人工智能与机器学习
1.人工智能应用发展概述
2.python入门
3.numpy学习
4.matplotlib学习
5.机器学习基础理论
KNN算法和决策树算法理论与实战
6.KNN算法介绍
7.python实现knn算法
8.sklearn实现knn算法完成iris数据集分类
回归算法理论与实战:
1.一元线性回归
2.代价函数
3.梯度下降法
4.使用梯度下降法实现一元线性回归
5.标准方程法
6.使用sklearn实现一元线性回归
7.多元线性回归
8.使用sklearn实现多元线性回归
9.特征缩放,交叉验证法
10.过拟合正则化
11.岭回归
12.sklearn实现岭回归
13.LASSO回归
14.sklearn实现LASSO回归
逻辑回归理论与实战:
1.逻辑回归
2.正确率,召回率,F1指标
3.sklearn实现逻辑回归
4.sklearn实现非线性逻辑回归
神经网络算法理论与实战:
5.神经网络基本原理
6.单层感知器程序
7.线性神经网络
8.激活函数,损失函数和梯度下降法
9.BP神经网络介绍
10.BP神经网络解决异或问题
11.sklearn-BP神经网络解决手写数字识别
决策树算法理论与实战:
1.决策树-信息熵,ID3,C4.5算法介绍
2.sklearn实现决策树
3.决策树-CART算法
4.CART算法实践
5.决策树解决线性二分类问题
6.决策树解决非线性二分类问题
7.回归树应用
集成学习算法理论与实战:
8.Bagging介绍与使用
9.随机森林介绍与使用
10.Adaboost介绍与使用
11.Stacking和Voting介绍与使用
聚类算法理论与实战:
1.k-means算法原理
2.k-means算法实现
3.DBSCAN算法原理
4.DBSCAN算法实现
SVM算法理论与实战:
1.SVM算法原理
2.SVM实现人脸识别