AI技术领域课程--机器学习-就业创业和职业培训在线服务平台

客服咨询

意见反馈

终身学习智能服务

帮助中心

消息

首页课程中心在线报名政策资讯帮助中心

AI技术领域课程--机器学习

华为云//

0.0

分

9467

视频

16.1

课时

0.00

介绍

目录

课程概述

机器学习是人工智能领域的基础研究方向之一，包括很多大家耳熟能详的算法。人工智能技术可谓构建在算法之上，我们需要运用算法去实现我们的想法，因此，想要了解人工智能技术，也需要学习常用的机器学习相关算法。

课程目标

通过本课程的学习，使学员： 1、掌握有监督学习，包括线性回归，逻辑回归，KNN，朴素贝叶斯，SVM,决策树等算法的基础知识及应用。 2、掌握集成算法包括Bagging及boosting算法的基础知识及应用。 3、掌握无监督学习包括聚类算法的基础知识及应用。 4、掌握分类问题，数据挖掘等相关知识及应用。

考核评价

1、掌握有监督学习，包括线性回归，逻辑回归，KNN，朴素贝叶斯，SVM,决策树等算法的基础知识及应用。 2、掌握集成算法包括Bagging及boosting算法的基础知识及应用。 3、掌握无监督学习包括聚类算法的基础知识及应用。 4、掌握分类问题，数据挖掘等相关知识及应用。

详细介绍

课程大纲

第1章机器学习概述
第2章有监督学习-线性回归
第3章有监督学习-逻辑回归
第4章有监督学习-KNN
第5章有监督学习-朴素贝叶斯
第6章有监督学习-SVM
第7章有监督学习-决策树
第8章有监督学习-集成算法概述
第9章有监督学习-Bagging
第10章有监督学习-随机森林
第11章有监督学习-Boosting
第12章有监督学习-Adaboost
第13章有监督学习-GBDT
第14章有监督学习-Xgboost
第15章无监督学习-聚类算法
第16章无监督学习 - 关联规则

第1章机器学习概述

1.1 什么是机器学习

（728s）

1.2 机器学习的分类

（1224s）

1.3 基本术语和概念

（845s）

第2章有监督学习-线性回归

2.1 线性回归算法原理

（451s）

2.2 线性回归的优化

（1015s）

2.3 基于ModelArts的线性回归实验

（858s）

第3章有监督学习-逻辑回归

3.1 逻辑回归算法原理

（853s）

3.2 使用梯度下降进行优化

（562s）

3.3 逻辑回归的优缺点

（423s）

3.4 基于ModelArts的逻辑回归实验

（626s）

第4章有监督学习-KNN

4.1 KNN原理

（829s）

4.2 KNN调参

（1364s）

4.3 KNN的优缺点

（224s）

4.4 基于ModelArts的KNN实验

（692s）

第5章有监督学习-朴素贝叶斯

5.1 贝叶斯分类的方法

（882s）

5.2 朴素贝叶斯的分类过程

（265s）

5.3 朴素贝叶斯的优缺点

（298s）

5.4 基于ModelArts的朴素贝叶斯实验

（608s）

第6章有监督学习-SVM

6.1 线性SVM的目标函数

（1024s）

6.2 线性SVM的优化

（894s）

6.3 核函数

（783s）

6.4 基于ModelArts的SVM实验

（859s）

第7章有监督学习-决策树

7.1 决策树的构建过程

（1550s）

7.2 ID3算法流程

（499s）

7.3 基于ModelArts的ID3算法的实现和调用

（602s）

7.4 C4.5

（266s）

7.5 基于ModelArts的C4.5算法的实现和调用

（548s）

7.6 CART的基本概念

（486s）

7.7 基于ModelArts的CART算法的实现和调用

（815s）

第8章有监督学习-集成算法概述

8.1 集成算法的原理和一般过程

（1076s）

第9章有监督学习-Bagging

9.1 Bagging的基本思想

（623s）

9.2 Bagging运行原理

（537s）

9.3 Bagging的特点

（178s）

第10章有监督学习-随机森林

10.1 RF的构建方法

（745s）

10.2 随机森林的优缺点

（548s）

10.3 基于ModelArts的随机森林算法的使用

（640s）

第11章有监督学习-Boosting

11.1 Boosting的基本概念

（779s）

11.2 Boosting的工作方式

（476s）

第12章有监督学习-Adaboost

12.1 Adaboost的基本概念

（562s）

12.2 Adaboost流程

（896s）

12.3 基于ModelArts的Adaboost算法的使用

（868s）

第13章有监督学习-GBDT

13.1 GBDT基本概念

（632s）

13.2 GBDT的计算流程

（798s）

13.3 基于ModelArts的GBDT算法的使用

（1359s）

第14章有监督学习-Xgboost

14.1 Xgboost的原理

（482s）

14.2 XGboost与GBDT的不同

（303s）

14.3 基于ModelArts的XGboost算法的使用

（1419s）

第15章无监督学习-聚类算法

15.1 数据与属性的相似性计算

（866s）

15.2 Kmeans

（1013s）

15.3 Kmeans++

（130s）

15.4 k-medoids

（481s）

15.5 层级聚类

（579s）

15.6 DBSCAN

（734s）

15.7 基于ModelArts聚类算法的综合实验

（1036s）

第16章无监督学习 - 关联规则

16.1 关联规则基本概念

（435s）

16.2 Apriori算法原理

（800s）

16.3基于ModelArts的关联算法实验

（575s）

第17章实验系列

17.1 多变量线性回归Python代码底层实现

（528s）

17.2 梯度下降多种方式实现

（683s）

17.3完整数据挖掘流程实验综合案例

（1720s）

第18章随堂测试

随堂测试

（0s）

华为云

9

门课

2556

人报名学习

推荐课程

就业领域法律法规

最新就业创业政策

【首届公共就业服务专项业务竞赛】优秀就业服务案例

【首届公共就业服务专项业务竞赛】优秀就业服务项目

【首届公共就业服务专项业务竞赛】优秀就业服务成果

劳动保障专理员精品课程

务工就业指导（1-41讲）

大学生就业指南（1-41讲）

职业指导人员能力提升教程-4-职业生涯规划-职业生涯发展理论理论篇-徐春霞

职业指导人员能力提升教程-4-职业生涯规划-职业决策的关键-胡珍剑

友情链接：中华人民共和国人力资源和社会保障部中国就业网再启航—退役军人在线学习平台技能人才评价工作网

技术支持：杭州沃土教育科技股份有限公司

京ICP备09079694号|广播电视节目制作经营许可证（浙）字第06609号|浙公网安备号