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