本课程将带领您进入机器学习的世界，通过Python语言和相关工具，让您轻松掌握机器学习算法和实际应用。
课程将从人工智能概述开始，了解机器学习的基本概念和原理。接着，我们会介绍机器学习算法的分类，并深入探讨机器学习的开发流程。您还将了解常用的学习框架和资料，并学习如何使用sklearn库进行数据集的处理和特征抽取。我们将重点关注字典特征抽取、文本特征抽取以及数据预处理方面的内容，帮助您掌握数据预处理的技巧和方法。。随后，我们将详细讲解KNN算法、模型选择与调优的方法，并通过Facebook案例进行流程分析和代码实现。您还将学习朴素贝叶斯算法、决策树算法以及随机森林算法，通过鸢尾花分类和泰坦尼克号乘客分类案例，深入理解这些算法在实际问题中的应用。着重介绍线性模型、损失函数和优化方法。我们将详细讲解正规方程和梯度下降的原理，并比较它们之间的差异。您还将学习过拟合与欠拟合问题的处理方法，了解岭回归和逻辑回归的原理，并通过癌症分类案例加深对逻辑回归的理解。此外，我们还会介绍精确率、召回率、F1-score和ROC曲线等评估指标，并学习如何保存和加载模型。通过实践项目和实例分析，您将更好地理解机器学习的各个环节，并具备快速开发机器学习项目的能力。

课程目录：
<机器学day1>
01-人工智能概述.mp4
02-什么是机器学习.mp4
03-机器学习算法分类.mp4
04-机器学习开发流程.mp4
05-学习框架和资料介绍.mp4
06-可用数据集.mp4
07-sklearn数据集使用.mp4
08-字典特征抽取.mp4
09-文本特征抽取CountVectorizer.mp4
10-中文文本特征抽取.mp4
11-文本特征抽取TfidfVevtorizer.mp4
12-数据预处理-归一化.mp4
13-数据预处理-标准化.mp4
14-什么是降维.mp4
15-删除低方差特征与相关系数.mp4
16-主成分分析.mp4
17-instacart降维案例.mp4
18-总结.mp4
<机器学day2>
01-上节回顾.mp4
02-转换器与预估器.mp4
03-KNN算法.mp4
04-模型选择与调优.mp4
05-Facebook案例流程分析.mp4
06-Facebook案例代码实现.mp4
07-朴素贝叶斯算法原理.mp4
08-朴素贝叶斯算法对文本分类.mp4
09-认识决策树.mp4
10-决策树算法对鸢尾花分类.mp4
11-泰坦尼克号乘客分类案例流程分析.mp4
12-泰坦尼克号案例代码实现.mp4
13-随机森林.mp4
14-总结.mp4
<机器学day3>
01-上节回顾..mp4
02-线性模型.mp4
03-损失函数.mp4
04-优化方法1-正规方程.mp4
05-优化方法2-梯度下降.mp4
06-正规方程与梯度下降对比.mp4
07-梯度下降优化器.mp4
08-过拟合与欠拟合.mp4
09-岭回归.mp4
10-逻辑回归原理.mp4
11-逻辑回归对癌症分类.mp4
12-精确率、召回率、F1-score.mp4
13-ROC曲线与AUC指标.mp4
14-模型保存与加载.mp4
15-KMeans算法原理.mp4
16-聚类的模型评估.mp4
17-总结.mp4

作为人工智开发系列课程的第三部分，此前我们已经发布了

2023最新版黑马程序员人工智能开发学习之零基础学python编程（视频+资料）

人工智能开发零基础数据科学库之Python数据挖掘基础教程（视频+资料）

后续我们将陆续推出其它部分，包括零基础数据科学库，零基础快速入门机器学习，AI深度学习自然语言处理NLP零基础入门，CV计算机视觉技术等全系列课程，敬请关注。