YOTTA 線上課程 一聽就懂的Python機器學習 講師:紀俊男 Robert 影音教學 中文發音 繁體中文字幕版(DVD版)
這門課不僅對機器學習所需的「數學知識」或「相關模型」解釋得相當清楚，也提供數十個課後作業，讓同學們練習，並由講師親自批改，絕對是您自修學會「機器學習」最好的選擇。
01_台積電範例.mp4
02_什麼是機器學習程式.mp4
03_人工智慧簡史.mp4
04_人工智慧各領域的關係.mp4
05_機器如何學習.mp4
06_機器學習要會的數學基礎.mp4
07_機器學習應用領域.mp4
08_機器學習所需工具.mp4
09_安裝 Anaconda.mp4
10_Anaconda 環境介紹 ＆ 試用.mp4
11_Anaconda 除錯的方法.mp4
12_外掛套件的安裝方法.mp4
13_NumPy 簡介.mp4
14_建立 NumPy 陣列.mp4
15_讀寫 NumPy 元素.mp4
16_讀取 NumPy 本身資訊.mp4
17_用 NumPy 產生樣本點.mp4
18_NumPy 的切片運算.mp4
19_用 NumPy 計算統計量.mp4
20_NumPy 陣列運算.mp4
21_NumPy 常用函數.mp4
22_作業：模擬「不公正骰子」樣本點.mp4
23_Pandas 簡介.mp4
24_建立 DataFrame.mp4
25_將 DataFrame 轉為 NumPy 陣列範例.mp4
26_以「條件」過濾 DataFrame 資料.mp4
27_MatPlotLib 簡介.mp4
28_繪製折線圖.mp4
29_顯示圖形名稱、X&Y 軸標籤、與圖例.mp4
30_解決中文亂碼問題.mp4
31_繪製長條圖.mp4
32_繪製散佈圖.mp4
33_作業：台灣股票線圖繪製.mp4
34_SciPy 簡介.mp4
35_SciPy 常用子套件介紹.mp4
36_SciPy 範例.mp4
37_載入資料集.mp4
38_切分自變數、應變數.mp4
39_處理缺失資料.mp4
40_類別資料數位化.mp4
41_切分訓練集、測試集.mp4
42_特徵縮放.mp4
43_作業：健康檢查資料前處理.mp4
44_「迴歸」簡介.mp4
45_簡單線性迴歸：簡介與前處理.mp4
46_簡單線性迴歸理論與實作.mp4
47_評估簡單線性迴歸模型好壞.mp4
48_簡單線性迴歸：使用「快樂版」來做.mp4
49_簡單線性迴歸：將結果視覺化.mp4
50_線性迴歸成立前提.mp4
51_作業：台灣學童身高、體重評估.mp4
52_簡介與前處理.mp4
53_建立簡單線性迴歸做為對比.mp4
54_建立多元線性迴歸模型.mp4
55_「反向淘汰」降維演算法.mp4
56_用「快樂版」重做多元線性迴歸.mp4
57_比較兩個模型好壞.mp4
58_檢查是否符合五大前提.mp4
59_多元線性迴歸小節整理.mp4
60_作業：保險金額之預測.mp4
61_多項式迴歸簡介.mp4
62_資料前處理.mp4
63_多項式迴歸實作.mp4
64_以快樂版重做多項式迴歸.mp4
65_作業：預測發電機失效時間.mp4
66_邏輯迴歸簡介.mp4
67_資料前處理.mp4
68_邏輯迴歸實作.mp4
69_評估模型好壞.mp4
70_卡方檢定降維法.mp4
71_以快樂版重做邏輯迴歸.mp4
72_將結果視覺化.mp4
73_單純貝氏分類器簡介.mp4
74_資料前處理.mp4
75_實作單純貝氏分類器.mp4
76_交叉驗證.mp4
77_將結果視覺化.mp4
78_支援向量機理論說明.mp4
79_資料前處理.mp4
80_支援向量機的實作.mp4
81_參數優化的方法.mp4
82_決策樹原理解說.mp4
83_資料前處理.mp4
84_實作決策樹.mp4
85_將決策樹視覺化.mp4
86_隨機森林原理解說.mp4
87_資料前處理.mp4
88_隨機森林實作.mp4
89_PCA 降維法.mp4
90_K-平均法原理解說.mp4
91_資料前處理.mp4
92_實作 K-平均法.mp4
93_集群演算法視覺化.mp4
94_分析集群結果.mp4
教材
02_什麼是機器學習程式.pdf
03_人工智慧簡史.pdf
04_人工智慧各領域的關係.pdf
05_機器如何學習.pdf
06_機器學習要會的數學基礎.pdf
07_機器學習應用領域.pdf
08_機器學習所需工具.pdf
09_安裝.pdf
10_環境介紹與試用.pdf
11_除錯的方法.pdf
12_外掛套件的安裝方法.pdf
13_NumPy 簡介.pdf
14_建立陣列.pdf
15_讀寫元素.pdf
17_用產生樣本點.pdf
18_的切片運算.pdf
19_用計算統計量.pdf
20_陣列運算.pdf
21_常用函數.pdf
23_Pandas 簡介.pdf
24_建立.pdf
25_將轉為陣列.pdf
26_以「條件」過濾資料.pdf
27_簡介.pdf
28_繪製折線圖.pdf
29_顯示圖形名稱軸標籤、與圖例.pdf
30_解決中文亂碼問題.pdf
31_繪製長條圖.pdf
32_繪製散佈圖.pdf
34_SciPy 簡介.pdf
34_簡介.pdf
35_常用子套件介紹.pdf
36_讀取本身資訊.pdf
37_載入資料集.pdf
38_切分自變數、應變數.pdf
39_處理缺失資料.pdf
40_類別資料數位化.pdf
41_切分訓練集、測試集.pdf
42_特徵縮放.pdf
44_「迴歸」簡介.pdf
45_簡單線性迴歸：簡介與前處理.pdf
46_簡單線性迴歸：理論與實作.pdf
47_簡單線性迴歸：評估模型好壞.pdf
48_簡單線性迴歸：使用「快樂版」來做.pdf
49_簡單線性迴歸：將結果視覺化.pdf
50_線性迴歸成立前提.pdf
52_簡介與前處理.pdf
53_建立簡單線性迴歸做為對比.pdf
54_建立多元線性迴歸模型.pdf
55_「反向淘汰」降維演算法.pdf
56_用「快樂版」重做多元線性迴歸.pdf
57_比較兩個模型好壞.pdf
58_檢查是否符合五大前提.pdf
59_多元線性迴歸小節整理.pdf
61_多項式迴歸簡介.pdf
62_資料前處理.pdf
63_多項式迴歸實作.pdf
64_以快樂版重做多項式迴歸.pdf
66_邏輯迴歸簡介.pdf
67_資料前處理.pdf
68_邏輯迴歸實作.pdf
69_評估模型好壞.pdf
70_卡方檢定降維法.pdf
71_以快樂版重做邏輯迴歸.pdf
72_將結果視覺化.pdf
73_單純貝氏分類器簡介.pdf
74_資料前處理.pdf
75_實作單純貝氏分類器.pdf
76_交叉驗證.pdf
77_將結果視覺化.pdf
78_支援向量機理論說明.pdf
79_資料前處理.pdf
80_支援向量機的實作.pdf
81_參數優化的方法.pdf
82_決策樹原理解說.pdf
83_資料前處理.pdf
84_實作決策樹.pdf
85_將決策樹視覺化.pdf
86_隨機森林原理解說.pdf
87_資料前處理.pdf
88_隨機森林實作.pdf
89_降維法.pdf
90_平均法原理解說.pdf
91_資料前處理.pdf
92_實作平均法.pdf
93_集群演算法視覺化.pdf
94_分析集群結果.pdf
|
|
專業知識教學
