51CTO【微职位】Python 数据分析与机器学习实战课程配套视频课

编辑点评

课程内容丰富，涵盖数据分析、机器学习多个实战案例，适合希望提升数据分析与机器学习能力的学员。

⭐ 编辑推荐

本课程深入浅出地讲解Python数据分析与机器学习实战，通过多个案例帮助学员掌握核心技能。

✨ 课程亮点

课程目录

📁 第9章 逻辑回归算法
050、逻辑回归求解.mp4 [58.0 MB]
049、逻辑回归算法原理推导.mp4 [39.8 MB]
📁 第4章 数据分析处理库Pandas
023、Pandas数据预处理实例.mp4 [30.5 MB]
021、Pandas数据读取.mp4 [68.1 MB]
024、Pandas常用预处理方法【优质资源‖关注：cunWorkNotes 解锁】.mp4 [23.6 MB]
026、等待提取中.txt
023、Pandas数据预处理实例.mp4 [55.4 MB]
022、Pandas索引与计算【优质资源‖关注：cunWorkNotes 解锁】.mp4 [27.6 MB]
📁 第32章 Xgboost集成算法
159、Xgboost实例演示【资源精选‖更多关注：CunworkNotes】.mp4 [70.7 MB]
155、Xgboost基本原理【优质资源‖关注：cunWorkNotes 解锁】.mp4 [26.5 MB]
156、Xgboost目标函数推导.mp4 [32.5 MB]
154、集成算法思想【资源精选‖更多关注：CunworkNotes】.mp4 [14.2 MB]
157銆乆gboost姹傝В瀹炰緥.mp4 [40.3 MB]
158、Xgboost安装.mp4 [18.4 MB]
160銆丄daboost绠楁硶姒傝堪.mp4 [42.2 MB]
📁 第17章 Python文本数据分析
093、基于贝叶斯算法的新闻分类.mp4 [70.8 MB]
089、相似度计算【更多精选‖公众号：CunWorknotes】 .mp4 [34.1 MB]
088、文本分析与关键词提取.mp4 [32.6 MB]
092銆丩DA寤烘ā.mp4 [43.4 MB]
090、新闻数据与任务简介.mp4 [48.9 MB]
📁 第39章 探索性数据分析：赛事数据集
207、报表可视化分析【持续更新‖免费提供：CunworknoteS】.mp4 [54.8 MB]
202、数据读取与预处理.mp4 [64.3 MB]
205、特征可视化展示.mp4 [65.1 MB]
204、缺失值可视化分析【更多精选‖公众号：CunWorknotes】 .mp4 [67.2 MB]
206、多特征之间关系分析.mp4 [64.3 MB]
201、数据背景介绍.mp4 [55.9 MB]
203、数据切分模块【资源精选‖更多关注：CunworkNotes】.mp4 [86.2 MB]
208、红牌和肤色的关系【公重号：CunWorkNotes】.mp4 [83.9 MB]
📁 第31章 Mnist手写字体与验证码识别
152、验证码识别任务概述.mp4 [52.9 MB]
153、完成验证码识别任务.mp4 [67.7 MB]
149、卷积网络参数配置【整理不易‖记得关注：CunWorKNotes】.mp4 [41.0 MB]
147、Tensorflow构造卷积神经网络参数【整理不易‖记得关注：CunWorKNotes】.mp4 [50.2 MB]
151、CNN在mnist数据集上的效果.mp4 [56.3 MB]
150、卷积神经网络计算流程.mp4 [47.2 MB]
148、Pooling层原理与参数【持续更新‖免费提供：CunworknoteS】.mp4 [40.2 MB]
📁 第1章 人工智能入学指南
004、机器学习怎么学？.mp4 [50.5 MB]
006、系列课程环境配置.mp4 [23.9 MB]
005、算法推导与案例.mp4 [34.1 MB]
001、AI时代首选Python【不易整理‖请关注：CunWorkNoteS】.mp4 [34.9 MB]
003、人工智能的核心-机器学习.mp4 [35.8 MB]
002銆丳ython鎴戣鎬庝箞瀛︼紵.mp4 [19.7 MB]
📁 第28章 GMM聚类实践
📁 第16 章贝叶斯算法
086、垃圾邮件过滤实例.mp4 [38.3 MB]
084、贝叶斯推导实例.mp4 [20.2 MB]
087、贝叶斯实现拼写检查器.mp4 [59.7 MB]
083、贝叶斯算法概述.mp4 [18.9 MB]
085、贝叶斯拼写纠错实例.mp4 [30.7 MB]
📁 第40章 探索性数据分析：农粮组织数据集
209、数据背景简介.mp4 [76.4 MB]
212、峰度与偏度【整理不易‖记得关注：CunWorKNotes】.mp4 [80.5 MB]
211銆佸崟鍙橀噺鍒嗘瀽.mp4 [99.9 MB]
213、数据对数变换.mp4 [68.7 MB]
214、数据分析维度【资源精选‖更多关注：CunworkNotes】.mp4 [48.3 MB]
210、数据切片分析【公重号：CunWorkNotes】.mp4 [113.4 MB]
215、变量关系可视化展示.mp4 [72.9 MB]
📁 第29章 神经网络
132、计算机视觉常规挑战【整理不易‖记得关注：CunWorKNotes】.mp4 [70.6 MB]
137、神经网络整体架构【公重号：CunWorkNotes】.mp4 [19.2 MB]
138、神经网络实例【资源精选‖更多关注：CunworkNotes】.mp4 [34.1 MB]
134、损失函数【优质资源‖关注：cunWorkNotes 解锁】.mp4 [22.0 MB]
135、softmax分类器【公重号：CunWorkNotes】.mp4 [33.1 MB]
133、得分函数【持续更新‖免费提供：CunworknoteS】.mp4 [17.7 MB]
📁 第38章 Python时间序列案例实战
195、股票预测案例.mp4 [48.0 MB]
198、Pandas生成时间序列.mp4 [55.0 MB]
196、使用tsfresh库进行分类任务.mp4 [57.8 MB]
197、维基百科词条EDA.mp4 [69.1 MB]
200銆丳andas婊戝姩绐楀彛.mp4 [28.3 MB]
199、Pandas数据重采样.mp4 [44.7 MB]
📁 第3章 科学计算库Numpy
019、Numpy矩阵操作【更多精选‖公众号：CunWorknotes】 .mp4 [117.9 MB]
018、Numpy矩阵属性【不易整理‖请关注：CunWorkNoteS】.mp4 [36.6 MB]
017銆丯umpy鍩烘湰鎿嶄綔.mp4 [39.4 MB]
016、Numpy数据结构.mp4 [65.2 MB]
📁 第23章 降维算法：PCA主成分分析
116、PCA降维实例【不易整理‖请关注：CunWorkNoteS】.mp4 [112.0 MB]
115銆丳CA姹傝В.mp4 [40.0 MB]
114、PCA要优化的目标【持续更新‖免费提供：CunworknoteS】.mp4 [47.3 MB]
113銆丳CA闄嶇淮姒傝堪.mp4 [27.3 MB]
📁 第30章 Tensorflow实战
143、Tensorflow神经网络实例【公重号：CunWorkNotes】.mp4 [72.7 MB]
141、Tensorflow常用函数【更多精选‖公众号：CunWorknotes】 .mp4 [34.5 MB]
145、神经网络dropout.mp4 [38.3 MB]
140、Tensorflow基础操作【优质资源‖关注：cunWorkNotes 解锁】.mp4 [27.6 MB]
142銆乀ensorflow鍥炲綊瀹炰緥.mp4 [44.4 MB]
144、Tensorflow神经网络迭代.mp4 [70.8 MB]
146、卷积神经网络基本结构.mp4 [45.7 MB]
📁 第33章 推荐系统
164、基于用户的协同过滤【公重号：CunWorkNotes】.mp4 [21.6 MB]
165、基于物品的协同过滤【公重号：CunWorkNotes】.mp4 [35.4 MB]
162、推荐系统要完成的任务【整理不易‖记得关注：CunWorKNotes】.mp4 [17.0 MB]
166、隐语义模型【公重号：CunWorkNotes】.mp4 [19.7 MB]
163銆佺浉浼煎害璁＄畻.mp4 [27.0 MB]
168、模型评估标准.mp4 [15.8 MB]
167、隐语义模型求解.mp4 [26.2 MB]
161、推荐系统应用.mp4 [40.9 MB]
📁 第11章 项目实战：案例实战信用卡欺诈检测
059、模型评估方法【不易整理‖请关注：CunWorkNoteS】.mp4 [52.9 MB]
063、逻辑回归阈值对结果的影响【公重号：CunWorkNotes】.mp4 [55.8 MB]
056、样本不平衡解决方案【优质资源‖关注：cunWorkNotes 解锁】.mp4 [56.3 MB]
060、正则化惩罚项【资源精选‖更多关注：CunworkNotes】.mp4 [32.9 MB]
055、案例背景和目标.mp4 [46.0 MB]
061、逻辑回归模型.mp4 [41.7 MB]
064、SMOTE样本生成策略.mp4 [87.8 MB]
📁 第21章 降维算法：线性判别分析
108、线性判别分析要解决的问题【优质资源‖关注：cunWorkNotes 解锁】.mp4 [46.8 MB]
110、线性判别分析求解.mp4 [45.2 MB]
109、线性判别分析要优化的目标.mp4 [42.7 MB]
📁 第34章 推荐系统实战
169、Surprise库与数据简介【持续更新‖免费提供：CunworknoteS】.mp4 [31.5 MB]
174、损失函数定义.mp4 [43.3 MB]
173、模型架构.mp4 [52.9 MB]
172、使用Tensorflow构建隐语义模型.mp4 [46.3 MB]
175、训练网络模型.mp4 [47.1 MB]
170、Surprise库使用方法.mp4 [46.4 MB]
171、得出商品推荐结果.mp4 [50.3 MB]
📁 第26章 聚类实践
123、多种聚类算法概述【优质资源‖关注：cunWorkNotes 解锁】.mp4 [15.0 MB]
124、聚类案例实战【优质资源‖关注：cunWorkNotes 解锁】.mp4 [94.2 MB]
📁 第8章 梯度下降算法
048、学习率对结果的影响.mp4 [23.3 MB]
047、梯度下降方法对比.mp4 [27.9 MB]
046、梯度下降原理.mp4 [48.0 MB]
📁 第22章 案例实战：Python实现线性判别分析
111、Python实现线性判别分析【优质资源‖关注：cunWorkNotes 解锁】.mp4 [56.7 MB]
112、求解得出降维结果.mp4 [50.7 MB]
📁 第14章 集成算法与随机森林
077、堆叠模型【不易整理‖请关注：CunWorkNoteS】.mp4 [28.5 MB]
074、集成算法-随机森林.mp4 [51.7 MB]
075、特征重要性衡量【持续更新‖免费提供：CunworknoteS】.mp4 [49.1 MB]
📁 第25章 聚类算法-DBSCAN
121銆丏BSCAN宸ヤ綔娴佺▼.mp4 [65.7 MB]
120銆丏BSCAN鑱氱被绠楁硶.mp4 [69.5 MB]
122、DBSCAN迭代可视化展示.mp4 [50.0 MB]
📁 第20章 机器学习处理实际问题常规套路
104、HTTP检测任务与数据挖掘的核心【整理不易‖记得关注：CunWorKNotes】.mp4 [68.5 MB]
105、论文的重要程度.mp4 [62.7 MB]
📁 第10章 案例实战：Python实现逻辑回归与梯度下降策略
051、Python实现逻辑回归任务概述【整理不易‖记得关注：CunWorKNotes】.mp4 [47.6 MB]
054、实验对比效果【公重号：CunWorkNotes】.mp4 [67.0 MB]
053、停止策略与梯度下降策略对比.mp4 [68.1 MB]
052、完成梯度下降模块【不易整理‖请关注：CunWorkNoteS】.mp4 [83.8 MB]
📁 第12章 决策树算法
068銆佷俊鎭鐩婄巼.mp4 [22.0 MB]
066、衡量标准-熵【更多精选‖公众号：CunWorknotes】 .mp4 [46.1 MB]
065、决策树原理概述【资源精选‖更多关注：CunworkNotes】.mp4 [45.4 MB]
067、决策树构造实例【更多精选‖公众号：CunWorknotes】 .mp4 [40.1 MB]
069、决策树剪枝策略.mp4 [67.0 MB]
📁 第5章 可视化库Matplotlib
031、绘图细节设置【公重号：CunWorkNotes】.mp4 [35.4 MB]
029、条形图与散点图【持续更新‖免费提供：CunworknoteS】.mp4 [66.6 MB]
028、子图操作【持续更新‖免费提供：CunworknoteS】.mp4 [74.3 MB]
030、柱形图与盒形.mp4 [58.1 MB]
📁 第24章 聚类算法-Kmeans
117、Kmeans算法概述【持续更新‖免费提供：CunworknoteS】.mp4 [40.5 MB]
118、Kmeans工作流程【更多精选‖公众号：CunWorknotes】 .mp4 [29.7 MB]
119、迭代效果可视化展示【不易整理‖请关注：CunWorkNoteS】.mp4 [49.5 MB]
📁 第18章 支持向量机算法
100、软间隔问题【持续更新‖免费提供：CunworknoteS】.mp4 [22.6 MB]
096、目标函数【持续更新‖免费提供：CunworknoteS】.mp4 [34.3 MB]
097、目标函数求解.mp4 [38.3 MB]
094、支持向量机要解决的问题.mp4 [36.7 MB]
095、距离与数据的定义.mp4 [36.0 MB]
099、支持向量的作用【整理不易‖记得关注：CunWorKNotes】.mp4 [41.5 MB]
098銆丼VM姹傝В瀹炰緥.mp4 [48.4 MB]
📁 第2章 Python快速入门
012、判断结构.mp4 [23.3 MB]
015、函数基础.mp4 [17.2 MB]
013、字典模块.mp4 [59.3 MB]
011、循环结构.mp4 [46.1 MB]
007、快速入门，边学边用【整理不易‖记得关注：CunWorKNotes】.mp4 [4.0 MB]
009、List基础模块【公重号：CunWorkNotes】.mp4 [42.0 MB]
014、文件处理【整理不易‖记得关注：CunWorKNotes】.mp4 [65.4 MB]
📁 第6章 Python可视化库Seaborn
034銆佽皟鑹叉澘.mp4 [44.2 MB]
040銆佺儹搴﹀浘缁樺埗.mp4 [65.8 MB]
032、布局整体风格设置.mp4 [37.4 MB]
037、回归分析绘图【不易整理‖请关注：CunWorkNoteS】.mp4 [43.7 MB]
036、单变量分析绘制.mp4 [47.1 MB]
035、调色板颜色设置.mp4 [38.0 MB]
033、风格细节设置【优质资源‖关注：cunWorkNotes 解锁】.mp4 [32.9 MB]
039、分类属性绘图.mp4 [51.0 MB]
038、多变量分析绘图.mp4 [48.6 MB]
📁 第13章 案例实战：决策树Sklearn实例
072、树可视化与Sklearn实例【优质资源‖关注：cunWorkNotes 解锁】.mp4 [109.5 MB]
071、决策树涉及参数.mp4 [67.5 MB]
073、Sklearn参数选择模块.mp4 [71.0 MB]
070、决策树复习【公重号：CunWorkNotes】.mp4 [40.1 MB]
📁 第35章 词向量模型Word2Vec
184、梯度上升求解.mp4 [29.6 MB]
183銆丆BOW姹傝В鐩爣.mp4 [16.1 MB]
182、CBOW模型实例【不易整理‖请关注：CunWorkNoteS】.mp4 [34.5 MB]
176、自然语言处理与深度学习【资源精选‖更多关注：CunworkNotes】.mp4 [33.5 MB]
179銆佽瘝鍚戦噺.mp4 [23.3 MB]
185、负采样模型【整理不易‖记得关注：CunWorKNotes】.mp4 [16.9 MB]
180、神经网络模型.mp4 [28.0 MB]
📁 第19章 SVM调参实例
102、Sklearn求解支持向量机.mp4 [69.7 MB]
103、SVM参数调节【整理不易‖记得关注：CunWorKNotes】.mp4 [87.3 MB]
📁 第37章 时间序列-ARIMA模型
194銆佸弬鏁伴€夋嫨.mp4 [60.8 MB]
192、相关函数评估方法【整理不易‖记得关注：CunWorKNotes】.mp4 [41.3 MB]
191、ARIMA模型【资源精选‖更多关注：CunworkNotes】.mp4 [26.2 MB]
190、数据平稳性与差分法【整理不易‖记得关注：CunWorKNotes】.mp4 [40.2 MB]
📁 第36章 使用Gensim库构造词向量模型
186、使用Gensim库构造词向量.mp4 [32.9 MB]
187、维基百科中文数据处理.mp4 [51.6 MB]
189、测试相似度结果.mp4 [38.6 MB]
📁 第7章 线性回归算法
042銆佽宸」鍒嗘瀽.mp4 [45.0 MB]
045、线性回归求解【整理不易‖记得关注：CunWorKNotes】.mp4 [38.1 MB]
041、线性回归算法概述.mp4 [50.9 MB]
044、目标函数推导【优质资源‖关注：cunWorkNotes 解锁】.mp4 [32.4 MB]
043、似然函数求解【整理不易‖记得关注：CunWorKNotes】.mp4 [31.4 MB]
📁 第15章 泰坦尼克船员获救
081、随机森林模型【持续更新‖免费提供：CunworknoteS】.mp4 [68.4 MB]
078、数据介绍.mp4 [36.9 MB]
079、数据预处理.mp4 [72.1 MB]
080、回归模型进行预测.mp4 [75.3 MB]
082銆佺壒寰侀€夋嫨.mp4 [54.0 MB]
📁 第27章 EM算法
126、隐变量问题【整理不易‖记得关注：CunWorKNotes】.mp4 [21.0 MB]
125、EM算法要解决的问题【更多精选‖公众号：CunWorknotes】 .mp4 [36.3 MB]
129、GMM模型【持续更新‖免费提供：CunworknoteS】.mp4 [32.0 MB]
127、EM算法求解实例.mp4 [68.3 MB]
📁 课件与代码
📁 唐宇迪-机器学习课程代码-新整理
📁 机器学习算法配套案例实战
📁 word2vec
维基百科中文数据.exe [2.3 GB]
gensim训练model.exe [2.1 GB]
word2vec.exe [93.4 MB]
机器学习算法配套案例实战.exe [331.7 MB]
唐宇迪-机器学习课程代码-新整理.exe [66.3 MB]
课件与代码.exe [922.6 MB]

适合人群

• 数据分析从业者
• 机器学习爱好者
• Python编程初学者

🎯 学习收获

• 掌握数据分析方法
• 精通机器学习算法
• 提升Python编程能力

🎉 祝您学习愉快！