Python机器学习

Gavin Liu 查看讲师

百林哲咨询（北京）有限公司专家团队成员

大数据架构师，擅长 MR 开发，基于 MR 的算法开发， Hive、 Hbase、 spark 和 Mahout 的实战和成功使用案例。

浏览：3871次

详情 DETAILS

简介

为机器学习小白量身打造，帮你全面梳理机器学习的核心知识，使用流行的Python3语言和sklearn框架，由浅入深，为你学习机器学习打下展示基础。

课程囊括机器学习的基础知识（没有基础也行），监督与无监督学习，以及机器学习算法的实战场景。课程选取互联网最常用的机器学习案例，包括流失用户预测、用户分群、销售数据预测等，极具代表性，学完能直接应用到日常数据分析中，解决实际商业问题。

此外，课程将带你玩转机器学习的几大核心工具：Python3，Jupyter，Numpy，Pandas，Sklearn。真正让你从AI小白跨入机器学习的大门。

课程收益

通过本次培训，你将

1.了解机器学习的基本知识 —— 基础原理，监督和无监督学习

2.了解机器学习常见的重要算法 —— 线性回归，决策树，随机森林，kmeans等

3.了解机器学习的几大核心工具 —— Python3，Jupyter，Numpy，Pandas，Sklearn

4.了解机器学习如何应用 —— 包括流失用户预测、用户分群、销售数据预测等，应用到日常数据分析中

适合人群

1、对机器学习感兴趣，想有进一步了解和实践的同学

2、数据分析从业者，希望掌握机器学习作为工具

3、学前必备技术：Python语法基础（对机器学习基础知识要求0基础）

课程时长

一天（7H）

分享提纲

时间		相关内容
第一天上午	9:00-10:00	自我介绍、团建、破冰一、什么是机器学习（10%） 1. 什么是机器学习 1.1 机器学习的简要案例 1.2 从数据中寻找规律 2. 机器学习的基础：监督学习和无监督学习 2.1 什么是监督学习 2.2 什么是无监督学习 3. 课程使用环境搭建 3.1 安装Anaconda平台（自带Python、sklearn）
第一天上午	10:40-12:00	二、Python基础、Numpy和Pandas（20%） 1. Python基础 1.1 基本命令、数据类型 1.2 条件语句和循环语句 1.3 函数 1.4 15min练习 2. Numpy和Pandas基础 2.1 Numpy数组基本操作 2.2 Pandas矩阵基本操作 2.3 Pandas 矩阵的合并和运算 2.4 15min练习
第一天下午	13:30-15:30	三、有监督算法（40%） 1. 决策树 1.1 分类算法 vs 回归算法 1.2 目标变量和特征变量 1.3 决策树的基本原理（信息熵） 1.4 决策树在Python的实现（销售数据预测为案例） 1.5 模型的评估 2. 随机森林 2.1 随机森林的基本原理（从决策树演变） 2.2 随机森林在Python的实现（预测流失用户为案例） 2.3 模型的评估
第一天下午	15:45-17:00	四、无监督算法（20%） Kmeans 4.1 Kmeans的小案例（用来讲解Kmeans的原理） 4.2 Kmeans 在Python的实现（用户分群为案例） 4.3 Kmeans的一些细节
	17:00-17:30	五、实战项目：用户分群（10%） 5.1 Kmeans进行用户分群 5.2 用户分群后的应用方案