视频教程-Python机器学习实训营（原理推导+代码复现+实验分析）-机器学习

Python机器学习实训营（原理推导+代码复现+实验分析）

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

¥498.00

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机器学习实训营（原理推导+代码复现+实验分析）-机器学习

学习有效期：永久观看

学习时长：2059分钟

学习计划：35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

Python机器学习实训营（原理推导+代码复现+实验分析）课程旨在帮助同学们在机器学习领域打下坚实基础。课程注重算法原理讲解与数学公式推导并基于Python语言给出完整的代码实现，从零开始实现每一模块功能（非调用工具包）通过代码实例演示算法工作流程与实现方法，基于案例进行实验分析，算法涉及核心知识点全方位解读。整体风格通俗易懂，建议同学们在学习过程中先掌握算法原理，基于数学推导公式进行代码复现与实战演练。课程提供全部课程所需PPT，数据，代码。

 

「课程学习目录」

第1章：线性回归原理推导

1.实训营课程介绍

2.回归问题概述（数据代码下载---------->）

3.误差项定义

4.独立同分布的意义

5.似然函数的作用

6.参数求解

7.梯度下降通俗解释

8.参数更新方法

9.优化参数设置

第2章：线性回归代码实现

1.线性回归整体模块概述（所有数据代码PPT下载--------------->）

2.初始化步骤

3.实现梯度下降优化模块

4.损失与预测模块

5.数据与标签定义

6.训练线性回归模型

7.得到线性回归方程

8.整体流程debug解读

9.多特征回归模型

10.非线性回归

第3章：模型评估方法

1.Sklearn工具包简介

2.数据集切分

3.交叉验证的作用

4.交叉验证实验分析

5.混淆矩阵

6.评估指标对比分析

7.阈值对结果的影响

8.ROC曲线

第4章：线性回归实验分析

1.实验目标分析

2.参数直接求解方法

3.预处理对结果的影响

4.梯度下降模块

5.学习率对结果的影响

6.随机梯度下降得到的效果

7.MiniBatch方法

8.不同策略效果对比

9.多项式回归

10.模型复杂度

11.样本数量对结果的影响

12.正则化的作用

13.岭回归与lasso

14.实验总结

第5章：逻辑回归原理推导

1.逻辑回归算法原理

2.化简与求解

第6章：逻辑回归代码实现

1.多分类逻辑回归整体思路

2.训练模块功能

3.完成预测模块

4.优化目标定义

5.迭代优化参数

6.梯度计算

7.得出最终结果

8.鸢尾花数据集多分类任务

9.训练多分类模型

10.准备测试数据

11.决策边界绘制

12.非线性决策边界

第7章：逻辑回归实验分析

1.逻辑回归实验概述

2.概率结果随特征数值的变化

3.可视化展示

4.坐标棋盘制作

5.分类决策边界展示分析

6.多分类-softmax

第8章：Kmeans算法原理

1.KMEANS算法概述

2.KMEANS工作流程

3.KMEANS迭代可视化展示

第9章：DBSCAN算法原理

1.DBSCAN聚类算法

2.DBSCAN工作流程

3.DBSCAN可视化展示

第10章：Kmeans代码实现

1.Kmeans算法模块概述

2.计算得到簇中心点

3.样本点归属划分

4.算法迭代更新

5.鸢尾花数据集聚类任务

6.聚类效果展示

第11章：聚类算法实验分析

1.Kmenas算法常用操作

2.聚类结果展示

3.建模流程解读

4.不稳定结果

5.评估指标-Inertia

6.如何找到合适的K值

7.轮廓系数的作用

8.Kmenas算法存在的问题

9.应用实例-图像分割

10.半监督学习

11.DBSCAN算法

第12章：决策树原理

1.决策树算法概述

2.熵的作用

3.信息增益原理

4.决策树构造实例

5.信息增益率与gini系数

6.预剪枝方法

7.后剪枝方法

8.回归问题解决

第13章：决策树代码实现

1.整体模块概述

2.递归生成树节点

3.整体框架逻辑

4.熵值计算

5.数据集切分

6.数据集切分

7.测试算法效果

第14章：决策树实验分析

1.树模型可视化展示

2.决策边界展示分析

3.树模型预剪枝参数作用

4.回归树模型

第15章：集成算法原理

1.随机森林算法原理

2.随机森林优势与特征重要性指标

3.提升算法概述

4.stacking堆叠模型

第16章：集成算法实验分析

1.构建实验数据集

2.硬投票与软投票效果对比

3.Bagging策略效果

4.集成效果展示分析

5.OOB袋外数据的作用

6.特征重要性热度图展示

7.Adaboost算法概述

8.Adaboost决策边界效果

9.GBDT提升算法流程

10.集成参数对比分析

11.模型提前停止策略

12.停止方案实施

13.堆叠模型

第17章：支持向量机原理推导

1.支持向量机要解决的问题

2.距离与数据定义

3.目标函数推导

4.拉格朗日乘子法求解

5.化简最终目标函数

6.求解决策方程

7.软间隔优化

8.核函数的作用

9.知识点总结

第18章：支持向量机实验分析

1.支持向量机所能带来的效果

2.决策边界可视化展示

3.软间隔的作用

4.非线性SVM

5.核函数的作用与效果

第19章：神经网络算法原理

1.深度学习要解决的问题

2.深度学习应用领域

3.计算机视觉任务

4.计算机视觉任务

5.得分函数

6.损失函数的作用

7.前向传播整体流程

8.返向传播计算方法

9.神经网络整体架构

10.神经网络架构细节

11.神经元个数对结果的影响

12.正则化与激活函数

13.神经网络过拟合解决方法

第20章：神经网络代码实现

1.神经网络整体框架概述

2.参数初始化操作

3.矩阵向量转换

4.向量反变换

5.完成前向传播模块

6.损失函数定义

7.准备反向传播迭代

8.差异项计算

9.逐层计算

10.完成全部迭代更新模块

11.手写字体识别数据集

12.算法代码错误修正

13.测试效果可视化展示

14.模型优化结果展示

第21章：贝叶斯算法原理

1.贝叶斯要解决的问题

2.贝叶斯公式推导

3.拼写纠错实例

4.垃圾邮件过滤实例

第22章：垃圾邮件过滤实例

1.朴素贝叶斯算法整体框架

2.邮件数据读取

3.语料表与特征向量构建

4.分类别统计词频

5.贝叶斯公式对数变换

6.完成预测模块

第23章：关联规则实战分析

1.关联规则概述

2.支持度与置信度

3.提升度的作用

4.Python实战关联规则

5.数据集制作

6.电影数据集题材关联分析

第24章：关联规则代码实现

1.Apripri算法整体流程

2.数据集demo

3.扫描模块

4.拼接模块

5.挖掘频繁项集

6.规则生成模块

7.完成全部算法流程

8.规则结果展示

第25章：词向量word2vec通俗解读

1.词向量模型通俗解释

2.模型整体框架

3.训练数据构建

4.CBOW与Skip-gram模型

5.负采样方案

第26章：代码实现word2vec词向量模型

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27章：推荐系统原理分析

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28章：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29章：主成分分析降维算法原理解读

1.PCA基本概念

2.方差与协方差

3.结果推导

4.降维实例

第30章：线性判别分析降维算法原理解读

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.求解得出降维结果

5.实现线性判别分析

 

「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，35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？」

掌握机器学习经典算法原理推导

掌握机器学习算法代码复现方法

掌握机器学习核心知识点应用与对比分析

掌握机器学习面试必备技能与应用

 

订阅课程 开始学习