目录

1.概率统计中常见概念总结

2. 一些常用的机器学习算法理论及实现

3. 一些常用的机器学习框架

机器学习原理项目实战

深度学习及实战项目强化训练

四个工业级实战项目

---

1.概率统计中常见概念总结

• 总体均值、总体方差

• 样本均值、样本方差

• 无偏估计、有偏估计

• 样本标准差

• 样本协方差、协方差矩阵

2. 一些常用的机器学习算法理论及实现

算法理论包括：

• 《统计学习方法》学习总结

算法实现包括：

• Apriori 算法

• DesicionTree 算法

• HMM模型 Viterbi 算法

• 针对文本分类的 NaiveBayes 算法

• 针对文本分类的 LogisticRegression 算法

• 线性回归算法：

  • 标准的线性回归

  • 局部加权线性回归

  • 岭回归

结果示例：

3. 一些常用的机器学习框架

框架包括：

• Keras 

• TensorFlow

• sklearn 

机器学习原理项目实战

• 房价预测案例；数据集探索

熟悉机器学习领域的经典算法、模型及实现的任务等，同时学习搭建和配置机器学习环境，并学会用线性回归解决一个实际问题。

• 房价预测案例

用Logistic回归、神经网络和SVM等分类器实现商品分类；比较不同模型以及不同参数下SVM（不同正则参数和核函数）的性能，体会各模型的特点。

• 电商商品分类案例

学习Boosting集成思想及基于树的集成算法，通过XGBoost 实现电商商品分类项目，学习复杂模型参数调优。

• 人脸图像特征提取：PCA、ICA、NFM。电商用户聚类案例

学习用降维技术对高维特征进行降维，并通过两个实战案例学会使用非监督学习算法完成相关任务。

• 商品推荐案例

学会常用数据预处理方法及特征编码方法；学习特征工程的一般处理原则；组合各种特征工程技术和机器学习算法实现推荐系统。

深度学习及实战项目强化训练

• Mnist手写数字识别

熟悉神经网络领域的常用术语、安装并配置深度学习框架Tensorflow，学会用Tensorflow解决一个实际问题。

• 用CNN实现手写数字识别（Mnist数据集）；验证码识别

用Logistic回归、神经网络和SVM等分类器实现商品分类；比较不同模型以及不同参数下SVM（不同正则参数和核函数）的性能，体会各模型的特点。

• 20种分类/11530张图像数据集：图像检测任务

学习图像分类任务及检测任务目前主要模型算法，并通过两个实战案例学习在Tensorflow框架下训练CNN模型。

• 33万张图像数据集：图像语义分割任务

学习主流图像分割模型，并通过实战案例学习在Tensorflow框架下训练和调优CNN模型。

• CNN+RNN实现写诗机器人

学习循环神经网络的原理及应用，并通过实战案例学习在Tensorflow框架下训练和调优CNN+RNN模型。

四个工业级实战项目

• 自然语言处理：文本分类。根据企业的注册、投资及经营范围等相关信息，对企业进行分类，为企业的估值提供参考。

• 广告点击率预测（CTR）预测用户浏览给定网页的广告点击率，提高广告投放精准度。

• 车辆检测及型号识别——用深度学习方法从图片中检测车辆并识别其型号。

• 看图说话机器人——用计算机视觉和深度学习方法分析图片内容，并对图片自动生成文字描述。

Python电子书、机器学习视频、电子书， 如果你用得到的话可以直接拿走，在我的QQ技术交流群里群号：881744585（纯技术交流和资源共享，广告勿入）以自助拿走

这篇文章到这里结束了，更多有关Python精彩内容可以关注小编看小编主页或点击上分福利多多。