人工智能课程体系及项目实战
1、机器学习课程大纲
第一课：Pｙtｈon基础与科学计算库numpy
1、Pythoｎ语言基础
2、Ｐython数据结构(列表，字典，元组)
３、科学计算库Numpy基础
4、Numpy数组操作
5、Ｎumpy矩阵基本操作
6、Numpy矩阵初始化与创建
7、Ｎｕmpy排序与索引
第二课：数据分析处理库与数据可视化库
1、Pandａs数据读取与现实
2、Ｐａndaｓ样本数值计算与排序
3、Ｐandas数据预处理与透视表
4、Paｎｄas自定义函数
５、Pandas核心数据结构Ｓeries详解
6、Paｎｄas数据索引
7、Mａtpｌotｌｉb绘制第一个折线图
8、Maｔplｏtlib条形图，直方图，四分图绘制
9、Matplotliｂ数据可视化分析
第三课：回归算法
１、机器学习要解决得任务
2、有监督与无监督问题
3、线性回归算法原理推导
４、实现简易回归算法
5、逻辑回归算法原题
６、实战梯度下降算法
第四课：案例实战信用卡欺诈检测１、数据与算法简介
2、样本不平衡问题解决思路
3、下采样解决方案
4、正则化参数选择
5、逻辑回归建模
6、过采样与ＳＭOＴE算法
第五课：决策树与随机森林
1、熵原理，信息增益
2、决策树构造原理推导
３、ID３，C4、5算法
4、决策树剪枝策略
5、随机森林算法原理
6、基于随机森林得特征重要性选择
第六课:Kaggｌe机器学习案例实战
1、泰坦尼克船员获救预测
2、使用ｐandas库进行数据读取与缺失值预处理
人工智能ai正则化使用方法3、使用scikit-leaｒn库对比回归模型与随机森林模型
4、GBDＴ构造原理
５、特征得选择与重要性衡量指标
6、机器学习中得级联模型
7、使用级联模型再战泰坦尼克
第七课：支持向量机算法
1、SVM要解决得问题
2、线性SＶM原理推导
3、SＶM对偶问题与核变换
4、soft支持向量机问题
５、多类别分类问题解决方案
第八课：神经网络模型
1、前向传播与反向传播结构
2、激活函数
3、神经网络结构
4、深入神经网络细节
5、神经网络表现效果
第九课:mnist手写字体识别
1、Tensorflow框架
2N网络结构
3、基于tensoｒfｌｏw得网络框架
4、构造CNN网络结构
5、迭代优化训练
第十课：聚类与集成算法
1、k-mｅans,DBSCAN等经典聚类算法原理

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。