Python Web开发 深度学习基础介绍-机器学习教程 27课

冰点也疯狂

课程介绍：
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。
+ Q. f0 x1 C3 E# [0 p9 n
9 H+ e7 k% }' i/ h2 M6 I) j课程目录：
1.课程介绍机器学习介绍上23:09
) J' n  D+ q3 o/ g2.课程介绍机器学习介绍下04:32
5 k/ E1 e2 R* K! G. S" a; X3.深度学习介绍26:47
4.基本概念34:48
5.决策树算法39:15
6.决策树应用37:28
7.最邻近规则分类KNN算法28:03
/ R  E. O( w& H6 g5 s8.最邻近规则KNN分类应用31:46
9.支持向量机SVM上35:40
* w" s$ `9 g8 U$ `10.支持向量机SVM上应用26:27
8 c! ?# ], X  \( J- C11.神经网络算法应用上49:51
12.神经网络算法应用下21:21
! c4 h8 n# \+ ]# L+ u13.简单线性回归上29:49
14.简单线性回归下28:01
15.多元线性回归33:53
16.多元线性回归应用29:46
17.非线性回归 Logistic Regression32:34
18.非线性回归应用29:25
19.神经网络NN算法56:16
20.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
4 q6 B( I% g0 q* u/ v22.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
7 {. z4 T6 ]$ R( c+ W. p' }24.Kmeans算法33:20
3 N. G- _  ^' M# Q2 @% w1 O25.Kmeans应用36:06
. w' `6 G. X4 y" y9 ], U9 U26.Hierarchical clustering 层次聚类19:15
, Z) B( s9 W. Y7 ~" _7 d- b27.总结25:15
4 h' I; @  G. E* _" B* t

m9128213

很好的教程资源～～