<progress id="16e0o"></progress><span id="16e0o"></span>

  1. <track id="16e0o"><video id="16e0o"></video></track>
    <ruby id="16e0o"><output id="16e0o"></output></ruby>

      機器學習 A-Z

      Machine Learning A-Z in Chinese

      全面建立機器學習的知識架構,并且在Python和R里構建不同的機器學習模型。課程內容包括所有的代碼模板。

      士豪邱

      Udemy

      計算機

      簡單(初級)

      32 小時

      Sponsored\Ad:本課程鏈接由Udemy和Linkshare共同提供
      • 中文, 英語
      • 746

      課程概況

      想了解機器學習?這門課程為您訂做!

      這門課程是英文課程Machine Learning A-Z的翻譯和再創造。原版英文課程是Udemy上最暢銷的機器學習課程。您在這門課里,會用深入淺出的方法學會復雜的模型,算法,還有基礎的編程語句。

      我們會手把手地教會您機器學習。每一節課都會讓您獲得新的知識,完備機器學習的知識架構,在享受機器學習的同時對這個領域有更深的理解。

      這門課程十分有趣,包含了機器學習的方方面面。課程結構如下:

      第一部分 – 數據預處理
      第二部分 – 回歸:簡單線性回歸,多元線性回歸,多項式回歸
      第三部分 – 分類:邏輯回歸,支持向量機(SVM),核函數與支持向量機(Kernel SVM),樸素貝葉斯,決策樹分類,隨機森林分類
      第四部分 – 聚類:K-平均聚類分析
      第五部分 – 關聯規則學習:先驗算法
      第六部分 (待更新) – 強化學習:置信區間上界算法(UCB),Thompson抽樣算法
      第七部分 (待更新) – 自然語言處理 :自然語言處理算法
      第八部分 (待更新) – 深度學習:人工神經網絡,卷積神經網絡
      第九部分 (待更新) – 降維(Dimensionality Reduction):主成分分析 (PCA),核函數主成分分析(Kernel PCA)
      第十部分 (待更新) – 模型選擇:模型選擇,極端梯度上升

      對于每個模型,除了學會理論基礎之外,您還會學習如何將這些模型運用到各種實際生活的案例里,并且課程也包括Python和R的代碼模板,您可以下載并且直接將代碼運用到您自己的項目里。

      你將學到什么

      完全掌握機器學習及在Python和R里的應用

      深刻理解各種機器學習的模型

      做出準確的預測和強大的分析

      利用機器學習創造更多價值

      利用機器學習解決私人問題

      掌握并熟練處理強大的算法,例如強化學習,自然語言處理,還有深度學習

      掌握并熟練處理先進的技術,例如對降低數據維度

      了解對不同的問題怎樣選擇合適的機器學習模型

      建立起強大的機器學習知識架構,并且知道如何創建和運用不同的模型來解決任何問題

      課程大綱

      序言 Introduction
      4 個講座
      25:52

      ------------ 第1部分: 數據預處理 Data Preprocessing ------------
      10 個講座
      01:41:15

      -------------------- 第2部分: 回歸 Regression --------------------
      1 個講座
      00:05

      簡單線性回歸 Simple Linear Regression
      11 個講座
      01:22:58

      多元線性回歸 Multiple Linear Regression
      18 個講座
      02:03:02

      多項式回歸 Polynomial Regression
      10 個講座
      01:28:23

      評估回歸模型的表現 Evaluating Regression Models Performance
      4 個講座
      38:26

      -------------------- 第3部分: 分類 Classification --------------------
      1 個講座
      00:07

      邏輯回歸 Logistic Regression
      14 個講座
      01:29:22

      支持向量機 SVM
      4 個講座
      41:51

      核函數支持向量機 Kernel SVM
      7 個講座
      01:02:04

      樸素貝葉斯 Naive Bayes
      7 個講座
      01:11:21

      決策樹 Decision Tree
      4 個講座
      49:23

      隨機森林 Random Forest
      4 個講座
      41:42

      分類模型性能評價及選擇 Evaluating Classification Models Performance
      6 個講座
      39:03

      -------------------- 第4部分: 集群 Clustering --------------------
      1 個講座
      00:02

      K平均聚類算法 K-Means Clustering
      9 個講座
      01:22:12

      -------------------- 第5部分: 關聯規則學習 Association Rule Learning --------------------
      1 個講座
      00:02

      先驗算法 Apriori
      8 個講座
      01:28:01

      -------------------- 第6部分: 強化學習 Reinforcement Learning--------------------
      1 個講座
      00:02

      置信區間上界算法 Upper Confidence Bound or UCB
      11 個講座
      02:09:37

      Thompson 抽樣算法
      7 個講座
      01:25:04

      ------------------- 第7部分: 自然語言處理 Natural Language Processing--------------------
      21 個講座
      02:27:11

      -------------------- 第8部分: 深度學習 Deep Learning --------------------
      1 個講座
      11:23

      人工神經網絡 Artificial Neural Networks
      24 個講座
      03:49:33

      卷積神經網絡 Convolutional Neural Networks
      19 個講座
      02:40:22

      -------------------- 第9部分: 降維 Dimensionality Reduction --------------------
      1 個講座
      00:00

      主成分分析 Principal Component Analysis
      8 個講座
      01:15:50

      核函數主成分分析 Kernel PCA
      3 個講座
      36:19

      -------------------- 第10部分: 模型選擇和提升 Model Selection --------------------
      7 個講座
      01:01:14

      面向人群

      所有對機器學習感興趣的人
      任何有高中數學知識并且想開始學習機器學習的學生
      任何有機器學習基本知識并想了解更多這個領域的人
      任何不太了解編程但對機器學習感興趣,并希望將機器學習應用在數據上的人
      任何想進入數據科學領域的大學生
      任何想提高機器學習技能的數據分析師
      任何對目前工作不滿意并想成為數據科學家的人
      任何希望運用強大的機器學習工具擴大自己事業的人

      預備知識

      高中數學知識即可
      Just some high school mathematics level.

      Magoosh
      聲明:MOOC中國發布之課程均源自下列機構,版權均歸他們所有。本站僅作報道收錄并尊重其著作權益,感謝他們對MOOC事業做出的貢獻!(排名不分先后)
      • Coursera
      • edX
      • OpenLearning
      • FutureLearn
      • iversity
      • Udacity
      • NovoEd
      • Canvas
      • Open2Study
      • Google
      • ewant
      • FUN
      • IOC-Athlete-MOOC
      • World-Science-U
      • Codecademy
      • CourseSites
      • opencourseworld
      • ShareCourse
      • gacco
      • MiriadaX
      • JANUX
      • openhpi
      • Stanford-Open-Edx
      • 網易云課堂
      • 中國大學MOOC
      • 學堂在線
      • 頂你學堂
      • 華文慕課
      • 好大學在線CnMooc
      • 以及更多...
      本平臺部分課程由Coursera、Udemy及其推廣聯盟服務商Linkshare共同提供,本平臺合法享有相應的推廣收益。

      © 2008-2018 MOOC.CN 慕課改變你,你改變世界

      丁香五月婷婷