【中文普通话】12小时数据科学和机器学习基础 I

发布日期：2023年5月
MP4 | 视频：h264，1280×720 | 音频：AAC，44.1 KHz
语言：中文普通话 | 大小：5.54 GB | 时长：12小时18分钟

使用Python和Pandas的数据科学和机器学习基础

使用Python和Pandas的数据科学和机器学习基础

你将学到什么：
关于数据科学和机器学习理论、算法、方法、最佳实践和任务的知识
深入了解数据科学和机器学习，并知道如何执行常见的数据科学和机器学习任务
能够自信地处理和执行常见的数据科学和机器学习任务
基本的Python和Pandas数据处理知识，以及对Scikit-learn、Statsmodels、Matplotlib、Seaborn和其他库的了解
关于回归预测、分类和聚类分析的详细知识

要求：
唯一的要求是四种计数方法（+-*/）和对Windows、Linux或Mac OS的日常使用经验。

描述：
这门课程是数据科学和机器学习基础的令人兴奋的实践视角。数据科学和机器学习正在大规模发展。无论你在社会、互联网还是技术领域，你都会发现数据科学和机器学习算法在幕后工作，分析和优化我们生活、商业和社会的方方面面。数据科学和机器学习与人工智能是目前发展最快的领域之一。无论你是初学者还是有经验的数据科学家，本课程都将教授你数据科学和机器学习的基础知识。无论你是初学者还是有经验的数据科学家，本课程都将教授你许多新知识。你将学习使用监督学习的机器学习模型进行回归和预测。本课程在Udemy上拥有最全面和基础的内容包，包括实用的理论、自动化的机器学习算法用于模型构建和特征选择，以及人工智能。你将学习从简单的线性回归模型到更复杂的多元多项式回归模型的各种模型。使用监督学习的机器学习模型进行分类。你将学习分类过程、分类理论和可视化，以及一些有用的分类器模型。使用无监督学习的机器学习模型进行聚类分析。在本课程的这一部分，你将学习无监督学习、聚类理论、人工智能、探索性数据分析和7种有用的机器学习聚类算法。数据科学和机器学习的基础知识。使用Python和Pandas进行数据处理。本课程包括一个全面易懂的基本Python和Pandas数据处理教学包，使任何人都能学习课程内容，无论他们之前是否了解编程、制表软件、Python、数据科学或机器学习。一个易懂的指南，用于下载、安装和设置Anaconda发行版，使任何人都能为本课程安装Python数据科学和机器学习环境。无论你是初学者还是有经验的数据科学家，本课程都将教授你许多新知识。一个包含大量独特内容的课程，将教授你许多只能从Udemy的这门课程中学到的新知识。一个基于经过验证和专业的学习框架构建的课程结构。紧凑的课程结构，不浪费时间。

这门课程适合你吗？
无论你是初学者还是有经验的数据科学家，这门课程都适合你。无论你是否拥有博士学位，或者没有任何教育或经验，这门课程都适合你。

课程要求：
四种计数方法（+-*/）
对Windows、Linux、Mac OS或类似操作系统的基本日常使用经验

完成本课程后，你将拥有：
关于数据科学和机器学习理论、算法、方法、最佳实践和任务的知识。
对数据科学和机器学习的深入实践知识，并知道如何执行常见的数据科学和机器学习任务。
能够自信地处理和执行常见的数据科学和机器学习任务。
基本的Python和Pandas数据处理知识，并了解Scikit-learn、Statsmodels、Matplotlib、Seaborn和其他库。
关于回归预测、分类和聚类分析的详细知识。

概述：
第1节：介绍

讲座1：课程介绍

讲座2：下载和安装Anaconda发行版以及Visual Studio Code

讲座3：为本课程设置Anaconda发行版

第2节：基本的Python和Pandas数据处理

讲座4：概述以及整数、浮点数和字符串

讲座5：集合、元组、字典和列表

讲座6：数据转换器和函数

讲座7：Pandas简介，DataFrame

讲座8：Pandas，加载和保存文件

讲座9：Pandas操作和技巧。选择、提取和切片

讲座10：Pandas：数据清洗、准备、描述和可视化

第3节：使用机器学习模型进行回归和预测

讲座11：回归和监督学习。概述和诊断的假设

讲座12：回归和预测，一些实际建模概念