这门课程深入浅出地讲解机器学习基础，涵盖数学分析、概率论、线性代数、Python编程、回归、决策树、SVM、聚类、EM算法等，实战项目全面，适合初学者和进阶者提升技能。
课程介绍：
机器学习是人工智能的一个分支。我们使用计算机设计一个条统，使它能够根据提供的训练数据按照一定的方式来学习；随着训练次数的增加，该条统可以在性能上不新学习和改进；通过参数优化的学习模型，能够用于预测相关问题的输出。
授课时长：
48小时
授课环境：
Python3
配套资料：
高清视频、课件讲义、源码
课程目录：
01.第一课：机器学习与数学分析
02.第二课：概率论与贝叶斯先验
03.第三课：矩阵和线性代数
04.第四课：Python基础
05.第五课：Python基础2-机器学习库
06.第六课：Python基础3-数据清洗和特征选择
07.第七课：回归
08.第八课：Logistic回归
09.第九课：回归实践
10.第十课：决策树和随机森林
11.第十一课：决策树和随机森林实践
12.第十二课：提升
13.第十三课：提升实践
14.第十四课：SVM
15.第十五课：SVM实践
16.第十六课：聚类(上)
17.第十七课：聚类(下)
18.第十八课：聚类实践
19.第十九课：EM算法
20.第二十课：EM算法实践
21.第二十一课：主题模型
22.第二十二课：主题模型实践
23.第二十三课：HMM
24.第二十四课：HMM实践
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
