名师讲座课程简介：
【编码教程】python数据分析与机器学习实战
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
