2017年 北风网零基础学习机器学习（Python语言 算法 Numpy库 MatplotLib)视频教程

天亮说晚安

机器学习作为人工智能的一部分，已经应用于很多领域，远超过人们的想象，垃圾邮件的过滤，在线广告的推荐系统，还有目前发展飞快的物体识别、人脸识别和语音识别的发展，都是机器学习的应用的成果。机器学习在改善商业决策、提高生产率、检测疾病、预测天气等方面都有非常大的应用前景。

课程研发环境
/ J( _' u* x, C% d. R6 _( \本课程的代码实现是基于Python语言，用到Numpy库和MatplotLib.
开发工具: Python win;
& A. U" s7 c% m3 ]) U, ?* P
内容简介
本教程系统的介绍了机器学习的目的和方法。并且针对每一种常用的方法进行了详细的解析，用实例来说明具体的实现，学生可以跟着一步步完成。在面对现实的问题的时候，可以找到非常可靠的参照。本课程在最开始讲解了Python语言的基础知识，以保证后面的课程中可以顺利进行。更多的Python语言的知识，需要学员自己去找更多的资料进行学习。
* c* W! N& P  u$ [) y5 `3 Z本课程主要讲述了两大类机器学习的方法：有监督学习和无监督学习，其中有监督学习里面，又分为分类和预测数值型数据。这些算法都是基础的算法。这样可以降低学习的难度，容易理解机器学习思路和实现的过程。
/ k' E7 l& L4 a2 u) ^, ]/ i
课程目录
第01章 机器学的任务和方法1-2.mp4
' o/ q4 |, b2 m& G& x: ^0 H第02章 Python语言基础1-6.mp4
9 W, Q. C3 Y+ w, Z; ?第02章 Python语言基础7-13.mp4
第03章 分类算法介绍1.mp4
9 ]7 b  C7 @2 R9 w第04章 k-临近算法1-7.mp4
第05章 决策树1-5.mp4
( F) |6 D7 t0 E& ^# t2 E2 N7 s第06章 基于概率论的分类方法：朴素贝叶斯1-6.mp4
* C3 L" K8 E* |# m; j6 {) k第07章 Logistic回归1-6.mp4
0 I4 ?  I( o; C0 [% N; ]第08章 支持向量机1-8.mp4
0 ^; I/ M- L- l" s% y% `7 A! T* g* B- P第09章 利用AdaBoost元算法提高分类性能1-5.mp4
8 O+ i4 d& F# x- s- ~6 w2 s第10章 利用回归预测数值型数据1-5.mp4
& A0 ^6 {# s6 v0 S. O4 \第11章 树回归1-3.mp4
第12章 无监督学习1.mp4
- K; N7 p6 }! g& C第13章 利用K-均值聚类算法对未标注数据分组1-2.mp4
6 E$ m' ^( A: X/ K+ g第14章 使用Apriori算法进行关联分析1-3.mp4
  v! s9 k0 j' R" o第15章 使用FP-growth算法来高效发现频分项集1-3.mp4
第16章 利用PCA来简化数据1-2.mp4
0 {& \! n! T& k( p; Y7 {第17章 利用SVD简化数据1-3.mp4
5 B8 G  H6 a+ S第18章 大数据与MapReduce1.mp4
第19章 学习总结.mp4

游客，如果您要查看本帖隐藏内容请回复

+ d& J: Q$ ^( D& j  n" L. O
6 L4 O$ ]7 q1 S# s8 z! M
/ j9 G) H) n6 n+ l% s! E

m9128213

很棒的课程～～

杨文帅

很棒的课程～～