咕泡唐宇迪金融领域科研AI基础2年学习卡

金融领域科研AI基础2年学习卡

金融领域科研AI基础2年学习卡

课程详情

课程大纲

• 第一章 第一章：Python快速入门
• 第二章 第二章：Python数据科学必备工具包实战
• 第三章 第三章：人工智能-必备数学课程
• 第四章 第四章：机器学习算法精讲及其案例应用
• 第五章 第五章：机器学习算法建模实战项目
• 第六章 第六章：机器学习案例实战应用集锦
• 第七章 第七章：深度学习必备核⼼算法
• 第八章 第八章：深度学习核心框架PyTorch
• 第九章 第九章：时间序列预测

第一章 第一章：Python快速入门可试看

1-1节 1-Python环境配置

录播

1.1-Python环境配置

15分钟

1-2节 2-Python库安装工具

录播

1.2-Python库安装工具

10分钟

1-3节 3-Notebook工具使用

录播

1.3-Notebook工具使用

21分钟

1-4节 4-Python简介

录播

1.4-Python简介

17分钟

1-5节 5-Python数值运算

录播

1.5-Python数值运算

16分钟

1-6节 6-Python字符串操作

录播

1.6-Python字符串操作

15分钟

1-7节 7-1-索引结构

录播

1.7-1-索引结构

10分钟

1-8节 7-2-List基础结构

录播

1.7-2-List基础结构

14分钟

1-9节 8-List核心操作

录播

1.8-List核心操作

14分钟

1-10节 9-字典基础定义

录播

1.9-字典基础定义

9分钟

1-11节 10-字典的核心操作

录播

1.10-字典的核心操作

12分钟

1-12节 11-Set结构

录播

1.11-Set结构

12分钟

1-13节 12-赋值机制

录播

1.12-赋值机制

3分钟

1-14节 13-判断结构

录播

1.13-判断结构

7分钟

1-15节 14-循环结构

录播

1.14-循环结构

12分钟

1-16节 15-函数定义

录播

1.15-函数定义

15分钟

1-17节 16-模块与包

录播

1.16-模块与包

14分钟

1-18节 17-异常处理模块

录播

1.17-异常处理模块

19分钟

1-19节 18-文件操作

录播

1.18-文件操作

20分钟

1-20节 19-类的基本定义

录播

1.19-类的基本定义

13分钟

1-21节 20-类的属性操作

录播

1.20-类的属性操作

13分钟

1-22节 21-时间操作

录播

1.21-时间操作

7分钟

1-23节 Python练习题-1

录播

1.22-Python练习题-1

13分钟

1-24节 Python练习题-2

录播

1.23-Python练习题-2

20分钟

第二章 第二章：Python数据科学必备工具包实战可试看

2-1节 1. 科学计算库-Numpy

录播

1.1-Numpy概述

9分钟

录播

2.2-Array数组

10分钟

录播

3.3-数组结构

18分钟

录播

4.4-数组类型

6分钟

录播

5.5-数值运算

14分钟

录播

6.6-排序操作

12分钟

录播

7.7-数组形状操作

17分钟

录播

8.8-数组生成函数

13分钟

录播

9.9-常用生成函数

8分钟

录播

10.10-四则运算

9分钟

可试看

录播

11.11-随机模块

15分钟

录播

12.12-文件读写

10分钟

录播

13.13-数组保存

11分钟

录播

14.14-练习题-1

12分钟

录播

15.15-练习题-2

13分钟

录播

16.16-练习题-3

19分钟

2-2节 2. 数据分析处理库-Pandas

录播

1.1-Pandas概述

12分钟

录播

2.2-Pandas基本操作

14分钟

录播

3.3-Pandas索引

13分钟

录播

4.4-groupby操作

12分钟

录播

5.5-数值运算1

13分钟

录播

6.6-对象操作

13分钟

录播

7.7-对象操作2

13分钟

录播

8.8-merge操作

12分钟

录播

9.9-显示设置

7分钟

录播

10.10-数据透视表

13分钟

录播

11.11-时间操作

11分钟

录播

12.12-时间序列操作

12分钟

录播

13.Pandas常用操作

16分钟

录播

14.Pandas常用操作2

13分钟

录播

15.15-Groupby操作延伸

20分钟

录播

16.16-字符串操作

10分钟

录播

17.17-索引进阶

11分钟

录播

18.18-Pandas绘图操作

16分钟

录播

19.19-大数据处理技巧

32分钟

2-3节 3 .可视化库-Matplotlib

录播

1.1-Matplotlib概述

11分钟

录播

2.2-子图与标注

21分钟

录播

3.3-风格设置

4分钟

录播

4.4-条形图

14分钟

录播

5.5-条形图细节

15分钟

录播

6.6-条形图外观

15分钟

录播

7.7-盒图绘制

9分钟

录播

8.8-盒图细节

14分钟

录播

9.9-绘图细节设置

13分钟

录播

10.10-绘图细节设置2

12分钟

录播

11.11-直方图与散点图

18分钟

录播

12.12-3D图绘制

20分钟

录播

13.13-pie图

15分钟

录播

14.14-子图布局

14分钟

录播

15.15-结合pandas与sklearn

14分钟

2-4节 4. 可视化库-Seaborn

录播

1.0-课程简介

2分钟

录播

2.1整体布局风格设置

7分钟

录播

3.2风格细节设置

6分钟

录播

4.3调色板

10分钟

录播

5.4调色板颜色设置

8分钟

录播

6.5单变量分析绘图

9分钟

录播

7.6回归分析绘图

8分钟

录播

8.7多变量分析绘图

10分钟

录播

9.8分类属性绘图

9分钟

录播

10.9Facetgrid使用方法

8分钟

录播

11.10Facetgrid绘制多变量

8分钟

录播

12.11热度图绘制

14分钟

第三章 第三章：人工智能-必备数学课程

3-1节 1.高等数学基础

录播

1.0-课程简介

1分钟

录播

2.1-函数

5分钟

录播

3.2-极限

6分钟

录播

4.3-无穷小与无穷大

6分钟

录播

5.4-连续性与导数

8分钟

录播

6.5-偏导数

7分钟

录播

7.6-方向导数

8分钟

录播

8.7-梯度

11分钟

3-2节 2.微积分

录播

1.1-微积分基本想法

6分钟

录播

2.2-微积分的解释

8分钟

录播

3.3-定积分

8分钟

录播

4.4-定积分性质

5分钟

录播

5.5-牛顿-莱布尼茨公式

11分钟

3-3节 3.泰勒公式与拉格朗日

录播

1.1-泰勒公式出发点

6分钟

录播

2.2-一点一世界

9分钟

录播

3.3-阶数的作用

8分钟

录播

4.4-阶乘的作用

5分钟

录播

5.5-拉格朗日乘子法

9分钟

录播

6.6-求解拉格朗日乘子法

10分钟

3-4节 4.线性代数基础

录播

1.1-行列式概述

5分钟

录播

2.2-矩阵与数据的关系

9分钟

录播

3.3-矩阵基本操作

12分钟

录播

4.4-矩阵的几种变换

5分钟

录播

5.5-矩阵的秩

12分钟

录播

6.6-内积与正交

11分钟

3-5节 5.特征值与矩阵分解

录播

1.1-特征值与特征向量

7分钟

录播

2.2-特征空间与应用

4分钟

录播

3.1-SVD要解决的问题

7分钟

录播

4.4-特征值分解

5分钟

录播

5.5-SVD矩阵分解

11分钟

3-6节 6.随机变量

录播

1.1-离散型随机变量

7分钟

录播

2.2-连续型随机变量

9分钟

录播

3.3-简单随机抽样

2分钟

录播

4.4-似然函数

7分钟

录播

5.5-极大似然估计

10分钟

3-7节 7.概率论基础

录播

1.1-概率与频率

6分钟

录播

2.2-古典概型

6分钟

录播

3.3-条件概率

8分钟

录播

4.4-条件概率小例子

5分钟

录播

5.5-独立性

7分钟

录播

6.6-二维离散型随机变量

8分钟

录播

7.7-二维连续型随机变量

5分钟

录播

8.8-边缘分布

9分钟

录播

9.9-期望

4分钟

录播

10.10-期望求解

8分钟

录播

11.11-马尔科夫不等式

8分钟

录播

12.12-切比雪夫不等式

11分钟

录播

13.13-后验概率估计

10分钟

录播

14.14-贝叶斯拼写纠错实例

11分钟

录播

15.15-垃圾邮件过滤实例

14分钟

3-8节 8.数据科学你得知道的几种分布

录播

1.1-正态分布

19分钟

录播

2.2-二项式分布

11分钟

录播

3.3-泊松分布

15分钟

录播

4.4-均匀分布

3分钟

录播

5.5-卡方分布

5分钟

录播

6.6-beta分布

14分钟

3-9节 9.核函数变换

录播

1.1-核函数的目的

6分钟

录播

2.2-线性核函数

5分钟

录播

3.3-多项式核函数

4分钟

录播

4.4-核函数实例

6分钟

录播

5.5-高斯核函数

8分钟

录播

6.6-参数的影响

8分钟

3-10节 10.熵与激活函数

录播

1.1-熵的概念

4分钟

录播

2.2-熵的大小意味着什么

12分钟

录播

3.3-激活函数

6分钟

录播

4.4-激活函数的问题

10分钟

3-11节 11.回归分析

录播

1.1-回归分析概述

7分钟

录播

2.2-回归方程定义

4分钟

录播

3.3-误差项的定义

7分钟

录播

4.4-最小二乘法推导与求解

12分钟

录播

5.5-回归方程求解小例子

6分钟

录播

6.6-回归直线拟合优度

11分钟

录播

7.7-多元与曲线回归问题

8分钟

录播

8.8-Python工具包介绍

5分钟

录播

9.9-statsmodels回归分析

9分钟

录播

10.10-高阶与分类变量实例

12分钟

录播

11.11-案例：汽车价格预测任务概述

9分钟

录播

12.12-案例：缺失值填充

13分钟

录播

13.13-案例：特征相关性

13分钟

录播

14.14-案例：预处理问题

7分钟

录播

15.15-案例：回归求解

13分钟

3-12节 12.假设检验

录播

1.1-假设检验基本思想

12分钟

录播

2.2-左右侧检验与双侧检验

14分钟

录播

3.3-Z检验基本原理

7分钟

录播

4.4-Z检验实例

14分钟

录播

5.5-T检验基本原理

13分钟

录播

6.6-T检验实例

6分钟

录播

7.7-T检验应用条件

7分钟

录播

8.8-卡方检验

11分钟

录播

9.9-假设检验中的两类错误

10分钟

录播

10.10-Python假设检验实例

12分钟

录播

11.11-Python卡方检验实例

8分钟

3-13节 13.相关分析

录播

1.1-相关分析概述

9分钟

录播

2.2-皮尔森相关系数

8分钟

录播

3.3-计算与检验

13分钟

录播

4.4-斯皮尔曼等级相关

14分钟

录播

5.5-肯德尔系数

6分钟

录播

6.6-质量相关分析

13分钟

录播

7.7-偏相关与复相关

7分钟

3-14节 14.方差分析

录播

1.1-方差分析概述

6分钟

录播

2.2-方差的比较

11分钟

录播

3.3-方差分析计算方法

14分钟

录播

4.4-方差分析中的多重比较

8分钟

录播

5.5-多因素方差分析

9分钟

录播

6.6-Python方差分析实例

8分钟

3-15节 15.聚类分析

录播

1.1-层次聚类概述

4分钟

录播

2.2-层次聚类流程

12分钟

录播

3.3-层次聚类实例

11分钟

录播

4.4-1-KMEANS算法概述

11分钟

录播

5.4-2-KMEANS工作流程

9分钟

录播

6.4-3-KMEANS迭代可视化展示

8分钟

录播

7.5-1-DBSCAN聚类算法

11分钟

录播

8.5-2-DBSCAN工作流程

15分钟

录播

9.5-3-DBSCAN可视化展示

8分钟

录播

10.6-1-多种聚类算法概述

4分钟

录播

11.6-2-聚类案例实战

17分钟

3-16节 16.贝叶斯分析

录播

1.1-贝叶斯分析概述

7分钟

录播

2.2-概率的解释

6分钟

录播

3.3-贝叶斯学派与经典统计学派的争论

5分钟

录播

4.4-贝叶斯算法概述

6分钟

录播

5.5-贝叶斯推导实例

7分钟

录播

6.6-贝叶斯拼写纠错实例

11分钟

录播

7.7-垃圾邮件过滤实例

14分钟

录播

8.8-贝叶斯解释

10分钟

录播

9.9-经典求解思路

8分钟

录播

10.10-MCMC概述

11分钟

录播

11.11-PYMC3概述

5分钟

录播

12.12-模型诊断

9分钟

录播

13.13-模型决策

10分钟

第四章 第四章：机器学习算法精讲及其案例应用可试看

4-1节 1.线性回归原理推导

录播

1.1-回归问题概述

7分钟

可试看

录播

2.2-误差项定义

9分钟

可试看

录播

3.3-独立同分布的意义

7分钟

可试看

录播

4.4-似然函数的作用

10分钟

可试看

录播

5.5-参数求解

11分钟

可试看

录播

6.6-梯度下降通俗解释

8分钟

可试看

录播

7.7参数更新方法

8分钟

可试看

录播

8.8-优化参数设置

8分钟

可试看

4-2节 2.线性回归代码实现

录播

1.线性回归整体模块概述

5分钟

录播

2.初始化步骤

7分钟

录播

3.实现梯度下降优化模块

10分钟

录播

4.损失与预测模块

11分钟

录播

5.数据与标签定义

10分钟

录播

6.训练线性回归模型

10分钟

录播

7.得到线性回归方程

6分钟

录播

8.整体流程debug解读

8分钟

录播

9.多特征回归模型

9分钟

录播

10.非线性回归

11分钟

4-3节 3.模型评估方法

录播

1.1-Sklearn工具包简介

4分钟

录播

2.2-数据集切分

7分钟

录播

3.3-交叉验证的作用

11分钟

录播

4.4-交叉验证实验分析

14分钟

录播

5.5-混淆矩阵

7分钟

录播

6.6-评估指标对比分析

12分钟

录播

7.7-阈值对结果的影响

8分钟

录播

8.8-ROC曲线

8分钟

4-4节 4.线性回归实验分析

录播

1.1-实验目标分析

8分钟

录播

2.2-参数直接求解方法

8分钟

录播

3.3-预处理对结果的影响

12分钟

录播

4.4-梯度下降模块

6分钟

录播

5.5-学习率对结果的影响

10分钟

录播

6.6-随机梯度下降得到的效果

13分钟

录播

7.7-MiniBatch方法

8分钟

录播

8.8-不同策略效果对比

8分钟

录播

9.9-多项式回归

11分钟

录播

10.10-模型复杂度

16分钟

录播

11.11-样本数量对结果的影响

15分钟

录播

12.12-正则化的作用

9分钟

录播

13.13-岭回归与lasso

19分钟

录播

14.14-实验总结

12分钟

4-5节 5.逻辑回归实验分析

录播

1.1-逻辑回归算法原理

8分钟

录播

2.2-化简与求解

9分钟

4-6节 6.逻辑回归代码实现

录播

1.1-多分类逻辑回归整体思路

7分钟

录播

2.2-训练模块功能

9分钟

录播

3.3-完成预测模块

6分钟

录播

4.4-优化目标定义

9分钟

录播

5.5-迭代优化参数

7分钟

录播

6.6-梯度计算

9分钟

录播

7.7-得出最终结果

10分钟

录播

8.8-鸢尾花数据集多分类任务

6分钟

录播

9.9-训练多分类模型

10分钟

录播

10.10-准备测试数据

9分钟

录播

11.11-决策边界绘制

9分钟

录播

12.12-非线性决策边界

5分钟

4-7节 7.逻辑回归实验分析

录播

1.1-逻辑回归实验概述

9分钟

录播

2.2-概率结果随特征数值的变化

7分钟

录播

3.3-可视化展示

10分钟

录播

4.4-坐标棋盘制作

10分钟

录播

5.5-分类决策边界展示分析

13分钟

录播

6.6-多分类-softmax

13分钟

4-8节 8.聚类算法-Kmeans&Dbscan原理

录播

1.1-KMEANS算法概述

11分钟

录播

2.2-KMEANS工作流程

9分钟

录播

3.3-KMEANS迭代可视化展示

8分钟

录播

4.4-DBSCAN聚类算法

11分钟

录播

5.5-DBSCAN工作流程

15分钟

录播

6.6-DBSCAN可视化展示

8分钟

4-9节 9.Kmeans代码实现

录播

1.1-Kmeans算法模块概述

3分钟

录播

2.2-计算得到簇中心点

8分钟

录播

3.3-样本点归属划分

7分钟

录播

4.4-算法迭代更新

7分钟

录播

5.5-鸢尾花数据集聚类任务

8分钟

录播

6.6-聚类效果展示

11分钟

4-10节 10.聚类算法实验分析

录播

1.1-Kmenas算法常用操作

9分钟

录播

2.1-聚类结果展示

4分钟

录播

3.1-建模流程解读

10分钟

录播

4.1-不稳定结果

4分钟

录播

5.1-评估指标-Inertia

7分钟

录播

6.1-如何找到合适的K值

6分钟

录播

7.1-轮廓系数的作用

9分钟

录播

8.2-Kmenas算法存在的问题

7分钟

录播

9.2-应用实例-图像分割

13分钟

录播

10.1-半监督学习

12分钟

录播

11.1-DBSCAN算法

8分钟

4-11节 11.决策树原理

录播

1.1-决策树算法概述

8分钟

录播

2.2-熵的作用

6分钟

录播

3.3-信息增益原理

8分钟

录播

4.4-决策树构造实例

7分钟

录播

5.5-信息增益率与gini系数

6分钟

录播

6.6-预剪枝方法

8分钟

录播

7.7-后剪枝方法

6分钟

录播

8.8-回归问题解决

5分钟

4-12节 12.决策树代码实现

录播

1.整体模块概述

3分钟

录播

2.递归生成树节点

8分钟

录播

3.整体框架逻辑

5分钟

录播

4.熵值计算

10分钟

录播

5.数据集切分

7分钟

录播

6.完成树模型构建

6分钟

录播

7.测试算法效果

4分钟

4-13节 13.决策树实验分析

录播

1.1-树模型可视化展示

8分钟

录播

2.2-决策边界展示分析

10分钟

录播

3.3-树模型预剪枝参数作用

10分钟

录播

4.4-回归树模型

11分钟

4-14节 14.集成算法原理

录播

1.1-随机森林算法原理

10分钟

录播

2.2-随机森林优势与特征重要性指标

10分钟

录播

3.3-提升算法概述

8分钟

录播

4.4-stacking堆叠模型

6分钟

4-15节 15.集成算法实验分析

录播

1.1-构建实验数据集

6分钟

录播

2.2-硬投票与软投票效果对比

11分钟

录播

3.3-Bagging策略效果

7分钟

录播

4.4-集成效果展示分析

10分钟

录播

5.5-OOB袋外数据的作用

3分钟

录播

6.6-特征重要性热度图展示

14分钟

录播

7.7-Adaboost算法概述

4分钟

录播

8.8-Adaboost决策边界效果

12分钟

录播

9.9-GBDT提升算法流程

8分钟

录播

10.10-集成参数对比分析

14分钟

录播

11.11-模型提前停止策略

8分钟

录播

12.12-停止方案实施

13分钟

录播

13.13-堆叠模型

5分钟

4-16节 16.支持向量机原理推导

录播

1.1-支持向量机要解决的问题

7分钟

录播

2.2-距离与数据定义

8分钟

录播

3.3-目标函数推导

9分钟

录播

4.4-拉格朗日乘子法求解

7分钟

录播

5.5-化简最终目标函数

6分钟

录播

6.6-求解决策方程

11分钟

录播

7.7-软间隔优化

12分钟

录播

8.8-核函数的作用

9分钟

录播

9.9-知识点总结

7分钟

4-17节 17.支持向量机实验分析

录播

1.1-支持向量机所能带来的效果

8分钟

录播

2.2-决策边界可视化展示

9分钟

录播

3.3-软间隔的作用

10分钟

录播

4.4-非线性SVM

6分钟

录播

5.5-核函数的作用与效果

16分钟

4-18节 18.神经网络算法原理

录播

1.1-深度学习要解决的问题

7分钟

录播

2.2-深度学习应用领域

14分钟

录播

3.3-计算机视觉任务

5分钟

录播

4.4-视觉任务中遇到的问题

10分钟

录播

5.5-得分函数

7分钟

录播

6.6-损失函数的作用

10分钟

录播

7.7-前向传播整体流程

13分钟

录播

8.8-返向传播计算方法

9分钟

录播

9.9-神经网络整体架构

10分钟

录播

10.10-神经网络架构细节

10分钟

录播

11.11-神经元个数对结果的影响

7分钟

录播

12.12-正则化与激活函数

8分钟

录播

13.13-神经网络过拟合解决方法

11分钟

4-19节 19.神经网络代码实现

录播

1.1-神经网络整体框架概述

7分钟

录播

2.2-参数初始化操作

12分钟

录播

3.3-矩阵向量转换

9分钟

录播

4.4-向量反变换

9分钟

录播

5.5-完成前向传播模块

10分钟

录播

6.6-损失函数定义

9分钟

录播

7.7-准备反向传播迭代

8分钟

录播

8.8-差异项计算

10分钟

录播

9.9-逐层计算

10分钟

录播

10.10-完成全部迭代更新模块

13分钟

录播

11.11-手写字体识别数据集

10分钟

录播

12.12-算法代码错误修正

10分钟

录播

13.13-模型优化结果展示

10分钟

录播

14.14-测试效果可视化展示

13分钟

4-20节 20.贝叶斯算法原理

录播

1.1-贝叶斯要解决的问题

5分钟

录播

2.2-贝叶斯公式推导

7分钟

录播

3.3-垃圾邮件过滤实例

14分钟

录播

4.4-拼写纠错实例

11分钟

4-21节 21.贝叶斯代码实现

录播

1.1-朴素贝叶斯算法整体框架

6分钟

录播

2.2-邮件数据读取

5分钟

录播

3.3-预料表与特征向量构建

9分钟

录播

4.4-分类别统计词频

9分钟

录播

5.5-贝叶斯公式对数变换

8分钟

录播

6.6-完成预测模块

8分钟

4-22节 22.关联规则实战分析

录播

1.1-关联规则概述

6分钟

录播

2.2-支持度与置信度

8分钟

录播

3.3-提升度的作用

8分钟

录播

4.4-Python实战关联规则

9分钟

录播

5.5-数据集制作

7分钟

录播

6.6-电影数据集题材关联分析

7分钟

4-23节 23.关联规则代码实现

录播

1.1-Apripri算法整体流程

11分钟

录播

2.2-数据集demo

4分钟

录播

3.3-扫描模块

7分钟

录播

4.4-拼接模块

6分钟

录播

5.5-挖掘频繁项集

7分钟

录播

6.6-规则生成模块

7分钟

录播

7.7-完成全部算法流程

7分钟

录播

8.8-规则结果展示

7分钟

4-24节 24.词向量word2vec通俗解读

录播

1.1-词向量模型通俗解释

8分钟

录播

2.2-模型整体框架

10分钟

录播

3.3-训练数据构建

5分钟

录播

4.4-CBOW与Skip-gram模型

8分钟

录播

5.5-负采样方案

7分钟

4-25节 25.代码实现word2vec词向量模型

录播

1.1-数据与任务流程

10分钟

录播

2.2-数据清洗

6分钟

录播

3.3-batch数据制作

12分钟

录播

4.4-网络训练

12分钟

录播

5.5-可视化展示

6分钟

4-26节 26.线性判别分析降维算法原理解读

录播

1.1-线性判别分析要解决的问题

12分钟

录播

2.2-线性判别分析要优化的目标

12分钟

录播

3.3-线性判别分析求解

12分钟

录播

4.4-实现线性判别分析进行降维任务

10分钟

录播

5.5-求解得出降维结果

8分钟

4-27节 27.主成分分析降维算法原理解读

录播

1.1-PCA基本概念

12分钟

录播

2.2-方差与协方差

6分钟

录播

3.3-PCA结果推导

9分钟

录播

4.4-PCA降维实例

19分钟

4-28节 28.隐马尔科夫模型

录播

1.1-马尔科夫模型

7分钟

录播

2.2-隐马尔科夫模型基本出发点

7分钟

录播

3.3-组成与要解决的问题

5分钟

录播

4.4-暴力求解方法

9分钟

录播

5.5-复杂度计算

5分钟

录播

6.6-前向算法

13分钟

录播

7.7-前向算法求解实例

13分钟

录播

8.8-Baum-Welch算法

9分钟

录播

9.9-参数求解

6分钟

录播

10.10-维特比算法

15分钟

4-29节 29.HMM应用实例

录播

1.1-hmmlearn工具包

6分钟

录播

2.2-工具包使用方法

8分钟

录播

3.3-中文分词任务

5分钟

录播

4.4-实现中文分词

10分钟

第五章 第五章：机器学习算法建模实战项目

5-1节 1.项目实战-交易数据异常检测

录播

1.1-任务目标解读

8分钟

录播

2.2-项目挑战与解决方案制定

12分钟

录播

3.3-数据标准化处理

11分钟

录播

4.4-下采样数据集制作

6分钟

录播

5.5-交叉验证

7分钟

录播

6.6-数据集切分

6分钟

录播

7.7-模型评估方法与召回率

10分钟

录播

8.8-正则化惩罚项

11分钟

录播

9.9-训练逻辑回归模型

11分钟

录播

10.10-混淆矩阵评估分析

10分钟

录播

11.11-测试集遇到的问题

5分钟

录播

12.12-阈值对结果的影响

10分钟

录播

13.13-SMOTE样本生成策略

7分钟

录播

14.14-过采样效果与项目总结

8分钟

5-2节 2.基于随机森林的气温预测实战

录播

1.1-基于随机森林的气温预测任务概述

9分钟

录播

2.2-基本随机森林模型建立

9分钟

录播

3.3-可视化展示与特征重要性

12分钟

录播

4.4-加入新的数据与特征

10分钟

录播

5.5-数据与特征对结果的影响

8分钟

录播

6.6-效率对比分析

8分钟

录播

7.7-网格与随机参数选择

7分钟

录播

8.8-随机参数选择方法实践

9分钟

录播

9.9-调参优化细节

10分钟

5-3节 3.贝叶斯新闻分类实战

录播

1.1-新闻数据与任务概述

5分钟

录播

2.2-中文分词与停用词过滤

8分钟

录播

3.3-文本关键词提取

10分钟

录播

4.4-词袋模型

11分钟

录播

5.5-贝叶斯建模结果

8分钟

录播

6.6-TF-IDF特征分析对比

6分钟

5-4节 4.推荐系统实战

录播

1.1-音乐推荐任务概述

17分钟

录播

2.2-数据集整合

8分钟

录播

3.3-基于物品的协同过滤

13分钟

录播

4.4-物品相似度计算与推荐

19分钟

录播

5.5-SVD矩阵分解

11分钟

录播

6.6-基于矩阵分解的音乐推荐

14分钟

5-5节 5.fbprophe时间序列预测

录播

1.1-fbprophet股价预测任务概述

13分钟

录播

2.2-时间序列分析

16分钟

录播

3.3-fbprophet时间序列预测实例

19分钟

录播

4.4-亚马逊股价趋势

15分钟

录播

5.5-突变点调参

18分钟

5-6节 6.京东用户购买意向预测

录播

1.1-项目与数据介绍

20分钟

录播

2.2-数据挖掘流程

19分钟

录播

3.3-数据检查

12分钟

录播

4.4-构建用户特征表单

18分钟

录播

5.5-构建商品特征表单

9分钟

录播

6.6-数据探索概述

9分钟

录播

7.7-购买因素分析

10分钟

录播

8.8-特征工程

14分钟

录播

9.9-基本特征构造

17分钟

录播

10.10-行为特征

10分钟

录播

11.11-累积行为特征

11分钟

录播

12.12-Xgboost模型

6分钟

第六章 第六章：机器学习案例实战应用集锦

6-1节 1.Python实战关联规则

录播

1.1-关联规则概述

6分钟

录播

2.2-支持度与置信度

8分钟

录播

3.3-提升度的作用

8分钟

录播

4.4-Python实战关联规则

9分钟

录播

5.5-数据集制作

7分钟

录播

6.6-电影数据集题材关联分析

7分钟

6-2节 2.爱彼迎数据集分析与建模

录播

1.1-数据与任务分析

9分钟

录播

2.2-提取月份信息进行统计分析

5分钟

录播

3.3-房价随星期变化的可视化展示

9分钟

录播

4.4-房屋信息指标分析

11分钟

录播

5.5-提取房屋常见设施

15分钟

录播

6.6-房屋规格热度图分析

11分钟

录播

7.7-预处理与建模准备

10分钟

录播

8.8-随机森林与LightGBM

7分钟

录播

9.9-训练与评估

9分钟

6-3节 3.基于相似度的酒店推荐系统

录播

1.1-数据与任务介绍

5分钟

录播

2.2-文本词频统计

7分钟

录播

3.3-ngram结果可视化展示

12分钟

录播

4.4-文本清洗

10分钟

录播

5.5-相似度计算

8分钟

录播

6.6-得出推荐结果

8分钟

6-4节 4.商品销售额回归分析

录播

1.1-数据任务分析

10分钟

录播

2.2-特征工程制作

12分钟

录播

3.3-统计指标生成

11分钟

录播

4.4-特征信息提取

14分钟

录播

5.5-标签变换

8分钟

录播

6.6-输入数据制作

8分钟

录播

7.7-Xgboost训练模型

10分钟

录播

8.8-生成输出结果

11分钟

6-5节 5.绝地求生数据集探索分析与建模

录播

1.1-数据与任务简介

8分钟

录播

2.2-数据问题探索与解决方案

13分钟

录播

3.3-剔除开挂数据

10分钟

录播

4.5-绘图统计分析

11分钟

录播

5.6-热度图展示

6分钟

录播

6.7-随机森林建模

8分钟

录播

7.8-特征重要性

9分钟

6-6节 6.机器学习-模型解释方法实战

录播

1.1-模型解释方法与实践

11分钟

录播

2.2-部分依赖图解释

6分钟

录播

3.3-双变量分析

5分钟

录播

4.4-ShapValues指标分析

10分钟

录播

5.5-疾病引起原因分析实战

9分钟

6-7节 7.自然语言处理必备工具包实战

录播

1.1-Python字符串处理

11分钟

录播

2.2-正则表达式基本语法

9分钟

录播

3.3-正则常用符号

9分钟

录播

4.4-常用函数介绍

9分钟

录播

5.5-NLTK工具包简介

7分钟

录播

6.6-停用词过滤

7分钟

录播

7.7-词性标注

8分钟

录播

8.8-数据清洗实例

10分钟

录播

9.9-Spacy工具包

9分钟

录播

10.10-名字实体匹配

6分钟

录播

11.11-恐怖袭击分析

11分钟

录播

12.12-统计分析结果

7分钟

录播

13.13-结巴分词器

8分钟

录播

14.14-词云展示

8分钟

6-8节 8.NLP核心模型-Word2vec

录播

1.1-词向量模型通俗解释

8分钟

录播

2.2-模型整体框架

10分钟

录播

3.3-训练数据构建

5分钟

录播

4.4-CBOW与Skip-gram模型

8分钟

录播

5.5-负采样方案

7分钟

6-9节 9.数据特征预处理

录播

1.1-任务概述

9分钟

录播

2.2-词袋模型

6分钟

录播

3.3-词袋模型分析

12分钟

录播

4.4-TFIDF模型

8分钟

录播

5.5-word2vec词向量模型

8分钟

录播

6.6-深度学习模型

5分钟

6-10节 10文本特征处理方法对比

录播

1.1-数据与任务介绍

7分钟

录播

2.2-数据分析与可视化展示

7分钟

录播

3.3-连续值离散化与可视化细节

11分钟

录播

4.4-加载数据坐标到实际地图中进行分析

15分钟

录播

5.5-特征相关性分析

11分钟

录播

6.6-缺失值填充

6分钟

录播

7.7-sklearn工具包预处理模块

11分钟

录播

8.8-离散属性特征处理

6分钟

录播

9.9-构建合适的特征

9分钟

录播

10.10-序列化执行预处理操作

7分钟

录播

11.11-完成所有预处理操作

6分钟

录播

12.12-构建回归模型

8分钟

6-11节 11.银行客户还款可能性预测

录播

1.1-数据任务介绍及缺失值处理

12分钟

录播

2.2-EDA数据探索分析

10分钟

录播

3.3-特征展示分析

10分钟

录播

4.4-KDEPLOT展示

9分钟

录播

5.5-部分特征分析与可视化

10分钟

录播

6.6-数据检查与特征工程

12分钟

录播

7.7-多项式特征

9分钟

录播

8.8-自定义特征

5分钟

录播

9.9-逻辑回归模型

9分钟

录播

10.10-结果评估

13分钟

录播

11.11-必杀神奇：lightgbm

10分钟

6-12节 12.图像特征聚类分析实践

录播

1.1-数据与任务流程分析

8分钟

录播

2.2-图片数据导入

9分钟

录播

3.3-图像特征编码

9分钟

录播

4.4-数组保存与读取

4分钟

录播

5.5-得出聚类结果

10分钟

录播

6.6-聚类效果可视化展示

16分钟

第七章 第七章：深度学习必备核⼼算法

7-1节 神经网络结构

回放

1.神经网络结构

03月11日 20:30-22:30

7-2节 卷积神经网络

回放

1.卷积神经网络

03月18日 20:30-22:30

7-3节 Transformer

回放

1.Transformer

03月25日 20:30-22:30

7-4节 VIT源码解读

回放

1.VIT源码解读

04月01日 20:30-22:30

第八章 第八章：深度学习核心框架PyTorch

8-1节 PyTorch框架介绍与配置安装

录播

1.PyTorch框架与其他框架区别分析

12分钟

录播

2.CPU与GPU版本安装方法解读

17分钟

8-2节 使用神经网络进行分类任务

录播

1.数据集与任务概述

11分钟

录播

2.基本模块应用测试

12分钟

录播

3.网络结构定义方法

12分钟

录播

4.数据源定义简介

10分钟

录播

5.损失与训练模块分析

12分钟

录播

6.训练一个基本的分类模型

10分钟

录播

7.参数对结果的影响

8分钟

8-3节 神经网络回归任务-气温预测

录播

1.神经网络回归任务-气温预测

52分钟

8-4节 卷积网络参数解读分析

录播

1.输入特征通道分析

12分钟

录播

2.卷积网络参数解读

9分钟

录播

3.卷积网络模型训练

12分钟

8-5节 图像识别模型与训练策略（重点）

录播

1.任务分析与图像数据基本处理

11分钟

录播

2.数据增强模块

11分钟

录播

3.数据集与模型选择

9分钟

录播

4.迁移学习方法解读

12分钟

录播

5.输出层与梯度设置

11分钟

录播

6.输出类别个数修改

10分钟

录播

7.优化器与学习率衰减

10分钟

录播

8.模型训练方法

11分钟

录播

9.重新训练全部模型

11分钟

录播

10.测试结果演示分析

18分钟

8-6节 DataLoader自定义数据集制作

录播

1.Dataloader要完成的任务分析

9分钟

录播

2.图像数据与标签路径处理

9分钟

录播

3.Dataloader中需要实现的方法分析

13分钟

录播

4.实用Dataloader加载数据并训练模型

12分钟

8-7节 LSTM文本分类实战

录播

1.数据集与任务目标分析

9分钟

录播

2.文本数据处理基本流程分析

11分钟

录播

3.命令行参数与DEBUG

10分钟

录播

4.训练模型所需基本配置参数分析

13分钟

录播

5.预料表与字符切分

10分钟

录播

6.字符预处理转换ID

10分钟

录播

7.LSTM网络结构基本定义

11分钟

录播

8.网络模型预测结果输出

12分钟

录播

9.模型训练任务与总结

12分钟

8-8节 PyTorch框架Flask部署例子

录播

1.基本结构与训练好的模型加载

7分钟

录播

2.服务端处理与预测函数

12分钟

录播

3.基于Flask测试模型预测结果

12分钟

第九章 第九章：时间序列预测

9-1节 Informer原理解读

录播

1.时间序列预测要完成的任务

13分钟

录播

2.常用模块分析

10分钟

录播

3.论文要解决的问题分析

12分钟

录播

4.Query采样方法解读

10分钟

录播

5.probAttention计算流程

11分钟

录播

6.编码器全部计算流程

9分钟

录播

7.解码器流程分析

10分钟

9-2节 Informer源码解读

录播

1.项目使用说明

12分钟

录播

2.数据集解读

10分钟

录播

3.模型训练所需参数解读

9分钟

录播

4.数据集构建与读取方式

12分钟

录播

5.数据处理相关模块

12分钟

录播

6.时间相关特征提取方法

11分钟

录播

7.dataloader构建实例

10分钟

录播

8.整体架构分析

10分钟

录播

9.编码器模块实现

10分钟

录播

10.核心采样计算方法

13分钟

录播

11.完成注意力机制计算模块

8分钟

录播

12.平均向量的作用

10分钟

录播

13.解码器预测输出

15分钟

9-3节 Timesnet时序预测

录播

1.时序预测故事背景

10分钟

录播

2.论文核心思想解读

10分钟

录播

3.时序特征周期拆解

12分钟

录播

4.计算公式流程拆解

9分钟

录播

5.全部计算流程解读

17分钟

录播

6.周期间特征分析

11分钟

录播

7.源码流程解读

11分钟

录播

8.傅里叶变换流程

10分钟