适用人群
数据分析,机器学习,数据挖掘领域研究者。Python 语言使用者。
课程概述
【云课堂数据分析与机器学习销冠课程，超 5000 名小伙伴加入】
【连续多年荣获云课堂金云奖“最佳课程奖”，人工智能类“唯一”获奖课程，最佳合作伙伴】
【课程同名配套教材《跟着迪哥学 Python 数据分析与机器学习实战》现已出版，加入课程免费送配套 PDF 版教材】
课程特色：
１、机器学习算法全面覆盖，每个算法均有配套项目实战！
２、通俗易懂，用最接地气的方式讲解复杂的算法与代码！
３、五年沉底，精选配套案例，打造最适合初学者的实战路线图！
４、同名配套教材免费提供，课程持续更新，永久有效！
目录
章节 1:课程介绍与学习路线解读试看
课时 1 视频课程整体内容介绍（主题与大纲）04:54 可试看
课时 2 视频学习常见问题解读 07:59 可试看
课时 3 文本专属配套教材下载（需 PC 网页登录）可试看
章节 2:人工智能入门指南（有基础的同学请略过！）试看
课时 4 视频 AI 时代首选 Python09:20 可试看
课时 5 视频 Python 我该怎么学 04:21 可试看
课时 6 视频人工智能的核心-机器学习 10:35 可试看
课时 7 视频机器学习怎么学？08:37
课时 8 视频算法推导与案例 08:19
章节 3:Python 科学计算库-Numpy（课程代码在目录）试看
课时 9 视频课程环境配置 05:38
课时 10 视频课件使用方法与 notebook 路径配置 14:01
课时 11 视频 Numpy 工具包概述 09:59 可试看
课时 12 视频数组结构 08:35
课时 13 视频属性与赋值操作 10:30
课时 14 视频数据索引方法 11:00
课时 15 视频数值计算方法 08:15
课时 16 视频排序操作 04:51
课时 17 视频数组形状 06:36
课时 18 视频数组生成常用函数 08:25
课时 19 视频随机模块 05:33
课时 20 视频读写模块 05:56
课时 21 文本本章数据代码下载(需 PC 登录，点击左下角参考资料)
章节 4:python 数据分析处理库-Pandas
课时 22 视频 Pandas 工具包使用简介 08:32
课时 23 视频数据信息读取与展示 12:05
课时 24 视频索引方法 04:34
课时 25 视频 groupby 函数使用方法 05:22
课时 26 视频数值运算 11:15
课时 27 视频 merge 合并操作 07:14
课时 28 视频 pivot 数据透视表 10:02
课时 29 视频时间操作 10:18
课时 30 视频 apply 自定义函数 08:58
课时 31 视频常用操作 06:43
课时 32 视频字符串操作 07:32
课时 33 文本本章数据代码下载(需 PC 登录，点击左下角参考资料)
章节 5:Python 数据可视化库-Matplotlib
课时 34 视频 Matplotlib 概述 11:44
课时 35 视频子图与标注 21:16
课时 36 视频风格设置 04:50
课时 37 视频条形图 14:48
课时 38 视频条形图细节 15:14
课时 39 视频条形图外观 15:40
课时 40 视频盒图绘制 09:09
课时 41 视频盒图细节 14:41
课时 42 视频绘图细节设置 13:48
课时 43 视频绘图细节设置 212:36
课时 44 视频直方图与散点图 18:05
课时 45 视频 3D 图绘制 20:05
课时 46 视频 pie 图 15:00
课时 47 视频子图布局 14:39
课时 48 视频结合 pandas 与 sklearn14:03
课时 49 文本本章数据代码下载(需 PC 登录，点击左下角参考资料)
章节 6:Python 可视化库 Seaborn 试看
课时 50 视频 Seaborn 简介 02:44 可试看
课时 51 视频整体布局风格设置 07:47
课时 52 视频风格细节设置 06:49
课时 53 视频调色板 10:39
课时 54 视频调色板颜色设置 08:17
课时 55 视频单变量分析绘图 09:37
课时 56 视频回归分析绘图 08:53
课时 57 视频多变量分析绘图 10:36
课时 58 视频分类属性绘图 09:40
课时 59 视频 Facetgrid 使用方法 08:49
课时 60 视频 Facetgrid 绘制多变量 08:29
课时 61 文本本章数据代码下载(需 PC 登录，点击左下角参考资料)
课时 62 视频热度图绘制 14:19
章节 7:K 近邻算法实战试看
课时 63 视频 K 近邻算法概述 15:47 可试看
课时 64 视频模型的评估 10:39
课时 65 视频数据预处理 11:25
课时 66 文本本章数据代码下载(需 PC 登录，点击左下角参考资料)
课时 67 视频 sklearn 库与功能 14:42
课时 68 视频多变量 KNN 模型 16:37
章节 8:线性回归算法原理推导试看
课时 69 视频回归问题概述 07:11
课时 70 视频误差项定义 09:41 可试看
课时 71 视频独立同分布的意义 07:32
课时 72 视频似然函数的作用 10:50
课时 73 视频参数求解 11:11
课时 74 文本所有算法 PPT 汇总下载
章节 9:梯度下降策略
课时 75 视频梯度下降通俗解释 08:34
课时 76 视频参数更新方法 08:17
课时 77 视频优化参数设置 08:51
章节 10:逻辑回归算法
课时 78 视频逻辑回归算法原理 08:23
课时 79 视频化简与求解 09:09
章节 11:案例实战：Python 实现逻辑回归与梯度下降策略
课时 80 文本本章数据代码下载(需 PC 登录，点击左下角参考资料)
课时 81 视频 Python 实现逻辑回归任务概述 07:34
课时 82 视频完成梯度下降模块 12:51
课时 83 视频停止策略与梯度下降案例 10:55
课时 84 视频实验对比效果 10:25
章节 12:项目实战-交易数据异常检测
课时 85 视频任务目标解读 08:09
课时 86 视频项目挑战与解决方案制定 12:36
课时 87 视频数据标准化处理 11:20
课时 88 视频下采样数据集制作 06:08
课时 89 视频交叉验证 07:16
课时 90 视频数据集切分 06:00
课时 91 视频模型评估方法与召回率 10:30
课时 92 视频正则化惩罚项 11:48
课时 93 视频训练逻辑回归模型 11:20
课时 94 视频混淆矩阵评估分析 10:22
课时 95 视频测试集遇到的问题 05:20
课时 96 视频阈值对结果的影响 10:34
课时 97 视频 SMOTE 样本生成策略 07:38
课时 98 视频过采样效果与项目总结 08:00
课时 99 文本本章数据代码下载(需 PC 登录，点击左下角参考资料)
章节 13:决策树算法
课时 100 视频决策树算法概述 08:29
课时 101 视频熵的作用 06:39
课时 102 视频信息增益原理 08:41
课时 103 视频决策树构造实例 07:40
课时 104 视频信息增益率与 gini 系数 06:07
课时 105 视频预剪枝方法 08:02
课时 106 视频后剪枝方法 06:54
课时 107 视频回归问题解决 05:54
章节 14:案例实战：使用 sklearn 构造决策树模型
课时 108 文本本章数据代码下载(需 PC 登录，点击左下角参考资料)
课时 109 视频决策树复习 08:55
课时 110 视频决策树涉及参数 11:09
课时 111 视频树可视化与 sklearn 库简介 18:14
课时 112 视频 sklearn 参数选择 11:46
章节 15:集成算法与随机森林
课时 113 视频集成算法-随机森林 12:03
课时 114 视频特征重要性衡量 13:51
课时 115 视频提升模型 11:15
课时 116 视频堆叠模型 07:09
章节 16:案例实战：集成算法建模实战试看
课时 117 文本本章数据代码下载(需 PC 登录，点击左下角参考资料)
课时 118 视频集成算法实例概述 10:51 可试看
课时 119 视频 ROC 与 AUC 指标 10:03
课时 120 视频基础模型 09:32
课时 121 视频集成实例 18:53
课时 122 视频 Stacking 模型 14:16
课时 123 视频效果改进 11:09
章节 17:基于随机森林的气温预测
课时 124 视频基于随机森林的气温预测任务概述 09:05
课时 125 视频基本随机森林模型建立 09:09
课时 126 视频可视化展示与特征重要性 12:58
课时 127 视频加入新的数据与特征 10:24
课时 128 视频数据与特征对结果的影响 08:24
课时 129 视频效率对比分析 08:14
课时 130 视频网格与随机参数选择 07:51
课时 131 视频随机参数选择方法实践 09:46
课时 132 视频调参优化细节 10:12
课时 133 文本本章数据代码下载
章节 18:贝叶斯算法
课时 134 视频贝叶斯算法概述 06:58
课时 135 视频贝叶斯推导实例 07:38
课时 136 视频贝叶斯拼写纠错实例 11:46
课时 137 视频垃圾邮件过滤实例 14:10
课时 138 视频贝叶斯实现拼写检查器 12:21
章节 19:Python 文本数据分析：新闻分类任务
课时 139 文本本章数据代码下载(需 PC 登录，点击左下角参考资料)
课时 140 视频文本分析与关键词提取 12:11
课时 141 视频相似度计算 11:44
课时 142 视频新闻数据与任务简介 10:20
课时 143 视频 TF-IDF 关键词提取 13:28
课时 144 视频 LDA 建模 09:10
课时 145 视频基于贝叶斯算法进行新闻分类 14:53
章节 20:支持向量机
课时 146 视频支持向量机算法要解决的问 06:00
课时 147 视频距离的定义 07:05
课时 148 视频要优化的目标 07:54
课时 149 视频目标函数 10:12
课时 150 视频拉格朗日乘子法 08:57
课时 151 视频 SVM 求解 10:14
课时 152 视频支持向量的作用 07:53
课时 153 视频软间隔问题 06:00
课时 154 视频核函数问题 11:56
章节 21:案例：SVM 调参实例
课时 155 文本本章数据代码下载(需 PC 登录，点击左下角参考资料)
课时 156 视频支持向量机所能带来的效果 08:55
课时 157 视频决策边界可视化展示 09:52
课时 158 视频软间隔的作用 10:31
课时 159 视频非线性 SVM06:52
课时 160 视频核函数的作用与效果 16:15
章节 22:聚类算法-Kmeans
课时 161 视频 KMEANS 算法概述 11:34
课时 162 视频 KMEANS 工作流程 09:42
课时 163 视频 KMEANS 迭代可视化展示 08:20
课时 164 视频使用 Kmeans 进行图像压缩 07:58
章节 23:聚类算法-DBSCAN
课时 165 视频 DBSCAN 聚类算法 11:04
课时 166 视频 DBSCAN 工作流程 15:03
课时 167 视频 DBSCAN 可视化展示 08:52
章节 24:案例实战：聚类实践分析
课时 168 文本本章数据代码下载(需 PC 登录，点击左下角参考资料)
课时 169 视频 Kmenas 算法常用操作 09:21
课时 170 视频聚类结果展示 04:45
课时 171 视频建模流程解读 10:45
课时 172 视频不稳定结果 04:14
课时 173 视频评估指标-Inertia07:24
课时 174 视频如何找到合适的 K 值 06:55
课时 175 视频轮廓系数的作用 09:15
课时 176 视频 Kmenas 算法存在的问题 07:19
课时 177 视频应用实例-图像分割 13:45
课时 178 视频半监督学习 12:23
课时 179 视频 DBSCAN 算法 08:10
章节 25:降维算法-PCA 主成分分析
课时 180 视频 PCA 降维概述 08:39
课时 181 视频 PCA 要优化的目标 12:22
课时 182 视频 PCA 求解 10:18
课时 183 视频 PCA 实例 08:34
章节 26:神经网络
课时 184 视频初识神经网络 11:28
课时 185 视频计算机视觉所面临的挑战 09:40
课时 186 视频 K 近邻尝试图像分类 10:01
课时 187 视频超参数的作用 10:31
课时 188 视频线性分类原理 09:35
课时 189 视频神经网络-损失函数 09:18
课时 190 视频神经网络-正则化惩罚项 07:19
课时 191 视频神经网络-softmax 分类器 13:39
课时 192 视频神经网络-最优化形象解读 06:47
课时 193 视频神经网络-梯度下降细节问题 11:49
课时 194 视频神经网络-反向传播 15:17
课时 195 视频神经网络架构 10:11
课时 196 视频神经网络实例演示 10:39
课时 197 视频神经网络过拟合解决方案 15:54
课时 198 视频感受神经网络的强大 11:30
章节 27:Xgboost 集成算法
课时 199 视频集成算法思想 05:35
课时 200 视频 xgboost 基本原理 11:07
课时 201 视频 xgboost 目标函数推导 12:18
课时 202 视频 Xgboost 安装 06:26
课时 203 视频保险赔偿任务概述 13:06
课时 204 视频 Xgboost 参数定义 09:54
课时 205 视频基础模型定义 08:16
课时 206 视频树结构对结果的影响 12:37
课时 207 视频学习率与采样对结果的影响 13:01
课时 208 文本本章数据代码下载
章节 28:自然语言处理词向量模型-Word2Vec
课时 209 视频自然语言处理与深度学习 11:58
课时 210 视频语言模型 06:16
课时 211 视频-N-gram 模型 08:32
课时 212 视频词向量 09:28
课时 213 视频神经网络模型 10:03
课时 214 视频 Hierarchical Softmax10:01
课时 215 视频 CBOW 模型实例 11:21
课时 216 视频 CBOW 求解目标 05:39
课时 217 视频梯度上升求解 10:11
课时 218 视频负采样模型 07:15
章节 29:使用 Gensim 库构造中文维基百度数据词向量模型
课时 219 文本本章数据代码下载(需 PC 登录，点击左下角参考资料)
课时 220 视频使用 Gensim 库构造词向量 06:22
课时 221 视频维基百科中文数据处理 10:27
课时 222 视频 Gensim 构造 word2vec 模型 08:52
课时 223 视频测试模型相似度结果 07:42
章节 30:模型评估方法
课时 224 视频 Sklearn 工具包简介 04:56
课时 225 视频数据集切分 07:15
课时 226 视频交叉验证的作用 11:03
课时 227 视频交叉验证实验分析 14:51
课时 228 视频混淆矩阵 07:52
课时 229 视频评估指标对比分析 12:13
课时 230 视频阈值对结果的影响 08:26
课时 231 视频 ROC 曲线 08:58
课时 232 文本本章数据代码下载
章节 31:Python 库分析科比生涯数据试看
课时 233 文本本章数据代码下载(需 PC 登录，点击左下角参考资料)
课时 234 视频 Kobe Bryan 生涯数据读取与简介 07:45 可试看
课时 235 视频特征数据可视化展示 11:41
课时 236 视频数据预处理 12:32
课时 237 视频使用 Scikit-learn 建立模型 10:12
章节 32:Python 时间序列分析试看
课时 238 文本本章数据代码下载(需 PC 登录，点击左下角参考资料)
课时 239 视频章节简介 01:03 可试看
课时 240 视频 Pandas 生成时间序列 11:28
课时 241 视频 Pandas 数据重采样 09:22
课时 242 视频 Pandas 滑动窗口 07:47
课时 243 视频数据平稳性与差分法 11:10
课时 244 视频 ARIMA 模型 10:34
课时 245 视频相关函数评估方法 10:46
课时 246 视频建立 ARIMA 模型 07:48
课时 247 视频参数选择 12:40
课时 248 视频股票预测案例 09:57
课时 249 视频使用 tsfresh 库进行分类任务 12:04
课时 250 视频维基百科词条 EDA14:30
章节 33:机器学习项目实战-贷款申请最大化利润
课时 251 文本本章数据代码下载(需 PC 登录，点击左下角参考资料)
课时 252 视频数据清洗过滤无用特征 12:08
课时 253 视频数据预处理 10:12
课时 254 视频获得最大利润的条件与做法 13:26
课时 255 视频预测结果并解决样本不均衡问题 12:47
章节 34:机器学习项目实战-用户流失预警
课时 256 文本本章数据代码下载(需 PC 登录，点击左下角参考资料)
课时 257 视频数据背景介绍 06:35
课时 258 视频数据预处理 10:05
课时 259 视频尝试多种分类器效果 08:32
课时 260 视频结果衡量指标的意义 19:50
课时 261 视频应用阈值得出结果 06:26
章节 35:探索性数据分析-足球赛事数据集试看
课时 262 文本本章数据代码下载(需 PC 登录，点击左下角参考资料)
课时 263 视频内容简介 02:13
课时 264 视频数据背景介绍 10:30 可试看
课时 265 视频数据读取与预处理 13:09
课时 266 视频数据切分模块 14:42
课时 267 视频缺失值可视化分析 13:27
课时 268 视频特征可视化展示 12:23
课时 269 视频多特征之间关系分析 11:21
课时 270 视频报表可视化分析 10:38
课时 271 视频红牌和肤色的关系 17:16
章节 36:探索性数据分析-农粮组织数据集
课时 272 视频数据背景简介 11:05
课时 273 视频数据切片分析 17:26
课时 274 视频单变量分析 15:21
课时 275 视频峰度与偏度 11:37
课时 276 视频数据对数变换 09:43
课时 277 视频数据分析维度 06:55
课时 278 视频变量关系可视化展示 12:22
章节 37:机器学习项目实战-HTTP 日志聚类分析
课时 279 视频建立特征工程 17:25
课时 280 视频特征数据预处理 10:34
课时 281 视频应用聚类算法得出异常 IP 点
