大模型的实战应用：有监督学习之机器学习
¥199.9
你将收获
- 深入理解K近邻算法：你将全面掌握K近邻算法的原理、推导过程和应用技巧。通过ChatGPT的生动讲解，你将轻松理解算法的核心思想，并能够灵活运用到实际场景中。
- 实战能力提升：课程提供了丰富的实战案例，包括使用sklearn和R语言进行K近邻分类等。通过亲手实践，你将能够熟练运用K近邻算法解决实际问题，提升自己在数据分析和机器学习领域的实战能力。
- 拓展职业视野：课程将介绍机器学习在不同行业的应用情况和前景，让你对行业的趋势和发展有更深入的了解。这将有助于你拓展职业视野，为未来的职业发展做好准备。
数千家企业正在使用三节课企业版学习
无限制学习2000+门课程，200+精选学习专题
课程介绍
在数字化时代，数据驱动决策成为行业标配。然而，面对海量数据，如何有效提取信息并转化为实际应用成为了一大挑战。本课程《大模型的实战应用：有监督学习之机器学习》应运而生，聚焦K近邻算法，深入剖析其原理与实践。通过结合ChatGPT的生动讲解，你将掌握从理论到实践的完整流程，包括算法推导、懒惰学习原理、sklearn应用以及R语言实现等。本课程旨在帮助学习者构建完整的数据分析框架，提升在数据处理与机器学习领域的实战能力，为职业发展注入新动力。
适合人群
- 数据科学家和数据分析师：对于数据科学家和数据分析师来说，掌握各种机器学习算法是非常重要的。本课程将帮助他们深入理解K近邻算法的原理和应用，提升他们在数据分析和建模方面的能力。
- 软件开发工程师：软件开发工程师通常需要处理大量的数据，并能够从中提取有用的信息。通过学习这门课程，他们可以更好地应用机器学习技术来解决实际问题，提高软件的质量和效率。
- 机器学习初学者：对于刚开始接触机器学习的初学者来说，这门课程将提供坚实的理论基础和实战案例，帮助他们快速入门并掌握K近邻算法的核心内容。
讲师介绍
曾就职于平安人寿担任资深数据挖掘专家，目前供职于世界百强企业，负责数据中台、数据化运营、金融科技、创新规划等项目及前沿研究。有13年的数据挖掘与分享相关工作的经验；曾经从事过电商、电购、电力、游戏、金融和物流等行业，熟悉不同行业的数据特点。R语言资、python资深玩家，熟练掌握深度学习Tensorflow2框架，有丰富的大数据挖掘和可视化实战经验。2017-2023年微软MVP。《中国现场统计研究会大数据统计分会》第一届理事。 历届中国R语言大会特邀演讲嘉宾。 书籍著作：《R语言与数据挖掘》、《数据实践之美：31位大数据专家的方法、技术与思想》《R语言游戏数据分析与挖掘》、《Keras深度学习：入门、实战与进阶》、《R语言数据分析与挖掘（微课）》和深度学习从入门到精通：基于keras（微课版）》
课程大纲
共0节 时长0分钟
1、课程目录及课程目标介绍.
6分钟
2、通过ChatGPT介绍什么是K近邻算法.
10分钟
3、通过ChatGPT介绍K近邻算法推导过程.
13分钟
4、通过ChatGPT解释为什么k近邻是一种“懒惰学习"算法.
7分钟
5、通过ChatGPT介绍sklearn中的KNeighborsClassifier类.
8分钟
6、通过案例:利用ChatGPT利用sklearn对iris数据集进行K近邻分类.
13分钟
7、通过ChatGPT介绍R语言中的knn函数.
8分钟
8、案例:通过ChatGPT利用R语言的knn函数对iris数据集进行K近邻分类.
20分钟
9、通过ChatGPT介绍什么是决策树算法.
14分钟
10、通过ChatGPT介绍决策树常用算法.
7分钟
11、通过ChatGPT介绍嫡、信息增益、信息增益率.
12分钟
12、通过ChatGPT介绍决策树的预剪枝及后剪枝.
7分钟
13、通过ChatGPT介绍sklearn中的DecisionTreeClassifier类.
9分钟
14、案例:通过ChatGPT利用sklearn对iris数据集进行决策树分类.
8分钟
15、通过ChatGPT介绍R语言的rpart包的rpart函数
8分钟
16、案例： 通过ChatGPT利用R语言对iris数据集进行决策树分类
20分钟
17、通过ChatGPT学习集成学习
10分钟
18、案例1： python利用sklearn对iris数据集进行随机森林分类
7分钟
19、案例2： R语言对iris数据集进行随机森林分类
19分钟
购课须知
课程有效期：
自购买课程之日起 365 天，部分参与营销活动产品以活动规则为准，请同学在有效期内学习、观看课程。
上课模式：
课程采取录播模式，请注意自学课无班级微信群、班主任带班及助教批改服务。
注：自学课不支持退款，确保你是真的需要再进行报名，报完名之后还请认真学习。