[数据分析] 2017最新唐宇迪 Python数据分析与机器学习实战视频教程

【课程介绍】

课程风格通俗易懂，真实案例实战。精心挑选真实的数据集为案例，通过python数据科学库numpy,pandas,matplot结合机器学习库scikit-learn完成一些列的机器学习案例。课程以实战为基础，所有课时都结合代码演示如何使用这些python库来完成一个真实的数据案例。算法与项目相结合，选择经典kaggle项目，从数据预处理开始一步步代码实战带大家快速入门机器学习。





【课程目标】

课程目标：零基础快速掌握python数据分析与机器学习算法实战，快速入门python最流行的数据分析库numpy,pandas,matplotlib。对于繁琐的机器学习算法，先从原理上进行推导，以算法流程为主结合实际案例完成算法代码,使用scikit-learn机器学习库完成快速建立模型，评估以及预测。结合经典kaggle案例，从数据预处理开始一步步完成整个项目，使大家对如何应用python库完成实际的项目有完整的经验与概念。



【课程目录】

章节1: Python科学计算库-Numpy4

课时1课程介绍（主题与大纲）

课时2机器学习概述

课时3使用Anaconda安装python环境（Python新手先看这个）

课时4课程数据，代码，PPT（在参考资料界面）

课时5科学计算库Numpy

课时6Numpy基础结构

课时7Numpy矩阵基础

课时8Numpy常用函数

课时9矩阵常用操作

课时10不同复制操作对比





章节2: python数据分析处理库-Pandas

课时11Pandas数据读取

课时12Pandas索引与计算

课时13Pandas数据预处理实例

课时14Pandas常用预处理方法

课时15Pandas自定义函数

课时16Series结构





章节3: Python数据可视化库-Matplotlib

课时17折线图绘制

课时18子图操作

课时19条形图与散点图

课时20柱形图与盒图

课时21细节设置





章节4: Python可视化库Seaborn6

课时22Seaborn简介

课时23整体布局风格设置

课时24风格细节设置

课时25调色板

课时26调色板颜色设置

课时27单变量分析绘图

课时28回归分析绘图

课时29多变量分析绘图

课时30分类属性绘图

课时31Facetgrid使用方法

课时32Facetgrid绘制多变量

课时33热度图绘制





章节5: 回归算法

课时34回归算法综述

课时35回归误差原理推导

课时36回归算法如何得出最优解

课时37基于公式推导完成简易线性回归

课时38逻辑回归与梯度下降

课时39使用梯度下降求解回归问题





章节6: 决策树

课时40决策树算法综述

课时41决策树熵原理

课时42决策树构造实例

课时43信息增益原理

课时44信息增益率的作用

课时45决策树剪枝策略

课时46随机森林模型

课时47决策树参数详解





章节7: 贝叶斯算法

课时48贝叶斯算法概述

课时49贝叶斯推导实例

课时50贝叶斯拼写纠错实例

课时51垃圾邮件过滤实例

课时52贝叶斯实现拼写检查器





章节8: 支持向量机

课时53支持向量机要解决的问题

课时54支持向量机目标函数

课时55支持向量机目标函数求解

课时56支持向量机求解实例

课时57支持向量机软间隔问题

课时58支持向量核变换

课时59SMO算法求解支持向量机





章节9: 神经网络

课时60初识神经网络

课时61计算机视觉所面临的挑战

课时62K近邻尝试图像分类

课时63超参数的作用

课时64线性分类原理

课时65神经网络-损失函数

课时66神经网络-正则化惩罚项

课时67神经网络-softmax分类器

课时68神经网络-最优化形象解读

课时69神经网络-梯度下降细节问题

课时70神经网络-反向传播

课时71神经网络架构

课时72神经网络实例演示

课时73神经网络过拟合解决方案

课时74感受神经网络的强大





章节10: Xgboost集成算法

课时75集成算法思想

课时76xgboost基本原理

课时77xgboost目标函数推导

课时78xgboost求解实例

课时79xgboost安装

课时80xgboost实战演示

课时81Adaboost算法概述





章节11: 自然语言处理词向量模型-Word2Vec

课时82自然语言处理与深度学习

课时83语言模型

课时84-N-gram模型