麦子学院人工智能教程

机器学习基础篇

配置基本的编程环境，熟练使用Python语言 掌握机器学习中的算法

· 系列课程环境配置

· Python快速入门

· 变量类型

· List基础

· List索引

· 循环结构

· 判断结构

· 字典

· 文件处理

· 函数基础

· 机器学习概述

· 回归算法

· 线性回归误差原理推导

· 目标函数求解

· 逻辑回归原理

· 梯度下降实例

· 梯度下降原理

·NumPy数据结构

· NumPy基本操作

· NumPy矩阵属性

· NumPy矩阵操作

· NumPy常用函数

·Pandas数据读取

· Pandas数据预处理

· Pandas常用函数

· Pandas-Series结构

·Matplotlib-折线图

· Matplotlib-子图操作

· Matplotlib-条形图与散点图

· Matplotlib-柱形图与盒图

· Matplotlib-细节设置

机器学习提升篇

通过项目实操及案例分析巩固基础知识，并进一步学习机器学习的

· 科比数据集简介

· 数据预处理

· 建模

· 案例背景和目标

· 样本不均衡解决方案

· 下采样策略

· 交叉验证

· 模型评估方法

· 正则化惩罚

· 逻辑回归模型

· 混淆矩阵

· 逻辑回归阈值对结果的影响

· 模型评估方法

· smote样本生成策略

· 决策树概述

· 熵原理形象解读

· 决策树构造实例

· 信息增益

· 信息增益率

· 决策树剪枝

· 随机森林

· 案例决策树参数

· 数据介绍

· 数据预处理

· 回归模型

· 随机森林模型

· 特征选择

· 支持向量机要解决的问题

· 支持向量机求解目标

· 支持向量机目标函数求解

· 支持向量机求解例子

· 支持向量的作用

· 软间隔支持向量机

· 核函数变换

机器学习智能篇

学习如何搭建机器神经网络，实现机器中最基础的智能——识别

神经网络基础

· 深度学习概述

· 挑战与常规套路

· 用K近邻来进行分类

· 超参数与交叉验证

· 线性分类

· 损失函数

· 正则化惩罚项

· Softmax分类器

· 最优化形象解读

· 最优化问题细节

· 反向传播

· 神经网络架构-整体架构

· 神经网络架构-实例演示

· 神经网络架构-过拟合解决方案

· 神经网络架构-感受神经网络的强大

· 安装TensorFlow

· 变量

· 变量练习

· 线性回归模型

· 逻辑回归迭代

· 神经网络模型

· 逻辑回归迭代

· 完成神经网络

· 卷积神经网络参数

· 神经网络模型概述

· TensorFlow参数

· 卷积简介

· 构造网络结构

· 训练网络模型

· PCA问题

· PCA降维实例

· SVD原理

· SVD推荐系统

· 聚类算法

· Adaboost集成算法

· 特征工程

· 特征工程2