西安Python实战课程

随着机器学习的兴起，Python逐步成为了「**」的语言。它简单易用、逻辑明确并拥有海量的扩展包，因此其不仅成为机器学习与数据科学的**语言，同时在网页、数据爬取、科学研究等方面成为不二选择。

1.每个算法模块按照“原理讲解→分析数据→自己动手实现→特征与调参”的顺序。

2.“Python数据清洗和特征提取”，提升学习深度、降低学习坡度。

3.增加网络爬虫的原理和编写，从获取数据开始，重视将实践问题转换成实际模型的能力，分享工作中的实际案例或Kaggle案例：广告销量分析、环境数据异常检测和分析、数字图像手写体识别、Titanic乘客存活率预测、用户-电影推荐、真实新闻组数据主题分析、中文分词、股票数据特征分析等。

4.强化矩阵运算、概率论、数理统计的知识运用，掌握机器学习根本。

5.阐述机器学习原理，提供配套源码和数据。

6.以直观解释，增强感性理解。

7.对比不同的特征选择带来的预测效果差异。

8.重视项目实践，重视落地。思考不同算法之间的区别和联系，提高在实际工作中选择算法的能力。

9.涉及和讲解的部分Python库有：Numpy、Scipy、matplotlib、Pandas、scikit-learn、XGBoost、libSVM、LDA、Gensim、NLTK、HMMLearn。

模块一：机器学习的数学基础1-数学分析

模块二：机器学习的数学基础2-概率论与贝叶斯先验

模块三：机器学习的数学基础3-矩阵和线性代数

模块四：Python基础1-Python及其数学库

模块五：Python基础2-机器学习库

模块六：Python基础3-数据清洗和特征选择

模块七：回归

模块八：Logistic回归

模块九：回归实践

模块十：决策树和随机森林

模块十一：随机森林实践

模块十二：提升

模块十三：提升实践

模块十四：SVM

模块十五：SVM实践

模块十六：聚类（一）

模块十七：聚类（二）

模块十八：聚类实践

模块十九：EM算法

模块二十：EM算法实践

模块二十一：模块模型LDA

模块二十二：LDA实践

模块二十三：隐马尔科夫模型HMM

模块二十四：HMM实践

更多课程详情请点击咨询专属客服

《Python 3标准库》，本书由资深Python专家亲自执笔，Python语言的核心开发人员鼎力推荐。对程序员而言，标准库与语言本身同样重要，它好比一个百宝箱，能为各种常见的任务提供完美的解决方案，所以本书是所有Python程序员都必备的工具书！全书以案例驱动的方式讲解了标准库中数百个模块的使用方法（如何工作）和工作原理（为什么要这样工作），比标准库的官方文档更容易理解（一个简单的示例比一份手册文档更有帮助），为Python程序员熟练掌握和使用这些模块提供了绝佳指导。