麦子学院人工智能教程

📁 麦子学院人工智能教程
📁 第二阶段：机器学习经典算法
📁 第一阶段：Python数据分析与建模库
📁 第三阶段：机器学习案例实战
📁 04可视化库Matplotlib
📁 05Seaborn可视化库
📁 02科学计算库Numpy
📁 03数据分析处理库Pandas
📁 01Python快速入门
📁 01使用Python分析科比生涯数据
📁 10 探索性数据分析-农粮数据分析
📁 09探索性数据分析-赛事数据集分析
📁 05时间序列案例实战
📁 04Kaggle竞赛案例-泰坦尼克获救预测
📁 08Gensim中文词向量建模
📁 07MNIST手写字体识别
📁 03Python文本数据分析
📁 02案例实战-信用卡欺诈检测
📁 06TensorFlow框架
📁 10聚类算法
📁 12Word2Vec
📁 07神经网络基础
📁 01回归算法
📁 04 Xgboost
📁 05支持向量机算法
📁 03贝叶斯算法
📁 11推荐系统
📁 06时间序列AIRMA模型
📁 02决策树与随机森林
📁 08神经网络架构
📁 09PCA降维与SVD矩阵分解
📄 8.多变量分析绘图.mp4
📄 12.热度图绘制.mp4
📄 6.单变量分析绘图.mp4
📄 10.Facetgrid使用方法.mp4
📄 2.整体布局风格设置.mp4
📄 1.课程简介.mp4
📄 9.分类属性绘.mp4
📄 5.调色板颜色设置.mp4
📄 4.调色板.mp4
📄 7.回归分析绘图.mp4
📄 11.Facetgrid绘制多变量.mp4
📄 3.风格细节设置.mp4
📄 2.基本操作].mp4
📄 4.矩阵操作.mp4
📄 5.常用函数.mp4
📄 3.矩阵属性.mp4
📄 1.数据结构.mp4
📄 1.折线图.mp4
📄 5.细节设置.mp4
📄 3.条形图与散点图.mp4
📄 2.子图操作.mp4
📄 4.柱形图与盒图.mp4
📄 1.数据读取.mp4
📄 3.常用函数.mp4
📄 4.Series结构.mp4
📄 2.数据预处理.mp4
📄 1.科比数据集简介.mp4
📄 2.数据预处理 (1).mp4
📄 3.建模.mp4
📄 7.变量关系可视化展示.mp4
📄 6.数据分析维度.mp4
📄 2.数据切片分析.mp4
📄 5.数据对数变换.mp4
📄 1.数据背景简介.mp4
📄 4.峰度与偏度.mp4
📄 3.单变量分析.mp4
📄 6.循环结构.mp4
📄 2.Python快速入门.mp4
📄 10.函数基础.mp4
📄 1.系列课程环境配置.mp4
📄 9.文件处理.mp4
📄 8.字典.mp4
📄 7.判断结构.mp4
📄 5.List索引.mp4
📄 3.变量类型.mp4
📄 4.LIST基础.mp4
📄 7.多特征之间关系分析.mp4
📄 5.缺失值可视化分析.mp4
📄 8.报表可视化分析.mp4
📄 3.数据读取与预处理.mp4
📄 2.数据背景介绍.mp4
📄 1.开场 (1).mp4
📄 4.数据切分模块.mp4
📄 9.红牌和肤色的关系.mp4
📄 6.特征可视化展示.mp4
📄 1.使用Gensim库构造词向量.mp4
📄 4.测试模型相似度结果.mp4
📄 3.Gensim构造word2vec模型.mp4
📄 2.维基百科中文数据处理.mp4
📄 3.卷积简介.mp4
📄 5.训练网络模型.mp4
📄 1.神经网络模型概述.mp4
📄 4.构造网络结构.mp4
📄 2.tensorflow参数.mp4
📄 5.使用tsfresh库进行分类任务.mp4
📄 1.Pandas生成时间序列.mp4
📄 6.维基百科词条EDA.mp4
📄 4.股票预测案例.mp4
📄 2.Pandas数据重采样.mp4
📄 3.Pandas滑动窗口.mp4
📄 4.随机森林模型.mp4
📄 3.回归模型[vxia.net].mp4
📄 5.特征选择.mp4
📄 2.数据预处理.mp4
📄 1.数据介绍.mp4
📄 1.文本分析与关键词提取.mp4
📄 4.TF-IDF关键词提取.mp4
📄 2.相似度计算.mp4
📄 6.基于贝叶斯算法进行新闻分类.mp4
📄 5.LDA建模.mp4
📄 3.新闻数据与任务简介.mp4
📄 8.完成神经网络.mp4
📄 5.逻辑回归框架.mp4
📄 9.卷积神经网络模型.mp4
📄 4.线性回归模型.mp4
📄 2.变量.mp4
📄 10.卷积神经网络参数.mp4
📄 3.变量练习.mp4
📄 7.神经网络模型.mp4
📄 6.逻辑回归迭代.mp4
📄 3.特征工程2.mp4
📄 2.使用Kmeans进行图像压缩.mp4
📄 1.聚类算法概述.mp4
📄 1.案例背景和目标.mp4
📄 3.下采样策略.mp4
📄 10.SMOTE样本生成策略.mp4
📄 5.模型评估方法.mp4
📄 4.交叉验证.mp4
📄 8.混淆矩阵.mp4
📄 2.样本不均衡解决方案.mp4
📄 9.逻辑回归阈值对结果的影响.mp4
📄 7.逻辑回归模型.mp4
📄 6.正则化惩罚.mp4
📄 2.挑战与常规套路.mp4
📄 1.深度学习概述.mp4
📄 11.反向传播.mp4
📄 10.最优化问题细节.mp4
📄 9.最优化形象解读.mp4
📄 8.softmax分类器.mp4
📄 3.用K近邻来进行分类.mp4
📄 4.超参数与交叉验证.mp4
📄 6.损失函数.mp4
📄 5.线性分类.mp4
📄 7.正则化惩罚项.mp4
📄 7.Adaboost算法概述.mp4
📄 2.xgboost基本原理.mp4
📄 1.集成思想.mp4
📄 4.xgboost求解实例.mp4
📄 5.xgboost安装.mp4
📄 6.xgboost实战演示.mp4
📄 3.xgboost目标函数推导.mp4
📄 2.回归算法.mp4
📄 5.逻辑回归原理.mp4
📄 1.机器学习概述(1).mp4
📄 4.目标函数求解.mp4
📄 6.梯度下降实例.mp4
📄 7.梯度下降原理.mp4
📄 3.线性回归误差原理推导.mp4
📄 4.N-gram模型.mp4
📄 10.锑度上升求解.mp4
📄 3.语言模型.mp4
📄 6.神经网络模型.mp4
📄 1.开篇.mp4
📄 9.CBOW求解目标.mp4
📄 8.CBOW模型实例.mp4
📄 5.词向量.mp4
📄 7.Hierarchical Softmax.mp4
📄 11.负采样模型.mp4
📄 2.自然语言处理与深度学习.mp4
📄 4.支持向量机求解例子.mp4
📄 2.支持向量机求解目标.mp4
📄 3.支持向量机目标函数求解.mp4
📄 1.支持向量机要解决的问题.mp4
📄 5.支持向量的作用.mp4
📄 6.软间隔支持向量机.mp4
📄 7.核函数变换.mp4
📄 5.贝叶斯实现拼写检查器.mp4
📄 4.垃圾邮件过滤实例.mp4
📄 1.贝叶斯算法概述.mp4
📄 3.贝叶斯拼写纠错实例.mp4
📄 2.贝叶斯推导实例.mp4
📄 3.相关函数评估方法.mp4
📄 5.参数选择.mp4
📄 4.建立ARIMA模型.mp4
📄 1.数据平稳性与差分法.mp4
📄 2.ARIMA模型.mp4
📄 8.隐语义模型求解.mp4
📄 6.基于物品的协同过滤.mp4
📄 1.开场.mp4
📄 2.推荐系统应用.mp4
📄 9.模型评估标准.mp4
📄 5.基于用户的协同过滤.mp4
📄 4.相似度计算.mp4
📄 3.推荐系统要完成的任务.mp4
📄 7.隐语义模型.mp4
📄 4.感受神经网络的强大.mp4
📄 3.过拟合解决方案.mp4
📄 1.整体架构.mp4
📄 2.实例演示.mp4
📄 1.决策树概述.mp4
📄 4.信息增益.mp4
📄 8.案例决策树参数.mp4
📄 6.决策树剪枝.mp4
📄 2.熵原理形象解读.mp4
📄 5.信息增益率.mp4
📄 3.决策树构造实例.mp4
📄 7.随机森林.mp4
📄 2.PCA降维实例.mp4
📄 3.SVD原理.mp4
📄 4.SVD推荐系统.mp4
📄 1.PCA问题.mp4