18课时 ¥2380.00
课程简介
课程主要介绍一些经典的传统机器学习算法,如分类算法:KNN算法,朴素贝叶斯算法,逻辑回归,决策树算法以及随机森林;回归算法:线性回归,聚类算法,结合Tensorflow2.3 神经网络、Keras 神经网络框架,实现一些小型案例。
课程目标
学习回归算法理论与实战;
学习决策树算法理论与实战;
学习集成学习算法理论与实战;
学习KNN算法和决策树算法理论与实战;
学习聚类算法理论与实战;
学习神经网络算法;
学习Tensorflow;
生成式对抗网络GANs。
适合人群
物联网工程师
算法工程师
Python开发工程师
人工智能工程师
课程目录
第1章 Python+机器学习与深度学习技术实战
1.1.python使用场景
1.2.安装与分析Python解析器
1.3.安装Anaconda
1.4.基本类型、语法
1.5.数据类型、函数
1.6.图数与时序解包
1.7.类与模块
1.8.pyecharts报表安装与使用
1.9.nodjsnpm
1.10.pyechart报表
1.11.git快速入门
1.12.numpy快速入门
1.13.pandas快速入门
1.14.时间序列
1.15.时间序列案例
1.16.机器学习概念介绍
1.17.特征工程
1.18.K近邻介绍
1.19.K近邻快速入门
1.20.K近邻实现酒店入住推荐
1.21.模型的保存
1.22.tensorFlow基本介绍
1.23.tensorboard与占位符
1.24.1神经网络介绍 (1)
1.24.2神经网络介绍 (2)