【18297】-梗直哥瞿炜-机器学习必修课：经典AI算法与编程实战
01.1-1课程内容和理念.mp4
02.1-2-初识机器学习.mp4
03.1-3-课程使用的技术栈.mp4
04.2-1本章总览.mp4
05.2-2-数据长什么样：常见数据集、典型实例、如何使用.mp4
06.2-3-研究哪些问题：分类、回归等.mp4
069-机器学习必修课：经典AI算法与编程实战.mp4
07.2-4-如何分门别类：监督、无监督、强化学习等.mp4
08.2-5-机器学习的七大常见误区和局限.mp4
09.3-1本章总览：相互关系与学习路线.mp4
10.3-2-Anaconda图形化操作.mp4
12.3-4-JupyterNotebook基础使用.mp4
13.3-5-JupyterNotebook高级使用：常用魔法命令.mp4
14.3-6-Numpy基础：安装与性能对比.mp4
15.3-7-Numpy数组创建：特定数组、等差数组、随机数组.mp4
16.3-8-Numpy数组基础索引：索引和切片.mp4
17.3-9-Numpy非常重要的数组合并与拆分操作.mp4
18.3-10-Numpy数组矩阵运算：一元运算、二元运算与矩阵运算.mp4
19.3-11-Numpy数组统计运算：常用的都在这儿了.mp4
20.3-12-Numpy数组arg运算和排序.mp4
21.3-13-Numpy数组神奇索引和布尔索引.mp4
22.3-14-Matplotlib数据可视化：基础绘制与设置.mp4
23.4-1本章总览.mp4
24.4-2-KNN算法核心思想和原理.mp4
25.4-3-KNN分类任务代码实现.mp4
26.4-4-数据集划分：训练集与预测集.mp4
27.4-5-模型评价.mp4
28.4-6-超参数.mp4
29.4-7-特征归—化.mp4
30.4-8-KNN回归任务代码实现.mp4
31.4-9-KNN优缺点和适用条件.mp4
32.5-1-本章总览.mp4
33.5-2-线性回归核心思想和原理.mp4
34.5-3-逻辑回归核心思想和原理.mp4
35.5-4-线性回归代码实现.mp4
36.5-5-模型评价：MSE、RMSE、MAE和R方.mp4
................................................
100.12-4-聚类算法代码实现.mp4
101.12-5-聚类评估代码实现.mp4
102.12-6-聚类算法优缺点和适用条件.mp4
103.13-1-本章总览.mp4
104.13-2-PCA核心思想和原理.mp4
105.13-3-PCA求解算法.mp4
106.13-4-PCA算法代码实现.mp4
107.13-5-降维任务代码实现.mp4
108.13-6-PCA在数据降噪中的应用.mp4
109.13-7-PCA在人脸识别中的应用.mp4
11.3-3-Anaconda命令行操作.mp4
110.13-8-主成分分析优缺点和适用条件.mp4
111.14-1-本章总览.mp4
112.14-2-概率图模型核心思想和原理.mp4
113.14-3-EM算法参数估计.mp4
114.14-4-隐马尔可夫模型代码实现.mp4
115.14-5-概率图模型优缺点和适用条件.mp4
116.15-1-本章总览.mp4
117.15-2-泰坦尼克生还预测.mp4
118.15-3-房价预测.mp4
119.15-4-交易反欺诈代码实现.mp4
