机器学习核心算法实战50讲视频教程-唐宇迪-专题视频课程

机器学习核心算法实战50讲视频教程—541人已学习
课程介绍    

    机器学习核心算法实战培训课程概况：本教程以当下人工智能核心模块机器学习为出发点，进行机器学习的学习，对其中经典的机器学习算法进行原理推导与案例实战，旨在帮助同学们掌握机器学习中的核心算法并进行建模任务实战，机器学习建模。
课程收益
    掌握经典算法原理与实战技巧
    课程特色： 1. 风格通俗易懂，接地气的讲解 2. 丰富案例教学，全程皆实战 3.经典算法进行原理推导与案例实战双管齐下
讲师介绍
    唐宇迪 更多讲师课程
    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讲师。在图像识别领域有着丰富经验，实现过包括人脸识别，物体识别，关键点检测等多种应用的新算法。 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，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。
课程大纲
  第1章:K近邻算法
    1. 系列课程环境配置  10:35
    2. 爱彼迎数据读取  10:08
    3. 近邻的计算  14:12
    4. 课间讨论  16:50
    5. 模型评估  13:49
    6. 数据标准化  13:45
    7. 多变量KNN模型  16:35
    8. 第一次直播未剪辑  01:36:58
  第2章:回归算法
    1. 线性回归的通俗解释  12:23
    2. 误差项解读  11:09
    3. 似然函数  9:26
    4. 最小二乘法与课间讨论  14:55
    5. 线性回归求解  7:50
    6. 梯度下降算法  10:37
    7. 逻辑回归概述  9:23
    8. 求解与课后讨论  18:06
    9. Python实现逻辑回归任务概述  7:33
    10. 完成梯度下降模块  12:51
    11. 停止策略与梯度下降案例  10:55
    12. 实验对比效果  10:25
  第3章:决策树算法
    1. 决策树算法概述  9:13
    2. 熵形象解读  12:30
    3. 决策树构造实例  8:13
    4. 信息增益率与连续值处理  8:26
    5. 课间讨论  10:13
    6. 剪枝策略  10:37
    7. 决策树涉及参数  9:52
    8. 随机森林  9:40
    9. 特征重要性与课后讨论  11:12
    10. 随机森林的回归任务  18:30
    11. 数据还是多点好  13:24
    12. 速度与精度的权衡  13:06
    13. 调参策略  17:10
  第4章:集成算法与随机森林
    1. 1-支持向量机算法要解决的问题  6:00
    2. 2-距离的定义  7:05
    3. 要优化的目标  7:54
    4. 目标函数  10:12
    5. 拉格朗日乘子法  8:57
    6. SVM求解  10:14
    7. 支持向量的作用  7:53
    8. 软间隔问题  6:00
    9. 核函数问题  11:56
    10. sklearn求解支持向量机  11:24
    11. SVM参数选择  14:00
  第5章:神经网络
    1. 神经网络概述  11:27
    2. 目标函数定义  10:44
    3. 返向传播  8:38
    4. 网络整体架构  6:26
    5. 神经元个数对结果的影响  11:11
    6. 正则化惩罚  7:58
    7. dropout  14:57
    8. 课后讨论  13:01
大家可以点击【 查看详情】查看我的课程