• 内容详情
  • Python3人工智能机器学习+深度学习入门到实践问题解决课程

    资源目录

    第1章人工智能时代,人人都应该学会利用AI这个工具本章将和大家介绍课程目标与内容概要,和大家分享人工智能的核心概念:人工智能定义、主要方法、现状。我们会完成开发环境的搭建及工具的学习、使用,具体工具包括:python、anaconda、jupyter notebook、pandas、numpy、matplotlib。

    ▲ 1-1 课程导学
    ▲ 1-2 内容快速概览
    ▲ 1-3 人工智能介绍
    ▲ 1-4 环境及工具包介绍
    ▲ 1-5 环境配置及Python语法实操
    ▲ 1-6 Pandas、Numpy、Matplotlib实操

    第2章机器学习之线性回归本章将给大家讲解机器学习及线性回归。机器学习部分会涵盖应用场景与概念的介绍、三大学习方法(监督、无监督、强化学习)的对比。线性回归部分则包含回归分析案例、线性回归模型、模型求解,及建立模型实现房价预则的实战。本章还会教大家完成sklearn的配置。…

    ▲ 2-1 机器学习介绍
    ▲ 2-2 线性回归
    ▲ 2-3 线性回归实战准备
    ▲ 2-4 单因子线性回归实战
    ▲ 2-5 多因子线性回归实战

    第3章机器学习之逻辑回归本章将围绕分类问题及逻辑回归技术进行讲解,通过案例介绍、及与回归问题的对比,让大家理解分类模型。本章会和大家介绍sigmoid方程,并分享逻辑回归模型的求解过程。实战案例包含:考试通过预测(线性边界分类)、芯片质量预测(非线性分类)…

    ▲ 3-1 分类问题介绍
    ▲ 3-2 逻辑回归(1)
    ▲ 3-3 逻辑回归(2)
    ▲ 3-4 实战准备
    ▲ 3-5 考试通过实战(一)
    ▲ 3-6 考试通过实战(二)
    ▲ 3-7 芯片检测实战

    第4章机器学习之聚类本章会学习不需要标签数据的无监督学习及其最常用的聚类分析方法。针对聚类问题,我们会学习KMeans、Meanshift、DBSCAN算法,并且将其与监督学习的KNN算法进行对比。实战案例将建立多个模型完成数据簇的划分。

    ▲ 4-1 无监督学习
    ▲ 4-2 Kmeans-KNN-Meanshift
    ▲ 4-3 实战准备
    ▲ 4-4 Kmeans实战(1)
    ▲ 4-5 Kmeans实战(2)
    ▲ 4-6 KNN-Meanshift

    第5章机器学习其他常用技术

    本章将和大家讲解三个常用技术:逻辑回归、异常检测、PCA主成分分析,针对每个技术都会介绍核心概念及原理。本章还会向大家介绍iris鸢尾花经典数据集,并针对三项技术分别进行实战讲解。本章还会教大家完成keras的配置。

    ▲ 5-1 决策树(1)
    ▲ 5-2 决策树(2)
    ▲ 5-3 异常检测
    ▲ 5-4 主成分分析
    ▲ 5-5 实战准备
    ▲ 5-6 实战(1)
    ▲ 5-7 实战(2)
    ▲ 5-8 实战(3)

    第6章模型评价与优化本章会和大家分享模型优化过程中遇到的常见问题及其解决办法,帮助大家理解欠拟合与过拟合问题、数据分离技术、混滴矩阵及常用的数据预处理技术。实战案例将综合各项技术完成模型的选择与优化。

    ▲ 6-1 过拟合与欠拟合
    ▲ 6-2 数据分离与混滴矩阵
    ▲ 6-3 模型优化
    ▲ 6-4 实战准备
    ▲ 6-5 实战(一)
    ▲ 6-6 实战(二)
    ▲ 6-7 实战(三)

    第7章深度学习之多层感知器本章将进入深度学习部分,实现逻辑回归模型到神经网络结构的过度,并通过实际案例帮助大家理解MLP实现非线性分类与多分类的原理。实战部分将介绍mnist手写数字经典数据集,并实现图像数字识别。

    ▲ 7-1 多层感知器(MLP)
    ▲ 7-2 MLP实现非线性分类
    ▲ 7-3 实战准备
    ▲ 7-4 实战(一)
    ▲ 7-5 实战(二)

    第8章深度学习之卷积神经网络本章将基于普通的MLP结构,结合图像卷积、池化和填充技术,向大家介绍擅长于解决图像问题的卷积神经网络。我们还会学习经典的CNN模型:LeNet、AlexNet、VGG16。实战部分将完成猫狗图像分类,并教大家如何利用经典VGG16模型快速搭建新模型。…

    ▲ 8-1 卷积神经网络(一)
    ▲ 8-2 卷积神经网络(二)
    ▲ 8-3 实战准备
    ▲ 8-4 实战(一)
    ▲ 8-5 实战(二)

    第9章深度学习之循环神经网络

    本章将围绕序列数据处理展开讲解,透过语言序列分析案例和大家介绍循环神经网络模型,并基于基本的RNN模型分析不同的RNN结构,包括长短期记忆网络LSTM、双向循环神经网络与深层循环神经网络。实战部分会建立RNN模型完成股价预测、搭建LSTM模型实现文本生成。…

    ▲ 9-1 序列数据案例
    ▲ 9-2 循环神经网络RNN
    ▲ 9-3 不同类型的RNN模型
    ▲ 9-4 实战准备
    ▲ 9-5 实战(一)RNN股价预测
    ▲ 9-6 实战(二)RNN股价预测
    ▲ 9-7 实战(一)LSTM实现文本生成
    ▲ 9-8 实战(二)LSTM实现文本生成

    第10章迁移混合模型本章将带大家认识迁移学习方法,并完成模型的迁移训练;还会和大家介绍混合学习模型,包括监督+无监督学习、机器学习+深度学习。实战案例将通过搭建一个无标签的异常苹果检测模型,教大家综合多项技术解决问题,并熟悉混合模型的建立方法与结构。…

    ▲ 10-1 迁移学习(一)
    ▲ 10-2 迁移学习(二)
    ▲ 10-3 在线学习
    ▲ 10-4 混合模型1
    ▲ 10-5 混合模型2
    ▲ 10-6 实战准备(一)
    ▲ 10-7 实战准备(二)
    ▲ 10-8 基于新数据的迁移学习实战
    ▲ 10-9 机器+深度学习实现少样本苹果分类(一)
    ▲ 10-10 机器+深度学习实现少样本苹果分类(二)
    ▲ 10-1 1机器+深度学习实现少样本苹果分类(三)
    ▲ 10-12 机器+深度学习实现少样本苹果分类(四)

    第11章课程总结本章将对本门课程进行总结,帮助大家梳理课程核心知识点,建立知识体系。

    ▲ 11-1 课程总结(一)
    ▲ 11-2 课程总结(二)
    ▲ 11-3 课程总结(三)

    1. 全库网所有资源均来源于用户上传和网络,如有侵权请发送邮箱联系站长处理!
    2. 如果你有好的资源或者原创教程,可以到审核区投稿发布,分享会有钻石奖励和额外收入!
    3. 全库网所有的源码、教程等其它资源均源于用户上传发布,如有疑问,可直接联系发布作者处理
    4. 如有链接无法下载、失效或广告,请联系全库网管理员核实处理!
    5. 通过发布原创教学视频或优质源码资源可以免费获得全库网站内SVIP会员噢
    6.全库网管理猿邮箱地址:admin@qkuser.com,我们会在收到您的邮件后三个工作日内完成处理!
    7. 如遇到加密压缩包,默认解压密码为"qkuser.com",如遇到无法解压的请联系管理员!

    全库网 » Python3人工智能机器学习+深度学习入门到实践问题解决课程