AI122:机器学习算法介绍与实战

开班计划时间:24 小时
  • 具体开课时间请咨询课程顾问
预约试听 马上咨询
课程介绍
适用对象:人工智能行业爱好者、 公司IT,算法,研发工程师、CEO,CIO等技术管理层、算法爱好者,有志于进行从事算法研发的人员
学习收获:掌握人工智能发展趋势 、熟悉机器学习算法和深度学习算法
详细大纲
1 线性回归与科学计算库numpy
1.1 机器学习要解决的任务
1.2 有监督与无监督问题
1.3 线性回归算法原理推导
1.4 Python语言基础
1.5 Python数据结构
1.6 科学计算库Numpy基础
1.7 Numpy数组操作
1.8 Numpy矩阵基本操作
1.9 Numpy矩阵初始化与创建
1.10 Numpy排序与索引
2 逻辑回归与数据分析处理库Pandas
2.1 Pandas数据读取与现实
2.2 Pandas样本数值计算与排序
2.3 Pandas数据预处理与透视表
2.4 Pandas自定义函数
2.5 Pandas核心数据结构Series详解
2.6 Pandas数据索引
2.7 逻辑回归-sigmoid函数
2.8 逻辑回归原理推导
2.9 最优化问题
2.10 2.10、实战梯度下降算法
3 案例实战信用卡欺诈检测
3.1 数据与算法简介
3.2 样本不平衡问题解决思路
3.3 下采样解决方案
3.4 正则化参数选择
3.5 逻辑回归建模
3.6 过采样与SMOTE算法
3.7 Matplotlib绘制第一个折线图
3.8 Matplotlib条形图,直方图,四分图绘制
3.9 Matplotlib数据可视化分析
4 决策树与随机森林
4.1 熵原理,信息增益
4.2 决策树构造原理推导
4.3 ID3,C4.5算法
4.4 决策树剪枝策略
4.5 随机森林算法原理
4.6 基于随机森林的特征重要性选择
5 Kaggle机器学习案例实战
5.1 泰坦尼克船员获救预测
5.2 使用pandas库进行数据读取与缺失值预处理
5.3 使用scikit-learn库对比回归模型与随机森林模型
5.4 GBDT构造原理
5.5 特征的选择与重要性衡量指标
5.6 机器学习中的级联模型
5.7 使用级联模型再战泰坦尼克
6 支持向量机算法
6.1 SVM要解决的问题
6.2 线性SVM原理推导
6.3 SVM对偶问题与核变换
6.4 soft支持向量机问题
6.5 多类别分类问题解决方案
7 神经网络模型
7.1 前向传播与反向传播结构
7.2 激活函数
7.3 神经网络结构
7.4 深入神经网络细节
7.5 神经网络表现效果
8 mnist手写字体识别
8.1 Tensorflow框架
8.2 CNN网络结构
8.3 构造CNN网络结构
8.4 基于tensorflow的网络框架
8.5 迭代优化训练
9 经典案例实战
9.1 鸢尾花数据集分析
9.2 基于NLP的股价预测
9.3 员工离职预测
10 聚类与集成算法
10.1 k-means,DBSCAN等经典聚类算法原理
10.2 python实现k-means算法
10.3 聚类算法应用场景与特征工程
10.4 Adaboost集成算法原理
课程评价

课程评价({{EvaluationTotal}})

课程满意度

评价

您还没有给课程评分哦

满意度

    追加评价:

课程咨询
内容:

您还没有填写内容!

暂无问答,赶紧去提问吧
{{item.AnswerState==1?"已解决":"未解决"}}
{{item.Content}}
{{item.StudentAskTime}}
{{itemanswer.UserName}}
{{itemanswer.Content}}
{{itemanswer.StudentAskTime}}
同类课程推荐 more
嘉为大讲堂 more
原创文章 more

您好! 欢迎来到学领未来 !

学领未来提供线上及线下的学习服务,根据您的位置,为您推荐最近的线下培训地点 分站,你选择: