1、培訓(xùn)過(guò)程中，如有部分內(nèi)容理解不透或消化不好，可免費(fèi)在以后培訓(xùn)班中重聽(tīng)；
        2、培訓(xùn)結(jié)束后,授課老師留給學(xué)員聯(lián)系方式,保障培訓(xùn)效果,免費(fèi)提供課后技術(shù)支持。
        3、培訓(xùn)合格學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會(huì)。

第1章人工智能入學(xué)指南
1-1AI時(shí)代首選Python
1-2Python我該怎么學(xué)
1-3人工智能的核心-機(jī)器學(xué)習(xí)
1-4機(jī)器學(xué)習(xí)怎么學(xué)？
1-5算法推導(dǎo)與案例
1-6系列課程環(huán)境配置
第2章K近鄰算法實(shí)戰(zhàn)
2-1K近鄰算法概述
2-2模型的評(píng)估
2-3數(shù)據(jù)預(yù)處理
2-4sklearn庫(kù)與功能介紹
2-5多變量KNN模型
第3章線(xiàn)性回歸算法
3-1線(xiàn)性回歸算法概述
3-2誤差項(xiàng)分析
3-3似然函數(shù)求解
3-4目標(biāo)函數(shù)推導(dǎo)
3-5線(xiàn)性回歸求解
第4章梯度下降算法
4-1梯度下降原理
4-2梯度下降策略對(duì)比
4-3學(xué)習(xí)率對(duì)結(jié)果的影響
第5章邏輯回歸算法
5-1邏輯回歸算法原理推導(dǎo)
5-2邏輯回歸求解
第6章案例實(shí)戰(zhàn)：Python實(shí)現(xiàn)邏輯回歸與梯度下降策略對(duì)比
6-1Python實(shí)現(xiàn)邏輯回歸任務(wù)概述
6-2完成梯度下降模塊
6-3停止策略對(duì)比
6-4實(shí)驗(yàn)對(duì)比效果
第7章決策樹(shù)算法
7-1決策樹(shù)算法原理概述
7-2衡量標(biāo)準(zhǔn)-熵
7-3決策樹(shù)構(gòu)造實(shí)例
7-4信息增益率
7-5決策樹(shù)剪枝策略
第8章案例實(shí)戰(zhàn)：決策樹(shù)Sklearn實(shí)例
8-1決策樹(shù)復(fù)習(xí)
8-2決策樹(shù)涉及參數(shù)
8-3樹(shù)可視化與Sklearn庫(kù)簡(jiǎn)介
8-4Sklearn參數(shù)選擇模塊
第9章集成算法與隨機(jī)森林
9-1集成算法-隨機(jī)森林
9-2特征重要性衡量
9-3提升模型
9-4堆疊模型
第10章集成算法實(shí)戰(zhàn)
10-1集成算法實(shí)例概述
10-2ROC與AUC指標(biāo)
10-3基礎(chǔ)模型
10-4集成實(shí)例
10-5Stacking實(shí)例
10-6效果改進(jìn)
第11章機(jī)器學(xué)習(xí)處理實(shí)例問(wèn)題的套路
11-1HTTP檢測(cè)任務(wù)與數(shù)據(jù)挖掘的核心
11-2論文的重要程度
11-3BenchMark概述
11-4BenchMark的作用
第12章數(shù)值特征
12-1基本數(shù)值特征
12-2常用特征構(gòu)造手段
12-3時(shí)間特征處理
12-4文本特征處理
12-5構(gòu)造文本向量
12-6詞向量特征
12-7計(jì)算機(jī)眼中的圖像
第13章貝葉斯算法
13-1貝葉斯算法概述
13-2貝葉斯推導(dǎo)實(shí)例
13-3貝葉斯拼寫(xiě)糾錯(cuò)實(shí)例
13-4垃圾郵件過(guò)濾實(shí)例
13-5貝葉斯實(shí)現(xiàn)拼寫(xiě)檢查器
第14章降維算法：線(xiàn)性判別分析
14-1線(xiàn)性判別分析要解決的問(wèn)題
14-2線(xiàn)性判別分析要優(yōu)化的目標(biāo)
14-3線(xiàn)性判別分析求解
第15章案例實(shí)戰(zhàn)：Python實(shí)現(xiàn)線(xiàn)性判別分析
15-1實(shí)現(xiàn)線(xiàn)性判別分析進(jìn)行降維任務(wù)
15-2求解得出降維結(jié)果
第16章降維算法：PCA主成分分析
16-1PCA降維概述
16-2PCA要優(yōu)化的目標(biāo)
16-3PCA求解
16-4PCA降維實(shí)例
第17章學(xué)習(xí)曲線(xiàn)分析
17-1Bias與Variance曲線(xiàn)
17-2數(shù)據(jù)集中的結(jié)果
17-3曲線(xiàn)實(shí)驗(yàn)結(jié)果