【中文普通话】28小时机器学习基础课程（2023年）

发布日期：2023年2月 创建者：Mohit Uniyal，Prateek Narang MP4 | 视频：h264，1280×720 | 音频：AAC，44.1 KHz，2声道 类型：在线学习 | 语言：英语 | 时长：198讲座（27小时57分钟）| 大小：15.8 GB

快速入门机器学习，了解基本算法背后的数学原理，用Python实现并构建8个以上的项目！

你将学到什么： 启动AI和ML的世界 机器学习的数学基础 回归和分类技术 线性回归和逻辑回归 K最近邻算法，K均值算法 朴素贝叶斯，文本分类 决策树和随机森林 集成学习 – Bagging和Boosting 降维 神经网络 8个以上的实践项目

要求： Python编程 Numpy，Pandas，Matplotlib的基础知识

描述： 准备好快速入门机器学习和人工智能了吗？这门实践课程旨在为绝对初学者和熟练的程序员提供机器学习的入门知识，以解决现实生活中的问题。你将学习如何处理数据，并训练能够做出“智能决策”的模型。数据科学是21世纪最有回报的工作之一，财富500强的科技公司正在大量投资数据科学家！作为一种职业，数据科学非常有回报，并且提供世界上最高的薪水之一。与其他只涵盖库实现的课程不同，本课程旨在通过涵盖大多数统计技术的数学和Python实现，为你提供机器学习的坚实基础。这门综合课程由Prateek Narang和Mohit Uniyal教授，他们不仅是受欢迎的讲师，还曾在谷歌等公司的软件工程和数据科学领域工作。在过去的3年多时间里，他们在线上和线下课程中教授了数千名学生。我们以原始成本的一小部分提供给你这门课程！这是一个实践导向的课程，我们不仅深入理论，还专注于通过构建8个以上的项目来实践。拥有170多个高质量视频讲座、易于理解的解释和完整的代码库，这是学习数据科学的最详细和最强大的课程之一。你将在本课程中学到的一些主题有：逻辑回归、线性回归、主成分分析、朴素贝叶斯、决策树、Bagging和Boosting、K-NN、K-Means、神经网络。你将在本课程中学到的一些概念有：凸优化、过拟合与欠拟合、偏差方差权衡、性能指标、数据预处理、特征工程、处理数值数据、图像和文本数据、参数化与非参数化技术。立即报名参加这门课程，迈出成为机器学习工程师的第一步！在课程中见！

适合人群： 对机器学习和人工智能感兴趣的程序员 希望在数据科学领域建立职业的职业人士 希望学习新技能并构建基于机器学习的项目的开发人员 希望加强对机器学习理解的大学和大专学生