【在線網(wǎng)課】機(jī)器學(xué)習(xí)入門 Scikit-learn實現(xiàn)經(jīng)典

機(jī)器學(xué)習(xí)入門 Scikit-learn實現(xiàn)經(jīng)典

如果說現(xiàn)在是編程的時代，那下一個時代就是機(jī)器學(xué)習(xí)的時代，即便你沒有超前于時代，也不能被時代所拋棄，所以，你至少應(yīng)該入門一下機(jī)器學(xué)習(xí)

第1章 機(jī)器學(xué)習(xí)概述

本章講述了機(jī)器學(xué)習(xí)的基本概念，本門課的內(nèi)容，以及在本門課中使用的一些工具安裝方法和基本使用方法。

第2章 回歸模型—理論

本章講述了回歸模型的基本原理和算法，并結(jié)合回歸介紹了交叉驗證的方法。

第3章 回歸模型—房價預(yù)測進(jìn)階案例

通過一個預(yù)測房價的實際例子來展示了如何實際的構(gòu)建和應(yīng)用回歸模型。

第4章 分類模型—理論

本章講述了分類模型的基本原理和算法，并介紹了一些評估分類器好壞的方法。

第5章 分類模型—情感分析進(jìn)階案例

通過一個情感分析的實際例子來展示了如何實際的構(gòu)建和應(yīng)用分類模型。

第6章 聚類和相似度模型—理論

本章講述了聚類和基于相似度模型的基本原理和算法，并且介紹了文本分析中最重要的一種表示方式TF-IDF。

第7章 聚類和相似度模型—維基百科人物相似度案例

通過一個維基百科中的文本分析實際例子來展示了如何實際的構(gòu)建和應(yīng)用聚類和相似度模型。

第8章 推薦系統(tǒng)—理論

本章介紹了推薦系統(tǒng)的基本原理和方法，具體介紹常用的利用協(xié)同過濾和矩陣分解來構(gòu)建推薦系統(tǒng)的方法，并且還介紹了如何來處理冷啟動的情況。

第9章 推薦系統(tǒng)—構(gòu)建推薦系統(tǒng)案例

通過一個小型的基于用戶電影評分推薦系統(tǒng)的實踐案例結(jié)束課程

第10章 深度學(xué)習(xí)—理論

本章主要對深度學(xué)習(xí)進(jìn)行了一個入門的介紹，講述了在圖像檢索中運(yùn)用到的深度學(xué)習(xí)理論和算法，然后引申到利用深度特征的遷移學(xué)習(xí)。

第11章 神經(jīng)網(wǎng)絡(luò)—案例部分

利用神經(jīng)網(wǎng)絡(luò)來計算XOR

第12章 結(jié)尾章

本章是本門課程的最后一章，主要講述了如何部署機(jī)器學(xué)習(xí)服務(wù)，和機(jī)器學(xué)習(xí)以后的發(fā)展方向，還有一些機(jī)遇和挑戰(zhàn)。