投稿

黑马程序员机器学习入门，系统学习快速掌握python人工智能

25.8万

1196

2020-03-17 17:16:00

未经作者授权，禁止转载

本套人工智能课程视频专门以双元模式录制，保证了视频的质量，讲师授课幽默诙谐、循序渐进、细致入微。覆盖人工智能机器学习算法核心知识点，案例丰富、通俗易懂、体系化、结构化、实战性强。同时，本机器学习算法视频教程注重技术体系化和算法原理剖析，深入算法原理，对于各种算法优缺点的对比及应用场景的讲解，讲法和理解别具一格，大家能够快速掌握算法的基础推导，并达到极高算法的的见解和理解能力，真正将算法知识学以致用、活学活用.

python人工智能

人工智能教程

黑马程序员发消息

咨询课程1对1就业指导、技术提升直接私信，周一到周五晚7点直播答疑求职技术干货，领取课程源码+资料，关注黑马程序员公众号，回复：领取资源02

day1-1.机器学习科学计算库内容简介

04:07

day1-2.人工智能概述

12:22

day1-3.人工智能的发展历程

07:01

day1-4.人工智能主要分支

07:05

day1-5.机器学习定义工作流程概述

04:16

day1-6.机器学习工作流程各步骤解释

14:45

day1-7.机器学习算法分类介绍

12:42

day1-8.模型评估

08:52

day1-9.Azure机器学习平台实验演示1

14:52

day1-10.Azure机器学习平台实验演示2

06:05

day1-11.深度学习简介

04:51

day1-12.基础环境安装

03:53

day1-13.jupyter notebook的基本使用1

17:36

day1-14.jupyter notebook的基本使用2

06:41

day1-15.matplotlib的基本使用

07:27

day2-1.实现基础绘图-某城市温度变换图

05:59

day2-2.绘图辅助功能完善-某城市温度变换图

17:07

day2-3.在一个坐标系下绘制多个图像

08:05

day2-4.在多个坐标系下绘制多个图像

17:40

day2-5.常见图形绘制

11:21

day2-6.numpy介绍

10:19

day2-7.ndarray介绍

10:52

day2-8.创建0，1数组，固定范围数组

09:33

day2-9.创建随机数组

13:44

day2-10.数组的基本操作

14:29

day2-11.ndarray的运算

17:00

day2-12.数组间运算

09:11

day2-13.矩阵复习

12:16

day2-14.pandas介绍

02:44

day2-15pandas数据结构-series

07:54

day2-16.pandas数据结构-DataFrame1

10:24

day2-17.pandas数据结构-DataFrame2

06:41

day2-18.pandas数据结构-multiindex和panel

11:11

day3-1.pandas中的索引

12:57

day3-2.赋值和排序

07:45

day3-3.pandas中的算术运算和逻辑运算

08:14

day3-4.pandas中的统计函数

06:12

day3-5.pandas中的累计统计函数和自定义函数

08:57

day3-6.pandas中绘图方式介绍

02:47

day3-7.pandas中文件的读取和写入

19:36

day3-8.缺失值的处理

20:30

day3-9.数据离散化

11:55

day3-10.数据表的合并

07:37

day3-11.交叉表和透视表介绍

13:53

day3-12.分组聚合介绍

07:59

day3-13.星巴克案例实现

06:09

day3-14.电影案例分析1

13:34

day3-15.电影案例分析

15:58

day4-1.K-近邻算法简介

11:15

day4-2.K近邻算法api初步使用

09:37

day4-3.机器学习中距离度量介绍

19:28

day4-4.K值的选择介绍

06:23

day4-5.kd树和kd树的构造过程

09:34

day4-6.kd树案例实现

16:19

day4-7.数据集获取和属性介绍

12:35

day4-8.数据可视化介绍

10:02

day4-9.数据集的划分

09:39

day4-10.特征预处理简介

04:05

day4-11.归一化和标准化介绍

16:14

day4-12.鸢尾花种类预测

14:57

day4-13.KNN算法总结

04:10

day4-14.交叉验证、网格搜索概念介绍

06:29

day4-15.交叉验证、网格搜索案例实现

07:49

day5-1.案例-Facebook位置预测流程分析

09:01

day5-2.案例-Facebook位置预测代码实现1

19:28

day5-3.案例-Facebook位置预测代码实现2

14:37

day5-4.线性回归简介

06:33

day5-5.初始线性回归api

05:50

day5-6.数学：求导

05:30

day5-7.线性回归中损失函数的介绍

05:13

day5-8.使用正规方程对损失函数进行优化

10:39

day5-9.使用梯度下降法对损失函数进行优化

12:24

day5-10.梯度下降法方法介绍

06:07

day5-11.线性回归api再介绍

03:13

day5-12.波士顿房价预测案例

18:24

day5-13.欠拟合和过拟合的介绍

07:38

day5-14.正则化线性模型

06:00

day5-15.岭回归介绍

08:01

day5-16.模型保存和加载

07:38

day6-1.逻辑回归介绍

14:48

day6-2.逻辑回归api介绍

02:44

day6-3.肿瘤预测案例

16:04

day6-4.分类评估方法介绍

21:00

day6-5.roc曲线绘制过程

09:53

day6-6.决策树算法简介

02:52

day6-7.熵的介绍

08:31

day6-8.信息增益的介绍

09:41

day6-9.信息增益率的介绍

13:32

day6-10.基尼指数的介绍

09:14

day6-11.决策树划分原理小结

05:22

day6-12.cart剪枝介绍

03:45

day6-13.字典特征提取

13:27

day6-14.英文文本特征提取

09:11

day6-15.中文文本特征提取

16:40

day6-16.tfidf内容讲解

07:31

day6-17.决策树算法api介绍

02:22

day6-18.泰坦尼克号乘客生存预测

20:17

day6-19.树木可视化操作

08:12

day7-1.集成学习简介

04:26

day7-2.bagging和随机森林概念介绍

05:50

day7-3.随机森林api实现

10:43

day7-4.boosting概念介绍

10:10

day7-5.GBDT内容介绍

11:25

day7-6.聚类算法介绍

03:23

day7-7.聚类算法api初步实现

10:58

day7-8.聚类算法实现流程

05:59

day7-9.模型评估

10:45

day7-10.算法优化介绍

11:57

day7-11.特征降维内容介绍

19:33

day7-12.pca降维介绍

06:54

day7-13.用户对物品类别的喜好细分案例

15:10

day7-14.算法选择指导

02:06

顶部