Python数据科学,机器学习,深度学习

使用iPython笔记本进行开发
了解统计指标,如标准偏差
可视化数据分布,概率质量函数和概率密度函数
用matplotlib可视化数据
使用协方差和相关度量
应用条件概率来查找相关特征
使用贝叶斯定理来识别误报
使用线性回归,多项式回归和多元回归进行预测
了解复杂的多级模型
使用火车/测试和K-fold交叉验证来选择合适的模型
使用朴素贝叶斯构建垃圾邮件分类器
使用决策树来预测招聘决策
使用K-Means聚类和支持向量机(SVM)的群集数据
使用基于项目和基于用户的协作过滤构建电影推荐系统
使用K-最近邻(KNN)预测分类
使用主成分分析(PCA)对花进行降维处理
了解强化学习 – 以及如何构建一个Pac-Man机器人
清理输入数据以删除异常值
使用Apache Spark的MLLib大规模地使用TF / IDF实现机器学习,集群和搜索
设计和评估A / B测试

Last updated on 2018年10月11日 下午8:23

课程详情