Python机器学习全流程项目实战精讲

开始时间: 2019-01-12 13:00 星期六
结束时间: 2019-01-31 17:30 星期四
举办地点: 微信群
主办方:
天善智能
活动已结束
分享扩散:

课程名称:

Python机器学习全流程项目实战精讲

课程购买链接:https://edu.hellobi.com/course/284

【温馨提示:1. 你可以在PC端浏览器或者微信收藏该页面,以方便你快速找到这个课程;2. 课程相关资料可在课程PC端公告查看下载;3.加入课程后,点(课时)列表即可观看视频 】

 

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。


学习方式:

录播课程,开课即学

在线反复观看,有效期2年

上课方式:录播学习+VIP会员群+独享问答中心+在线答疑 +2年反复观看

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.描述性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:招聘数据的描述性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

5.XGBoost

6.lightGBM

7.CatBoost

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

友情提示:  

1、PC端如果发现浏览器无法观看课程,建议使用谷歌浏览器观看;移动端建议直接微信打开课程页面。

2、如果购买后下次登录提示课程需要重新购买,一般是因为你把登录账户记成你绑定的手机或者邮箱帐号而混淆了。

3、【在微信购买课程的用户注意】请微信收藏课程页面或者关注微信公众号:天善智能(点“我的”即可查看你已购买的课程),已方便下次学习。

4、课程相关资料&QQ会员群可在课程PC端公告查看下载。

5、加入学习后请添加客服微信:tianshansoft08(请注明:课程名称),邀请你加入微信VIP群与老师&同学交流讨论。

1111.jpg

活动组织者

  • 主办方:
    • 天善智能

10 人报名

改版

反馈