人工智能与机器学习
机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。学习机器学习与人工智能,就在麦子学院。
27课程189天学习时长1056人正在学习
立即报名
第一阶段:Python数据分析与建模库
掌握Python数据处理必备库,包括科学计算库Numpy,数据分析处理库pandas,可视化库matplotlib和seaborn。全程代码实例演示python数据分析常用操作与整体流程,快速入门人工智能与机器学习。

Python快速入门

Python是一种面向对象、解释型计算机程序设计语言,语法简洁而清晰,具有丰富和强大的类库。本套python入门教程,为现目前国内最全面的Python基础视频教程之一,由麦子学院资深Python开发工程师录制,主要围绕Python编程实战方方面面展开。

预计学习时长:7天

科学计算库Numpy

Numpy是一个基础性的Python库,为我们提供了常用的数值数组和函数,可用来存储和处理大型矩阵。本套课程就详细和大家介绍下Numpy的相关用法,希望能帮助大家快速掌握Numpy相关知识。

预计学习时长:7天 已更新:5章

数据分析处理库Pandas

pandas是一个流行的开源Python项目,它的名称取panel data(面板数据,一个计量经济学的术语)和Python data analysis(Python数据分析)的意思。本课程将详细为大家介绍pandas在数据分析中的相关用法。

预计学习时长:7天 已更新:4章

可视化库Matplotlib

matplotlib是一个基于Numpy的绘图库,本课程将详细为大家介绍可视化库Matplotlib在人工智能领域的相关应用,希望可以帮助大家更好的掌握相关知识。

预计学习时长:7天 已更新:5章

Seaborn可视化库

seaborn是斯坦福大学出的一个非常好用的可视化包。为了控制matplotlib图表的外观,seaborn模块自带许多定制的主题和高级的接口。本套课程和大家介绍的主要是Seaborn可视化库绘图方法的演示,基于模板展示可视化效果。

预计学习时长:7天 已更新:12章

第二阶段:机器学习经典算法
机器学习经典算法讲解,包括算法的数学原理推导,实例阐述其工作流程和参数对算法结果的影响以及应用领域,熟练掌握机器学习相关算法的应用,并将其更好用于人工智能的实现。

回归算法

本课程主要学习回归算法中的方法及原理及相关函数操作,对逻辑回归和线性回归做出实例分析。

预计学习时长:7天

决策树与随机森林

树形模型更加接近人的思维方式,可以产生可视化的分类规则,产生的模型具有可解释性(可以抽取规则)。树模型拟合出来的函数其实是分区间的阶梯函数。 尽管有剪枝等等方法,一棵树的生成肯定还是不如多棵树,因此就有了随机森林,解决决策树泛化能力弱的缺点。

预计学习时长:7天 已更新:8章

支持向量机算法

支持向量机(support vector machine)是一种分类算法,通过寻求结构化风险最小来提高学习机泛化能力,实现经验风险和置信范围的最小化,从而达到在统计样本量较少的情况下,亦能获得良好统计规律的目的。通俗来讲,它是一种二类分类模型,其基本模型定义为特征空间上的间隔最大的线性分类器,即支持向量机的学习策略便是间隔最大化,最终可转化为一个凸二次规划问题的求解。

预计学习时长:7天 已更新:7章

神经网络基础

神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型,本套课程将为大家介绍神经网络的一些基础知识,帮助大家对神经网络相关内容有一个详细的了解。

预计学习时长:7天 已更新:11章

神经网络架构

神经网络一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型,本课程为大家分享的是神经网络架构相关内容,帮助人工智能初学者快速掌握神经网络的搭建。

预计学习时长:7天 已更新:4章

PCA降维与SVD矩阵分解

PCA(principal component analysis)和SVD(Singular value decomposition)是两种常用的降维方法,在机器学习等领域有广泛的应用。本课程主要介绍这两种方法之间的区别和联系,希望能帮助大家更好的理解和掌握PCA降维与SVD矩阵分解相关内容。

预计学习时长:7天 已更新:4章

聚类算法

聚类分析又称群分析,它是研究(样品或指标)分类问题的一种统计分析方法。聚类分析起源于分类学,但是聚类不等于分类。 将多个分类器集成起来而形成的新的分类算法。这类算法又称元算法(meta-algorithm)。

预计学习时长:7天 已更新:3章

贝叶斯算法

本课程主要是贝叶斯算法原理讲解,基于实例演示如何用贝叶斯算法完成实际的任务,希望帮助初学者更好理解贝叶斯算法。

预计学习时长:7天 已更新:5章

Xgboost

本课程为大家介绍的是集成算法Xgboost原理推导与其Python库应用演示,帮助大家更好掌握Xgboost相关内容。

预计学习时长:7天 已更新:7章

时间序列AIRMA模型

本课程和大家介绍的是时间序列模型算法ARIMA原理推导与实例演示其工作调参流程,帮助初学者更好理解和掌握AIRMA模型的相关知识和使用。

预计学习时长:7天 已更新:5章

推荐系统

本课程和大家介绍的主要是推荐系统原理相关内容,详解协同过滤算法与隐语义方法原理与其应用,以帮助初学者更好的掌握推荐系统相关知识。

预计学习时长:7天 已更新:9章

Word2Vec

本课程主要和大家介绍的是词向量模型Word2Vec原理与数学公式分析,希望帮助初学者更好掌握Word2Vec相关内容。

预计学习时长:7天 已更新:11章

第三阶段:机器学习案例实战
人工智能与机器学习案例实战,基于真实数据集,从零开始,使用Python库进行预处理与建模分析,将机器学习算法应用到真实的任务中。

使用Python分析科比生涯数据

本课程是机器学习实战课程,为大家介绍的是使用Python分析科比生涯数据,以帮助大家更好的掌握相关机器学习理论知识,同时将理论应用于具体的实践。

预计学习时长:7天 已更新:3章

案例实战-信用卡欺诈检测

本课程为人工智能案例实战课程,主要是使用前面学习的内容做信用卡欺诈检测的实操,将理论应用于实战,帮助大家更好掌握相关知识。

预计学习时长:7天 已更新:10章

Kaggle竞赛案例-泰坦尼克获救预测

Kaggle竞赛案例——泰坦尼克获救预测 Kaggle是由联合创始人、首席执行官安东尼·高德布卢姆(Anthony Goldbloom)2010年在墨尔本创立的,主要为开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台。

预计学习时长:7天 已更新:5章

Tensorflow框架

TensorFlow,以下简称TF,是Google去年发布的机器学习平台,发布以后由于其速度快,扩展性好,推广速度还是蛮快的。江湖上流传着Google的大战略,Android占领了移动端,TF占领神经网络提供AI服务,未来的趋势恰好是语音图像以及AI的时代,而Google IO上发布的Gbot似乎正是这一交叉领域的初步尝试。

预计学习时长:7天 已更新:10章

Mnist手写字体识别

Mnist数据库介绍:Mnist是一个手写数字数据库,它有60000个训练样本集和10000个测试样本集。它是Mnist数据库的一个子集。本课程和大家介绍Mnist数据库相关使用,希望帮助初学者更好掌握Mnist数据库相关内容。

预计学习时长:7天 已更新:5章

Python文本数据分析

本套课程为大家介绍的是python文本数据分析概述、使用真实的中文新闻数据进行分类任务、应用贝叶斯算法实例演示数据处理到建模分析相关内容。

预计学习时长:7天 已更新:6章

时间序列案例实战

时间序列案例实战课程为大家介绍的主要是基于时间序列模型算法进行股价预测以及对时间序列进行分类任务相关内容。

预计学习时长:7天 已更新:6章

Gensim中文词向量建模

Gensim中文词向量建模课程主要为大家介绍的是使用Gensim库结合word2vec模型建立中文词向量并进行评估相关内容。

预计学习时长:7天 已更新:4章

探索性数据分析-赛事数据集分析

探索性数据分析-赛事数据集分析课程主要介绍的是基于赛事数据集进行球员与裁判分模块的可视化展示相关内容。

预计学习时长:7天 已更新:9章

探索性数据分析-农粮数据分析

探索性数据分析-农粮数据分析课程主要为大家介绍的是农粮组织数据集进行EDA展示与分析相关内容。

预计学习时长:7天 已更新:7章

相关文章

有一位课程导师想与你聊聊

客服热线 400-862-8862

回到顶部