模块一:Python机器学习常见算法与实现
1、课程介绍与K-近邻算法原理及实现实战
课程介绍
机器学习常见理论基础讲解
K-近邻算法精讲与Python实现
2、K-近邻算法项目实战与朴素贝叶斯算法详解
项目实战:使用K-近邻算法识别简单数字验证码实战
朴素贝叶斯算法精讲与Python实现
3、决策树算法精讲与项目应用实战
决策树算法精讲与Python实现
项目实战:使用决策树算法对测试数据进行分类实战
4、AdaBoost算法与项目应用实战
单层决策树算法
AdaBoost元算法精讲与Python实现
项目实战:使用AdaBoost算法进行二分类实战
5、支持向量机(SVM)算法精讲与项目应用实战
支持向量机(SVM)算法精讲与Python实现
项目实战:使用支持向量机(SVM)算法进行模式识别实战
6、逻辑回归算法精讲与项目应用实战
逻辑回归算法精讲与Python实现
项目实战:使用逻辑回归算法进行融资成功概率分析实战
7、Apriori算法精讲与项目应用实战
Apriori算法精讲与Python实现
项目实战:使用Apriori算法进行关联分析实战
8、FP-growth算法精讲与项目应用实战
FP-growth算法精讲与Python实现
使用FP-growth算法进行频繁项集挖掘实战
9、树回归算法精讲与实战
机器学习其他算法扩展:树回归
10、人工神经网络算法精讲与实战
机器学习其他算法扩展:人工神经网络算法
模块二:scikit-learn模块与案例实现
1、scikit-learn模块简介与Windows下安装实战
scikit-learn模块简介
在Windows中安装scikit-learn模块
2、在Linux及MAC系统中安装scikit-learn模块
3、scikit-learn数据处理实战
scikit-learn数据处理实战(datasets、加载数据、归一化处理、特征选择、交叉验证)
4、scikit-learn实现K-近邻算法
5、 scikit-learn实现朴素贝叶斯算法
6、通过scikit-learn实现数字识别
7、通过scikit-learn实现文本特征提取
8、通过scikit-learn实现情感分析1
9、通过scikit-learn实现情感分析2
模块三:MILK模块与案例实现
1、在Windows中安装MILK
2、在Linux中安装MILK
3、在MAC中安装MILK与简单目录分析实战
4、MILK基础实战
5、通过MILK实现Adaboost算法与SVM算法
6、通过MILK实现决策树算法
7、通过MILK实现随机森林算法
8、通过MILK实现AP算法
9、通过MILK预测用户的还贷能力
10、 通过MILK实现计算机视觉项目
模块4:Python机器学习综合案例实战
1、文本挖掘综合项目案例实战
2、网页分类综合项目案例实战
3、人脸数据分解综合项目案例实战
模块5:面试辅导
1、常见面试题分析
2、面试指导