【Udemy中英字幕】Data Science & Machine Learning: Naive Bayes in Python

数据科学与机器学习：Python中的朴素贝叶斯

掌握关键的人工智能算法，大幅提升你的 Python 编程技能

讲师：Lazy Programmer Inc.

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

您将学到什么

• 将朴素贝叶斯应用于图像分类（计算机视觉）
• 将朴素贝叶斯应用于文本分类（NLP）
• 将朴素贝叶斯应用于疾病预测、基因组学和财务分析
• 理解朴素贝叶斯概念和算法
• 从头实现多个朴素贝叶斯模型

探索相关主题

• 数据科学
• 机器学习
• 发展

要求

• 良好的 Python 编程技能
• 具有 Numpy、Matplotlib 和 Pandas 经验（我们将使用这些工具）
• 高级部分：了解概率

描述

在此自定进度的课程中，您将学习如何将朴素贝叶斯应用于各种领域的许多现实世界数据集，例如：

• 计算机视觉

• 自然语言处理

• 财务分析

• 卫生保健

• 基因组学

为什么要选修这门课程？朴素贝叶斯是机器学习、数据科学和人工智能中的基本算法之一。没有掌握它，任何从业者都是不完整的。

本课程适合所有级别的学生，无论您是初学者、中级还是高级。您将了解朴素贝叶斯的工作原理以及如何有效地应用它，同时考虑到朴素贝叶斯算法的独特特征。您将了解何时以及为何使用 Scikit-Learn 中包含的不同版本的朴素贝叶斯，包括 GaussianNB、BernoulliNB 和 MultinomialNB。

在课程的高级部分，您将了解朴素贝叶斯算法的真正工作原理。您还将学习如何从头开始实现朴素贝叶斯算法的几种变体，包括高斯朴素贝叶斯算法、伯努利朴素贝叶斯算法和多项式朴素贝叶斯算法。高级部分将需要概率知识，所以请做好准备！

感谢您的阅读，希望很快能见到您！

建议的先决条件：

• 良好的 Python 编程技能

• 熟悉 Numpy 和 Matplotlib 等数据科学库

• 对于高级部分，需要概率知识

我应该按照什么顺序学习您的课程？

• 查看讲座“机器学习和人工智能先决条件路线图”（可在我的任何课程的常见问题解答中找到，包括我的免费课程）

独特功能

• 每行代码都有详细解释 – 如果您不同意，请随时给我发电子邮件

• 平均问答响应时间少于 24 小时

• 不惧怕大学水平的数学——获得其他课程遗漏的算法重要细节

本课程适合哪些人：

• 对数据科学和机器学习感兴趣的初级 Python 开发人员
• 对机器学习基础感兴趣的学生和专业人士