【編碼教程】python數(shù)據(jù)分析與機器學習實戰(zhàn)

 名師講座課程簡介：

【編碼教程】python數(shù)據(jù)分析與機器學習實戰(zhàn)

適用人群

數(shù)據(jù)分析,機器學習,數(shù)據(jù)挖掘領(lǐng)域研究者。Python語言使用者。

課程概述

【云課堂數(shù)據(jù)分析與機器學習銷冠課程，超5000名小伙伴加入】

【連續(xù)多年榮獲云課堂金云獎最佳課程獎”，人工智能類唯一”獲獎課程，最佳合作伙伴】

【課程同名配套教材《跟著迪哥學Python數(shù)據(jù)分析與機器學習實戰(zhàn)》現(xiàn)已出版，加入課程免費送配套PDF版教材】

課程特色：

１、機器學習算法全面覆蓋，每個算法均有配套項目實戰(zhàn)！

２、通俗易懂，用最接地氣的方式講解復雜的算法與代碼！

３、五年沉底，精選配套案例，打造最適合初學者的實戰(zhàn)路線圖！

４、同名配套教材免費提供，課程持續(xù)更新，永久有效！

目錄

章節(jié)1:課程介紹與學習路線解讀試看

課時1視頻課程整體內(nèi)容介紹（主題與大綱）04:54可試看

課時2視頻學習常見問題解讀07:59可試看

課時3文本專屬配套教材下載（需PC網(wǎng)頁登錄）可試看

章節(jié)2:人工智能入門指南（有基礎的同學請略過�。┰嚳�

課時4視頻AI時代首選Python09:20可試看

課時5視頻Python我該怎么學04:21可試看

課時6視頻人工智能的核心-機器學習10:35可試看

課時7視頻機器學習怎么學？08:37

課時8視頻算法推導與案例08:19

章節(jié)3:Python科學計算庫-Numpy（課程代碼在目錄）試看

課時9視頻課程環(huán)境配置05:38

課時10視頻課件使用方法與notebook路徑配置14:01

課時11視頻Numpy工具包概述09:59可試看

課時12視頻數(shù)組結(jié)構(gòu)08:35

課時13視頻屬性與賦值操作10:30

課時14視頻數(shù)據(jù)索引方法11:00

課時15視頻數(shù)值計算方法08:15

課時16視頻排序操作04:51

課時17視頻數(shù)組形狀06:36

課時18視頻數(shù)組生成常用函數(shù)08:25

課時19視頻隨機模塊05:33

課時20視頻讀寫模塊05:56

課時21文本本章數(shù)據(jù)代碼下載(需PC登錄，點擊左下角參考資料)

章節(jié)4:python數(shù)據(jù)分析處理庫-Pandas

課時22視頻Pandas工具包使用簡介08:32

課時23視頻數(shù)據(jù)信息讀取與展示12:05

課時24視頻索引方法04:34

課時25視頻groupby函數(shù)使用方法05:22

課時26視頻數(shù)值運算11:15

課時27視頻merge合并操作07:14

課時28視頻pivot數(shù)據(jù)透視表10:02

課時29視頻時間操作10:18

課時30視頻apply自定義函數(shù)08:58

課時31視頻常用操作06:43

課時32視頻字符串操作07:32

課時33文本本章數(shù)據(jù)代碼下載(需PC登錄，點擊左下角參考資料)

章節(jié)5:Python數(shù)據(jù)可視化庫-Matplotlib

課時34視頻Matplotlib概述11:44

課時35視頻子圖與標注21:16

課時36視頻風格設置04:50

課時37視頻條形圖14:48

課時38視頻條形圖細節(jié)15:14

課時39視頻條形圖外觀15:40

課時40視頻盒圖繪制09:09

課時41視頻盒圖細節(jié)14:41

課時42視頻繪圖細節(jié)設置13:48

課時43視頻繪圖細節(jié)設置212:36

課時44視頻直方圖與散點圖18:05

課時45視頻3D圖繪制20:05

課時46視頻pie圖15:00

課時47視頻子圖布局14:39

課時48視頻結(jié)合pandas與sklearn14:03

課時49文本本章數(shù)據(jù)代碼下載(需PC登錄，點擊左下角參考資料)

章節(jié)6:Python可視化庫Seaborn試看

課時50視頻Seaborn簡介02:44可試看

課時51視頻整體布局風格設置07:47

課時52視頻風格細節(jié)設置06:49

課時53視頻調(diào)色板10:39

課時54視頻調(diào)色板顏色設置08:17

課時55視頻單變量分析繪圖09:37

課時56視頻回歸分析繪圖08:53

課時57視頻多變量分析繪圖10:36

課時58視頻分類屬性繪圖09:40

課時59視頻Facetgrid使用方法08:49

課時60視頻Facetgrid繪制多變量08:29

課時61文本本章數(shù)據(jù)代碼下載(需PC登錄，點擊左下角參考資料)

課時62視頻熱度圖繪制14:19

章節(jié)7:K近鄰算法實戰(zhàn)試看

課時63視頻K近鄰算法概述15:47可試看

課時64視頻模型的評估10:39

課時65視頻數(shù)據(jù)預處理11:25

課時66文本本章數(shù)據(jù)代碼下載(需PC登錄，點擊左下角參考資料)

課時67視頻sklearn庫與功能14:42

課時68視頻多變量KNN模型16:37

章節(jié)8:線性回歸算法原理推導試看

課時69視頻回歸問題概述07:11

課時70視頻誤差項定義09:41可試看

課時71視頻獨立同分布的意義07:32

課時72視頻似然函數(shù)的作用10:50

課時73視頻參數(shù)求解11:11

課時74文本所有算法PPT匯總下載

章節(jié)9:梯度下降策略

課時75視頻梯度下降通俗解釋08:34

課時76視頻參數(shù)更新方法08:17

課時77視頻優(yōu)化參數(shù)設置08:51

章節(jié)10:邏輯回歸算法

課時78視頻邏輯回歸算法原理08:23

課時79視頻化簡與求解09:09

章節(jié)11:案例實戰(zhàn)：Python實現(xiàn)邏輯回歸與梯度下降策略

課時80文本本章數(shù)據(jù)代碼下載(需PC登錄，點擊左下角參考資料)

課時81視頻Python實現(xiàn)邏輯回歸任務概述07:34

課時82視頻完成梯度下降模塊12:51

課時83視頻停止策略與梯度下降案例10:55

課時84視頻實驗對比效果10:25

章節(jié)12:項目實戰(zhàn)-交易數(shù)據(jù)異常檢測

課時85視頻任務目標解讀08:09

課時86視頻項目挑戰(zhàn)與解決方案制定12:36

課時87視頻數(shù)據(jù)標準化處理11:20

課時88視頻下采樣數(shù)據(jù)集制作06:08

課時89視頻交叉驗證07:16

課時90視頻數(shù)據(jù)集切分06:00

課時91視頻模型評估方法與召回率10:30

課時92視頻正則化懲罰項11:48

課時93視頻訓練邏輯回歸模型11:20

課時94視頻混淆矩陣評估分析10:22

課時95視頻測試集遇到的問題05:20

課時96視頻閾值對結(jié)果的影響10:34

課時97視頻SMOTE樣本生成策略07:38

課時98視頻過采樣效果與項目總結(jié)08:00

課時99文本本章數(shù)據(jù)代碼下載(需PC登錄，點擊左下角參考資料)

章節(jié)13:決策樹算法

課時100視頻決策樹算法概述08:29

課時101視頻熵的作用06:39

課時102視頻信息增益原理08:41

課時103視頻決策樹構(gòu)造實例07:40

課時104視頻信息增益率與gini系數(shù)06:07

課時105視頻預剪枝方法08:02

課時106視頻后剪枝方法06:54

課時107視頻回歸問題解決05:54

章節(jié)14:案例實戰(zhàn)：使用sklearn構(gòu)造決策樹模型

課時108文本本章數(shù)據(jù)代碼下載(需PC登錄，點擊左下角參考資料)

課時109視頻決策樹復習08:55

課時110視頻決策樹涉及參數(shù)11:09

課時111視頻樹可視化與sklearn庫簡介18:14

課時112視頻sklearn參數(shù)選擇11:46

章節(jié)15:集成算法與隨機森林

課時113視頻集成算法-隨機森林12:03

課時114視頻特征重要性衡量13:51

課時115視頻提升模型11:15

課時116視頻堆疊模型07:09

章節(jié)16:案例實戰(zhàn)：集成算法建模實戰(zhàn)試看

課時117文本本章數(shù)據(jù)代碼下載(需PC登錄，點擊左下角參考資料)

課時118視頻集成算法實例概述10:51可試看

課時119視頻ROC與AUC指標10:03

課時120視頻基礎模型09:32

課時121視頻集成實例18:53

課時122視頻Stacking模型14:16

課時123視頻效果改進11:09

章節(jié)17:基于隨機森林的氣溫預測

課時124視頻基于隨機森林的氣溫預測任務概述09:05

課時125視頻基本隨機森林模型建立09:09

課時126視頻可視化展示與特征重要性12:58

課時127視頻加入新的數(shù)據(jù)與特征10:24

課時128視頻數(shù)據(jù)與特征對結(jié)果的影響08:24

課時129視頻效率對比分析08:14

課時130視頻網(wǎng)格與隨機參數(shù)選擇07:51

課時131視頻隨機參數(shù)選擇方法實踐09:46

課時132視頻調(diào)參優(yōu)化細節(jié)10:12

課時133文本本章數(shù)據(jù)代碼下載

章節(jié)18:貝葉斯算法

課時134視頻貝葉斯算法概述06:58

課時135視頻貝葉斯推導實例07:38

課時136視頻貝葉斯拼寫糾錯實例11:46

課時137視頻垃圾郵件過濾實例14:10

課時138視頻貝葉斯實現(xiàn)拼寫檢查器12:21

章節(jié)19:Python文本數(shù)據(jù)分析：新聞分類任務

課時139文本本章數(shù)據(jù)代碼下載(需PC登錄，點擊左下角參考資料)

課時140視頻文本分析與關(guān)鍵詞提取12:11

課時141視頻相似度計算11:44

課時142視頻新聞數(shù)據(jù)與任務簡介10:20

課時143視頻TF-IDF關(guān)鍵詞提取13:28

課時144視頻LDA建模09:10

課時145視頻基于貝葉斯算法進行新聞分類14:53

章節(jié)20:支持向量機

課時146視頻支持向量機算法要解決的問06:00

課時147視頻距離的定義07:05

課時148視頻要優(yōu)化的目標07:54

課時149視頻目標函數(shù)10:12

課時150視頻拉格朗日乘子法08:57

課時151視頻SVM求解10:14

課時152視頻支持向量的作用07:53

課時153視頻軟間隔問題06:00

課時154視頻核函數(shù)問題11:56

章節(jié)21:案例：SVM調(diào)參實例

課時155文本本章數(shù)據(jù)代碼下載(需PC登錄，點擊左下角參考資料)

課時156視頻支持向量機所能帶來的效果08:55

課時157視頻決策邊界可視化展示09:52

課時158視頻軟間隔的作用10:31

課時159視頻非線性SVM06:52

課時160視頻核函數(shù)的作用與效果16:15

章節(jié)22:聚類算法-Kmeans

課時161視頻KMEANS算法概述11:34

課時162視頻KMEANS工作流程09:42

課時163視頻KMEANS迭代可視化展示08:20

課時164視頻使用Kmeans進行圖像壓縮07:58

章節(jié)23:聚類算法-DBSCAN

課時165視頻DBSCAN聚類算法11:04

課時166視頻DBSCAN工作流程15:03

課時167視頻DBSCAN可視化展示08:52

章節(jié)24:案例實戰(zhàn)：聚類實踐分析

課時168文本本章數(shù)據(jù)代碼下載(需PC登錄，點擊左下角參考資料)

課時169視頻Kmenas算法常用操作09:21

課時170視頻聚類結(jié)果展示04:45

課時171視頻建模流程解讀10:45

課時172視頻不穩(wěn)定結(jié)果04:14

課時173視頻評估指標-Inertia07:24

課時174視頻如何找到合適的K值06:55

課時175視頻輪廓系數(shù)的作用09:15

課時176視頻Kmenas算法存在的問題07:19

課時177視頻應用實例-圖像分割13:45

課時178視頻半監(jiān)督學習12:23

課時179視頻DBSCAN算法08:10

章節(jié)25:降維算法-PCA主成分分析

課時180視頻PCA降維概述08:39

課時181視頻PCA要優(yōu)化的目標12:22

課時182視頻PCA求解10:18

課時183視頻PCA實例08:34

章節(jié)26:神經(jīng)網(wǎng)絡

課時184視頻初識神經(jīng)網(wǎng)絡11:28

課時185視頻計算機視覺所面臨的挑戰(zhàn)09:40

課時186視頻K近鄰嘗試圖像分類10:01

課時187視頻超參數(shù)的作用10:31

課時188視頻線性分類原理09:35

課時189視頻神經(jīng)網(wǎng)絡-損失函數(shù)09:18

課時190視頻神經(jīng)網(wǎng)絡-正則化懲罰項07:19

課時191視頻神經(jīng)網(wǎng)絡-softmax分類器13:39

課時192視頻神經(jīng)網(wǎng)絡-最優(yōu)化形象解讀06:47

課時193視頻神經(jīng)網(wǎng)絡-梯度下降細節(jié)問題11:49

課時194視頻神經(jīng)網(wǎng)絡-反向傳播15:17

課時195視頻神經(jīng)網(wǎng)絡架構(gòu)10:11

課時196視頻神經(jīng)網(wǎng)絡實例演示10:39

課時197視頻神經(jīng)網(wǎng)絡過擬合解決方案15:54

課時198視頻感受神經(jīng)網(wǎng)絡的強大11:30

章節(jié)27:Xgboost集成算法

課時199視頻集成算法思想05:35

課時200視頻xgboost基本原理11:07

課時201視頻xgboost目標函數(shù)推導12:18

課時202視頻Xgboost安裝06:26

課時203視頻保險賠償任務概述13:06

課時204視頻Xgboost參數(shù)定義09:54

課時205視頻基礎模型定義08:16

課時206視頻樹結(jié)構(gòu)對結(jié)果的影響12:37

課時207視頻學習率與采樣對結(jié)果的影響13:01

課時208文本本章數(shù)據(jù)代碼下載

章節(jié)28:自然語言處理詞向量模型-Word2Vec

課時209視頻自然語言處理與深度學習11:58

課時210視頻語言模型06:16

課時211視頻-N-gram模型08:32

課時212視頻詞向量09:28

課時213視頻神經(jīng)網(wǎng)絡模型10:03

課時214視頻Hierarchical Softmax10:01

課時215視頻CBOW模型實例11:21

課時216視頻CBOW求解目標05:39

課時217視頻梯度上升求解10:11

課時218視頻負采樣模型07:15

章節(jié)29:使用Gensim庫構(gòu)造中文維基百度數(shù)據(jù)詞向量模型

課時219文本本章數(shù)據(jù)代碼下載(需PC登錄，點擊左下角參考資料)

課時220視頻使用Gensim庫構(gòu)造詞向量06:22

課時221視頻維基百科中文數(shù)據(jù)處理10:27

課時222視頻Gensim構(gòu)造word2vec模型08:52

課時223視頻測試模型相似度結(jié)果07:42

章節(jié)30:模型評估方法

課時224視頻Sklearn工具包簡介04:56

課時225視頻數(shù)據(jù)集切分07:15

課時226視頻交叉驗證的作用11:03

課時227視頻交叉驗證實驗分析14:51

課時228視頻混淆矩陣07:52

課時229視頻評估指標對比分析12:13

課時230視頻閾值對結(jié)果的影響08:26

課時231視頻ROC曲線08:58

課時232文本本章數(shù)據(jù)代碼下載

章節(jié)31:Python庫分析科比生涯數(shù)據(jù)試看

課時233文本本章數(shù)據(jù)代碼下載(需PC登錄，點擊左下角參考資料)

課時234視頻Kobe Bryan生涯數(shù)據(jù)讀取與簡介07:45可試看

課時235視頻特征數(shù)據(jù)可視化展示11:41

課時236視頻數(shù)據(jù)預處理12:32

課時237視頻使用Scikit-learn建立模型10:12

章節(jié)32:Python時間序列分析試看

課時238文本本章數(shù)據(jù)代碼下載(需PC登錄，點擊左下角參考資料)

課時239視頻章節(jié)簡介01:03可試看

課時240視頻Pandas生成時間序列11:28

課時241視頻Pandas數(shù)據(jù)重采樣09:22

課時242視頻Pandas滑動窗口07:47

課時243視頻數(shù)據(jù)平穩(wěn)性與差分法11:10

課時244視頻ARIMA模型10:34

課時245視頻相關(guān)函數(shù)評估方法10:46

課時246視頻建立ARIMA模型07:48

課時247視頻參數(shù)選擇12:40

課時248視頻股票預測案例09:57

課時249視頻使用tsfresh庫進行分類任務12:04

課時250視頻維基百科詞條EDA14:30

章節(jié)33:機器學習項目實戰(zhàn)-貸款申請最大化利潤

課時251文本本章數(shù)據(jù)代碼下載(需PC登錄，點擊左下角參考資料)

課時252視頻數(shù)據(jù)清洗過濾無用特征12:08

課時253視頻數(shù)據(jù)預處理10:12

課時254視頻獲得最大利潤的條件與做法13:26

課時255視頻預測結(jié)果并解決樣本不均衡問題12:47

章節(jié)34:機器學習項目實戰(zhàn)-用戶流失預警

課時256文本本章數(shù)據(jù)代碼下載(需PC登錄，點擊左下角參考資料)

課時257視頻數(shù)據(jù)背景介紹06:35

課時258視頻數(shù)據(jù)預處理10:05

課時259視頻嘗試多種分類器效果08:32

課時260視頻結(jié)果衡量指標的意義19:50

課時261視頻應用閾值得出結(jié)果06:26

章節(jié)35:探索性數(shù)據(jù)分析-足球賽事數(shù)據(jù)集試看

課時262文本本章數(shù)據(jù)代碼下載(需PC登錄，點擊左下角參考資料)

課時263視頻內(nèi)容簡介02:13

課時264視頻數(shù)據(jù)背景介紹10:30可試看

課時265視頻數(shù)據(jù)讀取與預處理13:09

課時266視頻數(shù)據(jù)切分模塊14:42

課時267視頻缺失值可視化分析13:27

課時268視頻特征可視化展示12:23

課時269視頻多特征之間關(guān)系分析11:21

課時270視頻報表可視化分析10:38

課時271視頻紅牌和膚色的關(guān)系17:16

章節(jié)36:探索性數(shù)據(jù)分析-農(nóng)糧組織數(shù)據(jù)集

課時272視頻數(shù)據(jù)背景簡介11:05

課時273視頻數(shù)據(jù)切片分析17:26

課時274視頻單變量分析15:21

課時275視頻峰度與偏度11:37

課時276視頻數(shù)據(jù)對數(shù)變換09:43

課時277視頻數(shù)據(jù)分析維度06:55

課時278視頻變量關(guān)系可視化展示12:22

章節(jié)37:機器學習項目實戰(zhàn)-HTTP日志聚類分析

課時279視頻建立特征工程17:25

課時280視頻特征數(shù)據(jù)預處理10:34

課時281視頻應用聚類算法得出異常IP點