【課程介紹】
課程風格通俗易懂，真實案例實戰。精心挑選真實的數據集為案例，通過python數據科學庫numpy,pandas,matplot結合機器學習庫scikit-learn完成一些列的機器學習案例。課程以實戰為基礎，所有課時都結合代碼演示如何使用這些python庫來完成一個真實的數據案例。算法與項目相結合，選擇經典kaggle項目，從數據預處理開始一步步代碼實戰帶大家快速入門機器學習。
【課程目標】
課程目標：零基礎快速掌握python數據分析與機器學習算法實戰，快速入門python最流行的數據分析庫numpy,pandas,matplotlib。對于繁瑣的機器學習算法，先從原理上進行推導，以算法流程為主結合實際案例完成算法代碼,使用scikit-learn機器學習庫完成快速建立模型，評估以及預測。結合經典kaggle案例，從數據預處理開始一步步完成整個項目，使大家對如何應用python庫完成實際的項目有完整的經驗與概念。
【課程目錄】
章節1: Python科學計算庫-Numpy4
課時1課程介紹（主題與大綱）
課時2機器學習概述
課時3使用Anaconda安裝python環境（Python新手先看這個）
課時4課程數據，代碼，PPT（在參考資料界面）
課時5科學計算庫Numpy
課時6Numpy基礎結構
課時7Numpy矩陣基礎
課時8Numpy常用函數
課時9矩陣常用操作
課時10不同復制操作對比
章節2: python數據分析處理庫-Pandas
課時11Pandas數據讀取
課時12Pandas索引與計算
課時13Pandas數據預處理實例
課時14Pandas常用預處理方法
課時15Pandas自定義函數
課時16Series結構
章節3: Python數據可視化庫-Matplotlib
課時17折線圖繪制
課時18子圖操作
課時19條形圖與散點圖
課時20柱形圖與盒圖
課時21細節設置
章節4: Python可視化庫Seaborn6
課時22Seaborn簡介
課時23整體布局風格設置
課時24風格細節設置
課時25調色板
課時26調色板顏色設置
課時27單變量分析繪圖
課時28回歸分析繪圖
課時29多變量分析繪圖
課時30分類屬性繪圖
課時31Facetgrid使用方法
課時32Facetgrid繪制多變量
課時33熱度圖繪制
章節5: 回歸算法
課時34回歸算法綜述
課時35回歸誤差原理推導
課時36回歸算法如何得出最優解
課時37基于公式推導完成簡易線性回歸
課時38邏輯回歸與梯度下降
課時39使用梯度下降求解回歸問題
章節6: 決策樹
課時40決策樹算法綜述
課時41決策樹熵原理
課時42決策樹構造實例
課時43信息增益原理
課時44信息增益率的作用
課時45決策樹剪枝策略
課時46隨機森林模型
課時47決策樹參數詳解
章節7: 貝葉斯算法
課時48貝葉斯算法概述
課時49貝葉斯推導實例
課時50貝葉斯拼寫糾錯實例
課時51垃圾郵件過濾實例
課時52貝葉斯實現拼寫檢查器
章節8: 支持向量機
課時53支持向量機要解決的問題
課時54支持向量機目標函數
課時55支持向量機目標函數求解
課時56支持向量機求解實例
課時57支持向量機軟間隔問題
課時58支持向量核變換
課時59SMO算法求解支持向量機
章節9: 神經網絡
課時60初識神經網絡
課時61計算機視覺所面臨的挑戰
課時62K近鄰嘗試圖像分類
課時63超參數的作用
課時64線性分類原理
課時65神經網絡-損失函數
課時66神經網絡-正則化懲罰項
課時67神經網絡-softmax分類器
課時68神經網絡-最優化形象解讀
課時69神經網絡-梯度下降細節問題
課時70神經網絡-反向傳播
課時71神經網絡架構
課時72神經網絡實例演示
課時73神經網絡過擬合解決方案
課時74感受神經網絡的強大
章節10: Xgboost集成算法
課時75集成算法思想
