Python核心教程之数据挖掘和人工智能

Ipython与Numpy
1 . Ipython入门01 29:34
2 . Ipython入门02 32:48
3 . Ipython入门03 27:51
4 . Numpy04 18:01
5 . Numpy05 20:09
6 . Numpy06 29:04
7 . Numpy07 21:12
8 . Numpy08 23:14
9 . Numpy09 18:02
DataFrame与Series
1 . Numpy01 21:38
2 . Numpy02 25:22
3 . Series03 25:46
4 . Series04 31:13
5 . Dataframe05 26:27
6 . Dataframe06 21:32
7 . Dataframe07 19:23
8 . Dataframe08 18:26
pandas数据处理一
1 . Pandas-数据丢失01 18:07
2 . Pandas-数据丢失02 25:53
3 . Numpy傅里叶03 29:03
4 . Pandas-多层索引04 26:52
5 . Pandas-多层索引05 31:09
6 . Pandas-数据合并Concat与append06 21:16
7 . Pandas-数据合并Concat与append07 19:33
8 . Pandas-merge08 24:32
9 . Pandas-merge09 26:19
pandas数据处理二与案例分析
1 . Pandas数据处理01 11:20
2 . Pandas数据处理02 31:34
3 . Pandas数据处理03 32:04
4 . Pandas数据处理04 28:21
5 . 美国人口数据分析05 24:21
6 . 美国人口数据分析06 25:24
7 . 美国人口数据分析07 23:48
8 . 苹果股价分析08 12:33
9 . 苹果股价分析09 27:22
pandas绘图函数与scipy
1 . 美国选举政治献金01 21:36
2 . 美国选举政治献金02 21:53
3 . 美国选举政治献金03 29:52
4 . Scipy04 16:41
5 . Scipy05 20:54
6 . Scipy06 25:36
7 . Scipy07 25:04
8 . Scipy08 29:01
9 . pandas绘图函数09 16:23
10 . pandas绘图函数10 25:03
matplotlib一
1 . Matplotlib01 23:05
2 . Matplotlib02 21:43
3 . Matplotlib03 25:07
4 . Matplotlib04 24:05
5 . Matplotlib05 18:45
6 . Matplotlib06 20:05
7 . Matplotlib07 25:26
8 . Matplotlib08 28:44
9 . Matplotlib09 27:27
10 . Matplotlib10 28:38
matplotlib二与城市气候案例分析
1 . Matplotlib2-01 31:23
2 . Matplotlib2-02 31:35
3 . Matplotlib2-03 28:22
4 . Matplotlib2-04 22:38
5 . 城市气候与海洋关系05 14:48
6 . 城市气候与海洋关系06 22:44
7 . 城市气候与海洋关系07 29:14
8 . 城市气候与海洋关系08 24:19
9 . pandas数据加载与透视表09 26:35
10 . pandas数据加载与透视表10 25:51
机器学习之KNN
1 . Knn-2分类01 24:09
2 . Knn-2分类02 26:32
3 . Knn-2分类03 16:42
4 . Knn04 22:01
5 . Knn05 23:07
6 . Knn06 20:52
7 . 手写数字识别07 28:10
8 . 手写数字识别08 29:12
机器学习之线性回归
1 . 预测年收入knn01 21:40
2 . 预测年收入knn02 25:18
3 . 线性回归03 23:31
4 . 线性回归04 19:04
5 . 线性回归05 32:35
6 . 线性回归06 24:11
7 . 线性回归07 20:57
8 . 线性回归08 19:02
9 . 线性回归09 23:56
10 . 线性回归10 24:39
机器学习之逻辑斯蒂回归与人脸自动补全
1 . 逻辑斯蒂01 26:39
2 . 逻辑斯蒂02 19:56
3 . 逻辑斯蒂回归03 26:06
4 . 人脸自动补全04 26:29
5 . 人脸自动补全05 23:24
6 . 人脸自动补全06 19:55
机器学习之贝叶斯与决策树
1 . 决策树原理01 27:22
2 . 决策树原理02 28:12
3 . 决策树实例03 22:51
4 . 决策树实例04 31:01
5 . 贝叶斯原理05 19:53
6 . 贝叶斯原理06 30:30
7 . 贝叶斯实例07 24:42
8 . 贝叶斯实例08 26:39
机器学习之KMeans与支持向量机
1 . Svm-线性01 31:15
2 . Svm-线性02 24:43
3 . Svm-rbf03 31:29
4 . Svm-回归04 29:52
5 . Svm-多种核函数应用05 19:44
6 . Kmeans-自动分类make Blobs06 17:39
7 . Kmeans-自动分类make Blobs07 17:12
机器学习之KMeans图片压缩与人脸识别
1 . KMeans-足球和常见错误01 23:33
2 . KMeans-足球和常见错误02 20:21
3 . KMeans-足球和常见错误03 23:47
4 . KMeans-图片压缩04 30:37
5 . KMeans-图片压缩05 28:09
6 . KMeans-图片压缩06 22:38
7 . 人脸识别07 34:57
8 . 人脸识别08 31:46
9 . 人脸识别09 22:40
10 . 人脸识别10 15:59
机器学习之数据降维
1 . KMeans压缩图片01 18:29
2 . 汽车数据推荐度预测02 29:17
3 . 手迹识别的降维算法03 21:48
4 . 手迹识别的降维算法04 26:29
5 . 10种事物识别05 30:20
6 . 10种事物识别06 18:57
机器学习之TensorFlow
1 . TensorFlow基础操作01 24:37
2 . TensorFlow基础操作02 27:31
3 . TensorFlow入门03 26:39
4 . TensorFlow入门04 23:20
5 . TensorFlow线性回归05 23:05
6 . TensorFlow线性回归06 20:55
问题评论
全部评论   共条 我要评论
课件下载

请购买课程后获取提取码

下载本课程课件、源码、资料

微信
微博
15311698296

全国免费咨询热线

邮箱:codingke@1000phone.com

官方群:148715490

北京千锋互联科技有限公司版权所有   北京市海淀区宝盛北里西区28号中关村智诚科创大厦411层
京ICP备12003911号-6   Copyright © 2013 - 2019

京公网安备 11010802030908号

分享