机器学习(常用科学计算库的使用)基础定位、目标
1.
机器学习概述
1.1.
人工智能概述
1.2.
人工智能发展历程
1.3.
人工智能主要分支
1.4.
机器学习工作流程
1.5.
机器学习算法分类
1.6.
模型评估
1.7.
Azure机器学习模型搭建实验
1.8.
深度学习简介【了解】
2.
机器学习基础环境安装与使用
2.1.
库的安装
2.2.
jupyter notebook使用
3.
Matplotlib
3.1.
Matplotlib之HelloWorld
3.2.
折线图(plot)与基础绘图功能
3.3.
常见图形绘制
4.
Numpy
4.1.
Numpy的优势
4.2.
N维数组-ndarray
4.3.
基本操作
4.4.
ndarray运算
4.5.
数学:矩阵
4.6.
数组间的运算
5.
Pandas
5.1.
Pandas介绍
5.2.
基本数据操作
5.3.
DataFrame运算
5.4.
Pandas画图
5.5.
文件读取与存储
5.6.
高级处理-缺失值处理
5.7.
高级处理-数据离散化
5.8.
高级处理-合并
5.9.
高级处理-交叉表与透视表
5.10.
高级处理-分组与聚合
5.11.
案例
Published with GitBook
机器学习(常用科学计算库的使用)基础定位、目标
机器学习概述
学习目标
了解人工智能发展历程
了解机器学习定义以及应用场景
说明机器学习算法监督学习与无监督学习的区别
说明监督学习中的分类、回归特点
说明机器学习的开发流程