课程介绍:
本套课程主要讲解机器学习算法,主要内容:微分、矩阵、凸优化、概率论、SVM、随机森林、GBDT、决策树、EM算法、聚类、贝叶斯网络、神经网络、深度学习实践等。
适合人群:
适合人工智能基础的同学学习
授课时长:
40小时
配套资料:
高清视频、课件讲义、代码
课程目录:
01.第1课机器学习中的微分与矩阵
02.第2课概率与凸优化
03.第3课回归问题与应用
04.第4课决策树、随机森林、GBDT
05.第5课SVM
06.第6课最大篇与EM算法
07.第7课机器学习中的特征工程处理
08.第8课多算法组合与模型最优化
09.第9课 sklearn与机器学习实战
10.第10课 高级工具xgboost_lightGBM与建模实战
11.第11课用户画像与推荐系统
12.第12课聚类
13.第13课聚类与推荐系统实战
14.第14课贝叶斯网络
15.第15课隐马尔科夫模型HMM
16.第16课主题模型
17.第17课神经网络初步
18.第18课卷积神经网络与计算机视觉
19.第19课循环神经网络与自然语言处理
20.第20课 深度学习实践