【人工智能与数据挖掘】[13.95GB]

【人工智能与数据挖掘】[13.95GB]

本课程全面覆盖了 人工智能 与数据挖掘的核心知识点，从机器学习的基础概念到实际应用案例，内容丰富且系统化。
通过详细的章节划分，学员可以深入理解如K近邻算法、线性回归、逻辑回归及决策树等关键算法的原理与实现。
同时，课程结合了numpy、pandas、matplotlib和seaborn等工具的实际操作，帮助学员掌握数据分析与可视化技能。
丰富的实战项目（如Facebook位置预测、波士顿房价预测等）让理论知识得以实践，为学员打下坚实的AI与数据挖掘技术基础。

无论您是初学者还是希望进阶的数据科学爱好者，本课程都将为您提供宝贵的指导与启发。

├── 01 阶段一 人工智能
01第一章机器学习概述V2.1
02第二章环境安装和使用V2.1
03第三章matplotlibV2.1
04第四章numpyV2.1
05第五章pandasV2.1
06第六章seabornV2.1
07第七章K近邻算法V2.1
08第八章线性回归V2.1
09第九章逻辑回归V2.1
10第十章决策树V2.1
11第十一章集成学习V2.1
12第十二章聚类算法V2.1
13第十三章朴素贝叶斯V2.1
14第十四章SVM算法V2.1
15第十五章EM算法V2.1
16第十六章HMM算法V2.1
17第十七章集成学习进阶V2.1

├── 02 阶段二 数据挖掘
011-SparkMllib机器学习理论基础详解
022-SparkMllib库特征工程基础与实战(一)
033-SparkMllib库特征工程基础与实战(二)
044-SparkMllib决策树算法基础与实战
055-SparkMllib高级模块与线性回归基础及实战
066-SparkMllib聚类算法基础与实战
077-SparkGraphx理论基础与实战
088-SparkGraphX与SparkMllib综合实战