用于机器学习的 Python：完整的初学者课程

学习用 Python 为学生和专业人士创建机器学习算法

讲师：Meta Brains

独家Udemy付费课程，中英文字幕，课程资料包齐全！

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。

你将会学到的

• 学习 Python 编程和 Scikit 学习应用于机器学习回归
• 了解简单和多元线性回归技术背后的基本理论
• 学习解决回归问题（线性回归和逻辑回归）
• 使用 sklearn 学习逻辑回归的理论和实际实现
• 学习决策树背后的数学
• 了解用于聚类的不同算法

课程内容

10 个章节 • 87 个讲座 • 总时长 2 小时 28 分钟展开所有章节

机器学习简介7 个讲座 • 10 分钟

可选：设置 Python 和 ML 算法实现7 个讲座 • 14 分钟

简单线性回归6 个讲座 • 11 分钟

多元线性回归8 个讲座 • 20 分钟

分类算法：K-Nearest Neighbors10 个讲座 • 14 分钟

分类算法：决策树8 个讲座 • 12 分钟

分类算法：逻辑回归8 个讲座 • 14 分钟

聚类15 个讲座 • 27 分钟

推荐系统17 个讲座 • 25 分钟

结论1 个讲座 • 1 分钟

要求

• 具有 Python 基础知识的经验
• 准备、灵活性和对学习的热情
• 基本数学技能

说明

要了解 Google、Amazon 甚至 Udemy 等组织如何使用机器学习和人工智能 (AI) 从庞大的数据集中提取意义和见解，本机器学习课程将为你提供基本知识。根据 Glassdoor 和 Indeed 的数据，数据科学家的平均收入为 120,000 美元，这只是常态！ 

当谈到吸引力时，数据科学家已经在那里了。在竞争激烈的就业市场中，他们被录用后很难留住他们。具有独特的科学训练、计算机专业知识和分析能力的人很难找到。

与 1980 年代和 1990 年代的华尔街“量化专家”一样，现代数据科学家也有望拥有类似的技能组合。在那个年代，有物理和数学背景的人涌向投资银行和对冲基金，因为他们可以想出新的算法和数据方法。

话虽如此，数据科学正在成为 21 世纪最适合取得成功的职业之一。它本质上是计算机化的、编程驱动的和分析性的。因此，在过去几年中，就业市场对数据科学家的需求不断增加也就不足为奇了。

另一方面，供应受到很大限制。获得被招募为数据科学家所需的知识和能力具有挑战性。

本课程尽量减少数学符号和行话，每个主题都用简单的英语解释，更容易理解。一旦你掌握了代码，你就可以使用它并在其上进行构建。本课程的重点是在现实世界中理解和使用这些算法，而不是在理论或学术环境中。 

你将带着一个可以立即投入使用的新想法离开每个视频！

本课程欢迎所有技能水平，即使你之前没有统计经验，你也能成功！

此课程面向哪些人：

• 任何想从事机器学习事业的人
• 任何愿意将机器学习能力添加到他们的投资组合中的 Python 编程爱好者
• 对机器学习在现实世界中如何运作感到好奇的技术专家
• 希望将机器学习添加到他们的技能中的程序员