文件详情

文件信息

文件描述

├── 第1章 人工智能入学指南 │ ├── 001、AI时代首选Python.mp4 │ ├── 002、Python我该怎么学？.mp4 │ ├── 003、人工智能的核心-机器学习.mp4 │ ├── 004、机器学习怎么学？.mp4 │ ├── 005、算法推导与案例.mp4 │ └── 006、系列课程环境配置.mp4 ├── 第2章 Python快速入门 │ ├── 007、快速入门，边学边用.mp4 │ ├── 008、变量类型.mp4 │ ├── 009、List基础模块.mp4 │ ├── 010、List索引.mp4 │ ├── 011、循环结构.mp4 │ ├── 012、判断结构.mp4 │ ├── 013、字典模块.mp4 │ ├── 014、文件处理.mp4 │ └── 015、函数基础.mp4 ├── 第3章 科学计算库Numpy │ ├── 016、Numpy数据结构.mp4 │ ├── 017、Numpy基本操作.mp4 │ ├── 018、Numpy矩阵属性.mp4 │ ├── 019、Numpy矩阵操作.mp4 │ └── 020、Numpy常用函数.mp4 ├── 第4章 数据分析处理库Pandas │ ├── 021、Pandas数据读取.mp4 │ ├── 022、Pandas索引与计算.mp4 │ ├── 023、Pandas数据预处理实例.mp4 │ ├── 023、Pandas数据预处理实例【我爱it学习 www.52itstudy.com】.mp4 │ ├── 024、Pandas常用预处理方法.mp4 │ ├── 025、Pandas自定义函数.mp4 │ └── 026、等待提取中【我爱it学习 www.52itstudy.com】.txt ├── 第5章 可视化库Matplotlib │ ├── 027、折线图绘制.mp4 │ ├── 028、子图操作.mp4 │ ├── 029、条形图与散点图.mp4 │ ├── 030、柱形图与盒形.mp4 │ └── 031、绘图细节设置.mp4 ├── 第6章 Python可视化库Seaborn │ ├── 032、布局整体风格设置.mp4 │ ├── 033、风格细节设置.mp4 │ ├── 034、调色板.mp4 │ ├── 035、调色板颜色设置.mp4 │ ├── 036、单变量分析绘制.mp4 │ ├── 037、回归分析绘图.mp4 │ ├── 038、多变量分析绘图.mp4 │ ├── 039、分类属性绘图.mp4 │ └── 040、热度图绘制.mp4 ├── 第7章 线性回归算法 │ ├── 041、线性回归算法概述.mp4 │ ├── 042、误差项分析.mp4 │ ├── 043、似然函数求解.mp4 │ ├── 044、目标函数推导.mp4 │ └── 045、线性回归求解.mp4 ├── 第8章 梯度下降算法 │ ├── 046、梯度下降原理.mp4 │ ├── 047、梯度下降方法对比.mp4 │ └── 048、学习率对结果的影响.mp4 ├── 第9章 逻辑回归算法 │ ├── 049、逻辑回归算法原理推导.mp4 │ └── 050、逻辑回归求解.mp4 ├── 第10章 案例实战：Python实现逻辑回归与梯度下降策略 │ ├── 051、Python实现逻辑回归任务概述.mp4 │ ├── 052、完成梯度下降模块.mp4 │ ├── 053、停止策略与梯度下降策略对比.mp4 │ └── 054、实验对比效果.mp4 ├── 第11章 项目实战：案例实战信用卡欺诈检测 │ ├── 055、案例背景和目标.mp4 │ ├── 056、样本不平衡解决方案.mp4 │ ├── 057、下采样策略.mp4 │ ├── 058、交叉验证.mp4 │ ├── 059、模型评估方法.mp4 │ ├── 060、正则化惩罚项.mp4 │ ├── 061、逻辑回归模型.mp4 │ ├── 062、混淆矩阵.mp4 │ ├── 063、逻辑回归阈值对结果的影响.mp4 │ └── 064、SMOTE样本生成策略.mp4 ├── 第12章 决策树算法 │ ├── 065、决策树原理概述.mp4 │ ├── 066、衡量标准-熵.mp4 │ ├── 067、决策树构造实例.mp4 │ ├── 068、信息增益率.mp4 │ └── 069、决策树剪枝策略.mp4 ├── 第13章 案例实战：决策树Sklearn实例 │ ├── 070、决策树复习.mp4 │ ├── 071、决策树涉及参数.mp4 │ ├── 072、树可视化与Sklearn实例.mp4 │ └── 073、Sklearn参数选择模块.mp4 ├── 第14章 集成算法与随机森林 │ ├── 074、集成算法-随机森林.mp4 │ ├── 075、特征重要性衡量.mp4 │ ├── 076、提升模型.mp4 │ └── 077、堆叠模型.mp4 ├── 第15章 泰坦尼克船员获救 │ ├── 078、数据介绍.mp4 │ ├── 079、数据预处理.mp4 │ ├── 080、回归模型进行预测.mp4 │ ├── 081、随机森林模型.mp4 │ └── 082、特征选择.mp4 ├── 第16 章贝叶斯算法 │ ├── 083、贝叶斯算法概述.mp4 │ ├── 084、贝叶斯推导实例.mp4 │ ├── 085、贝叶斯拼写纠错实例.mp4 │ ├── 086、垃圾邮件过滤实例.mp4 │ └── 087、贝叶斯实现拼写检查器.mp4 ├── 第17章 Python文本数据分析 │ ├── 088、文本分析与关键词提取.mp4 │ ├── 089、相似度计算.mp4 │ ├── 090、新闻数据与任务简介.mp4 │ ├── 091、TF-IDF关键词提取.mp4 │ ├── 092、LDA建模.mp4 │ └── 093、基于贝叶斯算法的新闻分类.mp4 ├── 第18章 支持向量机算法 │ ├── 094、支持向量机要解决的问题.mp4 │ ├── 095、距离与数据的定义.mp4 │ ├── 096、目标函数.mp4 │ ├── 097、目标函数求解.mp4 │ ├── 098、SVM求解实例.mp4 │ ├── 099、支持向量的作用.mp4 │ ├── 100、软间隔问题.mp4 │ └── 101、SVM核变换.mp4 ├── 第19章 SVM调参实例 │ ├── 102、Sklearn求解支持向量机.mp4 │ └── 103、SVM参数调节.mp4 ├── 第20章 机器学习处理实际问题常规套路 │ ├── 104、HTTP检测任务与数据挖掘的核心.mp4 │ ├── 105、论文的重要程度.mp4 │ ├── 106、BenchMark概述.mp4 │ └── 107、BenchMark的作用.mp4 ├── 第21章 降维算法：线性判别分析 │ ├── 108、线性判别分析要解决的问题.mp4 │ ├── 109、线性判别分析要优化的目标.mp4 │ └── 110、线性判别分析求解.mp4 ├── 第22章 案例实战：Python实现线性判别分析 │ ├── 111、Python实现线性判别分析.mp4 │ └── 112、求解得出降维结果.mp4 ├── 第23章 降维算法：PCA主成分分析 │ ├── 113、PCA降维概述.mp4 │ ├── 114、PCA要优化的目标.mp4 │ ├── 115、PCA求解.mp4 │ └── 116、PCA降维实例.mp4 ├── 第24章 聚类算法-Kmeans │ ├── 117、Kmeans算法概述.mp4 │ ├── 118、Kmeans工作流程.mp4 │ └── 119、迭代效果可视化展示.mp4 ├── 第25章 聚类算法-DBSCAN │ ├── 120、DBSCAN聚类算法.mp4 │ ├── 121、DBSCAN工作流程.mp4 │ └── 122、DBSCAN迭代可视化展示.mp4 ├── 第26章 聚类实践 │ ├── 123、多种聚类算法概述.mp4 │ └── 124、聚类案例实战.mp4 ├── 第27章 EM算法 │ ├── 125、EM算法要解决的问题.mp4 │ ├── 126、隐变量问题.mp4 │ ├── 127、EM算法求解实例.mp4 │ ├── 128、Jensen不等式.mp4 │ └── 129、GMM模型.mp4 ├── 第28章 GMM聚类实践 │ ├── 130、GMM实例.mp4 │ └── 131、GMM聚类.mp4 ├── 第29章 神经网络 │ ├── 132、计算机视觉常规挑战.mp4 │ ├── 133、得分函数.mp4 │ ├── 134、损失函数.mp4 │ ├── 135、softmax分类器.mp4 │ ├── 136、反向传播.mp4 │ ├── 137、神经网络整体架构.mp4 │ ├── 138、神经网络实例.mp4 │ └── 139、激活函数.mp4 ├── 第30章 Tensorflow实战 │ ├── 140、Tensorflow基础操作.mp4 │ ├── 141、Tensorflow常用函数.mp4 │ ├── 142、Tensorflow回归实例.mp4 │ ├── 143、Tensorflow神经网络实例.mp4 │ ├── 144、Tensorflow神经网络迭代.mp4 │ ├── 145、神经网络dropout.mp4 │ └── 146、卷积神经网络基本结构.mp4 ├── 第31章 Mnist手写字体与验证码识别 │ ├── 147、Tensorflow构造卷积神经网络参数.mp4 │ ├── 148、Pooling层原理与参数.mp4 │ ├── 149、卷积网络参数配置.mp4 │ ├── 150、卷积神经网络计算流程.mp4 │ ├── 151、CNN在mnist数据集上的效果.mp4 │ ├── 152、验证码识别任务概述.mp4 │ └── 153、完成验证码识别任务.mp4 ├── 第32章 Xgboost集成算法 │ ├── 154、集成算法思想.mp4 │ ├── 155、Xgboost基本原理.mp4 │ ├── 156、Xgboost目标函数推导.mp4 │ ├── 157、Xgboost求解实例.mp4 │ ├── 158、Xgboost安装.mp4 │ ├── 159、Xgboost实例演示.mp4 │ └── 160、Adaboost算法概述.mp4 ├── 第33章 推荐系统 │ ├── 161、推荐系统应用.mp4 │ ├── 162、推荐系统要完成的任务.mp4 │ ├── 163、相似度计算.mp4 │ ├── 164、基于用户的协同过滤.mp4 │ ├── 165、基于物品的协同过滤.mp4 │ ├── 166、隐语义模型.mp4 │ ├── 167、隐语义模型求解.mp4 │ └── 168、模型评估标准.mp4 ├── 第34章 推荐系统实战 │ ├── 169、Surprise库与数据简介.mp4 │ ├── 170、Surprise库使用方法.mp4 │ ├── 171、得出商品推荐结果.mp4 │ ├── 172、使用Tensorflow构建隐语义模型.mp4 │ ├── 173、模型架构.mp4 │ ├── 174、损失函数定义.mp4 │ └── 175、训练网络模型.mp4 ├── 第35章 词向量模型Word2Vec │ ├── 176、自然语言处理与深度学习.mp4 │ ├── 177、语言模型.mp4 │ ├── 178、N-gram模型.mp4 │ ├── 179、词向量.mp4 │ ├── 180、神经网络模型.mp4 │ ├── 181、Hierarchical.mp4 │ ├── 182、CBOW模型实例.mp4 │ ├── 183、CBOW求解目标.mp4 │ ├── 184、梯度上升求解.mp4 │ └── 185、负采样模型.mp4 ├── 第36章 使用Gensim库构造词向量模型 │ ├── 186、使用Gensim库构造词向量.mp4 │ ├── 187、维基百科中文数据处理.mp4 │ ├── 188、Gensim构造word2vec.mp4 │ └── 189、测试相似度结果.mp4 ├── 第37章 时间序列-ARIMA模型 │ ├── 190、数据平稳性与差分法.mp4 │ ├── 191、ARIMA模型.mp4 │ ├── 192、相关函数评估方法.mp4 │ ├── 193、建立AIRMA模型.mp4 │ └── 194、参数选择.mp4 ├── 第38章 Python时间序列案例实战 │ ├── 195、股票预测案例.mp4 │ ├── 196、使用tsfresh库进行分类任务.mp4 │ ├── 197、维基百科词条EDA.mp4 │ ├── 198、Pandas生成时间序列.mp4 │ ├── 199、Pandas数据重采样.mp4 │ └── 200、Pandas滑动窗口.mp4 ├── 第39章 探索性数据分析：赛事数据集 │ ├── 201、数据背景介绍.mp4 │ ├── 202、数据读取与预处理.mp4 │ ├── 203、数据切分模块.mp4 │ ├── 204、缺失值可视化分析.mp4 │ ├── 205、特征可视化展示.mp4 │ ├── 206、多特征之间关系分析.mp4 │ ├── 207、报表可视化分析.mp4 │ └── 208、红牌和肤色的关系.mp4 ├── 第40章 探索性数据分析：农粮组织数据集 │ ├── 209、数据背景简介.mp4 │ ├── 210、数据切片分析.mp4 │ ├── 211、单变量分析.mp4 │ ├── 212、峰度与偏度.mp4 │ ├── 213、数据对数变换.mp4 │ ├── 214、数据分析维度.mp4 │ └── 215、变量关系可视化展示.mp4 └── 课件与代码 ├── 唐宇迪-机器学习课程代码-新整理 │ ├── 机器学习算法配套案例实战 │ │ ├── word2vec │ │ │ ├── gensim训练model.exe │ │ │ ├── 维基百科中文数据.exe │ │ │ └── word2vec.exe │ │ └── 机器学习算法配套案例实战.exe │ └── 唐宇迪-机器学习课程代码-新整理.exe └── 课件与代码.exe