唐宇迪 python数据分析与机器学习实战

老师简介：

唐宇迪，同济大学硕士，华东理工大学博士，精通机器学习算法，主攻计算机视觉方向。

线上选课学员30W+，累计开发课程50余门覆盖人工智能热门方向。联通，移动，中信等公司特邀企业培训导师，全国高校教师培训讲师，

开展线下与直播培训百余场，具有丰富的授课经验。课程风格通俗易懂，擅长用非常接地气的方式讲解复杂的算法问题。

课程介绍：

系列课程总共近40章节，并保持持续更新。包含经典机器学习算法原理推导与案例实战两部分。

从基本的回归算法开始讲起，逐渐过渡到复杂的神经网络模型。对于每一个算法给出实战案例，基于真实数据集使用Python库作为核心工具进行数据预处理与建模工作。

原理推导，形象解读，案例实战缺一不可！

课程目录：

第一阶段：Python工具库实战

1. Python快速入门
2. 科学计算库Numpy
3. 数据分析处理库Pandas
4. 可视化库Matplotlib
5. 更简单的可视化Seaborn

第二阶段：机器学习入门篇

1. 线性回归算法
2. 梯度下降原理
3. 逻辑回归算法
4. 案例实战：Python实现逻辑回归
5. 案例实战：对比不同梯度下降策略
6. 案例实战：Python分析科比生涯数据
7. 案例实战：信用卡欺诈检测
8. 决策树构造原理
9. 案例实战：决策树构造实例
10. 随机森林与集成算法
11. 案例实战：泰坦尼克号获救预测
12. 贝叶斯算法推导
13. 案例实战：新闻分类任务
14. Kmeans聚类及其可视化展示
15. DBSCAN聚类及其可视化展示
16. 案例实战：聚类实践
17. 降维算法：线性判别分析
18. 案例实战：Python实现线性判别分析
19. 降维算法：PCA主成分分析
20. 案例实战：Python实现PCA算法

第三阶段：机器学习提升篇

1. EM算法原理推导
2. GMM聚类实践
3. 推荐系统
4. 案例实战：Python实战推荐系统
5. 支持向量机原理推导
6. 案例实战：SVM实例
7. 时间序列ARIMA模型
8. 案例实战：时间序列预测任务
9. Xgbooost提升算法
10. 案例实战：Xgboost调参实战
11. 计算机视觉挑战
12. 神经网络必备基础
13. 神经网络整体架构
14. 案例实战：CIFAR图像分类任务
15. 语言模型
16. 自然语言处理-word2vec
17. 案例实战：Gensim词向量模型
18. 案例实战：word2vec分类任务
19. Tensorflow框架实战
20. 案例实战：Mnist手写字体识别
21. 探索性数据分析：赛事数据集
22. 探索性数据分析：农粮组织数据集