Python机器学习全流程项目实战精讲

1. 章节1： 机器学习方法论/1. 数据分析与数据挖掘.mp439.02MB
2. 章节1： 机器学习方法论/2. 机器学习、深度学习与人工智能.mp48.21MB
3. 章节1： 机器学习方法论/3. 机器学习的核心任务.mp46.86MB
4. 章节1： 机器学习方法论/4. 机器学习的核心要义.mp46.9MB
5. 章节1： 机器学习方法论/5. 机器学习项目实战全流程.mp410.63MB
6. 章节1： 机器学习方法论/6. Python编程工具.mp42.97MB
7. 章节1： 机器学习方法论/7. Jupyter Notebook与PyCharm.mp49.45MB
8. 章节1： 机器学习方法论/8. 机器学习具体学习方法指导.mp432.64MB
9. 章节2： 机器学习需求分析/09. 需求分析.mp444.58MB
10. 章节2： 机器学习需求分析/10. 项目技术、产品和应用调研.mp413.14MB
11. 章节2： 机器学习需求分析/11. 实例：数据科学岗位需求分析.mp420.51MB
12. 章节3： 数据采集与爬虫/12. 数据采集概述.mp418.34MB
13. 章节3： 数据采集与爬虫/13. Python爬虫技术.mp427.35MB
14. 章节3： 数据采集与爬虫/14. 请求库：urllib.mp410.56MB
15. 章节3： 数据采集与爬虫/15. 请求库：requests.mp416.06MB
16. 章节3： 数据采集与爬虫/16. 解析库：BeautifulSoup.mp417.44MB
17. 章节3： 数据采集与爬虫/17. 解析库：lxml.mp411.6MB
18. 章节3： 数据采集与爬虫/18. 信息提取：css选择器和xpath表达.mp411.69MB
19. 章节3： 数据采集与爬虫/19. 实例1：招聘网站静态数据采集.mp448.96MB
20. 章节3： 数据采集与爬虫/20. 实例2：招聘网站动态数据采集.mp436.96MB
21. 章节4： 数据清洗/21. 脏数据.mp428.67MB
22. 章节4： 数据清洗/22. 数据预处理的基本方向.mp449.43MB
23. 章节4： 数据清洗/23. 缺失值处理.mp444.27MB
24. 章节4： 数据清洗/24. 小文本和字符串处理.mp484.9MB
25. 章节4： 数据清洗/25. 实例：招聘数据预处理（一）.mp458.12MB
26. 章节4： 数据清洗/26. 实例：招聘数据预处理（二）.mp443.48MB
27. 章节5： 数据分析与可视化/27. 探索性数据分析（EDA）.mp415.86MB
28. 章节5： 数据分析与可视化/28. 统计绘图与数据可视化.mp479.52MB
29. 章节5： 数据分析与可视化/29. Python绘图之matplotlib.mp4110.87MB
30. 章节5： 数据分析与可视化/30. Python绘图之seaborn.mp442.41MB
31. 章节5： 数据分析与可视化/31. 实例：招聘数据的EDA与可视化.mp429.9MB
32. 章节5： 数据分析与可视化/32. 实例：招聘数据的EDA与可视化.mp467.08MB
33. 章节6： 特征工程/33. 特征工程概述.mp419.18MB
34. 章节6： 特征工程/34. 特征选择.mp423.78MB
35. 章节6： 特征工程/35. 特征变换与特征提取.mp414.69MB
36. 章节6： 特征工程/36. 特征组合与降维.mp45.55MB
37. 章节6： 特征工程/37. 招聘数据的特征工程探索.mp436.48MB
38. 章节7： 机器学习建模与调优/38. 机器学习模型概述.mp412.74MB
39. 章节7： 机器学习建模与调优/39. 传统机器学习模型（单模型）.mp426.04MB
40. 章节7： 机器学习建模与调优/40. 集成与提升模型.mp45.08MB
41. 章节7： 机器学习建模与调优/41. sklearn.mp410.48MB
42. 章节7： 机器学习建模与调优/42. 机器学习调参方法简介.mp410.48MB
43. 章节7： 机器学习建模与调优/43. GBDT XGBoost lightGBM用法.mp422MB
44. 章节7： 机器学习建模与调优/44. 招聘数据的建模：GBDT.mp412.21MB
45. 章节7： 机器学习建模与调优/45. 招聘数据的建模：XGBoost.mp49.33MB
46. 章节7： 机器学习建模与调优/46. 招聘数据的建模：lightGBM.mp48.84MB
47. 章节8： 机器学习模型结果与报告输出/47. R语言与RStudio安装与简介.mp416.26MB
48. 章节8： 机器学习模型结果与报告输出/48. Rmarkdown的安装与基本用法.mp418.1MB
49. 章节8： 机器学习模型结果与报告输出/49. 技术文档之Rmd与Jupyter对比.mp411.77MB
50. 章节8： 机器学习模型结果与报告输出/50. 机器学习分析报告的写作方法.mp414.12MB
51. 章节8： 机器学习模型结果与报告输出/51. 实例：数据相关岗位薪资水平影响因素研究分析报告（简要框架）.mp413.08MB