[老汤-人工智能]机器学习二之线性回归视频课程

课程目标:掌握线性回归算法原理

24小时内答疑 课时永久观看 15分钟内无条件退款
1. 仅限付费视频课程适用
2. 购买后15分钟内可以找到客服进行沟通退款
3. 退款将返还至51CTO学院账户,不支持提现
4. 下载资料后不再享有退款特权
5. 客服(Tel:400-101-1651)
6. 最终解释权归51CTO所有
共19课时,共4小时6分钟
现价¥79.00
购买
  1. 课程介绍
  2. 课程大纲
课程目标

掌握线性回归算法原理

适用人群

对机器学习感兴趣的同学

课程简介

从一元线性回归和多元线性回归两个算法讲解线性回归的算法原理


并且讲解使用梯度下降算法求解线性回归的代价函数的最优值


分别讲解了批量梯度下降算法、随机梯度下降算法以及小批量梯度下降算法的原理、区别等


【老汤人工智能】机器学习课程体系分为三部分:

机器学习一之数学基础(https://edu.51cto.com/sd/80200 ):从微积分和线性代数两个方面讲解机器学习需要的数学知识

机器学习二之线性回归(https://edu.51cto.com/sd/7feec  ):讲解机器学习中最简单也是最常用的线性回归算法(包括一元线性回归和多元线性回归算法)

机器学习三之逻辑回归(https://edu.51cto.com/sd/52d18  ):讲解机器学习中分类算法(也就是逻辑回归算法),还讲解了解决机器学习的过拟合问题

机器学习四之模型调试(https://edu.51cto.com/sd/89e23  ):讲解机器学习中怎么来评估模型、测试模型以及怎样定位模型问题等

机器学习五之SVM算法(https://edu.51cto.com/sd/0dda5  ):讲解机器学习中应用很广泛的支持向量机算法(即SVM算法)

机器学习六Spark机器学习实战一(https://edu.51cto.com/sd/8aeee  ):航班延迟预测

机器学习七之决策树算法(https://edu.51cto.com/sd/8ebe9 ):讲解机器学习中决策树算法,以及基于决策树的回归树算法、提升树算法以及梯度提升算法等算法

机器学习八Spark机器学习实战二(https://edu.51cto.com/sd/2194b ):运动数据分类

机器学习九之非监督类型算法(https://edu.51cto.com/sd/24a14 ):讲解机器学习中非监督类型的算法,包括:聚类算法(K-Means算法)以及PCA降维算法

机器学习十Spark机器学习实战三(https://edu.51cto.com/sd/198f3  ):uber载客位置聚类分析

机器学习十一Spark推荐系统实战(https://edu.51cto.com/sd/63444 ):讲解怎样使用Spark实现推荐系


Scala、Spark Core、Spark SQL以及Spark Streaming的学习,请在51CTO学院搜索"老汤"


第一章机器学习介绍
3节36分钟
1-1什么是机器学习 [免费试看]
13:47
1-2监督学习
15:31
1-3非监督学习
06:48
第二章一元线性回归算法
8节1小时40分钟
2-1模型表达
13:57
2-2代价函数(cost function)
14:25
2-3损失函数
03:34
2-4代价函数感官认识一
16:01
2-5代价函数感官认识二
12:40
2-6梯度下降算法
13:53
2-7梯度下降算法直观感受
13:51
2-8梯度下降算法求解线性回归模型
12:34
第三章多元线性回归算法
8节1小时49分钟
3-1模型表达
12:53
3-2梯度下降算法求解多元线性回归
11:09
3-3特征缩放
14:07
3-4学习率的选择
14:38
3-5多项式回归
11:08
3-6标准方程求解线性回归
22:28
3-7随机梯度下降
16:47
3-8小批量梯度下降
06:15
讲师介绍
51CTO微职位大数据教学总监 老汤
讲师评分4.9分
51CTO微职位大数据教学总监; 多年大数据技术架构师,10年软件技术设计开发经验,在爱奇艺、北京国双科技(大数据上市公司)、快钱支付、华为等大型企业设计和开发大数据相关项目,大型的项目包含爱奇艺直播业务大数据中心的建设、2016奥运会CNTV网站流量分析、金融支付反欺诈项目以及电信计费数据清洗分析等数十个大数据相关项目。服务的行业有视频、电子营销、金融、电信等行业。国内首批Spark实践者之一,也是国内首个推出按照”软件即现实世界” 的原则来讲解Spark等大数据技术,丰富的大型企业内部培训大数据技术的经验。
X
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载