Logo
☆☆☆☆☆
0.0
Intermediate
15h

使用 NumPy、pandas、scikit-learn 等进行机器学习

如果你是一名希望将机器学习纳入技能体系的软件工程师,那么这门课程将是你的理想起点。 本课程将教会你编写实用代码,并立即开发出具有实际影响力的机器学习应用。从一开始,你就会获得创建工业级机器学习项目所需的全部工具。你将不再陷入晦涩的理论学习,而是掌握实用技能并获得可落地的洞见。课程涵盖的主题包括:数据分析与可视化、特征工程、监督学习、无监督学习以及深度学习。所有内容均采用业界标准框架进行讲解,包括 NumPy、pandas、scikit-learn、XGBoost、TensorFlow 和 Keras。 学习本课程需要具备 Python 编程基础。 本课程由 AdaptiLab 公司开发,该公司专注于评估、引进和培养企业级机器学习人才。课程内容由来自 Google、Microsoft、Amazon 和 Apple 等企业的机器学习专家共同协作打造。

9 Lessons
Included in Subscription Plan
Personalized Learning
Powered by AI
使用 NumPy、pandas、scikit-learn 等进行机器学习
如果你是一名希望将机器学习纳入技能体系的软件工程师,那么这门课程将是你的理想起点。 本课程将教会你编写实用代码,并立即开发出具有实际影响力的机器学习应用。从一开始,你就会获得创建工业级机器学习项目所需的全部工具。你将不再陷入晦涩的理论学习,而是掌握实用技能并获得可落地的洞见。课程涵盖的主题包括:数...

WHAT YOU'LL LEARN

使用 NumPy 进行数组与数据操作

Content

9 Lessons • 0 Quizzes • 0 Challenges

你将从本课程中学到的内容
  1. 1

    概述

使用NumPy进行数据操作
  1. 1

    简介

  2. 2

    NumPy 数组

  3. 3

    NumPy 基础

  4. 4

    数学

  5. 5

    随机

  6. 6

    索引

  7. 7

    过滤

  8. 8

    统计学

  9. 9

    聚合

  10. 10

    保存数据

  11. 11

    测验

使用pandas进行数据分析
  1. 1

    简介

  2. 2

    系列

  3. 3

    DataFrame

  4. 4

    组合

  5. 5

    索引

  6. 6

    文件输入输出(File I/O)

  7. 7

    分组

  8. 8

    特征

  9. 9

    过滤

  10. 10

    排序

  11. 11

    指标

  12. 12

    绘图

  13. 13

    NumPy入门

  14. 14

    测验

使用 scikit-learn 进行数据预处理
  1. 1

    简介

  2. 2

    标准化数据

  3. 3

    数据范围

  4. 4

    稳健缩放

  5. 5

    数据归一化

  6. 6

    数据填补

  7. 7

    主成分分析(PCA)

  8. 8

    带标签数据

  9. 9

    测验

使用 scikit-learn 进行数据建模
  1. 1

    简介

  2. 2

    线性回归

  3. 3

    岭回归

  4. 4

    LASSO回归

  5. 5

    贝叶斯回归

  6. 6

    逻辑回归

  7. 7

    决策树

  8. 8

    训练与测试

  9. 9

    交叉验证

  10. 10

    将交叉验证应用于决策树

  11. 11

    评估模型

  12. 12

    穷举调优

  13. 13

    测验

使用 scikit-learn 进行聚类
  1. 1

    简介

  2. 2

    余弦相似度

  3. 3

    最近邻

  4. 4

    K-均值聚类

  5. 5

    层次聚类

  6. 6

    均值漂移聚类

  7. 7

    DBSCAN

  8. 8

    评估聚类结果

  9. 9

    特征聚类

  10. 10

    测验

使用XGBoost进行梯度提升
  1. 1

    简介

  2. 2

    XGBoost 基础知识

  3. 3

    交叉验证

  4. 4

    保存与加载 Booster 模型

  5. 5

    XGBoost 分类器

  6. 6

    XGBoost 回归器

  7. 7

    特征重要性

  8. 8

    超参数调优

  9. 9

    模型持久化

  10. 10

    测验

使用TensorFlow进行深度学习
  1. 1

    简介

  2. 2

    模型初始化

  3. 3

    Logits

  4. 4

    指标

  5. 5

    优化

  6. 6

    训练

  7. 7

    评估

  8. 8

    线性限制

  9. 9

    隐藏层

  10. 10

    多分类

  11. 11

    Softmax

  12. 12

    测验

使用Keras进行深度学习
  1. 1

    简介

  2. 2

    顺序模型

  3. 3

    模型输出

  4. 4

    模型配置

  5. 5

    模型执行

  6. 6

    测验

  7. 7

    课程总结

Certificate of Completion

Showcase your accomplishment by sharing your certificate of completion.

Course Author:Anonymous User

Reviews

Read reviews from students who have taken this course and share your own experience.

Reviews & Comments (0)