2020年Scikit-learn深度学习快速入门实战（附讲义）48课

课程介绍：

机器学习的应用已经深入到我们生活中个个领域, 不过普通人学会应用机器学习并不是那个难的事情, 如果你懂 python, python 中的各种机器学习模块 完全可以帮你把机器学习发挥到极致。

适用人群：

程序员, 工程师, 学术研究者, 机器学习爱好者

课程目录：

01.人工智能课程介绍

02.监督学习无监督学习与强化学习

03.逻辑回归决策树与支持向量机

04.DNN、CNN与RNN

05.sklearn功能模块

06.sklearn模块地图

07.sklearn学习方法

08.数据的获取

09.数据预处理

10.模型的训练

11.模型的评估

12.模型的优化

13.模型持久化

14.sklearn自带数据集讲解

15.计算机生成数据集

16.导入天池比赛数据集（txt格式）

17.特征的标准化。mp4

18.数据的正则化（Normalize）

19.特征的二值化

20.分类特征编码（One-Hot）

21.处理缺失值

22.生成多项式特征

23.从字典加裁特征

24.文本特征提取（词频向量）

25.文本特征提取（Tf-idf向量）

26.文本特征提取（哈希降维）

27.图片特征提取

28.Filter过滤法

29.Wrapper包装法

30.Embedded嵌入法

31.分类模型的训练

32.回归模型的训练

33.聚类模型的训练（Kmeans）

34.降维模型的训练（PCA）

35.管道的训练（Pipeline））

36.使用特征联合（FeatureUnion）

37.metrics评估指标概述

38.分类模型的评估

39.回归模型的评估

40.使用虚拟估计器产生基准得分

41.欠拟合、过拟合和交叉验证

42.交叉验证综合评分

43.网格搜索法（GridSearchCV）

44.随机搜索法（RandomizedSearchCV）

45.模型特定交叉验证

46.我的求职经历

47.求职参考建议

48.23道面试真题

备注：(04)20200531人工智能