数	上课日期	上课时间	内容

人工智能入门：基础库与工具【AI精品视频】

课程概览

授课讲师

课程大纲

实验列表

相关课件 更多

相关课程

相关课件更多