机器学习必修课：经典AI算法与编程实战

📋 文件内容

1. 包含文件：01-1课程内容和理念.mp4
2. 01-2初识机器学习.mp4
3. 01-3课程使用的技术栈.mp4
4. 02-1本章总览.mp4
5. 02-2数据长什么样：常见数据集
6. 典型实例
7. 如何使用.mp4
8. 02-3研究哪些问题：分类
9. 回归等.mp4
10. 02-4如何分门别类：监督
11. 无监督
12. 强化学习等.mp4
13. 02-5机器学习的七大常见误区和局限.mp4
14. 03-1本章总览：相互关系与学习路线.mp4
15. 03-2Anaconda图形化操作.mp4
16. 03-3Anaconda命令行操作.mp4
17. 03-4JupyterNotebook基础使用.mp4
18. 03-5JupyterNotebook高级使用：常用魔法命令.mp4
19. 03-6Numpy基础：安装与性能对比.mp4
20. 03-7Numpy数组创建：特定数组
21. 等差数组
22. 随机数组.mp4
23. 03-8Numpy数组基础索引：索引和切片.mp4
24. 03-9Numpy非常重要的数组合并与拆分操作.mp4
25. 03-10Numpy数组矩阵运算：一元运算
26. 二元运算与矩阵运算.mp4
27. 03-11Numpy数组统计运算：常用的都在这儿了.mp4
28. 03-12Numpy数组arg运算和排序.mp4
29. 03-13Numpy数组神奇索引和布尔索引.mp4
30. 03-14Matplotlib数据可视化：基础绘制与设置.mp4
31. 04-1本章总览.mp4
32. 04-2KNN算法核心思想和原理.mp4
33. 04-3KNN分类任务代码实现.mp4
34. 04-4数据集划分：训练集与预测集.mp4
35. 04-5模型评价.mp4
36. 04-6超参数.mp4
37. 04-7特征归一化.mp4
38. 04-8KNN回归任务代码实现.mp4
39. 04-9KNN优缺点和适用条件.mp4
40. 05-1本章总览.mp4
41. 05-2线性回归核心思想和原理.mp4
42. 05-3逻辑回归核心思想和原理.mp4
43. 05-4线性回归代码实现.mp4
44. 05-5模型评价：MSE
45. RMSE
46. MAE和R方.mp4
47. 05-6多项式回归代码实现.mp4
48. 05-7逻辑回归算法.mp4
49. 05-8线性逻辑回归代码实现.mp4
50. 05-9多分类策略.mp4
51. 05-10复杂逻辑回归及代码实现.mp4
52. 05-11线性算法优缺点和适用条件.mp4
53. 06-1本章总览.mp4
54. 06-2损失函数.mp4
55. 06-3梯度下降.mp4
56. 06-4决策边界.mp4
57. 06-5过拟合与欠拟合.mp4
58. 06-6学习曲线.mp4
59. 06-7交叉验证.mp4
60. 06-8模型误差.mp4