机器学习-从入门到精通 发送至

  • 章节4
  • 实训7
  • 实践任务38
  • 经验值8400
  • 学习人数1635

简介

第一阶段 基础Python数据工具实战

本阶段介绍Python机器学习的基础:Numpy和Pandas数据科学工具包。Numpy帮助大家更加便利地操作数组、矩阵、张量等抽象的数学对象,Pandas帮助大家便利地操作数据集。

  • 1-1  Numpy初体验
  • 查看详情开始实战
  • 1-2  Pandas初体验
  • 查看详情开始实战
  • 第二阶段 机器学习算法框架入门

    本阶段首先以一个简单的机器学习应用例子“电影评分预测”,来帮助大家熟悉机器学习算法开发和问题求解的基本流程和框架,通过一步一步实现主要的机器学习流程来熟悉整个框架。其次,介绍流行的Scikit-Learn工具包,向大家介绍使用开源机器学习工具包开展机器学习应用的基本概念和方法。

  • 2-1  理解机器学习基本概念:从电影评分预测讲起
  • 查看详情开始实战
  • 2-2  Python机器学习软件包Scikit-Learn的学习与运用
  • 查看详情开始实战
  • 第三阶段 常用机器学习算法实战

    本阶段基于Scikit-Learn科学计算包,向大家介绍几种主流的有监督和无监督机器学习算法的原理和使用方法。

  • 3-1  SVM支持向量机学习实训
  • 查看详情开始实战
  • 3-2  K-means聚类算法
  • 查看详情开始实战
  • 第四阶段 前沿机器学习技术

    介绍TensorFlow等深度学习工具包的使用。

  • 4-1  TensorFlow初体验
  • 查看详情开始实战
  • 课程须知

    技能标签 42

    python scikit-learn svm 分类 回归 数据分类 随机梯度下降法 Pandas Pandas分组聚合方法 机器学习预测 欧几里得距离 精度 K-means sklearn 数据预处理 标准化 特征提取 metrics 模型评估 概率估计 决策边界 GridSearchCV 参数调优 软间隔 最近邻计算 计算聚类中心 RMSE pickle 模型持久化存储 模型参数估计 数据处理 了解DataFrame 数据读取 排序 数据删除 算术运算 数据去重 索引 Tensor变量 掌握变量保存 掌握变量恢复 乘法实现
    ...

    我的进展0 / 8400

    已学 0%

    教学团队

    头像

    李骁

    国防科技大学讲师

    微信扫一扫

    关注公众号