Python数据挖掘实战-唐宇迪-专题视频课程

Python数据挖掘实战—1691人已学习
课程介绍    

    Python数据挖掘系列课程基于真实数据集进行案例实战，使用Python数据科学库从数据预处理开始一步步进行数据建模。对于每个案例首先进行流程解读与数据分析，建立特征工程，详细解读其中每一步原理与应用。
课程收益
    掌握Python数据挖掘流程，熟练使用Python库进行建模分析。
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:泰坦尼克号获救预测
    1. 数据挖掘任务流程  12:36
    2. 数据介绍（数据代码下载--->）  8:36
    3. Python兵器库介绍  9:19
    4. sklearn库介绍  11:33
    5. 数据读取与统计分析  9:43
    6. 性别特征分析  10:48
    7. 船舱等级特征分析  8:35
    8. 缺失值问题  11:02
    9. 年龄特征缺失值填充与分析  14:32
    10. 登船地点特征分析  11:54
    11. 家庭特征分析  11:03
    12. 特征相关性  9:16
    13. 构建特征  18:25
    14. 机器学习算法概述  10:48
    15. 交叉验证  9:11
    16. 多种机器学习算法模型效果  17:29
    17. 集成模块  12:47
    18. 特征重要性衡量  7:09
    19. 总结与特征预处理  15:35
  第2章:用户画像
    1. 用户画像概述  13:26
    2. 如何建立用户画像  13:47
    3. 用户搜索数据介绍  5:14
    4. 任务概述与方案  10:46
    5. 构造词向量特征  11:06
    6. 构造输入特征  13:23
    7. 建立预测模型  19:33
  第3章:Xgboost实战
    1. Xgboost算法概述  11:35
    2. Xgboost模型构造  12:10
    3. Xgboost建模衡量标准  12:07
    4. Xgboost安装  6:26
    5. 保险赔偿任务概述  13:06
    6. Xgboost参数定义  9:54
    7. 基础模型定义  8:16
    8. 树结构对结果的影响  12:37
    9. 学习率与采样对结果的影响  13:01
  第4章:京东购买意向预测
    1. 项目与数据介绍  20:18
    2. 数据挖掘流程  19:17
    3. 数据检查  12:01
    4. 构建用户特征表单  18:33
    5. 构建商品特征表单  9:42
    6. 数据探索概述  9:23
    7. 购买因素分析  10:46
    8. 特征工程  15:38
    9. 基本特征构造  17:47
    10. 行为特征  10:45
    11. 累积行为特征  11:23
    12. Xgboost模型  6:32
  第5章:Kaggle数据科学调查
    1. kaggle数据科学调查介绍  11:18
    2. 基本情况可视化展示  19:36
    3. 工资情况  11:33
    4. 技能使用情况  16:32
    5. 数据集与平台  14:21
    6. python和r哪家强  15:58
    7. 调查总结  16:16
  第6章:房价预测
    1. 房价预测任务概述  12:21
    2. 离散形数据  9:25
    3. 数据对数变换  10:43
    4. 缺失值处理与box-cox变换  12:51
    5. 模型预测  10:58
  第7章:论文与BenchMark的意义
    1. 1-HTTP检测任务与数据挖掘的核心  11:13
    2. 2-论文的重要程度  10:00
    3. 3-BenchMark概述  6:23
    4. 4-BenchMark的作用  13:31
  第8章:Python实现音乐推荐系统
    1. 音乐推荐任务概述  17:35
    2. 数据集整合  8:19
    3. 基于物品的协同过滤  13:18
    4. 物品相似度计算与推荐  19:14
    5. SVD矩阵分解  16:54
    6. 基于矩阵分解的音乐推荐  14:44
  第9章:fbprophet时间序列预测
    1. fbprophet股价预测任务概述  13:29
    2. 时间序列分析  16:44
    3. fbprophet时间序列预测实例  19:23
    4. 亚马逊股价趋势  15:07
    5. 突变点调参  18:01
  第10章:用电敏感客户分类
    1. 任务与解决框架概述  12:31
    2. 特征工程分析与特征提取  20:34
    3. 离散数据处理  17:12
    4. 统计与文本特征  10:36
    5. 文本特征构建  20:41
    6. 构建低敏用户模型  12:28
    7. 高敏模型概述  7:20
  第11章:数据特征
    1. 基本数值特征  11:14
    2. 常用特征构造手段  13:53
    3. 时间特征处理  13:04
    4. 文本特征处理  20:24
    5. 构造文本向量  11:45
    6. 词向量特征  13:55
    7. 计算机眼中的图像  5:46
大家可以点击【 查看详情】查看我的课程