人工智能 深度学习基础介绍-机器学习 神经网络算法 视频教程【28课时】

冰点也疯狂

本课作为深度学习系列课程的第一阶段，介绍机器学习的基本概念，原理，以及常用算法（如决策树，支持向量机，神经网络算法等）。以Python语言为工具对每种算法进行结合实例讲解。学生学完本课程后将会理解机器学习的常用算法原理，并会使用Python中相关的package来对实际问题进行数据预处理，分类和回归分析。为开发机器学习相关应用打下必要基础，同时也为学习深度学习进阶课程打下必要基础。
# z2 E, P: W9 ^& T
课程目录
01.课程介绍机器学习介绍上23:09
02.课程介绍机器学习介绍下04:32
03.深度学习介绍26:47
04.基本概念34:48
9 X- m+ U$ Q! k' s( f' u& ^05.决策树算法39:15
  C( p# ~. F4 z" _& g* o, y, {06.决策树应用37:28
07.最邻近规则分类KNN算法28:03
0 L. z7 i+ A4 K08.最邻近规则KNN分类应用31:46
09.支持向量机SVM上35:40
10.支持向量机SVM上应用26:27
  C0 W' i7 j7 O. D! W11.神经网络算法应用上49:51
8 X* ?  B* t% _1 y12.神经网络算法应用下21:21
13.简单线性回归上29:49
14.简单线性回归下28:01
9 v7 ?  `1 N- r* [; O+ p/ Q15.多元线性回归33:53
16.多元线性回归应用29:46
6 D6 v9 J5 J( M( t17.非线性回归 Logistic Regression32:34
6 N- \3 E3 i& v/ U# {18.非线性回归应用29:25
1 p2 t- n4 o& y) t* D* b! i. p19.神经网络NN算法56:16
/ y+ v1 R6 A5 U+ H20.支持向量机(SVM)算法(下)应用29:55
21.支持向量机(SVM)算法下25:08
22.回归中的相关度和决定系数32:24
23.回归中的相关性和R平方值应用24:00
2 U) d  P( V, V24.Kmeans算法33:20
7 r8 u& M6 V6 [25.Kmeans应用36:06
0 b* b' J: @5 g& j+ m/ V26.Hierarchical clustering 层次聚类19:15
8 ?9 D' ~" ~' r! g2 l% d27.总结25:15
! B1 j' R* x) l! _