Scikit-Learn
机器学习
1.1什么叫机器学习；1.2机器学习的种类；1.3机器学习的步骤；1.4机器学习中的基础难题分类；1.5机器学习中的数据预处理；1.6一元线性回归；1.7实体模型的过拟合与欠拟合；1.8岭回归；1.9多项式回归；1.10决策树算法原理、搭建全过程及API；1.11响应式提高算法和随机森林算法原理及API；1.12逻辑性分类算法及API；1.13朴素贝叶斯算法原理及API；1.14评定分类实际-交叉验证；1.15评定分类实际-混淆矩阵；1.16评定分类实际-分类汇报；1.17超参数甄选-曲线图；1.18超参数甄选-学习；1.19超参数甄选-网格搜索；1.20svm算法算法原理及API；1.21K-Means算法原理及API；1.22DBSCAN算法原理及API；1.23平均值飘移算法原理及API；1.24汇集层级算法原理及API；
第二章:
深度神经网络
2.1深度神经网络架构Tensorflow详细介绍；2.2Tensorflow的特性；2.3Tensorflow安裝；2.4Tensorflow的构造；2.5Tensorflow数据流分析；2.6图；2.7OP；2.8对话；2.9张量详细介绍；2.10张量实际操作；2.11Tensorflow自变量；2.12数据可视化Tensorboard；2.13Tensorflow完成线性回归；2.14Tensorflow序列；2.15Tensorflow进程；2.16Tensorflow文档载入步骤；2.17Tensorflow文档载入API；2.18Tensorflow载入CSV文档；2.19Tensorflow载入照片；2.20Tensorflow载入二进制文件；2.21神经网络基本；2.22神经网络的发展趋势；2.23神经网络的特性；2.24神经网络的构成；2.25浅部人力神经网络实体模型；2.26卷积和神经网络；2.27Tensorflow分布式系统
环节新项目
3.1根据客户相似性的强烈模块；3.2手写体数字识别；3.3汽车品质评定；
第四章：
综合性新项目实战演练
"4.1抓取豆瓣影评数据信息，运用Python数据统计分析专用工具剖析电影评分、客户数据信息并数据可视化，根据强烈模块开展电影"；"4.2抓取楼价数据信息，开展数据清洗、数据预处理、数据统计分析及其大数据可视化，运用机器学习模型，开展房价预测"
课程目标
可把握的核心竞争力：1）把握机器学习常见重归、分类及其聚类算法算法原理及API应用；2）把握机器学习算法超参数甄选方式，并训炼实体模型；3）把握深度神经网络架构Tensorflow的原理及常见API的应用；4)把握神经网络的特性及原理；5)在大数据分析师的基本以上进一步提升竞争优势；6)迈入大数据挖掘和人工智能技术大门口,把握必需的新手入门标准
地理位置 Location
