课程介绍

Python3入门人工智能掌握机器学习+深度学习提升实战能力课程是一门针对初学者的人工智能课程。该课程旨在帮助学员掌握Python编程语言以及机器学习和深度学习的基本概念和技术，从而提升实战能力。

课程的主要内容包括以下几个方面：

1. Python基础知识：学员将学习Python编程语言的基本语法、数据类型、函数、模块等知识，为后续的机器学习和深度学习学习打下坚实基础。
2. 机器学习基础：学员将学习机器学习的基本概念和算法，包括回归、分类、聚类、降维等常用算法。通过实际案例的讲解和实践，学员将掌握如何使用Python进行机器学习任务的建模、训练和评估。
3. 深度学习基础：学员将学习深度学习的基本概念和技术，包括神经网络、卷积神经网络、循环神经网络等。通过实际案例的讲解和实践，学员将了解如何使用Python和深度学习框架（如TensorFlow、PyTorch）进行深度学习任务的建模、训练和评估。
4. 实战项目：课程还将提供一些实战项目，帮助学员将所学知识应用到真实的数据和问题中。通过实践，学员将加深对机器学习和深度学习的理解，并提升解决实际问题的能力。

通过完成该课程，学员将具备初步的Python编程能力和机器学习、深度学习的基本理论和实践技能。这将为他们进一步深入学习人工智能领域打下坚实的基础，并为将来的工作或学习提供更多可能性。

课程目录

8-001-【imooc】课程汇总/
│【imooc-418】Python3入门人工智能 掌握机器学习+深度学习 提升实战能力【完结】/
││├─第1章 人工智能时代，人人都应该学会利用AI这个工具
││├─第2章 机器学习之线性回归
││├─第3章 机器学习之逻辑回归
││├─第4章 机器学习之聚类
││├─第5章 机器学习其他常用技术
││├─第6章 模型评价与优化
││├─第7章 深度学习之多层感知器
││├─第8章 深度学习之卷积神经网络
││├─第9章 深度学习之循环神经网络
││├─第10章 迁移混合模型
││├─第11章 课程总结

详细目录

││第1章 人工智能时代，人人都应该学会利用AI这个工具/
│││├─1-1_课程导学.mp4 55.7MB
│││├─1-2_内容快速概览.mp4 59.9MB
│││├─1-3_人工智能介绍.mp4 146.4MB
│││├─1-4_环境及工具包介绍.mp4 72.2MB
│││├─1-5_环境配置及Python语法实操.mp4 167.7MB
│││├─1-6_Pandas、Numpy、Matplotlib实操.mp4 113MB
││第2章 机器学习之线性回归/
│││├─2-1_机器学习介绍.mp4 55.7MB
│││├─2-2_线性回归.mp4 87.1MB
│││├─2-3_线性回归实战准备.mp4 86.6MB
│││├─2-4_单因子线性回归实战.mp4 70.5MB
│││├─2-5_多因子线性回归实战.mp4 191.5MB
││第3章 机器学习之逻辑回归/
│││├─3-1_分类问题介绍.mp4 86.5MB
│││├─3-2_逻辑回归（1）.mp4 27.1MB
│││├─3-3_逻辑回归（2）.mp4 55.4MB
│││├─3-4_实战准备.mp4 37.3MB
│││├─3-5_考试通过实战（一）.mp4 137.9MB
│││├─3-6_考试通过实战（二）.mp4 86.6MB
│││├─3-7_芯片检测实战.mp4 168MB
││第4章 机器学习之聚类/
│││├─4-1_无监督学习.mp4 101.5MB
│││├─4-2_Kmeans-KNN-Meanshift.mp4 72.8MB
│││├─4-3_实战准备.mp4 37.4MB
│││├─4-4_Kmeans实战（1）.mp4 49.4MB
│││├─4-5_Kmeans实战（2）.mp4 62.9MB
│││├─4-6_KNN-Meanshift.mp4 106.1MB
││第5章 机器学习其他常用技术/
│││├─5-1_决策树（1）.mp4 41MB
│││├─5-2_决策树（2）.mp4 56.6MB
│││├─5-3_异常检测.mp4 35.3MB
│││├─5-4_主成分分析.mp4 50.6MB
│││├─5-5_实战准备.mp4 81.1MB
│││├─5-6_实战（1）.mp4 94.2MB
│││├─5-7_实战（2）.mp4 97.3MB
│││├─5-8_实战（3）.mp4 126.6MB
││第6章 模型评价与优化/
│││├─6-1_过拟合与欠拟合.mp4 42.8MB
│││├─6-2_数据分离与混淆矩阵.mp4 79.6MB
│││├─6-3_模型优化.mp4 68.6MB
│││├─6-4_实战准备.mp4 49.3MB
│││├─6-5_实战（一）.mp4 139.4MB
│││├─6-6_实战（二）.mp4 63.1MB
│││├─6-7_实战（三）.mp4 136.3MB
││第7章 深度学习之多层感知器/
│││├─7-1_多层感知器(MLP).mp4 72.1MB
│││├─7-2_MLP实现非线性分类.mp4 56.8MB
│││├─7-3_实战准备.mp4 102.3MB
│││├─7-4_实战（一）.mp4 122MB
│││├─7-5_实战（二）.mp4 73MB
││第8章 深度学习之卷积神经网络/
│││├─8-1_卷积神经网络（一）.mp4 93.3MB
│││├─8-2_卷积神经网络（二）.mp4 68.6MB
│││├─8-3_实战准备.mp4 81.8MB
│││├─8-4_实战（一）.mp4 166.1MB
│││├─8-5_实战（二）.mp4 179.7MB
││第9章 深度学习之循环神经网络/
│││├─9-1_序列数据案例.mp4 31.4MB
│││├─9-2_循环神经网络RNN.mp4 30.8MB
│││├─9-3_不同类型的RNN模型.mp4 41.7MB
│││├─9-4_实战准备.mp4 87.7MB
│││├─9-5_实战（一）RNN股价预测.mp4 103.5MB
│││├─9-6_实战（二）RNN股价预测.mp4 69.9MB
│││├─9-7_实战（一）LSTM实现文本生成.mp4 187MB
│││├─9-8_实战（二）LSTM实现文本生成.mp4 102.2MB
││第10章 迁移混合模型/
│││├─10-10_机器+深度学习实现少样本苹果分类（二）.mp4 89.5MB
│││├─10-11_机器+深度学习实现少样本苹果分类（三）.mp4 88.2MB
│││├─10-12_机器+深度学习实现少样本苹果分类（四）.mp4 110.9MB
│││├─10-1_迁移学习（一）.mp4 53.5MB
│││├─10-2_迁移学习（二）.mp4 22.5MB
│││├─10-3_在线学习.mp4 52MB
│││├─10-4_混合模型1.mp4 56.2MB
│││├─10-5_混合模型2.mp4 35.4MB
│││├─10-6_实战准备（一）.mp4 87MB
│││├─10-7_实战准备（二）.mp4 73.7MB
│││├─10-8_基于新数据的迁移学习实战.mp4 137.9MB
│││├─10-9_机器+深度学习实现少样本苹果分类（一）.mp4 193.2MB
││第11章 课程总结/
│││├─11-1_课程总结（一）.mp4 56.3MB
│││├─11-2_课程总结（二）.mp4 65.5MB
│││├─11-3_课程总结（三）.mp4 106.7MB