We may earn an affiliate commission when you visit our partners.
唐宇迪 唐

课程概述:

使用数据领域最主流语言Python及其分析与建模库作为核心武器。对于机器学习经典算法给出完整的原理推导并基于实例进行讲解,基于案例演示如何应用机器学习算法解决实际问题。

课程特色:

1. 通俗易懂,快速入门

对机器学习经典算法结合数学推导进行形象解释,实例演示。

2. Python主导,实用高效

使用数据领域最主流语言Python及其分析与建模库作为课程核心工具。

3. 案例为师,实战护航

基于真实数据集,从零开始结合Python工具与机器学习算法完成整个案例实战。

4. 持续更新,一劳永逸

Python数据分析与机器学习课程会支持更新下去,逐步加入更多算法与案例。

Enroll now

What's inside

Syllabus

掌握AI学习路线图
AI时代首选Python
Python该怎么学
人工智能的核心-机器学习
Read more
机器学习如何开始
算法推导与案例应用
掌握Numpy工具包的使用方法
数据代码下载(谷歌网盘)
Numpy概述
Array数组
数组结构
数组类型
数值计算
排序操作
数组形状操作
数组生成函数
常用生成函数
四则运算
随机模块
文件读写
数组保存
掌握数据分析处理方法与常用函数
Pandas概述
基本操作
索引方法
groupby操作
数值运算
对象操作
对象操作函数
merge操作
显示设置
数据透视表
时间操作
时间序列操作
常用操作
常用操作函数
group操作延伸
字符串操作
索引进阶
Pandas绘图技巧
大数据处理技巧
可视化库-Matplotlib
Matplotlib概述
子图与标注
风格设置
条形图
条形图细节
条形图外观
盒图绘制
盒图细节
绘图细节设置
绘图细节设置2
直方图与散点图
3D图绘制
PIE图
子图布局
结合Pandas与Skleran
掌握K近邻算法原理与实战方法
K近邻算法概述
模型的评估
数据预处理
sklean库介绍
多变量KNN模型
掌握线性回归算法数学原理推导
线性回归算法概述
误差项分析
似然函数求解
目标函数推导
线性回归求解
掌握逻辑回归算法原理与优化策略
梯度下降原理
梯度下降方法对比
学习率对结果的影响
逻辑回归算法原理推导
逻辑回归求解
项目实战:信用卡欺诈检测
数据与任务概述
样本不均衡解决方案
下采样策略
交叉验证
模型评估方法
正则化惩罚
逻辑回归模型
混淆矩阵
逻辑回归阈值对结果的影响
SMOTE样本生成策略
掌握树模型建模方法与应用流程
决策树原理概述
衡量标准-熵
决策树构造实例
信息增益率
决策树剪枝策略
掌握随机森林算法原理与集成策略
随机森林算法原理
特征重要性衡量
提升模型
堆叠模型
掌握随机森林建模与参数调优方法
随机森林回归任务
数据还是多点好

Save this course

Save Python数据分析与机器学习实战 to your list so you can find it easily later:
Save

Activities

Be better prepared before your course. Deepen your understanding during and after it. Supplement your coursework and achieve mastery of the topics covered in Python数据分析与机器学习实战 with these activities:
复习Python基础知识
帮助学生巩固Python基础知识,为后续的数据分析和机器学习打下坚实的基础。
Browse courses on Python
Show steps
  • 回顾Python数据类型(列表、字典、元组等)
  • 练习Python控制流(循环、条件语句)
  • 复习Python函数和模块的使用
阅读《利用Python进行数据分析》
通过阅读本书,学生可以系统地学习Python数据分析的知识,并掌握pandas库的使用方法。
Show steps
  • 阅读本书的重点章节,如pandas数据结构、数据清洗、数据聚合等。
  • 练习本书中的案例,加深对知识点的理解。
练习Numpy和Pandas操作
通过大量的练习,学生可以熟练掌握Numpy和Pandas库的使用方法,提高数据处理的效率。
Show steps
  • 使用Numpy创建各种类型的数组,并进行数值计算。
  • 使用Pandas读取和处理数据,进行数据清洗和转换。
  • 练习使用Pandas进行数据聚合和分组。
Four other activities
Expand to see all activities and additional details
Show all seven activities
阅读《机器学习实战》
通过阅读本书,学生可以学习机器学习算法的Python实现,并掌握使用Python进行机器学习的实用技能。
Show steps
  • 阅读本书的重点章节,如K近邻算法、决策树、支持向量机等。
  • 运行本书中的代码,并尝试修改和扩展。
小型数据分析项目
通过完成一个小型的数据分析项目,学生可以将所学的知识应用到实际问题中,提高解决问题的能力。
Show steps
  • 选择一个感兴趣的数据集。
  • 使用Python和相关库对数据进行清洗、处理和分析。
  • 撰写一份数据分析报告,总结分析结果和结论。
撰写机器学习算法原理推导博客
通过撰写博客,学生可以深入理解机器学习算法的原理,并提高表达能力。
Show steps
  • 选择一个机器学习算法(如线性回归、逻辑回归、决策树等)。
  • 查阅相关资料,深入理解算法的原理。
  • 使用数学公式和图表,清晰地推导算法的原理。
  • 撰写一篇博客,详细介绍算法的原理和推导过程。
参与开源项目
通过参与开源项目,学生可以提高编程能力和协作能力,并了解实际项目的开发流程。
Show steps
  • 在GitHub上寻找一个感兴趣的开源项目(如scikit-learn、pandas等)。
  • 阅读项目的文档,了解项目的结构和功能。
  • 尝试解决项目中的bug或添加新的功能。
  • 提交代码,并参与代码审查。

Career center

Learners who complete Python数据分析与机器学习实战 will develop knowledge and skills that may be useful to these careers:
機器學習工程師
机器学习工程师专注于设计、开发和部署机器学习模型。他们不仅需要理解机器学习算法的原理,还需要具备将这些算法转化为可实际应用的软件系统的能力。本课程通过讲解机器学习经典算法的原理推导并结合实例,可以帮助你胜任机器学习工程师这一职位。你将了解如何使用Python工具和机器学习算法从零开始完成整个案例实战。本课程还会介绍诸如随机森林算法等,掌握这些可以让你更轻松完成工作。
数据科学家
数据科学家运用统计学、机器学习和数据分析技能来解读复杂的数据集,从而帮助组织做出更明智的决策。数据科学家需要能够熟练地运用编程语言以及各种分析建模库。通过本课程,你对于Python及其分析与建模库的掌握将会得到显著提升,助力你运用机器学习算法解决实际问题。本课程将帮助数据科学家掌握数据分析处理方法与常用函数,完成数据建模与分析,从而更好地发现以及传递数据中的价值。
数据分析师
数据分析师负责收集、清洗、分析和呈现数据,以支持业务决策。他们需要具备良好的数据敏感性和分析能力,以及熟练使用数据分析工具的能力。本课程以Python为主导,实用高效的案例教学可以帮助你成功转型成为数据分析师。通过学习Numpy、Pandas和Matplotlib等工具包,你将能够掌握数据分析处理方法、常用函数和可视化技巧,为实际工作奠定坚实基础。希望成为数据分析师的学员需要着重留意课程中关于大数据处理技巧,以及Pandas绘图技巧等。
人工智能研究员
人工智能研究员致力于探索和开发新的人工智能技术和算法。通常需要博士学位(PhD)。本课程通过对机器学习经典算法的完整原理推导和实例讲解,可以人工智能研究员打造坚实的理论基础。人工智能研究员可能需要应用例如逻辑回归等算法,而相关的原理推导已经包含在本课程中。持续更新的课程内容也将帮助研究员及时掌握最新的技术动态,不断提升研究水平。
量化分析师
量化分析师运用数学、统计学和编程技能来开发和应用金融模型,以进行投资决策和风险管理。量化分析师需要充分掌握Numpy工具包和Pandas等工具包的使用方法。本课程对机器学习算法的讲解和案例实战,可以帮助量化分析师更好地理解和应用金融模型。通过课程中对线性回归、逻辑回归等算法的学习和应用,可以为量化分析师在金融领域的实践提供有力的支持。
商業智能分析師
商业智能分析师,通过分析市场趋势和竞争对手动态,为企业提供战略方向指导。BI分析师需要具备从海量数据中提取有价值信息的能力,进行数据可视化呈现。本课程中,学员可以掌握Pandas,以及Matplotlib等工具,从而可以掌握数据分析处理方法与常用函数,掌握数据可视化的技巧。通过学习,商业智能分析师可以胜任数据分析,数据解读等工作,让数据更好地服务于企业的决策。
算法工程师
算法工程师负责设计、开发和优化各种算法,以解决实际问题。课程中对梯度下降原理,和逻辑回归算法原理的推导,可以帮助算法工程师充分理解算法的底层逻辑,从而设计出更高效的算法。例如,课程中项目实战:信用卡欺诈检测。可以帮助算法工程师在实际工作中,解决类似的样本不均衡问题。此外,掌握随机森林算法原理与集成策略,也会对算法工程师的工作有所帮助。
自然语言处理工程师
自然语言处理工程师专注于开发使计算机能够理解和处理人类语言的技术。自然语言处理工程师需要有扎实的数学功底,熟悉机器学习算法。课程当中对于机器学习经典算法给出了完整的原理推导,对于工程师理解算法有着莫大的帮助。要胜任自然语言处理工程师,熟悉Python语言,熟练使用数据领域最主流语言Python及其分析与建模库是基本功,本课程可以助力提升此项基本功。
数据挖掘工程师
数据挖掘工程师负责从大量数据中发现有价值的模式和知识。他们需要具备数据挖掘和机器学习方面的专业知识,以及熟练使用数据挖掘工具和技术的能力。本课程以Python为主导,强调实用高效,案例教学,适合希望转行成为数据挖掘工程师的学员。课程中对数据预处理,模型评估等方面的讲解,可以帮助数据挖掘工程师,更好地进行数据建模和分析。
金融分析师
金融分析师评估投资机会并提供财务建议。本课程对于Numpy,Pandas,以及Matplotlib等工具包的使用方法的讲解,可以帮助分析师进行金融数据的收集,整理与分析。金融分析师可以借鉴课程中线性回归、逻辑回归等算法的学习和应用,从而在实际的金融数据分析项目中,建立更精准的预测模型。本课程对于风险管理模型的建立,以及投资回报率的预测,能够提供有效的帮助。
市场营销分析师
市场营销分析师分析市场数据,以优化营销活动并提高投资回报率。市场营销分析师可以充分利用课程中对于数据分析处理方法与常用函数的讲解,来对营销活动的效果进行评估。譬如,市场营销分析师可以利用数据透视表,来进行多维度的营销数据分析。此外,课程中对于数据可视化的讲解,也可以帮助营销分析师清晰地呈现营销数据,从而更好地支持营销决策。
風險分析師
风险分析师评估和管理组织面临的各种风险。风险分析师可以利用课程中对于线性回归、逻辑回归等算法的学习和应用,来建立风险评估模型,从而更准确地识别和评估风险。课程中信用卡欺诈检测的案例,也能够帮助风险分析师,更好地理解和应对金融风险。风险分析师需要充分理解机器学习算法,本课程中对于机器学习经典算法的讲解,可以帮助风险分析师打下坚实的基础。
生物信息学科学家
生物信息学科学家利用计算和统计方法来分析生物数据。通常需要博士学位(PhD)。本课程通过对Python和相关数据分析工具的介绍,生物信息学科学家可以使用例如Numpy,Pandas等工具包,解决生物数据分析中的问题。生物信息学科学家可以借助课程中机器学习算法完成基因序列分析,蛋白质结构预测等工作,从而更好地理解生命现象。生物信息学是一个需要不断学习的领域,该课程也会持续更新,增加新的算法与案例。
销售分析师
销售分析师通过分析销售数据,来优化销售策略,提升销售业绩。销售分析师可以运用课程中学习到的数据分析技巧,来识别销售趋势、预测销售业绩,并评估销售活动的效果。销售分析师可以借鉴课程中数据可视化的方法,从而更清晰地呈现销售数据,支持销售决策。本课程对于数据分析处理方法与常用函数的讲解,也有助于销售分析师更好地进行销售数据分析。
客户关系管理分析师
客户关系管理分析师通过分析客户数据,来优化客户关系管理策略,提升客户满意度和忠诚度。本课程中,可以学习到如何使用Python进行数据分析和建模。通过分析客户数据,客户关系管理分析师可以找出客户的需求和偏好,从而制定更有效的客户关系管理策略。客户关系管理分析师,可以通过数据可视化的方法,更清晰地展示客户数据,从而更好地支持决策。

Reading list

We've selected two books that we think will supplement your learning. Use these to develop background knowledge, enrich your coursework, and gain a deeper understanding of the topics covered in Python数据分析与机器学习实战.
本书是Python数据分析的经典之作,详细介绍了pandas库的使用方法,以及数据清洗、处理、分析的各种技巧。本书内容全面,案例丰富,适合作为本课程的参考书。它能帮助学生深入理解数据分析的流程和方法,并掌握使用Python进行数据分析的实用技能。本书也被广泛用作数据分析课程的教材。
本书通过Python代码实现各种机器学习算法,并结合实例进行讲解。本书内容实用,代码清晰,适合作为本课程的补充阅读材料。它能帮助学生更好地理解机器学习算法的实现细节,并掌握使用Python进行机器学习的实用技能。本书的重点在于实践,通过动手编写代码来学习机器学习。

Share

Help others find this course page by sharing it with your friends and followers:

Similar courses

Similar courses are unavailable at this time. Please try again later.
Our mission

OpenCourser helps millions of learners each year. People visit us to learn workspace skills, ace their exams, and nurture their curiosity.

Our extensive catalog contains over 50,000 courses and twice as many books. Browse by search, by topic, or even by career interests. We'll match you to the right resources quickly.

Find this site helpful? Tell a friend about us.

Affiliate disclosure

We're supported by our community of learners. When you purchase or subscribe to courses and programs or purchase books, we may earn a commission from our partners.

Your purchases help us maintain our catalog and keep our servers humming without ads.

Thank you for supporting OpenCourser.

© 2016 - 2025 OpenCourser