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

! p9 R3 q+ U. s  v0 m( A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
, [, \2 ]' ?7 [2 o; _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;

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。
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。
  M" K2 o, R) R; W0 i9 C2 a
1 t  S7 n$ A1 V! x" x2 |) O+ R课程目录
第01章 机器学的任务和方法1-2.mp4
9 k' g2 k* [, ~0 e1 d第02章 Python语言基础1-6.mp4
) P! X0 ~5 B7 o3 S第02章 Python语言基础7-13.mp4
第03章 分类算法介绍1.mp4
第04章 k-临近算法1-7.mp4
4 u+ l; C+ ~; f: w5 i第05章 决策树1-5.mp4
第06章 基于概率论的分类方法：朴素贝叶斯1-6.mp4
% {3 L8 ]5 B  K% b第07章 Logistic回归1-6.mp4
第08章 支持向量机1-8.mp4
第09章 利用AdaBoost元算法提高分类性能1-5.mp4
+ P* b" H% V8 }3 d第10章 利用回归预测数值型数据1-5.mp4
第11章 树回归1-3.mp4
+ `' a& {! I7 i第12章 无监督学习1.mp4
第13章 利用K-均值聚类算法对未标注数据分组1-2.mp4
第14章 使用Apriori算法进行关联分析1-3.mp4
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
( Y7 f) `$ y" A1 T# `" l  G第17章 利用SVD简化数据1-3.mp4
第18章 大数据与MapReduce1.mp4
9 s  y  j3 [1 F7 e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

m9128213

很棒的课程～～

杨文帅

很棒的课程～～