1 人工智能概述
08:04
2 人工智能发展历程
04:56
3 人工智能主要分支
11:44
4 人工智能必备三要素
07:51
5 人工智能工作流程概述
10:00
6 数据集的介绍.
13:07
7 特征工程介绍
10:12
8 机器学习算法分类
20:55
9 分类模型评估介绍
04:05
10 回归模型评估和拟合问题
08:00
11 azure平台实验演示
24:25
12 深度学习简介
06:57
1 机器学习基础环境库的安装
03:43
2 jupyter基本使用介绍
14:33
3 jupytermarkdown功能演示
08:31
1 matplotlin基本简介
11:57
2 基础绘图功能演示 图像保存 xy轴刻度 添加网格
23:56
3 多次plot和显示图例
09:32
4 多个坐标系显示图像
13:05
5 折线图的应用场景
05:48
6 今日总结
11:26
1 昨日复习
15:48
2 常见图形绘制
19:22
3 numpy基本介绍
14:31
4 ndarray介绍
13:29
5 生成数组
13:53
6 正态分布和均匀分布
23:00
7 切片和形状修改
13:34
8 类型修改和数组去重
08:51
9 ndarray运算
19:59
10 矩阵介绍（一）
05:35
11 矩阵介绍（二）
14:05
12 数组间运算
16:35
1 pandas介绍和DataFrame使用
33:39
2.案例_电影数据分析2.ev4
19:42
2.索引操作.ev4
13:09
3 今日总结
10:48
4 昨日复习
20:27
5 索引操作
13:09
6 赋值和排序
11:06
7 算术运算和逻辑运算
12:46
8 统计运算
13:38
9 自定义函数运算
04:24
10 pandas画图
03:43
11 csv文件读取和存储
08:20
12 hdf,json数据的读取和存储
16:39
13 缺失值的判断
09:34
14 缺失值删除和替换
08:45
15 缺失值不是NaN的处理情况
07:21
16 数据离散化
20:59
17 数据合并
11:56
18 交叉表和透视表
15:29
19 分组和聚合
16:40
20 今日总结
09:21
21 科学计算库三天内容复习
20:03
22 电影数据分析案例
15:59
23 昨日复习
17:29
24 案例-电影数据分析
19:42
1 k近邻算法简介
12:50
2 k近邻算的初步使用
16:57
3 距离度量（一）
06:59
4 距离度量（二）
11:03
5 距离度量（三）
17:46
6 k值的选择
08:13
7 kd树构造
29:06
8 kd树搜索(2.1,3.1)
05:58
9 kd树搜索(2,4.5)
04:06
10 数据集介绍
16:47
11 鸢尾花数据可视化
14:52
12 数据集划分
12:18
13 特征预处理
20:58
14 鸢尾花案例实现
13:06
15 今日总结
11:17
16 昨日复习
25:08
17 knn算法总结
07:40
18 交叉验证
14:34
19 网格搜索
16:50
20 facebook案例预测流程分析
20:49
1 线性回归简介
09:08
2 线性回归api初步使用
06:11
3 数学求导复习（一）
02:25
4 数学求导复习（二）
04:45
5 线性回归损失和正规方程推导（一）
21:23
6 正规方程推导（二）
07:13
1 梯度下降法初步简介
22:44
2 梯度下降法介绍
14:29
3 正规方程api使用
13:33
4 今日总结
08:47
5 昨日复习
20:55
6 梯度下降法案例介绍
12:29
1 欠拟合过拟合简介
23:13
2 岭回归和lasso回归
08:30
3 弹性网络和early stopping
07:20
4 岭回归案例实现
10:25
5 模型保存和加载
11:55
1 逻辑回归介绍
23:08
2 逻辑回归案例实现
33:55
3 精确率和召回率介绍
06:45
4 精确率和召回率api实现
09:01
5 roc和auc案例实现
12:35
6 roc曲线绘制（一）
07:11
7 roc曲线绘制（二）
06:33
8 roc曲线绘制（三）
05:54
1 决策树算法简介
05:07
2 信息熵的介绍
14:58
3 今日总结
12:37
4 昨日复习
19:15
5 信息增益（一）
13:42
6 信息增益（二）
16:45
7 信息增益比
07:07
8 基尼增益（一）
09:44
9 基尼增益（二）
19:06
10 cart剪枝介绍
11:32
11 特征提取介绍和字典特征提取
17:00
12 英文文本特征提取
10:02
13 中文文本特征提取
20:05
14 tfidf介绍
11:15
15 决策树api介绍
05:34
16 决策树案例实现
24:36
17 决策树可视化
11:53
1 集成学习介绍
05:44
2 bagging集成过程简介
03:09
3 随机森林介绍
18:59
4 今日总结
11:48
5 昨日复习
19:37
6 boosting实现流程分析
15:21
7 bagging和boosting对比
07:24
8 GBDT介绍
18:24
9 XGBoost介绍
05:33
1 聚类算法简介
06:20
2 聚类算法api初步使用
16:20
3 聚类算法实现流程简介
05:27
4 聚类算法实现流程案例介绍
06:36
5 模型评估
16:54
6 算法优化（一）
13:19
7 算法优化（二）
15:41
8 特征降维介绍和地低方差特征过滤
22:18
9 相关系数介绍
13:29
10 pca降维
08:29
11 案例-探究用户对物品类别喜好
20:05
12 今日总结
09:00
13 机器学习阶段整体内容复习
27:07
14 pubg项目竞赛说明
09:47
