机器学习 A-Z

Machine Learning A-Z in Chinese

全面建立机器学习的知识架构,并且在Python和R里构建不同的机器学习模型。课程内容包括所有的代码模板。

士豪邱

Udemy

计算机

简单(初级)

32 小时

Sponsored\Ad:本课程链接由Udemy和Linkshare共同提供
  • 中文, 英语
  • 1014

课程概况

想了解机器学习?这门课程为您订做!

这门课程是英文课程Machine Learning A-Z的翻译和再创造。原版英文课程是Udemy上最畅销的机器学习课程。您在这门课里,会用深入浅出的方法学会复杂的模型,算法,还有基础的编程语句。

我们会手把手地教会您机器学习。每一节课都会让您获得新的知识,完备机器学习的知识架构,在享受机器学习的同时对这个领域有更深的理解。

这门课程十分有趣,包含了机器学习的方方面面。课程结构如下:

第一部分 – 数据预处理
第二部分 – 回归:简单线性回归,多元线性回归,多项式回归
第三部分 – 分类:逻辑回归,支持向量机(SVM),核函数与支持向量机(Kernel SVM),朴素贝叶斯,决策树分类,随机森林分类
第四部分 – 聚类:K-平均聚类分析
第五部分 – 关联规则学习:先验算法
第六部分 (待更新) – 强化学习:置信区间上界算法(UCB),Thompson抽样算法
第七部分 (待更新) – 自然语言处理 :自然语言处理算法
第八部分 (待更新) – 深度学习:人工神经网络,卷积神经网络
第九部分 (待更新) – 降维(Dimensionality Reduction):主成分分析 (PCA),核函数主成分分析(Kernel PCA)
第十部分 (待更新) – 模型选择:模型选择,极端梯度上升

对于每个模型,除了学会理论基础之外,您还会学习如何将这些模型运用到各种实际生活的案例里,并且课程也包括Python和R的代码模板,您可以下载并且直接将代码运用到您自己的项目里。

你将学到什么

完全掌握机器学习及在Python和R里的应用

深刻理解各种机器学习的模型

做出准确的预测和强大的分析

利用机器学习创造更多价值

利用机器学习解决私人问题

掌握并熟练处理强大的算法,例如强化学习,自然语言处理,还有深度学习

掌握并熟练处理先进的技术,例如对降低数据维度

了解对不同的问题怎样选择合适的机器学习模型

建立起强大的机器学习知识架构,并且知道如何创建和运用不同的模型来解决任何问题

课程大纲

序言 Introduction
4 个讲座
25:52

------------ 第1部分: 数据预处理 Data Preprocessing ------------
10 个讲座
01:41:15

-------------------- 第2部分: 回归 Regression --------------------
1 个讲座
00:05

简单线性回归 Simple Linear Regression
11 个讲座
01:22:58

多元线性回归 Multiple Linear Regression
18 个讲座
02:03:02

多项式回归 Polynomial Regression
10 个讲座
01:28:23

评估回归模型的表现 Evaluating Regression Models Performance
4 个讲座
38:26

-------------------- 第3部分: 分类 Classification --------------------
1 个讲座
00:07

逻辑回归 Logistic Regression
14 个讲座
01:29:22

支持向量机 SVM
4 个讲座
41:51

核函数支持向量机 Kernel SVM
7 个讲座
01:02:04

朴素贝叶斯 Naive Bayes
7 个讲座
01:11:21

决策树 Decision Tree
4 个讲座
49:23

随机森林 Random Forest
4 个讲座
41:42

分类模型性能评价及选择 Evaluating Classification Models Performance
6 个讲座
39:03

-------------------- 第4部分: 集群 Clustering --------------------
1 个讲座
00:02

K平均聚类算法 K-Means Clustering
9 个讲座
01:22:12

-------------------- 第5部分: 关联规则学习 Association Rule Learning --------------------
1 个讲座
00:02

先验算法 Apriori
8 个讲座
01:28:01

-------------------- 第6部分: 强化学习 Reinforcement Learning--------------------
1 个讲座
00:02

置信区间上界算法 Upper Confidence Bound or UCB
11 个讲座
02:09:37

Thompson 抽样算法
7 个讲座
01:25:04

------------------- 第7部分: 自然语言处理 Natural Language Processing--------------------
21 个讲座
02:27:11

-------------------- 第8部分: 深度学习 Deep Learning --------------------
1 个讲座
11:23

人工神经网络 Artificial Neural Networks
24 个讲座
03:49:33

卷积神经网络 Convolutional Neural Networks
19 个讲座
02:40:22

-------------------- 第9部分: 降维 Dimensionality Reduction --------------------
1 个讲座
00:00

主成分分析 Principal Component Analysis
8 个讲座
01:15:50

核函数主成分分析 Kernel PCA
3 个讲座
36:19

-------------------- 第10部分: 模型选择和提升 Model Selection --------------------
7 个讲座
01:01:14

面向人群

所有对机器学习感兴趣的人
任何有高中数学知识并且想开始学习机器学习的学生
任何有机器学习基本知识并想了解更多这个领域的人
任何不太了解编程但对机器学习感兴趣,并希望将机器学习应用在数据上的人
任何想进入数据科学领域的大学生
任何想提高机器学习技能的数据分析师
任何对目前工作不满意并想成为数据科学家的人
任何希望运用强大的机器学习工具扩大自己事业的人

预备知识

高中数学知识即可
Just some high school mathematics level.

HEC Managing Innovation & Design Thinking – Join Today And Inspire Innovation
声明:MOOC中国发布之课程均源自下列机构,版权均归他们所有。本站仅作报道收录并尊重其著作权益,感谢他们对MOOC事业做出的贡献!(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
  • 网易云课堂
  • 中国大学MOOC
  • 学堂在线
  • 顶你学堂
  • 华文慕课
  • 好大学在线CnMooc
  • 以及更多...
本平台部分课程由Coursera、Udemy及其推广联盟服务商Linkshare共同提供,本平台合法享有相应的推广收益。

© 2008-2018 MOOC.CN 慕课改变你,你改变世界