B站 – 机器学习必修课：经典AI算法与编程实战 瞿炜

课程信息

集齐人工智能十大经典算法、百张知识脑图，带你轻松上手实战。

课程目录

├── 01-1课程内容和理念.mp4 60.86M
├── 01-2初识机器学习.mp4 36.89M
├── 01-3课程使用的技术栈.mp4 37.01M
├── 02-1本章总览.mp4 7.86M
├── 02-2数据长什么样：常见数据集、典型实例、如何使用.mp4 35.28M
├── 02-3研究哪些问题：分类、回归等.mp4 39.98M
├── 02-4如何分门别类：监督、无监督、强化学习等.mp4 29.27M
├── 02-5机器学习的七大常见误区和局限.mp4 35.12M
├── 03-1本章总览：相互关系与学习路线.mp4 9.16M
├── 03-2Anaconda图形化操作.mp4 15.87M
├── 03-3Anaconda命令行操作.mp4 18.94M
├── 03-4JupyterNotebook基础使用.mp4 19.82M
├── 03-5JupyterNotebook高级使用：常用魔法命令.mp4 14.99M
├── 03-6Numpy基础：安装与性能对比.mp4 15.47M
├── 03-7Numpy数组创建：特定数组、等差数组、随机数组.mp4 36.91M
├── 03-8Numpy数组基础索引：索引和切片.mp4 16.82M
├── 03-9Numpy非常重要的数组合并与拆分操作.mp4 18.71M
├── 03-10Numpy数组矩阵运算：一元运算、二元运算与矩阵运算.mp4 32.97M
├── 03-11Numpy数组统计运算：常用的都在这儿了.mp4 16.03M
├── 03-12Numpy数组arg运算和排序.mp4 18.39M
├── 03-13Numpy数组神奇索引和布尔索引.mp4 23.67M
├── 03-14Matplotlib数据可视化：基础绘制与设置.mp4 22.99M
├── 04-1本章总览.mp4 12.11M
├── 04-2KNN算法核心思想和原理.mp4 39.42M
├── 04-3KNN分类任务代码实现.mp4 32.76M
├── 04-4数据集划分：训练集与预测集.mp4 31.74M
├── 04-5模型评价.mp4 33.82M
├── 04-6超参数.mp4 30.33M
├── 04-7特征归一化.mp4 27.78M
├── 04-8KNN回归任务代码实现.mp4 29.45M
├── 04-9KNN优缺点和适用条件.mp4 20.86M
├── 05-1本章总览.mp4 14.52M
├── 05-2线性回归核心思想和原理.mp4 40.35M
├── 05-3逻辑回归核心思想和原理.mp4 25.37M
├── 05-4线性回归代码实现.mp4 27.96M
├── 05-5模型评价：MSE、RMSE、MAE和R方.mp4 29.13M
├── 05-6多项式回归代码实现.mp4 19.65M
├── 05-7逻辑回归算法.mp4 21.81M
├── 05-8线性逻辑回归代码实现.mp4 28.49M
├── 05-9多分类策略.mp4 8.68M
├── 05-10复杂逻辑回归及代码实现.mp4 18.03M
├── 05-11线性算法优缺点和适用条件.mp4 21.56M
├── 06-1本章总览.mp4 30.55M
├── 06-2损失函数.mp4 39.35M
├── 06-3梯度下降.mp4 35.66M
├── 06-4决策边界.mp4 25.28M
├── 06-5过拟合与欠拟合.mp4 25.13M
├── 06-6学习曲线.mp4 26.73M
├── 06-7交叉验证.mp4 23.90M
├── 06-8模型误差.mp4 42.80M
├── 06-9正则化.mp4 45.01M
├── 06-10LASSO和岭回归代码实现.mp4 23.94M
├── 06-11模型泛化.mp4 24.56M
├── 06-12评价指标：混淆矩阵、精准率和召回率.mp4 36.52M
├── 06-13评价指标：ROC曲线.mp4 33.80M
├── 07-1本章总览.mp4 14.39M
├── 07-2决策树核心思想和原理.mp4 22.73M
├── 07-3信息熵.mp4 39.70M
├── 07-4决策树分类任务代码实现.mp4 38.72M
├── 07-5基尼系数.mp4 19.63M
├── 07-6决策树剪枝.mp4 25.97M
├── 07-7决策树回归任务代码实现.mp4 12.60M
├── 07-8决策树优缺点和适用条件.mp4 16.52M
├── 08-1本章总览.mp4 26.78M
├── 08-2神经网络核心思想和原理.mp4 56.43M
├── 08-3激活函数.mp4 36.11M
├── 08-4正向传播与反向传播.mp4 23.42M
├── 08-5梯度下降优化算法.mp4 36.83M
├── 08-6神经网络简单代码实现.mp4 28.88M
├── 08-7梯度消失和梯度爆炸.mp4 28.50M
├── 08-8模型选择.mp4 39.68M
├── 08-9神经网络优缺点和适用条件.mp4 20.20M
├── 09-1本章总览.mp4 35.65M
├── 09-2SVM核心思想和原理.mp4 15.71M
├── 09-3硬间隔SVM.mp4 33.05M
├── 09-4SVM软间隔.mp4 25.49M
├── 09-5线性SVM分类任务代码实现.mp4 17.88M
├── 09-6非线性SVM：核技巧.mp4 35.30M
├── 09-7SVM核函数.mp4 21.91M
├── 09-8非线性SVM代码实现.mp4 22.93M
├── 09-9SVM回归任务代码实现.mp4 14.35M
├── 09-10SVM优缺点和适用条件.mp4 11.32M
├── 10-1本章总览.mp4 22.39M
├── 10-2贝叶斯方法核心思想和原理.mp4 31.95M
├── 10-3朴素贝叶斯分类.mp4 20.30M
├── 10-4朴素贝叶斯的代码实现.mp4 27.24M
├── 10-5多项式朴素贝叶斯代码实现.mp4 23.65M
├── 10-6贝叶斯方法优缺点和适用条件.mp4 25.46M
├── 11-1本章总览.mp4 14.58M
├── 11-2集成学习核心思想和原理.mp4 19.98M
├── 11-3集成学习代码实现.mp4 24.36M
├── 11-4并行策略：Bagging、OOB等方法.mp4 38.79M
├── 11-5并行策略：随机森林.mp4 17.55M
├── 11-6串行策略：Boosting.mp4 27.39M
├── 11-7结合策略：Stacking方法.mp4 13.32M
├── 11-8集成学习优缺点和适用条件.mp4 24.86M
├── 12-1本章总览.mp4 9.93M
├── 12-2聚类算法核心思想和原理.mp4 16.26M
├── 12-3k-means和分层聚类.mp4 22.78M
├── 12-4聚类算法代码实现.mp4 21.93M
├── 12-5聚类评估代码实现.mp4 20.30M
├── 12-6聚类算法优缺点和适用条件.mp4 19.69M
├── 13-1本章总览.mp4 17.31M
├── 13-2PCA核心思想和原理.mp4 25.38M
├── 13-3PCA求解算法.mp4 21.56M
├── 13-4PCA算法代码实现.mp4 15.17M
├── 13-5降维任务代码实现.mp4 23.61M
├── 13-6PCA在数据降噪中的应用.mp4 13.79M
├── 13-7PCA在人脸识别中的应用.mp4 28.39M
├── 13-8主成分分析优缺点和适用条件.mp4 9.45M
├── 14-1本章总览.mp4 13.97M
├── 14-2概率图模型核心思想和原理.mp4 52.82M
├── 14-3EM算法参数估计.mp4 20.45M
├── 14-4隐马尔可夫模型代码实现.mp4 43.03M
├── 14-5概率图模型优缺点和适用条件.mp4 11.60M
├── 15-1本章总览.mp4 8.53M
├── 15-2泰坦尼克生还预测.mp4 61.96M
├── 15-3房价预测.mp4 67.17M
├── 15-4交易反欺诈代码实现.mp4 35.90M
└── 15-5如何深入研究机器学习.mp4 11.51M