机器学习 A-Z

你将学到什么

课程概况

想了解机器学习？这门课程为您订做！

这门课程是英文课程Machine Learning A-Z的翻译和再创造。原版英文课程是Udemy上最畅销的机器学习课程。您在这门课里，会用深入浅出的方法学会复杂的模型，算法，还有基础的编程语句。

我们会手把手地教会您机器学习。每一节课都会让您获得新的知识，完备机器学习的知识架构，在享受机器学习的同时对这个领域有更深的理解。

这门课程十分有趣，包含了机器学习的方方面面。课程结构如下：

第一部分 – 数据预处理
第二部分 – 回归：简单线性回归，多元线性回归，多项式回归
第三部分 – 分类：逻辑回归，支持向量机（SVM），核函数与支持向量机（Kernel SVM），朴素贝叶斯，决策树分类，随机森林分类
第四部分 – 聚类：K-平均聚类分析
第五部分 – 关联规则学习：先验算法
第六部分 (待更新) – 强化学习：置信区间上界算法（UCB），Thompson抽样算法
第七部分 (待更新) – 自然语言处理 ：自然语言处理算法
第八部分 (待更新) – 深度学习：人工神经网络，卷积神经网络
第九部分 (待更新) – 降维（Dimensionality Reduction）：主成分分析 （PCA），核函数主成分分析（Kernel PCA）
第十部分 (待更新) – 模型选择：模型选择，极端梯度上升

对于每个模型，除了学会理论基础之外，您还会学习如何将这些模型运用到各种实际生活的案例里，并且课程也包括Python和R的代码模板，您可以下载并且直接将代码运用到您自己的项目里。

课程大纲

序言 Introduction
4 个讲座
25:52

------------ 第1部分: 数据预处理 Data Preprocessing ------------
10 个讲座
01:41:15

-------------------- 第2部分: 回归 Regression --------------------
1 个讲座
00:05

简单线性回归 Simple Linear Regression
11 个讲座
01:22:58

多元线性回归 Multiple Linear Regression
18 个讲座
02:03:02

多项式回归 Polynomial Regression
10 个讲座
01:28:23

评估回归模型的表现 Evaluating Regression Models Performance
4 个讲座
38:26

-------------------- 第3部分: 分类 Classification --------------------
1 个讲座
00:07

逻辑回归 Logistic Regression
14 个讲座
01:29:22

支持向量机 SVM
4 个讲座
41:51

核函数支持向量机 Kernel SVM
7 个讲座
01:02:04

朴素贝叶斯 Naive Bayes
7 个讲座
01:11:21

决策树 Decision Tree
4 个讲座
49:23

随机森林 Random Forest
4 个讲座
41:42

分类模型性能评价及选择 Evaluating Classification Models Performance
6 个讲座
39:03

-------------------- 第4部分: 集群 Clustering --------------------
1 个讲座
00:02

K平均聚类算法 K-Means Clustering
9 个讲座
01:22:12

-------------------- 第5部分: 关联规则学习 Association Rule Learning --------------------
1 个讲座
00:02

先验算法 Apriori
8 个讲座
01:28:01

-------------------- 第6部分: 强化学习 Reinforcement Learning--------------------
1 个讲座
00:02

置信区间上界算法 Upper Confidence Bound or UCB
11 个讲座
02:09:37

Thompson 抽样算法
7 个讲座
01:25:04

------------------- 第7部分: 自然语言处理 Natural Language Processing--------------------
21 个讲座
02:27:11

-------------------- 第8部分: 深度学习 Deep Learning --------------------
1 个讲座
11:23

人工神经网络 Artificial Neural Networks
24 个讲座
03:49:33

卷积神经网络 Convolutional Neural Networks
19 个讲座
02:40:22

-------------------- 第9部分: 降维 Dimensionality Reduction --------------------
1 个讲座
00:00

主成分分析 Principal Component Analysis
8 个讲座
01:15:50

核函数主成分分析 Kernel PCA
3 个讲座
36:19

-------------------- 第10部分: 模型选择和提升 Model Selection --------------------
7 个讲座
01:01:14

面向人群

所有对机器学习感兴趣的人
任何有高中数学知识并且想开始学习机器学习的学生
任何有机器学习基本知识并想了解更多这个领域的人
任何不太了解编程但对机器学习感兴趣，并希望将机器学习应用在数据上的人
任何想进入数据科学领域的大学生
任何想提高机器学习技能的数据分析师
任何对目前工作不满意并想成为数据科学家的人
任何希望运用强大的机器学习工具扩大自己事业的人

预备知识

高中数学知识即可
Just some high school mathematics level.