零基础实战机器学习（Python语言、算法、Numpy库、MatplotLib）
零基础实战机器学习（Python语言、算法、Numpy库、MatplotLib）http://www.ibeifeng.com/images/upload/Image/%E8%AF%BE%E7%A8%8B%E8%83%8C%E6%99%AF(1).png
机器学习作为人工智能的一部分，已经应用于很多领域，远超过人们的想象，垃圾邮件的过滤，在线广告的推荐系统，还有目前发展飞快的物体识别、人脸识别和语音识别的发展，都是机器学习的应用的成果。机器学习在改善商业决策、提高生产率、检测疾病、预测天气等方面都有非常大的应用前景。
http://www.ibeifeng.com/images/upload/Image/%E8%AF%BE%E7%A8%8B%E7%A0%94%E5%8F%91%E7%8E%AF%E5%A2%83%E5%8F%8A%E5%86%85%E5%AE%B9%E7%AE%80%E4%BB%8B(1).jpg
1. 课程研发环境本课程的代码实现是基于Python语言，用到Numpy库和MatplotLib.开发工具:Python win;
2. 内容简介本教程系统的介绍了机器学习的目的和方法。并且针对每一种常用的方法进行了详细的解析，用实例来说明具体的实现，学生可以跟着一步步完成。在面对现实的问题的时候，可以找到非常可靠的参照。本课程在最开始讲解了Python语言的基础知识，以保证后面的课程中可以顺利进行。更多的Python语言的知识，需要学员自己去找更多的资料进行学习。
本课程主要讲述了两大类机器学习的方法：有监督学习和无监督学习，其中有监督学习里面，又分为分类和预测数值型数据。这些算法都是基础的算法。这样可以降低学习的难度，容易理解机器学习思路和实现的过程。
http://www.ibeifeng.com/images/upload/Image/%E8%AE%B2%E5%B8%88%E4%BB%8B%E7%BB%8D(1).jpg
老王：16年软件发工作经历，2年知名软件培训机构专职讲师经历、曾任项目经理、教学主管多年，在Window系统、移动平台的应用软件研发、人工智能的应用领域有很深的造诣。
http://www.ibeifeng.com/images/upload/Image/%E8%AF%BE%E7%A8%8B%E5%A4%A7%E7%BA%B2(1).png
第一讲：机器学习的任务和方法第二讲：Python语言基础第三讲：Python语言基础2第四讲：分类算法介绍第五讲：k-临近算法第六讲：决策树第七讲：基于概率论的分类方法：朴素贝叶斯第八讲：Logistic回归第九讲：支持向量机第十讲：利用AdaBoost元算法提高分类性能第十一讲：利用回归预测数值型数据第十二讲：树回归第十三讲：无监督学习第十四讲：利用K-均值聚类算法对未标注数据分组第十五讲：使用Apriori算法进行关联分析第十六讲：使用FP-growth算法来高效发现频分项集第十七讲：利用PCA来简化数据第十八讲：利用SVD简化数据第十九讲：大数据与MapReduce第二十讲：学习总结
1、课程针对人群本课程针对想要了解和学习人工智能的同学，不管有没有编程基础均可。
2、我该怎么学,如何才能学好这门课程，给些建议。2.1 时间上的安排建议本课程共20讲，共40课时，不要贪快，要对每一讲的内容深刻了解在继续下一部分的内容。2.2 学习要求1. 由于机器学习的算法中，有大量的关于矩阵和向量的运算，所以如果没有学过线性代数和概率的同学，一定要先找相关的资料做好预备知识的准备工作。2. 如果有Python基础，可以掠过2-3讲的内容，直接进入机器学习的章节，3. 如果对机器学习有一定的了解，可不必按部就班进行，可以拿你感兴趣的部分去学习，但一定要注意实践，并学会举一反三2.3 讲师建议1. 一定要先理解每一种算法的思路，了解其实现的步骤。这样才能知道代码实现的原理和过程。2. 对于实现部分，通过自己重新敲一遍代码，是有助于理解实现过程的，但也不必拘泥于此，特别是对于有编程基础的学员来说。3. 建议一般听视频，一般拿个纸和笔，做一些记录和笔记，这是一种非常好的学习习惯。4. 机器学习的相关资料比较分散，可以以本视频为主线，参考多种资料，来加深理解。5.最后祝您学有所成
**** Hidden Message *****
页:
[1]