欢迎来到在线教学平台
问题答疑
首页
全部课程
公开课
云课直播
新闻公告
数图资源
智汇大讲堂
更多
首页
全部课程
公开课
云课直播
新闻公告
数图资源
智汇大讲堂
扫码下载Android
扫码下载iOS
教师登录
学生登录
首页
全部课程
公开课
云课直播
新闻公告
数图资源
智汇大讲堂
教师登录
学生登录
首页 - 课程列表 - 课程详情
返回
商务数据分析
课程类型：
选修课
发布时间：
2020-12-30 08:41:08
主讲教师：
课程来源：
建议学分：
0.00分
课程编码：
mk000502
课程介绍
课程目录
教师团队
{1}--第一单元机器学习概论
[1.1.1]--机器学习的初步认识
（25分钟）
[1.2.1]--机器学习过程
（18分钟）
[1.3.1]--机器学习常用算法
（30分钟）
[1.4.1]--机器学习常用算法（2）
（25分钟）
[1.5.1]--机器学习常见问题（1）
（23分钟）
[1.6.1]--从事机器学习的准备
（17分钟）
[1.7.1]--机器学习常用领域
（22分钟）
{2}--第二单元分类算法
[2.10.1]--贝叶斯网络模型
（24分钟）
[2.11.1]--贝叶斯网络的应用
（25分钟）
[2.1.1]--决策树算法
（22分钟）
[2.2.1]--ID3算法
（36分钟）
[2.3.1]--C4.5算法和CART算法
（20分钟）
[2.4.1]--连续属性离散化、过拟合问题和分类效果评价
（36分钟）
[2.5.1]--集成学习常用算法
（19分钟）
[2.6.1]--支持向量机简介
（21分钟）
[2.7.1]--支持向量机原理
（31分钟）
[2.8.1]--支持向量机的应用
（30分钟）
[2.9.1]--贝叶斯网络简介
（34分钟）
"#2.10.1#--Bayes垃圾邮件分类模型python源程序"
"(2.10.1)--贝叶斯网络"
"(2.11.1)--贝叶斯网络的应用研究（选读）"
"(2.1.1)--分类与决策树"
"#2.3.1#--决策树python程序"
"(2.3.1)--决策树应用研究（选读）"
"#2.5.1#--Adaboostpython源程序"
"(2.5.1)--集成学习应用研究（选读）"
"(2.6.1)--支持向量机"
"#2.7.1#--支持向量机python源程序"
"(2.8.1)--支持向量机应用研究（选读）"
{3}--第三单元神经网络基础
[3.1.1]--神经网络简介
（18分钟）
[3.2.1]--神经网络相关概念
（36分钟）
[3.3.1]--BP神经网络算法（1）
（22分钟）
[3.4.1]--BP神经网络算法（2）
（24分钟）
[3.5.1]--神经网络的应用
（14分钟）
"(3.1.1)--神经网络基础"
"#3.3.1#--神经网络python源程序"
"#3.4.1#--神经网络手写体识别python程序"
"(3.5.1)--imagerestorationalgorithmsbasedo"
{4}--第四单元聚类分析
[4.1.1]--聚类分析的概念
（13分钟）
[4.2.1]--聚类分析的度量
（23分钟）
[4.3.1]--基于划分的方法（1）
（24分钟）
[4.4.1]--基于划分的方法（2）
（18分钟）
[4.5.1]--基于密度聚类和基于层次聚类
（26分钟）
[4.6.1]--基于模型的聚类
（24分钟）
"(4.1.1)--聚类分析"
"#4.3.1#--Kmeans算法的python源程序"
"(4.3.1)--聚类的个性化学习应用（选读）"
"#4.5.1#--DBSCAN算法python程序"
"(4.5.1)--聚类的社交网络应用（选读）"
"(4.5.2)--Clusteringgeolocateddataforoutli"
{5}--第五单元可视化分析
[5.1.1]--可视化分析基础
（18分钟）
[5.2.1]--可视化分析方法
（27分钟）
[5.3.1]--在线教学的数据分析
（44分钟）
"#5.1.1#--可视化示例python示例1"
"(5.1.1)--可视化基础"
"#5.2.1#--可视化示例python程序2"
"(5.2.1)--可视化的应用（选读）"
{6}--第六单元关联分析
[6.1.1]--关联分析基本概念
（32分钟）
[6.2.1]--Apriori算法
（27分钟）
[6.3.1]--关联规则应用
（22分钟）
"(6.1.1)--关联分析"
"#6.2.1#--Apriori算法python程序示例"
"(6.2.1)--关联分析在服装缺陷检测中的应用（选读）"
"(6.3.1)--关联算法在化妆品推荐中的应用（选读）"
{7}--第七单元回归分析
[7.1.1]--回归分析基础
（32分钟）
[7.2.1]--线性回归分析
（34分钟）
[7.3.1]--非线性回归分析
（39分钟）
"(7.1.1)--回归分析"
"#7.2.1#--回归分析python程序"
"(7.2.1)--ALinearRegressionApproachtoRecom"
{8}--第八单元文本分析
[8.1.1]--文本分析简介
（17分钟）
[8.2.1]--文本分析基本概念
（31分钟）
[8.3.1]--语言模型、向量空间模型
（25分钟）
[8.4.1]--词法、分词、句法分析
（26分钟）
[8.5.1]--语义分析
（8分钟）
[8.6.1]--文本分析应用
（30分钟）
[8.7.1]--知识图谱概念
（28分钟）
[8.8.1]--知识图谱技术
（27分钟）
[8.9.1]--知识图谱构建和应用
（19分钟）
"(8.1.1)--文本分析基础"
"(8.2.1)--Morethanwords-Socialnetworks’tex"
"#8.3.1#--TF-IDF特征获取python程序"
"#8.3.2#--LDA主题提取python程序"
"#8.4.1#--结巴分词python程序"
"#8.6.1#--文本分类应用python程序"
"(8.6.1)--文本分析应用案例（选读）"
"(8.6.2)--Usingtextminingandsentimentanaly"
"(8.7.1)--知识图谱"
{9}--第九单元分布式机器学习、遗传算法
[9.1.1]--分布式机器学习基础
（24分钟）
[9.2.1]--分布式机器学习框架
（15分钟）
[9.3.1]--并行决策树
（12分钟）
[9.4.1]--并行k-均值算法
（3分钟）
[9.5.1]--并行多元线性回归模型
（15分钟）
[9.6.1]--遗传算法基础
（29分钟）
[9.7.1]--遗传算法的过程
（19分钟）
[9.8.1]--遗传算法的应用
（21分钟）
"(9.1.1)--分布式机器学习"
"(9.6.1)--遗传算法"
"(9.8.1)--Usegeneticalgorithmtoimproveoils"
{10}--第十单元电子推荐系统
[10.1.1]--推荐系统基础
（32分钟）
[10.2.1]--推荐系统结构
（7分钟）
[10.3.1]--基于人口统计学的推荐、基于内容的推荐
（15分钟）
[10.4.1]--基于协同过滤的推荐算法
（18分钟）
[10.5.1]--基于图的模型、基于PageRank的推荐、基于关联规则的推荐
（17分钟）
[10.6.1]--其他推荐方法
（14分钟）
[10.7.1]--推荐结果的评测方法
（8分钟）
[10.8.1]--推荐结果的评测指标
（35分钟）
[10.9.1]--推荐系统常见问题
（13分钟）
"(10.1.1)--推荐技术"
"(10.3.1)--location-awarerecommendersystemf"
"(10.4.1)--personalizedrecommenderforcosmet"
{11}--第十一单元深度学习
[11.10.1]--基于LSTM的股票预测
（3分钟）
[11.1.1]--卷积基本概念
（25分钟）
[11.2.1]--LeNet框架（1）
（20分钟）
[11.3.1]--LeNet框架（2）
（19分钟）
[11.4.1]--卷积基本单元
（18分钟）
[11.5.1]--卷积神经网络训练
（14分钟）
[11.6.1]--基于卷积的股票预测
（23分钟）
[11.7.1]--循环神经网络基础
（26分钟）
[11.8.1]--循环神经网络的训练和示例
（36分钟）
[11.9.1]--长短期记忆网络
（17分钟）
"(11.1.1)--卷积神经网络"
"#11.3.1#--LeNet-5python程序"
"#11.5.1#--卷积用于识别狗猫的案例"
"(11.6.1)--股票预测"
"(11.7.1)--循环神经网络"
"(11.9.1)--ConvolutionalLSTMNetwork（选读）"
{12}--总结：面向实践的机器学习课程研讨
[12.1.1]--实践驱动的机器学习教学
（22分钟）
"(12.1.1)--突破知识型教学走向实践"
京公网安备 11011502004263