麦子学院人工智能教程

机器学习基础篇
配置基本的编程环境，熟练使用Python语言 掌握机器学习中的算法
· 系列课程环境配置
· Python快速入门
· 变量类型
· List基础
· List索引
· 循环结构
· 判断结构
· 字典
· 文件处理
· 函数基础
· 机器学习概述
· 回归算法
· 线性回归误差原理推导
· 目标函数求解
· 逻辑回归原理
· 梯度下降实例
· 梯度下降原理
·NumPy数据结构
· NumPy基本操作
· NumPy矩阵属性
· NumPy矩阵操作
· NumPy常用函数
·Pandas数据读取
· Pandas数据预处理
· Pandas常用函数
· Pandas-Series结构
·Matplotlib-折线图
· Matplotlib-子图操作
· Matplotlib-条形图与散点图
· Matplotlib-柱形图与盒图
· Matplotlib-细节设置
机器学习提升篇
通过项目实操及案例分析巩固基础知识，并进一步学习机器学习的
· 科比数据集简介
· 数据预处理
· 建模
· 案例背景和目标
· 样本不均衡解决方案
· 下采样策略
· 交叉验证
· 模型评估方法
· 正则化惩罚
· 逻辑回归模型
· 混淆矩阵
· 逻辑回归阈值对结果的影响
· 模型评估方法
· smote样本生成策略
· 决策树概述
· 熵原理形象解读
· 决策树构造实例
· 信息增益
· 信息增益率
· 决策树剪枝
· 随机森林
· 案例决策树参数
· 数据介绍
· 数据预处理
· 回归模型
· 随机森林模型
· 特征选择
· 支持向量机要解决的问题
· 支持向量机求解目标
· 支持向量机目标函数求解
· 支持向量机求解例子
· 支持向量的作用
· 软间隔支持向量机
· 核函数变换
机器学习智能篇
学习如何搭建机器神经网络，实现机器中最基础的智能——识别
神经网络基础
· 深度学习概述
· 挑战与常规套路
· 用K近邻来进行分类
· 超参数与交叉验证
· 线性分类
· 损失函数
· 正则化惩罚项
· Softmax分类器
· 最优化形象解读
· 最优化问题细节
· 反向传播
· 神经网络架构-整体架构
· 神经网络架构-实例演示
· 神经网络架构-过拟合解决方案
· 神经网络架构-感受神经网络的强大
· 安装TensorFlow
· 变量
· 变量练习
· 线性回归模型
· 逻辑回归迭代
· 神经网络模型
· 逻辑回归迭代
· 完成神经网络
· 卷积神经网络参数
· 神经网络模型概述
· TensorFlow参数
· 卷积简介
· 构造网络结构
· 训练网络模型
· PCA问题
· PCA降维实例
· SVD原理
· SVD推荐系统
· 聚类算法
· Adaboost集成算法
· 特征工程
· 特征工程2