|
目前，机器学习的使用日渐成为趋势。 作为人工智能的核心，机器学习是一门多领域的交叉学科，专门研究计算机模拟或实现人类学习行为的方法，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。 简单来说，机器学习就是优化数学方程式的过程。但在实际生活中，机器学习已经在金融、科研等领域蓬勃发展。 比如，就金融来说
既然机器学习如此火爆，那如何追赶这股技术潮流呢？ 现超级数学建模携手唐老师以Python为基础，向大家精心准备《Python机器学习》系列课程。 唐老师将系统讲解Python的基础知识、常用的工具包和算法以及四个主流的Python库，并借助真实案例带领大家进行项目实战，全程还会附送完整的代码进行课程教学与实战演练。 相信，每天都能感受到能力的提升！ 《Python机器学习》系列课程介绍 基础篇（共131学时） （课程大纲） 《Python机器学习实战课程》（¥398） 第一章 AI时代人工智能入学指南（免费试学） 第二章 Python快速入门（免费试学） 第三章 Python工具：科学计算库Numpy 第四章 Python工具：数据分析处理库Pandas 第五章 Python工具：可视化库Matplotlib 第六章 算法：线性回归算法 第七章 算法：梯度下降原理 第八章 算法：逻辑回归算法 第九章 案例：Python实现逻辑回归与梯度下降 第十章 案例：使用Python分析科比生涯数据 第十一章 案例：信用卡欺诈检测 第十二章 算法：决策树 第十三章 决策树Sklearn实例 第十四章 算法：随机森林与集成算法 第十五章 案例：Kaggle竞赛案例:泰坦尼克获救预测 第十六章 算法：线性支持向量机 第十七章 非线性支持向量机 第十八章 支持向量调参实战 第十九章 计算机视觉挑战 第二十章 神经网络必备基础知识点 第二十一章 最优化与反向传播 第二十二章 神经网络整体架构 第二十三章 案例实战CIFAR图像分类任务 第二十四章 Tensorflow框架 第二十五章 Mnist手写字体识别 第二十六章 PCA降维操作与SVD矩阵分解 第二十七章 聚类与集成算法 第二十八章 机器学习业务流程
|
|
|
