【中文普通话】5.5小时Python中的机器学习和深度学习项目

发布日期：2023年8月
格式：MP4 | 视频：h264，1280×720 | 音频：AAC，44.1 KHz
语言：英语 | 大小：2.57 GB | 时长：5小时33分钟

这是一个关于机器学习和深度学习在Python中的实际项目的课程，包括所有代码的实现。

你将学到以下内容：
– 介绍机器学习和深度学习的结构及其在实际问题中的应用
– 介绍机器学习和深度学习算法，并在项目中应用它们
– 在Python中实现机器学习和深度学习算法
– 熟悉Python语法，用于使用机器学习和深度学习
– 熟悉预测模型
– 数据准备和可视化，用于机器学习和深度学习算法
– 在项目中使用案例研究
– 学习如何使用API收集最新数据，并了解不同的数据集
– 介绍和使用Python中的不同机器学习和深度学习库
– 了解不同的神经网络，并在实际项目中使用它们
– 在Python中使用人工神经网络（ANN）进行图像处理
– 使用Python进行神经网络分类
– 熟悉自然语言处理（NLP）及其在项目中的应用
– 预测销售额、产品价格、销售价格等
– 介绍和使用算法验证指标，如混淆矩阵、准确率、精确率、召回率、F1分数等
– 40多个数据科学、机器学习、深度学习和Python的速查表

要求：
– 基本的Python知识

描述：
机器学习和深度学习通过使智能系统能够做出明智决策和准确预测，彻底改变了各个行业。这些技术已经应用于各种实际项目，改变了企业的运营方式，并改善了不同领域的结果。在这个培训中，我们试图教授观众在对机器学习和深度学习有基本了解之后，如何在一些实际问题和项目中应用它们（这些项目大多是流行和广泛使用的项目）。此外，所有的编码和模型实现都是用Python完成的，这不仅可以增加学生在机器学习方面的技能，还可以使他们在Python语言方面更加熟练。在这门课程中，学生将介绍一些机器学习和深度学习算法，如逻辑回归、多项式朴素贝叶斯、高斯朴素贝叶斯、SGDClassifier等，并使用人工神经网络进行建模来完成项目。课程还涵盖了在不同领域使用有效数据集、数据准备和预处理、结果可视化、验证指标的使用、不同的预测方法、图像处理、数据分析和统计分析等内容。机器学习和深度学习已经在多个行业产生了深远的影响，创造了具备做出明智决策和准确预测能力的智能系统。这些创新技术已经在各种实际项目中得到应用，重塑了企业的运营方式，并推动了各个领域的改进结果。在这个培训课程中，主要目标是向观众传授机器学习和深度学习概念的基础知识，并将重点转向它们在解决实际问题和进行项目时的实际应用，其中许多项目在该领域被广泛认可和使用。此外，所有的编码和模型实现都是使用Python编程语言进行的。这种双重方法不仅加深了学生对机器学习的理解，还有助于他们在Python语言本身的熟练程度。课程的内容包括介绍几种基本的机器学习和深度学习算法，包括逻辑回归、多项式朴素贝叶斯、高斯朴素贝叶斯、SGDClassifier等等，以及不同的模型架构。作为课程的重要组成部分，学生将深入研究使用人工神经网络进行建模，这是执行各种项目的基石。全面利用涵盖不同领域的相关数据集，并结合全面的数据准备和预处理技术，具有优先权。学生还将掌握有效地可视化和解释结果的技能，审慎地使用验证指标，探索各种预测方法，进行图像处理，并进行数据分析和统计分析。这些方面共同构成了本课程涵盖的多方面内容。最后，还提供了40多个完整实用的数据科学、机器学习、深度学习和Python速查表。

概述：
第1节：介绍

第1课：机器学习简介

第2节：使用机器学习进行侍者小费预测

第2课：要求

第3课：使用机器学习进行侍者小费预测

第4课：代码

第3节：使用机器学习进行未来销售预测

第5课：要求

第6课：使用机器学习进行未来销售预测

第7课：代码

第4节：使用机器学习进行加密货币价格预测

第8课：未来30天的加密货币价格预测

第9课：代码

第5节：使用LSTM神经网络进行股票价格预测

第10课：使用LSTM神经网络进行股票价格预测

第11课：代码

第6节：使用神经网络进行图像分类

第12课：要求

第13课：使用神经网络进行图像分类

第14课：代码

第7节：可视化机器学习算法

第15课：要求

第16课：可视化机器学习算法

第17课：代码

第8节：使用机器学习进行Instagram覆盖分析

第18课：要求

第19课：使用机器学习进行Instagram覆盖分析

第20课：代码

第9节：使用机器学习进行手机价格分类

第21课：要求

第22课：使用机器学习进行手机价格分类

第23课：代码

第10节：使用机器学习进行黄金价格预测

第24课：使用机器学习进行黄金价格预测

第25课：代码

第11节：使用机器学习进行语言翻译

第26课：要求

第27课：使用机器学习进行语言翻译

第28课：代码

第12节：COVID-19疫苗情感分析

第29课：要求

第30课：COVID-19疫苗情感分析

第31课：代码

第13节：使用自然语言处理（NLP）的酒店推荐系统

第32课：要求

第33课：使用NLP的酒店推荐系统

第34课：代码

第14节：使用自然语言处理（NLP）进行电子邮件垃圾邮件检测

第35课：要求

第36课：使用NLP进行电子邮件垃圾邮件检测

第37课：代码

第15节：深度学习和神经网络模型中的数据增强

第38课：要求

第39课：深度学习和神经网络模型中的数据增强

第40课：代码

第16节：图像转铅笔素描

第41课：要求

第42课：图像转铅笔素描

第43课：代码

第17节：使用机器学习进行仇恨言论检测

第44课：要求

第45课：仇恨言论检测模型

第46课：代码

第18节：使用机器学习进行短信垃圾信息检测

第47课：要求

第48课：使用机器学习进行短信垃圾信息检测

第49课：代码

第19节：使用机器学习进行简历筛选

第50课：要求

第51课：使用机器学习进行简历筛选

第52课：代码

第20节：使用机器学习进行信用卡欺诈检测

第53课：要求

第54课：使用机器学习进行信用卡欺诈检测

第55课：代码

第21节：YouTube热门视频分析

第56课：要求

第57课：YouTube热门视频分析

第58课：代码

第22节：速查表

第59课：数据科学、机器学习、深度学习和Python速查表

开发人员、数据科学家、数据分析师、研究人员、教师、经理、学生、求职者