python數據分析與機器學習實戰網易雲課堂影音教學中文發音中文字幕版(4DVD)>>XYZ軟體補給站光碟破解大補帖教育合輯中心>>專業知識教學>>知名線上課程綜合教學

最新目錄光碟

113上學期國小.國中.高中

112下學期國小.國中.高中

112上學期國小.國中.高中

公職國考.研究所(單科)

公職國考就業(套裝)

線上課程綜合教學

國小.國中.高中教學

專業繪圖軟體

程式軟體光碟

專業知識教學

遊戲、影片、音樂

您現在的位置：網站首頁

專業知識教學

知名線上課程綜合教學

光碟詳情

加入書籤：


商品編號：	DUK0144-4

商品名稱：	python數據分析與機器學習實戰網易雲課堂影音教學中文發音中文字幕版(4DVD)

商品分類：	知名線上課程綜合教學

官方網站：	https://study.163.com/series/1001260001.htm

運行平台：	官方原版畫質MP4檔,沒有任何平台限制,終身使用

更新日期：	2020-05-01

光碟片數：	4片DVD光碟

銷售價格：	$400元

python數據分析與機器學習實戰網易雲課堂影音教學中文發音中文字幕版(4DVD)

課程內容:

├─01人工智能入門指南（有基礎的同學請略過！）
│ └─01人工智能入門指南（有基礎的同學請略過！）
│ 課時1課程介紹（主題與大綱.mp4
│ 課時2AI時代首選Python.mp4
│ 課時3Python我該怎麼學.mp4
│ 課時4人工智能的核心-機器學習.mp4
│ 課時5機器學習怎麼學？.mp4
│ 課時6算法推導與案例.mp4
│
├─02Python科學計算庫-Numpy
│ └─02Python科學計算庫-Numpy
│ 課時07使用Anaconda安裝python環境（Python新手先看這個）.mp4
│ 課時08課程數據，代碼，PPT.txt
│ 課時09科學計算庫Numpy.mp4
│ 課時10Numpy基礎結構.mp4
│ 課時11Numpy矩陣基礎.mp4
│ 課時12Numpy常用函數.mp4
│ 課時13矩陣常用操作.mp4
│ 課時14不同復制操作對比.mp4
│
├─03python數據分析處理庫-Pandas
│ └─03python數據分析處理庫-Pandas
│ 課時15Pandas數據讀取.mp4
│ 課時16Pandas索引與計算.mp4
│ 課時17Pandas數據預處理實例.mp4
│ 課時18Pandas常用預處理方法.mp4
│ 課時19Pandas自定義函數.mp4
│ 課時20Series結構.mp4
│
├─04Python數據可視化庫-Matplotlib
│ └─04Python數據可視化庫-Matplotlib
│ 課時21折線圖繪制.mp4
│ 課時22子圖操作.mp4
│ 課時23條形圖與散點圖.mp4
│ 課時24柱形圖與盒圖.mp4
│ 課時25細節設置.mp4
│
├─05Python可視化庫Seaborn
│ └─05Python可視化庫Seaborn
│ 課時26Seaborn簡介.mp4
│ 課時27整體布局風格設置.mp4
│ 課時28風格細節設置.mp4
│ 課時29調色板.mp4
│ 課時30調色板顏色設置.mp4
│ 課時31單變量分析繪圖.mp4
│ 課時32回歸分析繪圖.mp4
│ 課時33多變量分析繪圖.mp4
│ 課時34分類屬性繪圖.mp4
│ 課時35Facetgrid使用方法.mp4
│ 課時36Facetgrid繪制多變量.mp4
│ 課時37熱度圖繪制.mp4
│
├─06線性回歸算法原理推導
│ └─06線性回歸算法原理推導
│ 課時38線性回歸算法概述.mp4
│ 課時39誤差項分析.mp4
│ 課時40似然函數求解.mp4
│ 課時41目標函數推導.mp4
│ 課時42線性回歸求解.mp4
│
├─07梯度下降策略
│ └─07梯度下降策略
│ 課時43梯度下降原理.mp4
│ 課時44梯度下降方法對比.mp4
│ 課時45學習率對結果的影響.mp4
│
├─08邏輯回歸算法
│ └─08邏輯回歸算法
│ 課時46邏輯回歸算法原理推導.mp4
│ 課時47邏輯回歸求解.mp4
│
├─09案例實戰：Python實現邏輯回歸與梯度下降策略
│ └─09案例實戰：Python實現邏輯回歸與梯度下降策略
│ 課時48Python實現邏輯回歸任務概述.mp4
│ 課時49完成梯度下降模塊.mp4
│ 課時50停止策略與梯度下降案例.mp4
│ 課時51實驗對比效果.mp4
│
├─10項目實戰-交易數據異常檢測
│ └─10項目實戰-交易數據異常檢測
│ 課時52案例背景和目標.mp4
│ 課時53樣本不均衡解決方案.mp4
│ 課時54下采樣策略.mp4
│ 課時55交叉驗證.mp4
│ 課時56模型評估方法.mp4
│ 課時57正則化懲罰.mp4
│ 課時58邏輯回歸模型.mp4
│ 課時59混淆矩陣.mp4
│ 課時60邏輯回歸閾值對結果的影響.mp4
│ 課時61SMOTE樣本生成策略.mp4
│
├─11決策樹算法
│ └─11決策樹算法
│ 課時62決策樹原理概述.mp4
│ 課時63衡量標準-熵.mp4
│ 課時64決策樹構造實例.mp4
│ 課時65信息增益率.mp4
│ 課時66決策樹剪枝策略.mp4
│
├─12案例實戰：使用sklearn構造決策樹模型
│ └─12案例實戰：使用sklearn構造決策樹模型
│ 課時67決策樹復習.mp4
│ 課時68決策樹涉及參數.mp4
│ 課時69樹可視化與sklearn庫簡介.mp4
│ 課時70sklearn參數選擇.mp4
│
├─13集成算法與隨機森林
│ └─13集成算法與隨機森林
│ 課時71集成算法-隨機森林.mp4
│ 課時72特征重要性衡量.mp4
│ 課時73提升模型.mp4
│ 課時74堆疊模型.mp4
│
├─15貝葉斯算法
│ └─15貝葉斯算法
│ 課時80貝葉斯算法概述.mp4
│ 課時81貝葉斯推導實例.mp4
│ 課時82貝葉斯拼寫糾錯實例.mp4
│ 課時83垃圾郵件過濾實例.mp4
│ 課時84貝葉斯實現拼寫檢查器.mp4
│
├─16Python文本數據分析：新聞分類任務
│ └─16Python文本數據分析：新聞分類任務
│ 課時85文本分析與關鍵詞提取.mp4
│ 課時86相似度計算.mp4
│ 課時87新聞數據與任務簡介.mp4
│ 課時88TF-IDF關鍵詞提取.mp4
│ 課時89LDA建模.mp4
│ 課時90基于貝葉斯算法進行新聞分類.mp4
│
├─17支持向量機
│ └─17支持向量機
│ 課時91支持向量機要解決的問題.mp4
│ 課時92距離與數據的定義.mp4
│ 課時93目標函數.mp4
│ 課時94目標函數求解.mp4
│ 課時95SVM求解實例.mp4
│ 課時96支持向量的作用.mp4
│ 課時97軟間隔問題.mp4
│ 課時98SVM核變換.mp4
│
├─18案例：SVM調參實例
│ └─18案例：SVM調參實例
│ 課時100SVM參數選擇.mp4
│ 課時99sklearn求解支持向量機.mp4
│
├─19聚類算法-Kmeans
│ └─19聚類算法-Kmeans
│ 課時102KMEANS工作流程.mp4
│ 課時103KMEANS迭代可視化展示.mp4
│ 課時104使用Kmeans進行圖像壓縮.mp4
│
├─20聚類算法-DBSCAN
│ └─20聚類算法-DBSCAN
│ 課時105DBSCAN聚類算法.mp4
│ 課時106DBSCAN工作流程.mp4
│ 課時107DBSCAN可視化展示.mp4
│
├─21案例實戰：聚類實踐
│ └─21案例實戰：聚類實踐
│ 課時108多種聚類算法概述.mp4
│ 課時109聚類案例實戰.mp4
│
├─22降維算法-PCA主成分分析
│ └─22降維算法-PCA主成分分析
│ 課時110PCA降維概述.mp4
│ 課時111PCA要優化的目標.mp4
│ 課時112PCA求解.mp4
│ 課時113PCA實例.mp4
│
├─23神經網絡
│ └─23神經網絡
│ 課時114初識神經網絡.mp4
│ 課時115計算機視覺所面臨的挑戰.mp4
│ 課時116K近鄰嘗試圖像分類.mp4
│ 課時117超參數的作用.mp4
│ 課時118線性分類原理.mp4
│ 課時119神經網絡-損失函數.mp4
│ 課時120神經網絡-正則化懲罰項.mp4
│ 課時121神經網絡-softmax分類器.mp4
│ 課時122神經網絡-最優化形象解讀.mp4
│ 課時123神經網絡-梯度下降細節問題.mp4
│ 課時124神經網絡-反向傳播.mp4
│ 課時125神經網絡架構.mp4
│ 課時126神經網絡實例演示.mp4
│ 課時127神經網絡過擬合解決方案.mp4
│ 課時128感受神經網絡的強大.mp4
│
├─24Xgboost集成算法
│ └─24Xgboost集成算法
│ 課時129集成算法思想.mp4
│ 課時130xgboost基本原理.mp4
│ 課時131xgboost目標函數推導.mp4
│ 課時132xgboost求解實例.mp4
│ 課時133xgboost安裝.mp4
│ 課時134xgboost實戰演示.mp4
│ 課時135Adaboost算法概述.mp4
│
├─25自然語言處理詞向量模型-Word2Vec
│ └─25自然語言處理詞向量模型-Word2Vec
│ 課時136自然語言處理與深度學習.mp4
│ 課時137語言模型.mp4
│ 課時138-N-gram模型.mp4
│ 課時139詞向量.mp4
│ 課時140神經網絡模型.mp4
│ 課時141Hierarchical Softmax-課時142CBOW模型實例.mp4
│ 課時143CBOW求解目標.mp4
│ 課時144梯度上升求解.mp4
│ 課時145負采樣模型.mp4
│
├─26使用Gensim庫構造中文維基百度數據詞向量模型
│ └─26使用Gensim庫構造中文維基百度數據詞向量模型
│ 課時146使用Gensim庫構造詞向量.mp4
│ 課時147維基百科中文數據處理.mp4
│ 課時148Gensim構造word2vec模型.mp4
│ 課時149測試模型相似度結果.mp4
│
├─27scikit-learn模型建立與評估
│ └─27scikit-learn模型建立與評估
│ 課時150使用python庫分析汽車油耗效率.mp4
│ 課時151使用scikit-learn庫建立回歸模型.mp4
│ 課時152使用邏輯回歸改進模型效果.mp4
│ 課時153 模型效果衡量標準.mp4
│ 課時154ROC指標與測試集的價值.mp4
│ 課時155交叉驗證.mp4
│ 課時156多類別問題.mp4
│
├─28Python庫分析科比生涯數據
│ └─28Python庫分析科比生涯數據
│ 課時157Kobe Bryan生涯數據讀取與簡介.mp4
│ 課時158特征數據可視化展示.mp4
│ 課時159數據預處理.mp4
│ 課時160使用Scikit-learn建立模型.mp4
│
├─29Python時間序列分析
│ └─29Python時間序列分析
│ 課時161章節簡介.mp4
│ 課時162Pandas生成時間序列.mp4
│ 課時163Pandas數據重采樣.mp4
│ 課時164Pandas滑動窗口.mp4
│ 課時165數據平穩性與差分法.mp4
│ 課時166ARIMA模型.mp4
│ 課時167相關函數評估方法.mp4
│ 課時168建立ARIMA模型.mp4
│ 課時169參數選擇.mp4
│ 課時170股票預測案例.mp4
│ 課時171使用tsfresh庫進行分類任務.mp4
│ 課時172維基百科詞條EDA.mp4
│
├─30機器學習項目實戰-貸款申請最大化利潤
│ └─30機器學習項目實戰-貸款申請最大化利潤
│ 課時173數據清洗過濾無用特征.mp4
│ 課時174數據預處理.mp4
│ 課時175獲得最大利潤的條件與做法.mp4
│ 課時176預測結果并解決樣本不均衡問題.mp4
│
├─31機器學習項目實戰-用戶流失預警
│ └─31機器學習項目實戰-用戶流失預警
│ 課時177數據背景介紹.mp4
│ 課時178數據預處理.mp4
│ 課時179嘗試多種分類器效果.mp4
│ 課時180結果衡量指標的意義.mp4
│ 課時181應用閾值得出結果.mp4
│
├─32探索性數據分析-足球賽事數據集
│ └─32探索性數據分析-足球賽事數據集
│ 課時182內容簡介.mp4
│ 課時183數據背景介紹.mp4
│ 課時184數據讀取與預處理.mp4
│ 課時185數據切分模塊.mp4
│ 課時186缺失值可視化分析.mp4
│ 課時187特征可視化展示.mp4
│ 課時188多特征之間關系分析.mp4
│ 課時189報表可視化分析.mp4
│ 課時190紅牌和膚色的關系.mp4
│
├─33探索性數據分析-農糧組織數據集
│ └─33探索性數據分析-農糧組織數據集
│ 課時191數據背景簡介.mp4
│ 課時192數據切片分析.mp4
│ 課時193單變量分析.mp4
│ 課時194峰度與偏度.mp4
│ 課時195數據對數變換.mp4
│ 課時196數據分析維度.mp4
│ 課時197變量關系可視化展示.mp4
│
├─34機器學習項目實戰-HTTP日志聚類分析
│ └─34機器學習項目實戰-HTTP日志聚類分析
│ 課時198建立特征工程.mp4
│ 課時199特征數據預處理.mp4
│ 課時200應用聚類算法得出異常ip點.mp4
│
└─課程資料
└─課程資料
├─Python庫代碼（4個）
│ ├─1-科學計算庫numpy
│ │ │ numpy_1.ipynb
│ │ │ numpy_2.ipynb
│ │ │ NUMPY_3.ipynb
│ │ │ numpy_4.ipynb
│ │ │ numpy_5.ipynb
│ │ │ Untitled.ipynb
│ │ │ Untitled1.ipynb
│ │ │ world_alcohol.csv
│ │ │ world_alcohol.txt
│ │ │
│ │ └─.ipynb_checkpoints
│ │ numpy_1-checkpoint.ipynb
│ │ numpy_2-checkpoint.ipynb
│ │
│ ├─2-數據分析處理庫pandas
│ │ food_info.csv
│ │ padas_3.ipynb
│ │ pandas_1.ipynb
│ │ pandas_2.ipynb
│ │ pandas_4.ipynb
│ │ pandas_5.ipynb
│ │ pandas_6.ipynb
│ │ thanksgiving-2015-poll-data.csv
│ │
│ ├─3-可視化庫matpltlib
│ │ fandango_scores.csv
│ │ jg_Awebex_Acom_Acn,jg,532830847,-197360242,MC,0-0,SDJTSwAAAAJZj_O_c3zEt1qzFj8abfdSRxWUuIFax_xQ09nC6c9OwA2_webex.exe
│ │ percent-bachelors-degrees-women-usa.csv
│ │ plt_1.ipynb
│ │ plt_2.ipynb
│ │ plt_3.ipynb
│ │ plt_4.ipynb
│ │ plt_5.ipynb
│ │ plt_6.ipynb
│ │ plt_7.ipynb
│ │ UNRATE.csv
│ │ 數據和代碼.zip
│ │
│ └─4-可視化庫Seaborn
│ 4-REG.ipynb
│ 5-category.ipynb
│ 6-FacetGrid.ipynb
│ 7-Heatmap.ipynb
│ f1.png
│ iris.data
│ Seaborn-1Style.ipynb
│ Seaborn-2Color.ipynb
│ Seaborn-3Var.ipynb
│ Untitled.ipynb
│
├─Python快速入門
│ 第一章：Python基礎.zip
│
├─暫時無用的內容
│ │ 機器學習算法課件.pdf
│ │
│ ├─Kmeans
│ │ codebook_test.npy
│ │ compressed_test.jpg
│ │ compressed_tiger.png
│ │ test.jpg
│ │ test2.jpg
│ │ tiger.png
│ │ Untitled.ipynb
│ │
│ ├─PCA降維
│ │ PCA.zip
│ │
│ ├─python機器學習案例
│ │ └─machineLearning
│ │ │ 114_congress.csv
│ │ │ admissions.csv
│ │ │ auto-mpg.data
│ │ │ cleaned_loans2007.csv
│ │ │ cleaned_loans_2007.csv
│ │ │ filtered_loans_2007.csv
│ │ │ income.csv
│ │ │ iris.csv
│ │ │ loans_2007.csv
│ │ │ ml_1_introduce.ipynb
│ │ │ ml_2_logistic-regression.ipynb
│ │ │ ml_3_logisticRes.ipynb
│ │ │ ml_6_clustering.ipynb
│ │ │ ml_8_overfit.ipynb
│ │ │ ml_9_k-means.ipynb
│ │ │ ml_9_KMEANS.ipynb
│ │ │ ml_buildDecisionTree.ipynb
│ │ │ ml_randomForest.ipynb
│ │ │ nba_2013.csv
│ │ │ pga.csv
│ │ │
│ │ └─.ipynb_checkpoints
│ │ ml_4_Cross-validation-checkpoint.ipynb
│ │ ml_5_kcross-checkpoint.ipynb
│ │ ml_7_mulabel-checkpoint.ipynb
│ │ ml_decisionTree-checkpoint.ipynb
│ │ ml_DTandRandmoF_scikieLearn-checkpoint.ipynb
│ │ ml_GradientDescent-checkpoint.ipynb
│ │ ml_kmeans_nba-checkpoint.ipynb
│ │ ml_loanProject-checkpoint.ipynb
│ │ ml_neuralnetwork-checkpoint.ipynb
│ │ Untitled-checkpoint.ipynb
│ │
│ ├─Xgboost
│ │ pima-indians-diabetes.csv
│ │ xgtest.ipynb
│ │
│ ├─支持向量機
│ │ │ Untitled.ipynb
│ │ │
│ │ └─SMO
│ │ simple_svm.py
│ │ SVM.py
│ │ svmMLiA.py
│ │ testSet.txt
│ │ testSetRBF.txt
│ │ testSetRBF2.txt
│ │
│ ├─機器學習算法
│ │ └─回歸算法
│ │ 梯度下降求解邏輯回歸.zip
│ │ 線性回歸.pdf
│ │
│ ├─決策樹
│ │ 決策樹鳶尾花.zip
│ │
│ ├─用戶流失預警(1)
│ │ churn.csv
│ │ churn.ipynb
│ │
│ ├─聚類
│ │ kmeans-dbscan.zip
│ │
│ ├─股價預測
│ │ 股價.ipynb
│ │
│ ├─貸款利潤最大化
│ │ cleaned_loans2007.csv
│ │ cleaned_loans_2007.csv
│ │ filtered_loans_2007.csv
│ │ LoanStats3a.csv
│ │ loans_2007.csv
│ │ ml_loanProject.ipynb
│ │
│ └─邏輯回歸
│ linear_regression.ipynb
│ ml_GradientDescent.ipynb
│
├─機器學習算法PPT
│ 1-AI入學指南.pdf
│ 10-EM算法.pdf
│ 11-神經網絡.pdf
│ 12-word2vec.pdf
│ 3-決策樹與集成算法.pdf
│ 4-聚類算法.pdf
│ 5-貝葉斯算法.pdf
│ 6-支持向量機.pdf
│ 7-推薦系統.pdf
│ 8-xgboost.pdf
│ 9-LDA與PCA算法.pdf
│ 文本分析.pdf
│ 時間序列分析.pdf
│
└─機器學習算法配套案例實戰
│ GMM聚類.zip
│ Xgboost調參.zip
│ 支持向量機.zip
│ 數據預處理.zip
│ 梯度下降求解邏輯回歸.zip
│ 決策樹.zip
│ 聚類算法.zip
│ 貝葉斯-拼寫檢查器.zip
│ 貝葉斯-新聞分類.zip
│ 邏輯回歸-信用卡欺詐檢測.zip
│ 降維算法.zip
│
├─Python文本分析
│ │ Python文本分析.pdf
│ │ Python文本分析.zip
│ │ 貝葉斯算法.pdf
│ │
│ └─搜狗新聞語料
│ test.txt
│ train.txt
│ val.txt
│
├─Python時間序列
│ Python時間序列.zip
│ 時間序列分析.pdf
│
├─word2vec
│ Gensim-代碼.zip
│ gensim訓練model.zip
│ tensorflow-word2vec.zip
│ word2vec.pdf
│ word2vec.zip
│ 維基百科中文數據.zip
│
├─探索性數據分析
│ 探索性數據分析.zip
│
├─推薦系統
│ 推薦系統.pdf
│ 推薦系統.zip
│
├─泰坦尼克船員獲救
│ taitannike.ipynb
│
├─神經網絡
│ 感受神?网?的?大代?.rar
│ 神?网?cifar代?.rar
│ （cifar分?可能遇到的??更正）.docx
│
└─科比數據集分析
科比數據.zip

相關商品:

英語零到聽說流利，一套課就夠了網易雲課堂影音教學中文發音中文字幕版(4DVD)

橘子老師 AE教程超級合輯網易雲課堂影音教學中文發音中文字幕版(4DVD)

微專業 Android 網易雲課堂影音教學中文發音中文字幕版(4DVD)

橘子老師 AI教程超級合輯網易雲課堂影音教學中文發音中文字幕版(4DVD)

90天Java進階訓練營三期網易雲課堂影音教學中文發音中文字幕版(4DVD)

站內搜索

請輸入軟體名稱或編號

購物車

熱門關鍵字

圖文		微專業
圖文教學		秋葉
聽課		趙文超
楊洋		劉偉
Simon阿文		基礎篇
嘉文錢		小象學院
成長分子		姑蘇明月
Excel		AE教程
AI教程		BI教程
Brette		Chen
Excel劉偉		IT專案管理
Java語言		PS教程
Python		Python爬蟲
Query教程		UI設計師
七之嬋		工作好
大師開講		王世民
升級版		井然有序
用戶研究		用地圖說話
可樹		交互設計師
好玩DIY		吐槽團隊