课程试听
正在播放
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