51CTO微职位 唐宇迪 Python数据分析与机器学习实战课程配套视频课程 百度网盘下载

第01章 人工智能入学指南

001、AI时代首选Python.ts 34.92M

002、Python我该怎么学？.ts 19.67M

003、人工智能的核心-机器学习.ts 35.85M

004、机器学习怎么学？.ts 50.50M

005、算法推导与案例.ts 34.10M

006、系列课程环境配置.ts 23.95M

第02章 Python快速入门

007、快速入门，边学边用.ts 4.05M

008、变量类型.ts 30.56M

009、List基础模块.ts 41.98M

010、List索引.ts 48.42M

011、循环结构.ts 46.05M

012、判断结构.ts 23.29M

013、字典模块.ts 59.30M

014、文件处理.ts 65.44M

015、函数基础.ts 17.17M

第03章 科学计算库Numpy

016、Numpy数据结构.ts 65.22M

017、Numpy基本操作.ts 39.41M

018、Numpy矩阵属性.ts 36.58M

019、Numpy矩阵操作.ts 117.92M

020、Numpy常用函数.ts 164.22M

第04章 数据分析处理库Pandas第0

021、Pandas数据读取.ts 68.13M

022、Pandas索引与计算.ts 27.61M

023、Pandas数据预处理实例.mp4 55.44M

023、Pandas数据预处理实例.ts 30.49M

024、Pandas常用预处理方法.ts 23.61M

025、Pandas自定义函数.ts 21.60M

026、等待提取中.txt

第05章 可视化库Matplotlib第0

027、折线图绘制.ts 50.14M

028、子图操作.ts 74.33M

029、条形图与散点图.ts 66.55M

030、柱形图与盒形.ts 58.14M

031、绘图细节设置.ts 35.36M

第06章 Python可视化库Seaborn第0

032、布局整体风格设置.ts 37.39M

033、风格细节设置.ts 32.86M

034、调色板.ts 44.20M

035、调色板颜色设置.ts 37.99M

036、单变量分析绘制.ts 47.08M

037、回归分析绘图.ts 43.68M

038、多变量分析绘图.ts 48.64M

039、分类属性绘图.ts 51.04M

040、热度图绘制.ts 65.84M

第07章 线性回归算法第0

041、线性回归算法概述.ts 50.92M

042、误差项分析.ts 45.04M

043、似然函数求解.ts 31.40M

044、目标函数推导.ts 32.38M

045、线性回归求解.ts 38.14M

第08章 梯度下降算法第0

046、梯度下降原理.ts 47.96M

047、梯度下降方法对比.ts 27.91M

048、学习率对结果的影响.ts 23.31M

第09章 逻辑回归算法第0

049、逻辑回归算法原理推导.ts 39.76M

050、逻辑回归求解.ts 57.97M

第10章 案例实战：Python实现逻辑回归与梯度下降策略

051、Python实现逻辑回归任务概述.ts 47.60M

052、完成梯度下降模块.ts 83.79M

053、停止策略与梯度下降策略对比.ts 68.14M

054、实验对比效果.ts 67.00M

第11章 项目实战：案例实战信用卡欺诈检测

055、案例背景和目标.ts 46.00M

056、样本不平衡解决方案.ts 56.33M

057、下采样策略.ts 40.74M

058、交叉验证.ts 55.25M

059、模型评估方法.ts 52.92M

060、正则化惩罚项.ts 32.88M

061、逻辑回归模型.ts 41.73M

062、混淆矩阵.ts 48.34M

063、逻辑回归阈值对结果的影响.ts 55.82M

064、SMOTE样本生成策略.ts 87.79M

第12章 决策树算法

065、决策树原理概述.ts 45.43M

066、衡量标准-熵.ts 46.11M

067、决策树构造实例.ts 40.06M

068、信息增益率.ts 21.99M

069、决策树剪枝策略.ts 67.01M

第13章 案例实战：决策树Sklearn实例

070、决策树复习.ts 40.14M

071、决策树涉及参数.ts 67.52M

072、树可视化与Sklearn实例.ts 109.45M

073、Sklearn参数选择模块.ts 70.97M

第14章 集成算法与随机森林

074、集成算法-随机森林.ts 51.72M

075、特征重要性衡量.ts 49.11M

076、提升模型.ts 48.77M

077、堆叠模型.ts 28.46M

第15章 泰坦尼克船员获救

078、数据介绍.ts 36.91M

079、数据预处理.ts 72.14M

080、回归模型进行预测.ts 75.32M

081、随机森林模型.ts 68.43M

082、特征选择.ts 53.97M

第16 章贝叶斯算法

083、贝叶斯算法概述.ts 18.95M

084、贝叶斯推导实例.ts 20.22M

085、贝叶斯拼写纠错实例.ts 30.74M

086、垃圾邮件过滤实例.ts 38.28M

087、贝叶斯实现拼写检查器.ts 59.73M

第17章 Python文本数据分析

088、文本分析与关键词提取.ts 32.61M

089、相似度计算.ts 34.13M

090、新闻数据与任务简介.ts 48.86M

091、TF-IDF关键词提取.ts 66.53M

092、LDA建模.ts 43.42M

093、基于贝叶斯算法的新闻分类.ts 70.75M

第18章 支持向量机算法

094、支持向量机要解决的问题.ts 36.66M

095、距离与数据的定义.ts 36.05M

096、目标函数.ts 34.31M

097、目标函数求解.ts 38.31M

098、SVM求解实例.ts 48.43M

099、支持向量的作用.ts 41.48M

100、软间隔问题.ts 22.55M

101、SVM核变换.ts 85.51M

第19章 SVM调参实例

102、Sklearn求解支持向量机.ts 69.69M

103、SVM参数调节.ts 87.32M

第20章 机器学习处理实际问题常规套路

104、HTTP检测任务与数据挖掘的核心.ts 68.51M

105、论文的重要程度.ts 62.72M

106、BenchMark概述.ts 41.57M

107、BenchMark的作用.ts 83.81M

第21章 降维算法：线性判别分析

108、线性判别分析要解决的问题.ts 46.78M

109、线性判别分析要优化的目标.ts 42.68M

110、线性判别分析求解.ts 45.21M

第22章 案例实战：Python实现线性判别分析

111、Python实现线性判别分析.ts 56.74M

112、求解得出降维结果.ts 50.68M

第23章 降维算法：PCA主成分分析

113、PCA降维概述.ts 27.31M

114、PCA要优化的目标.ts 47.30M

115、PCA求解.ts 39.99M

116、PCA降维实例.ts 111.99M

第24章 聚类算法-Kmeans

117、Kmeans算法概述.ts 40.54M

118、Kmeans工作流程.ts 29.75M

119、迭代效果可视化展示.ts 49.47M

第25章 聚类算法-DBSCAN

120、DBSCAN聚类算法.ts 69.45M

121、DBSCAN工作流程.ts 65.74M

122、DBSCAN迭代可视化展示.ts 49.99M

第26章 聚类实践

123、多种聚类算法概述.ts 14.99M

124、聚类案例实战.ts 94.23M

第27章 EM算法

125、EM算法要解决的问题.ts 36.34M

126、隐变量问题.ts 21.03M

127、EM算法求解实例.ts 68.29M

128、Jensen不等式.ts 37.59M

129、GMM模型.ts 32.02M

第28章 GMM聚类实践

130、GMM实例.ts 68.05M

131、GMM聚类.ts 53.17M

第29章 神经网络

132、计算机视觉常规挑战.ts 70.57M

133、得分函数.ts 17.70M

134、损失函数.ts 22.02M

135、softmax分类器.ts 33.07M

136、反向传播.ts 29.99M

137、神经网络整体架构.ts 19.24M

138、神经网络实例.ts 34.09M

139、激活函数.ts 31.71M

第30章 Tensorflow实战

140、Tensorflow基础操作.ts 27.64M

141、Tensorflow常用函数.ts 34.45M

142、Tensorflow回归实例.ts 44.45M

143、Tensorflow神经网络实例.ts 72.72M

144、Tensorflow神经网络迭代.ts 70.79M

145、神经网络dropout.ts 38.27M

146、卷积神经网络基本结构.ts 45.73M

第31章 Mnist手写字体与验证码识别

147、Tensorflow构造卷积神经网络参数.ts 50.22M

148、Pooling层原理与参数.ts 40.15M

149、卷积网络参数配置.ts 41.01M

150、卷积神经网络计算流程.ts 47.19M

151、CNN在mnist数据集上的效果.ts 56.27M

152、验证码识别任务概述.ts 52.90M

153、完成验证码识别任务.ts 67.70M

第32章 Xgboost集成算法

154、集成算法思想.ts 14.16M

155、Xgboost基本原理.ts 26.47M

156、Xgboost目标函数推导.ts 32.51M

157、Xgboost求解实例.ts 40.28M

158、Xgboost安装.ts 18.41M

159、Xgboost实例演示.ts 70.67M

160、Adaboost算法概述.ts 42.24M

第33章 推荐系统

161、推荐系统应用.ts 40.92M

162、推荐系统要完成的任务.ts 17.04M

163、相似度计算.ts 26.96M

164、基于用户的协同过滤.ts 21.60M

165、基于物品的协同过滤.ts 35.42M

166、隐语义模型.ts 19.71M

167、隐语义模型求解.ts 26.23M

168、模型评估标准.ts 15.79M

第34章 推荐系统实战

169、Surprise库与数据简介.ts 31.52M

170、Surprise库使用方法.ts 46.36M

171、得出商品推荐结果.ts 50.34M

172、使用Tensorflow构建隐语义模型.ts 46.34M

173、模型架构.ts 52.86M

174、损失函数定义.ts 43.29M

175、训练网络模型.ts 47.07M

第35章 词向量模型Word2Vec

176、自然语言处理与深度学习.ts 33.46M

177、语言模型.ts 13.11M

178、N-gram模型.ts 23.35M

179、词向量.ts 23.28M

180、神经网络模型.ts 28.00M

181、Hierarchical.ts 25.39M

182、CBOW模型实例.ts 34.47M

183、CBOW求解目标.ts 16.11M

184、梯度上升求解.ts 29.58M

185、负采样模型.ts 16.89M

第36章 使用Gensim库构造词向量模型

186、使用Gensim库构造词向量.ts 32.89M

187、维基百科中文数据处理.ts 51.64M

188、Gensim构造word2vec.ts 45.26M

189、测试相似度结果.ts 38.63M

第37章 时间序列-ARIMA模型

190、数据平稳性与差分法.ts 40.23M

191、ARIMA模型.ts 26.18M

192、相关函数评估方法.ts 41.30M

193、建立AIRMA模型.ts 32.44M

194、参数选择.ts 60.77M

第38章 Python时间序列案例实战

195、股票预测案例.ts 48.04M

196、使.tsfresh库进行分类任务.ts 57.82M

197、维基百科词条EDA.ts 69.07M

198、Pandas生成时间序列.ts 54.98M

199、Pandas数据重采样.ts 44.72M

200、Pandas滑动窗口.ts 28.32M

第39章 探索性数据分析：赛事数据集

201、数据背景介绍.ts 55.91M

202、数据读取与预处理.ts 64.32M

203、数据切分模块.ts 86.16M

204、缺失值可视化分析.ts 67.17M

205、特征可视化展示.ts 65.12M

206、多特征之间关系分析.ts 64.32M

207、报表可视化分析.ts 54.81M

208、红牌和肤色的关系.ts 83.86M

第40章 探索性数据分析：农粮组织数据集

209、数据背景简介.ts 76.43M

210、数据切片分析.ts 113.38M

211、单变量分析.ts 99.93M

212、峰度与偏度.ts 80.53M

213、数据对数变换.ts 68.70M

214、数据分析维度.ts 48.31M

215、变量关系可视化展示.mp4 72.95M

课件代码等资料

10Python文本分析

11泰坦尼克号-级联模型

12手写字体识别

13tensorflow代码

14xgboost

15推荐系统

16word2vec空

17Python时间序列

1机器学习算法PPT

2numpy

3Pandas

4欺诈检测

5梯度下降实例

6Matplotlib

7可视化库Seaborn

8决策树鸢尾花

9贝叶斯

唐宇迪-机器学习课程代码-新整理.zip 5.13G

梯度下降求解逻辑回归.zip 681.70kb