课程英文名：Machine Learning A-Z: Hands-On Python & R In Data Science

此视频教程共44.0小时，中英双语字幕，画质清晰无水印，源码附件全

下载地址

课程编号：1
百度网盘地址：https://pan.baidu.com/s/1_eoVIwUijTDjw8v5pVDccA?pwd=ndku
夸克网盘(不限速)地址：https://pan.quark.cn/s/ac8226352700

课程内容

我们将逐步带您进入机器学习的世界。在每个教程中，您都将发展新技能并提高您对数据科学这个具有挑战性但利润丰厚的子领域的理解。
这门课程既有趣又令人兴奋，但与此同时，我们深入研究了机器学习。它的结构如下：

• 第 1 部分 - 数据预处理
• 第 2 部分 - 回归：简单线性回归、多元线性回归、多项式回归、SVR、决策树回归、随机森林回归
• 第 3 部分 - 分类：逻辑回归、K-NN、SVM、核 SVM、朴素贝叶斯、决策树分类、随机森林分类
• 第 4 部分 - 聚类：K-Means，层次聚类
• 第 5 部分 - 关联规则学习：Apriori、Eclat
• 第 6 部分 - 强化学习：置信上限，汤普森抽样
• 第 7 部分 - 自然语言处理：NLP 的词袋模型和算法
• 第 8 部分 - 深度学习：人工神经网络、卷积神经网络
• 第 9 部分 - 降维：PCA、LDA、内核 PCA
• 第 10 部分 - 模型选择和提升：k 折交叉验证、参数调整、网格搜索、XGBoost
  此外，该课程还包含基于现实生活示例的实践练习。因此，您不仅会学习理论，还会获得一些动手实践来构建自己的模型。

课程适用人群

• 任何对机器学习感兴趣的人。
• 至少具有高中数学知识并想开始学习机器学习的学生。
• 任何了解机器学习基础知识的中级人员，包括线性回归或逻辑回归等经典算法，但想进一步了解机器学习并探索机器学习的所有不同领域。
• 任何对编码不太满意但对机器学习感兴趣并希望将其轻松应用于数据集的人。
• 任何想要开始数据科学职业的大学学生。
• 任何想要在机器学习中升级的数据分析师。
• 任何对自己的工作不满意并想成为数据科学家的人。
• 任何想要通过使用强大的机器学习工具为他们的业务创造附加值的人。