课程介绍：
本课作为深度学习系列课程的第一阶段，介绍机器学习的基本概念，原理，以及常用算法（如决策树，支持向量机，神经网络算法等）。以Python语言为工具对每种算法进行结合实例讲解。学生学完本课程后将会理解机器学习的常用算法原理，并会使用Python中相关的package来对实际问题进行数据预处理，分类和回归分析。为开发机器学习相关应用打下必要基础，同时也为学习深度学习进阶课程打下必要基础。
课程截图：
〖课程目录〗:
- | └──17 深度学习基础
- | | ├──视频
- | | | ├──1.1课程介绍机器学习介绍上.mp4 50.56M
- | | | ├──1.1课程介绍机器学习介绍下.mp4 9.95M
- | | | ├──1.2深度学习介绍.mp4 52.68M
- | | | ├──2基本概念.mp4 56.92M
- | | | ├──3.1决策树算法.mp4 54.25M
- | | | ├──3.2决策树应用.mp4 72.42M
- | | | ├──4.1最邻近规则分类KNN算法.mp4 38.85M
- | | | ├──4.2最邻近规则KNN分类应用.mp4 57.47M
- | | | ├──5.1支持向量机SVM上.mp4 35.56M
- | | | ├──5.1支持向量机SVM上应用.mp4 34.97M
- | | | ├──6.2神经网络算法应用上.mp4 95.96M
- | | | ├──6.3神经网络算法应用下.mp4 34.25M
- | | | ├──7.2简单线性回归下.mp4 52.49M
- | | | ├──7.3多元线性回归.mp4 42.22M
- | | | ├──7.4多元线性回归应用.mp4 51.17M
- | | | ├──7.5非线性回归 Logistic Regression.mp4 30.34M
- | | | ├──7.6非线性回归应用.mp4 56.58M
- | | | ├──7.7回归中的相关度和决定系数.mp4 38.05M
- | | | ├──7.8回归中的相关性和R平方值应用.mp4 43.12M
- | | | ├──8.1Kmeans算法.mp4 35.43M
- | | | ├──8.2Kmeans应用.mp4 61.00M
- | | | ├──8.3Hierarchical clustering 层次聚类.mp4 29.82M
- | | | ├──8.4Hierarchical clustering 层次聚类应用.mp4 62.52M
- | | | ├──神经网络NN算法.mp4 77.51M
- | | | ├──支持向量机(SVM)算法(下)应用.mp4 55.15M
- | | | ├──支持向量机(SVM)算法下.mp4 36.10M
- | | | └──总结.mp4 55.39M
- | | ├──代码与素材.rar 97.49M
- | | ├──课件.CHM 3.13M
- | | └──课件.rar 98.06M
