本文主要是介绍机器学习核心算法实战50讲视频教程-唐宇迪-专题视频课程，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
机器学习核心算法实战50讲视频教程—541人已学习课程介绍
机器学习核心算法实战培训课程概况：本教程以当下人工智能核心模块机器学习为出发点，进行机器学习的学习，对其中经典的机器学习算法进行原理推导与案例实战，旨在帮助同学们掌握机器学习中的核心算法并进行建模任务实战，机器学习建模。
课程收益
掌握经典算法原理与实战技巧
课程特色： 1. 风格通俗易懂，接地气的讲解 2. 丰富案例教学，全程皆实战 3.经典算法进行原理推导与案例实战双管齐下
讲师介绍
唐宇迪 更多讲师课程
计算机博士，专注于机器学习与计算机视觉领域，深度学习领域一线实战讲师。在图像识别领域有着丰富经验，实现过包括人脸识别，物体识别，关键点检测等多种应用的新算法。 参与多个国家级计算机视觉项目，多年数据领域培训经验，丰富的教学讲解经验，出品多套机器学习与深度学习系列课程，课程生动形象，风格通俗易懂。
课程大纲
第1章:K近邻算法
1. 系列课程环境配置 10:35
2. 爱彼迎数据读取 10:08
3. 近邻的计算 14:12
4. 课间讨论 16:50
5. 模型评估 13:49
6. 数据标准化 13:45
7. 多变量KNN模型 16:35
8. 第一次直播未剪辑 01:36:58
第2章:回归算法
1. 线性回归的通俗解释 12:23
2. 误差项解读 11:09
3. 似然函数 9:26
4. 最小二乘法与课间讨论 14:55
5. 线性回归求解 7:50
6. 梯度下降算法 10:37
7. 逻辑回归概述 9:23
8. 求解与课后讨论 18:06
9. Python实现逻辑回归任务概述 7:33
10. 完成梯度下降模块 12:51
11. 停止策略与梯度下降案例 10:55
12. 实验对比效果 10:25
第3章:决策树算法
1. 决策树算法概述 9:13
2. 熵形象解读 12:30
3. 决策树构造实例 8:13
4. 信息增益率与连续值处理 8:26
5. 课间讨论 10:13
6. 剪枝策略 10:37
7. 决策树涉及参数 9:52
8. 随机森林 9:40
9. 特征重要性与课后讨论 11:12
10. 随机森林的回归任务 18:30
11. 数据还是多点好 13:24
12. 速度与精度的权衡 13:06
13. 调参策略 17:10
第4章:集成算法与随机森林
1. 1-支持向量机算法要解决的问题 6:00
2. 2-距离的定义 7:05
3. 要优化的目标 7:54
4. 目标函数 10:12
5. 拉格朗日乘子法 8:57
6. SVM求解 10:14
7. 支持向量的作用 7:53
8. 软间隔问题 6:00
9. 核函数问题 11:56
10. sklearn求解支持向量机 11:24
11. SVM参数选择 14:00
第5章:神经网络
1. 神经网络概述 11:27
2. 目标函数定义 10:44
3. 返向传播 8:38
4. 网络整体架构 6:26
5. 神经元个数对结果的影响 11:11
6. 正则化惩罚 7:58
7. dropout 14:57
8. 课后讨论 13:01
大家可以点击【 查看详情】查看我的课程
这篇关于机器学习核心算法实战50讲视频教程-唐宇迪-专题视频课程的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
