课程试听
第一章 人工智能入门指南
1-1 人工智能入门指南
- 1-AI时代首选Python 免费试学
- 2-Python我该怎么学 免费试学
- 3-人工智能的核心-机器学习 免费试学
- 4-机器学习怎么学？ 免费试学
- 5-算法推导与案例 免费试学
第二章 Python基础与数据科学库
2-1 Python快速入门
- 1-Python环境配置
- 2-Python库安装工具
- 3-Notebook工具使用
- 4-Python简介
- 5-Python数值运算
- 6-Python字符串操作
- 7-1-索引结构
- 7-2-List基础结构
- 8-List核心操作
- 9-字典基础定义
- 10-字典的核心操作
- 11-Set结构
- 12-赋值机制
- 13-判断结构
- 14-循环结构
- 15-函数定义
- 16-模块与包
- 17-异常处理模块
- 18-文件操作
- 19-类的基本定义
- 20-类的属性操作
- 21-时间操作
2-2 科学计算库Numpy
- 1-Numpy概述
- 2-Array数组
- 3-数组结构
- 4-数组类型
- 5-数值运算
- 6-排序操作
- 7-数组形状操作
- 8-数组生成函数
- 9-常用生成函数
- 10-四则运算
- 11-随机模块
- 12-文件读写
- 13-数组保存
第三章 机器学习入门
3-1 线性回归算法
- 1-线性回归算法概述
- 2-误差项分析
- 3-似然函数求解
- 4-目标函数推导
- 5-线性回归求解
3-2 逻辑回归算法
- 1-逻辑回归算法原理推导
- 2-逻辑回归求解
3-3 梯度下降原理
- 1-梯度下降原理
- 2-梯度下降方法对比
- 3-学习率对结果的影响
3-4 案例：Python实现逻辑回归与梯度下降
- 1-案例实战：Python实现逻辑回归任务概述
- 2-案例实战：完成梯度下降模块
- 3-案例实战：停止策略与梯度下降案例
- 4-案例实战：实验对比效果
3-5 案例：信用卡欺诈检测
- 1-案例背景和目标
- 2-样本不均衡解决方案
- 3-下采样策略
- 4-交叉验证
- 5-模型评估方法
- 6-正则化惩罚
- 7-逻辑回归模型
- 8-混淆矩阵
- 9-逻辑回归阈值对结果的影响
- 10-SMOTE样本生成策略