资源详情
课程名称: Python机器学习全流程项目实战精讲 课程特色: 机器学习 一线工程人员讲师,以切身的学习和工作经历直击机器学习进阶过程中的痛点; 案例实战导向。从需求分析开始,对机器学习项目实战的全流程进行讲解,直击各流程的难点。涵盖需求分析->数据采集->数据清洗与预处理->数据分析与可视化->特征工程->机器学习建模->模型调优->报告输出。以Python为工具实现机器学习全流程,是难得一见的从过来人的角度分享机器学习实战的课程; 精品质量。 精美的课程PPT设计、诚恳有趣的讲解,为的是让每位在机器学习学习道路上的朋友少踩坑、懂方法和高效率。 讲师介绍: 鲁伟 (louwill) – 某上市软件公司人工智能部门数据分析/机器学习工程师。 公众号数据科学家养成记的运营者,致力于数据科学、机器学习和深度学习的应用与研究。有着多年的R语言和Python编程经验 课程大纲: 第一章:机器学习方法论 1.数据分析与数据挖掘 2.机器学习、深度学习与人工智能 3.机器学习的核心任务 4.机器学习的核心要义 5.机器学习项目实战全流程 6.python编程工具 7.Jupyter Notebook与PyCharm 8.机器学习具体学习方法指导 第二章:机器学习需求分析 1.机器学习项目需求分析 2.项目技术、产品和应用调研 3.实例:需求分析(数据相关岗位的市场需求、能力要求和市场行情) 第三章:数据采集 1.数据采集概述 2.Python爬虫技术 3.请求库:urllib 4.请求库:requests 5.解析库:BeautifulSoup 6.解析库:lxml 7.信息提取:css选择器/xpath表达式 8.实例1:招聘网站静态数据采集 9.实例2:招聘网站动态数据采集 第四章:数据清洗 1.脏数据概述 2.数据清洗基本方法 3.利用pandas进行数据清洗 4.实例:招聘数据清洗过程 第五章:数据分析与可视化 1.描述忄生数据分析的基本方法 2.现代统计图形与数据可视化方法 3.python绘图与可视化库:matplotlib和seaborn 4.实例:招聘数据的描述忄生数据分析与可视化探索 第六章:特征工程 1.特征工程概述 2.特征工程基本方法 3.数据预处理、特征选择、特征组合与特征降维 4.实例:招聘数据的特征工程探索 第七章:机器学习建模与调优 1.机器学习常用模型概述 2.python机器学习库sklearn 3.单模型 4.集成学习与ensemble 8.模型调优:特征工程与超参数调优 9.实例:招聘数据的机器学习建模过程 第八章:机器学习模型结果与报告输出 1.机器学习模型结果展示 2.数据分析报告 3.机器学习报告的撰写套路 4.实例:招聘数据机器学习报告的撰写
下载地址
链接:https://pan.baidu.com/s/1_mRQKMSR6ISMv5csOxCw6Q 密码:5aj5