51CTO[微职位]Python数据分析与机器学习实战课程配套视频课程
文件清单
264 项
- 课件与代码.exe
- 008,变量类型.mp4
- 011,循环结构.mp4
- 013,字典模块.mp4
- 012,判断结构.mp4
- 015,函数基础.mp4
- 014,文件处理.mp4
- 007,快速入门,边学边用.mp4
- 010,List索引.mp4
展开全部 264 项
- 009,List基础模块.mp4
- 198,Pandas生成时间序列.mp4
- 197,维基百科词条EDA.mp4
- 199,Pandas数据重采样.mp4
- 200,Pandas滑动窗口.mp4
- 195,股票预测案例.mp4
- 196,使用tsfresh库进行分类任务.mp4
- 020,Numpy常用函数.mp4
- 019,Numpy矩阵操作.mp4
- 018,Numpy矩阵属性.mp4
- 016,Numpy数据结构.mp4
- 017,Numpy基本操作.mp4
- 166,隐语义模型.mp4
- 168,模型评估标准.mp4
- 161,推荐系统应用.mp4
- 162,推荐系统要完成的任务.mp4
- 167,隐语义模型求解.mp4
- 163,相似度计算.mp4
- 165,基于物品的协同过滤.mp4
- 164,基于用户的协同过滤.mp4
- 070,决策树复习.mp4
- 073,Sklearn参数选择模块.mp4
- 071,决策树涉及参数.mp4
- 072,树可视化与Sklearn实例.mp4
- 104,HTTP检测任务与数据挖掘的核心.mp4
- 105,论文的重要程度.mp4
- 106,BenchMark概述.mp4
- 107,BenchMark的作用.mp4
- 191,ARIMA模型.mp4
- 193,建立AIRMA模型.mp4
- 190,数据平稳性与差分法.mp4
- 192,相关函数评估方法.mp4
- 194,参数选择.mp4
- 067,决策树构造实例.mp4
- 069,决策树剪枝策略.mp4
- 068,信息增益率.mp4
- 066,衡量标准-熵.mp4
- 065,决策树原理概述.mp4
- 114,PCA要优化的目标.mp4
- 113,PCA降维概述.mp4
- 116,PCA降维实例.mp4
- 115,PCA求解.mp4
- 049,逻辑回归算法原理推导.mp4
- 050,逻辑回归求解.mp4
- 112,求解得出降维结果.mp4
- 111,Python实现线性判别分析.mp4
- 027,折线图绘制.mp4
- 031,绘图细节设置.mp4
- 028,子图操作.mp4
- 029,条形图与散点图.mp4
- 030,柱形图与盒形.mp4
- 186,使用Gensim库构造词向量.mp4
- 187,维基百科中文数据处理.mp4
- 189,测试相似度结果.mp4
- 188,Gensim构造word2vec.mp4
- 131,GMM聚类.mp4
- 130,GMM实例.mp4
- 103,SVM参数调节.mp4
- 102,Sklearn求解支持向量机.mp4
- 110,线性判别分析求解.mp4
- 108,线性判别分析要解决的问题.mp4
- 109,线性判别分析要优化的目标.mp4
- 047,梯度下降方法对比.mp4
- 048,学习率对结果的影响.mp4
- 046,梯度下降原理.mp4
- 052,完成梯度下降模块.mp4
- 054,实验对比效果.mp4
- 051,Python实现逻辑回归任务概述.mp4
- 053,停止策略与梯度下降策略对比.mp4
- 084,贝叶斯推导实例.mp4
- 083,贝叶斯算法概述.mp4
- 086,垃圾邮件过滤实例.mp4
- 085,贝叶斯拼写纠错实例.mp4
- 087,贝叶斯实现拼写检查器.mp4
- 145,神经网络dropout.mp4
- 141,Tensorflow常用函数.mp4
- 143,Tensorflow神经网络实例.mp4
- 140,Tensorflow基础操作.mp4
- 144,Tensorflow神经网络迭代.mp4
- 142,Tensorflow回归实例.mp4
- 146,卷积神经网络基本结构.mp4
- 041,线性回归算法概述.mp4
- 045,线性回归求解.mp4
- 042,误差项分析.mp4
- 043,似然函数求解.mp4
- 044,目标函数推导.mp4
- 090,新闻数据与任务简介.mp4
- 093,基于贝叶斯算法的新闻分类.mp4
- 092,LDA建模.mp4
- 088,文本分析与关键词提取.mp4
- 089,相似度计算.mp4
- 091,TF-IDF关键词提取.mp4
- 212,峰度与偏度.mp4
- 209,数据背景简介.mp4
- 213,数据对数变换.mp4
- 210,数据切片分析.mp4
- 211,单变量分析.mp4
- 215,变量关系可视化展示.mp4
- 214,数据分析维度.mp4
- 057,下采样策略.mp4
- 055,案例背景和目标.mp4
- 058,交叉验证.mp4
- 056,样本不平衡解决方案.mp4
- 064,SMOTE样本生成策略.mp4
- 063,逻辑回归阈值对结果的影响.mp4
- 060,正则化惩罚项.mp4
- 059,模型评估方法.mp4
- 062,混淆矩阵.mp4
- 061,逻辑回归模型.mp4
- 024,Pandas常用预处理方法.mp4
- 022,Pandas索引与计算.mp4
- 021,Pandas数据读取.mp4
- 023,Pandas数据预处理实例.mp4
- 025,Pandas自定义函数.mp4
- 206,多特征之间关系分析.mp4
- 204,缺失值可视化分析.mp4
- 205,特征可视化展示.mp4
- 202,数据读取与预处理.mp4
- 208,红牌和肤色的关系.mp4
- 207,报表可视化分析.mp4
- 203,数据切分模块.mp4
- 201,数据背景介绍.mp4
- 006,系列课程环境配置.mp4
- 005,算法推导与案例.mp4
- 002,Python我该怎么学?.mp4
- 001,AI时代首选Python.mp4
- 003,人工智能的核心-机器学习.mp4
- 004,机器学习怎么学?.mp4
- 075,特征重要性衡量.mp4
- 077,堆叠模型.mp4
- 074,集成算法-随机森林.mp4
- 076,提升模型.mp4
- 117,Kmeans算法概述.mp4
- 118,Kmeans工作流程.mp4
- 119,迭代效果可视化展示.mp4
- 081,随机森林模型.mp4
- 082,特征选择.mp4
- 078,数据介绍.mp4
- 080,回归模型进行预测.mp4
- 079,数据预处理.mp4
- 153,完成验证码识别任务.mp4
- 149,卷积网络参数配置.mp4
- 147,Tensorflow构造卷积神经网络参数.mp4
- 148,Pooling层原理与参数.mp4
- 151,CNN在mnist数据集上的效果.mp4
- 150,卷积神经网络计算流程.mp4
- 152,验证码识别任务概述.mp4
- 134,损失函数.mp4
- 137,神经网络整体架构.mp4
- 135,softmax分类器.mp4
- 132,计算机视觉常规挑战.mp4
- 139,激活函数.mp4
- 138,神经网络实例.mp4
- 136,反向传播.mp4
- 133,得分函数.mp4
- 036,单变量分析绘制.mp4
- 033,风格细节设置.mp4
- 035,调色板颜色设置.mp4
- 038,多变量分析绘图.mp4
- 034,调色板.mp4
- 037,回归分析绘图.mp4
- 032,布局整体风格设置.mp4
- 039,分类属性绘图.mp4
- 040,热度图绘制.mp4
- 178,N-gram模型.mp4
- 184,梯度上升求解.mp4
- 177,语言模型.mp4
- 180,神经网络模型.mp4
- 179,词向量.mp4
- 181,Hierarchical.mp4
- 185,负采样模型.mp4
- 176,自然语言处理与深度学习.mp4
- 182,CBOW模型实例.mp4
- 183,CBOW求解目标.mp4
- 128,Jensen不等式.mp4
- 125,EM算法要解决的问题.mp4
- 129,GMM模型.mp4
- 126,隐变量问题.mp4
- 127,EM算法求解实例.mp4
- 124,聚类案例实战.mp4
- 123,多种聚类算法概述.mp4
- 157,Xgboost求解实例.mp4
- 158,Xgboost安装.mp4
- 156,Xgboost目标函数推导.mp4
- 155,Xgboost基本原理.mp4
- 160,Adaboost算法概述.mp4
- 159,Xgboost实例演示.mp4
- 154,集成算法思想.mp4
- 120,DBSCAN聚类算法.mp4
- 121,DBSCAN工作流程.mp4
- 122,DBSCAN迭代可视化展示.mp4
仅展示前 200 项，共 264 项。
- 分享时间
- 2024-08-04 08:50
- 入库时间
- 2024-09-05 12:08
- 分享用户
- 七七*享2号仓
- 资源大小
- 0 B
- 资源类型
- 夸克网盘
问题反馈
链接失效、内容异常、提取码错误等问题，可提交反馈，管理员会尽快处理。