视频教程-Python机器学习进阶实战视频教学-机器学习

Python机器学习进阶实战视频教学

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。

唐宇迪

¥453.00

立即订阅

扫码下载「CSDN程序员学院APP」，1000+技术好课免费看

APP订阅课程，领取优惠，最少立减5元 ↓↓↓

订阅后：请点击此处观看视频课程

 

视频教程-Python机器学习进阶实战视频教学-机器学习

学习有效期：永久观看

学习时长：1210分钟

学习计划：21天

难度：中

 

「口碑讲师带队学习，让你的问题不过夜」

讲师姓名：唐宇迪

高校教师 / 培训机构讲师

讲师介绍：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。

☛点击立即跟老师学习☚

 

「你将学到什么？」

购买课程后，添加小助手微信（微信号：csdnxy68）回复【唐宇迪】

进入学习群，获取唐宇迪老师答疑

进阶实战课程旨在帮助同学们掌握机器学习进阶算法原理并应用Python工具包进行实战任务，学习过程中建议大家先掌握机器学习经典算法再加入进阶实战课程中。课程整体风格通俗易懂，用最接地气的方式带大家轻松入门机器学习各大高深算法并结合真实数据集进行项目实战。

 

「课程学习目录」

第1章：降维算法-线性判别分析

1.线性判别分析要解决的问题

2.线性判别分析要优化的目标

3.线性判别分析求解

4.实现线性判别分析进行降维任务

5.求解得出降维结果

第2章：推荐系统

1.推荐系统应用

2.推荐系统要完成的任务

3.相似度计算

4.基于用户的协同过滤

5.基于物品的协同过滤

6.隐语义模型

7.隐语义模型求解

8.模型评估标准

第3章：Python从零打造音乐推荐系统

1.音乐推荐任务概述

2.数据集整合

3.基于物品的协同过滤

4.物品相似度计算与推荐

5.SVD矩阵分解

6.基于矩阵分解的音乐推荐

第4章：基于统计分析的电影推荐

1.数据与环境配置

2.数据与关键词信息

3.关键词云与直方图展示

4.特征可视化

5.数据清洗概述

6.缺失值填充方法

7.推荐引擎构造

8.数据特征构造

9.得出推荐结果

第5章：数据特征

1.基本数值特征

2.常用特征构造手段

3.时间特征处理

4.文本特征处理

5.构造文本向量

6.词向量特征

7.计算机眼中的图像

第6章： GBDT提升算法

1.回归树模型

2.Adaboost算法

3.GBDT工作流程

4.回归任务

5.分类任务

6.迭代可视化

第7章： xgboost-gbdt-lightgbm提升算法框架对比

1.GBDT效果

2.Xgboost效果

3.lightGBM效果

第8章： 使用lightgbm进行饭店流量预测

1.饭店流量数据介绍

2.数据汇总

3.离群点筛选

4.特征提取

5.lightgbm建模

第9章： 人口普查数据集项目实战-收入预测

1.人口普查预测任务概述

2.单特征与缺失值展示

3.数据清洗

4.特征工程

5.单变量展示

6.双变量分析

7.开发新变量

8.ROC与AUC

9.机器学习模型

第10章：贝叶斯优化及其工具包使用

1.贝叶斯优化概述

2.工具包使用方法

3.贝叶斯优化效果

4.调整参数空间

第11章：贝叶斯优化实战

1.基础模型建立

2.设置参数空间

3.随机优化结果

4.贝叶斯优化效果

5.方法对比

6.参数变化情况

第12章：EM算法

1.EM算法要解决的问题

2.隐变量问题

3.EM算法求解实例

4.Jensen不等式

5.GMM模型

6.GMM实例

7.GMM聚类

第13章： HMM隐马尔科夫模型

1.马尔科夫模型

2.隐马尔科夫模型基本出发点

3.组成与要解决的问题

4.暴力求解方法

5.复杂度计算

6.前向算法

7.前向算法求解实例

8.Baum-Welch算法

9.参数求解

10.维特比算法

第14章：HMM案例实战

1.hmmlearn工具包

2.工具包使用方法

3.中文分词任务

4.实现中文分词

第15章：NLP-文本特征方法对比

1.任务概述

2.词袋模型

3.词袋模型分析

4.TFIDF模型

5.word2vec词向量模型

6.深度学习模型

第16章： 使用word2vec进行分类任务

1.影评情感分类

2.基于词袋模型训练分类器

3.准备word2vec输入数据

4.使用gensim构建word2vec词向量

第17章：Tensorflow自己打造word2vec

1.数据与任务流程

2.数据清洗

3.batch数据制作

4.网络训练

5.可视化展示

第18章：制作自己的常用工具包

1.为什么要做自己的数据工具包

2.工具包注释

3.缺失值处理

4.其他处理方式概述

5.工具包调用

第19章： 机器学习项目实战-数据处理与特征提取

1.任务概述

2.处理流程与数据简介

3.数据处理

4.单变量绘图分析

5.离群点剔除

6.变量与结果的关系

7.多变量展示

8.特征工程

第20章：机器学习项目实战-建模与分析

1.dataleakage问题

2.基础模型对比

3.选择参数

4.测试模型效果

5.模型的结果解释与参数分析

6.机器学习常用模型分析方法介绍

 

「7项超值权益，保障学习质量」

• 大咖讲解

技术专家系统讲解传授编程思路与实战。

• 答疑服务

专属社群随时沟通与讲师答疑，扫清学习障碍，自学编程不再难。

• 课程资料+课件

超实用资料，覆盖核心知识，关键编程技能，方便练习巩固。（部分讲师考虑到版权问题，暂未上传附件，敬请谅解）

• 常用开发实战

企业常见开发实战案例，带你掌握Python在工作中的不同运用场景。

• 大牛技术大会视频

2019Python开发者大会视频免费观看，送你一个近距离感受互联网大佬的机会。

• APP+PC随时随地学习

满足不同场景，开发编程语言系统学习需求，不受空间、地域限制。

 

「什么样的技术人适合学习？」

• 想进入互联网技术行业，但是面对多门编程语言不知如何选择，0基础的你
• 掌握开发、编程技术单一、冷门，迫切希望能够转型的你
• 想进入大厂，但是编程经验不够丰富，没有竞争力，程序员找工作难。

 

「悉心打造精品好课，21天学到大牛3年项目经验」

【完善的技术体系】

技术成长循序渐进，帮助用户轻松掌握

掌握机器学习知识，扎实编码能力

【清晰的课程脉络】

浓缩大牛多年经验，全方位构建出系统化的技术知识脉络，同时注重实战操作。

【仿佛在大厂实习般的课程设计】

课程内容全面提升技术能力，系统学习大厂技术方法论，可复用在日后工作中。

 

「你可以收获什么？」

掌握机器学习进阶算法原理与工作流程

熟练使用Python工具包进行建模任务

掌握必备数学公式推导

熟练进行数据处理与挖掘建模任务

 

订阅课程 开始学习