基于Python数据分析与机器学习案例实战教程-弘学教育-在线职业教育平台

1 第01讲：Python数据分析与机器学习实战课程简介
1. 01_01.开场
  
  00:07:26
2 第02讲：Python快速入门
1. 02_01.Python环境搭建(Anaconda方式)
  
  00:13:11
2. 02_02.Python入门简介
  
  00:01:04
3. 02_03.变量类型
  
  00:07:32
4. 02_04.List基础结构
  
  00:10:01
5. 02_05.List索引
  
  00:10:03
6. 02_06.循环结构
  
  00:11:54
7. 02_07.判断结构
  
  00:05:42
8. 02_08.字典结构
  
  00:14:23
9. 02_09.文件处理
  
  00:12:28
10. 02_10.函数基础
  
  00:04:27
3 第03讲：Python科学计算库Numpy
1. 03_01.Numy库简介
  
  00:02:34
2. 03_02.Array数组
  
  00:11:24
3. 03_03.Array数组操作
  
  00:14:34
4. 03_04.矩阵基本操作
  
  00:15:17
5. 03_05.矩阵的创建与初始化
  
  00:15:46
6. 03_06.常用函数案例演示
  
  00:22:39
7. 03_07.排序与索引
  
  00:09:12
8. 03_08.习题实例
  
  00:22:06
4 第04讲：Python数据分析处理库Pandas
1. 04_01.Pandas库简介
  
  00:01:11
2. 04_02.数据读取与显示
  
  00:06:19
3. 04_03.数据样本行列选取
  
  00:11:02
4. 04_04.数值计算与排序
  
  00:10:47
5. 04_05.数据预处理与透视表
  
  00:17:30
6. 04_06.自定义函数方法
  
  00:12:03
7. 04_07.核心数据结构Series详解
  
  00:20:06
8. 04_08.数据索引变换
  
  00:08:42
5 第05讲：Python可视化库Matplotlib
1. 05_01.Matplotlib简介
  
  00:00:46
2. 05_02.画出第一个简易折线图
  
  00:17:06
3. 05_03.打造一个完整的折线图
  
  00:20:19
4. 05_04.条形图实战
  
  00:15:37
5. 05_05.直方图与四分图
  
  00:13:59
6. 05_06.基于真实数据集的可视化分析
  
  00:11:59
7. 05_07.可视化图表细节
  
  00:15:12
6 第06讲：回归算法
1. 06_01.回归问题
  
  00:11:45
2. 06_02.线性回归原理推导
  
  00:13:21
3. 06_03.线性回归问题求解
  
  00:20:18
4. 06_04.手写线性回归
  
  00:08:41
5. 06_05.逻辑回归与梯度下降
  
  00:17:00
6. 06_06.梯度下降实例
  
  00:15:13
7. 06_07.分析汽车油耗效率
  
  00:15:09
8. 06_08.使用scikit-learn库建立回归模型
  
  00:14:03
9. 06_09.使用逻辑回归改进模型效果
  
  00:13:13
7 第07讲：模型评估
1. 07_01.模型效果衡量标准
  
  00:20:09
2. 07_02.ROC指标与测试集的价值
  
  00:14:32
3. 07_03.交叉验证
  
  00:15:16
4. 07_04.多类别问题
  
  00:15:52
8 第08讲：K近邻算法
1. 08_01.K近邻原理
  
  00:12:34
2. 08_02.K近邻算法代码
  
  00:18:44
3. 08_03.K近邻实例
  
  00:36:37
9 第09讲：决策树与随机森林算法
1. 09_01.决策树原理-熵
  
  00:14:32
2. 09_02.决策树实例
  
  00:17:28
3. 09_03.决策树剪枝策略
  
  00:11:56
4. 09_04.使用ID3算法进行特征选择
  
  00:15:07
5. 09_05.构造决策树
  
  00:09:51
6. 09_06.随机森林模型
  
  00:15:26
7. 09_07.随机森林重要性
  
  00:10:16
10 第10讲：支持向量机
1. 10_01.线性支持向量机
  
  00:31:21
2. 10_02.支持向量机对偶问题
  
  00:29:55
3. 10_03.核变换解决低维不可分问题
  
  00:19:12
4. 10_04.soft-margin支持向量机
  
  00:11:01
5. 10_05.应用SMO算法求解支持向量机
  
  00:29:30
11 第11讲：贝叶斯算法
1. 11_01.贝叶斯原理
  
  00:14:15
2. 11_02.贝叶斯垃圾邮件分类
  
  00:21:12
3. 11_03.贝叶斯拼写检查器
  
  00:09:20
12 第12讲：神经网络
1. 12_01.神经网络结构分析
  
  00:15:37
2. 12_02.神经网络强大的非线性
  
  00:09:35
3. 12_03.深入神经网络细节
  
  00:21:36
4. 12_04.代码实现简易神经网络
  
  00:12:32
5. 12_05.RNN网络结构
  
  00:09:13
6. 12_06.LSTM
  
  00:10:02
13 第13讲：Adaboost算法
1. 13_01.Adaboot-代码1
  
  00:19:37
2. 13_02.Adaboost-代码2
  
  00:14:11
3. 13_03.Adaboots例子
  
  00:09:10
4. 13_04.adaboost原理
  
  00:18:34
14 第14讲：SVD与推荐
1. 14_01.SVD概念
  
  00:10:09
2. 14_02.SVD推荐系统
  
  00:13:32
15 第15讲：聚类算法
1. 15_01.聚类算法原理
  
  00:15:08
2. 15_02.实现k-means算法
  
  00:08:38
16 第16讲：案例实战：使用Python库分析处理Kobe Br
1. 16_01.简介
  
  00:07:46
2. 16_02.画图
  
  00:11:41
3. 16_03.操作
  
  00:12:32
4. 16_04.预测
  
  00:10:12
17 第17讲：案例实战：信用卡欺诈行为检测
1. 17_01.数据简介及面临的挑战
  
  00:10:56
2. 17_02.数据不平衡问题解决方案
  
  00:13:14
3. 17_03.逻辑回归进行分类预测
  
  00:15:27
4. 17_04.使用阈值来衡量预测标准
  
  00:17:05
5. 17_05.使用数据生成策略
  
  00:11:00
18 第18讲：案例实战：泰坦尼克号获救预测
1. 18_01.船员数据分析
  
  00:06:10
2. 18_02.数据预处理
  
  00:13:36
3. 18_03.使用回归算法进行预测
  
  00:14:31
4. 18_04.使用随机森林改进模型
  
  00:12:57
5. 18_05.随机森林特征重要性分析
  
  00:10:40
19 第19讲：案例实战：鸢尾花数据集分析
1. 19_01.数据简介与特征课时化展示
  
  00:11:11
2. 19_02.不同特征的分布规则
  
  00:06:33
3. 19_03.决策树模型参数详解
  
  00:11:08
4. 19_04.决策树中参数的选择
  
  00:09:28
5. 19_05.将建立好决策树可视化展示出来
  
  00:08:47
20 第20讲：案例实战：级联结构的机器学习模型
1. 20_01.级联模型原理
  
  00:05:06
2. 20_02.数据预处理与热度图
  
  00:10:26
3. 20_03.二阶段输入特征制作
  
  00:06:36
4. 20_04.使用级联模型进行预测
  
  00:13:29
21 第21讲：案例实战：员工离职预测
1. 21_01.数据简介与特征预处理
  
  00:13:35
2. 21_02.员工不同属性指标对结果的影响
  
  00:15:43
3. 21_03.数据预处理
  
  00:12:04
4. 21_04.构建预测模型
  
  00:10:29
5. 21_05.基于聚类模型的分析
  
  00:05:43
22 第22讲：案例实战：使用神经网络进行手写字体识别
1. 22_01.tensorflow框架的安装
  
  00:07:10
2. 22_02.神经网络模型概述
  
  00:12:53
3. 22_03.使用tensorflow设定基本参数
  
  00:09:52
4. 22_04.卷积神经网络模型
  
  00:10:50
5. 22_05.构建完整的神经网络模型
  
  00:14:32
6. 22_06.训练神经网络模型
  
  00:12:34
23 第23讲：案例实战：主成分分析
1. 23_01.PCA原理简介
  
  00:05:34
2. 23_02.数据预处理
  
  00:08:43
3. 23_03.协方差分析
  
  00:10:27
4. 23_04.使用PCA进行降维
  
  00:07:46
24 第24讲：案例实战：基于NLP的股价预测
1. 24_01.数据简介与故事背景
  
  00:04:12
2. 24_02.基于词频的特征提取
  
  00:10:25
3. 24_03.改进特征选择方法
  
  00:12:26
25 第25讲：案例实战：借贷公司数据分析
1. 25_01.数据清洗
  
  00:12:08
2. 25_02.数据预处理
  
  00:10:13
3. 25_03.盈利方法和模型评估
  
  00:13:26
4. 25_04.预测结果
  
  00:12:47

基于Python数据分析与机器学习案例实战教程

1013人在学

公众号

小程序

课程详情

我要提问

课程背景基于数据分析与机器学习领域,使用python作为课程的实战语言,随着大数据与人工智能领域日益火爆,数据分析和机器学习建模成了当下最热门的技术,课程旨在帮助同学们快速掌握python数据分析包以及经典机器学习算法并通过对真实数据集分析进行实战演示。

1.课程研发环境

课程基于windows环境进行讲解与代码演示,需要同学们搭建Python环境,推荐根据课时（使用Anaconda搭建python环境）来进行python和其依赖库的安装。

2.内容简介

课程风格通俗易懂，基于真实数据集案例实战。主体课程分成三个大模块(1)python数据分析，(2)机器学习经典算法原理详解,(3)十大经典案例实战。通过python数据科学库numpy,pandas,matplot结合机器学习库scikit-learn完成一些列的机器学习案例。算法课程注重于原理推导与流程解释，结合实例通俗讲解复杂的机器学习算法，并以实战为主，所有课时都结合代码演示。算法与项目相结合，选择经典kaggle项目，从数据预处理开始一步步代码实战带大家快速入门机器学习。旨在帮助同学们快速上手如何使用python库来完整机器学习案例。选择经典案例基于真实数据集，从数据预处理开始到建立机器学习模型以及效果评估，完整的讲解如何使用python及其常用库进行数据的分析和模型的建立。对于每一个面对的挑战，分析解决问题思路以及如何构造合适的模型并且给出合适评估方法。在每一个案例中，同学们可以快速掌握如何使用pandas进行数据的预处理和分析，使用matplotlib进行可视化的展示以及基于scikit-learn库的机器学习模型的建立。