课程简介
为机器学习初学者量身打造，使用新版本python3语言和流行的scikit-learn框架，算法与编程两翼齐飞，由浅入深生，一步步的进入机器学习的世界，学到的不只是一门课程，更是不断思考的能力。
目标收益
独特的讲解思路，让你不仅懂皮毛，更深入机器学习内部，机器学习的核心是算法，系统的讲解机器学习算法，推导算法运行原理，加深思想认识。
培训对象
对机器学习感兴趣，想从业于机器学习，或是准备参加机器学习相关比赛。
课程内容
为初学者量身设计的课程，适合机器学0基础学习，
为数学基础相对的同学增加数学推导环节，
算法理论与实际项目结合让你懂算法更会用算法，
手把手编程教学，通过大量实践，彻底理解机器学习。
课程大纲
| 一.python 开发环境 |
集成开发环境 包管理工具:pip 虚拟环境: Anacodna |
| 二.python 语法 |
高阶函数: 列表推导式，匿名函数，闭包，装饰器 python 和 c++ 相互调用 |
| 三. 机器学习和数据分析 |
（1）机器学习基础： 数据 监督学习非监督学习 （2）常用库介绍： numpy: 矩阵相关运算库 scipy: 线性代数，信号，图像等科学运算库 matlpotlib: 数据可视化库 pandas: 数据处理，数据分析库 （3）机器学习经典算法： 分类算法原理和例子 线性回归原理和例子 梯度下降原理和例子 多项式回归原理和例子 模型的泛化原理和例子 逻辑回归原理和例子 评价指标原理和例子 主成分分析原理和例子 （4）深度学习简介 |
| 四. 实际案例 | 报警处理和自动化应急处理 |
|
一.python 开发环境 集成开发环境 包管理工具:pip 虚拟环境: Anacodna |
|
二.python 语法 高阶函数: 列表推导式，匿名函数，闭包，装饰器 python 和 c++ 相互调用 |
|
三. 机器学习和数据分析 （1）机器学习基础： 数据 监督学习非监督学习 （2）常用库介绍： numpy: 矩阵相关运算库 scipy: 线性代数，信号，图像等科学运算库 matlpotlib: 数据可视化库 pandas: 数据处理，数据分析库 （3）机器学习经典算法： 分类算法原理和例子 线性回归原理和例子 梯度下降原理和例子 多项式回归原理和例子 模型的泛化原理和例子 逻辑回归原理和例子 评价指标原理和例子 主成分分析原理和例子 （4）深度学习简介 |
|
四. 实际案例 报警处理和自动化应急处理 |
近期公开课推荐
