这门课解决什么问题
这门课聚焦于机器学习与深度神经网络的基础理论及经典算法的工程落地，旨在弥合开发者对数学原理一头雾水、对工程实现一知半解的鸿沟。从决策树到KNN，从支持向量机到神经网络，课程不追求深奥的推导，而是解决“算法为何有效”以及“如何把算法跑通并集成到实际项目”的核心问题。它提供了一套从数据输入到模型输出的完整链路参考，帮助开发者摆脱只会调库的依赖，真正理解底层机制。
适合什么基础与建议学习顺序
适合具备基本编程能力（如Python）的开发者，尤其是渴望在AI领域建立系统认知、而非仅停留在API调用的工程师。建议按认知递进学习：先看基本概念，建立向量、损失函数等核心术语的工程直觉；接着研读决策树与KNN，这是最直观的监督学习案例，能快速理解特征权重与分类边界的概念；随后深入支持向量机，掌握高维空间中的最优分割逻辑；最后啃下神经网络部分，理解前向传播与反向传播的工程本质。这个顺序符合从简单到复杂的认知规律。
学完能独立做什么与资料配合练习
学完本资料，开发者应能独立完成基于经典算法的分类项目，并具备不同模型选型与参数调优的工程判断力。面对新数据集，不再盲目套用框架，而是能依据数据分布特征选择合适的模型。配合练习时，建议直接对照提供的源码教程，在本地环境复现决策树与KNN的预测流程，随后用SVM处理复杂的非线性数据，最后尝试用神经网络拟合非线性边界。通过替换自己的数据集跑通这些模块，将视频讲解转化为可复用的代码资产，才是这套资料最该做的事。
562b743aa37279f16b36d44405e54ce1.png
(164.15 KB, 下载次数: 45)
下载附件
保存到相册
2020-12-21 16:52 上传
(1)\\视频；目录中文件数:30个
├─(1) 1.1课程介绍机器学习介绍上.mp4
├─(2) 1.1课程介绍机器学习介绍下.mp4
├─(3) 1.2深度学习介绍.mp4
├─(4) 2基本概念.mp4
├─(5) 3.1决策树算法.mp4
├─(6) 3.2决策树应用.mp4
├─(7) 4.1最邻近规则分类KNN算法.mp4
├─(8) 4.2最邻近规则KNN分类应用.mp4
├─(9) 5.1 支持向量机(SVM)算法（上）.html
├─(10) 5.1 支持向量机(SVM)算法（上）应用.html
├─(11) 5.1支持向量机SVM上.mp4
├─(12) 5.1支持向量机SVM上应用.mp4
├─(13) 6.2神经网络算法应用上.mp4
├─(14) 6.3神经网络算法应用下.mp4
├─(15) 7.1简单线忄生回归上.mp4
├─(16) 7.2简单线忄生回归下.mp4
├─(17) 7.3多元线忄生回归.mp4
├─(18) 7.4多元线忄生回归应用.mp4
├─(19) 7.5非线忄生回归 Logistic Regression.mp4
├─(20) 7.6非线忄生回归应用.mp4
├─(21) 7.7回归中的相关度和决定系数.mp4
├─(22) 7.8回归中的相关忄生和R平方值应用.mp4
├─(23) 8.1Kmeans算法.mp4
├─(24) 8.2Kmeans应用.mp4
├─(25) 8.3Hierarchical clustering 层次聚类.mp4
├─(26) 8.4Hierarchical clustering 层次聚类应用.mp4
├─(27) 总结.mp4
├─(28) 支持向量机(SVM)算法(下)应用.mp4
├─(29) 支持向量机(SVM)算法下.mp4
├─(30) 神经网络NN算法.mp4
(2)\\课件；目录中文件数:29个
├─(31) 1.1 课程介绍 & 机器学习介绍.html
├─(32) 1.2 深度学习(Deep Learning)介绍.html
├─(33) 2 基本概念 (Basic Concepts).html
├─(34) 3.1 决策树(decision tree)算法.html
├─(35) 3.2 决策树(decision tree)应用.html
├─(36) 4.1 最邻近规则分类(K-Nearest Neighbor)KNN算法.html
├─(37) 4.2 最邻近规则分类(K-Nearest Neighbor)KNN算法应用.html
├─(38) 5.1 支持向量机(SVM)算法（上）.html
├─(39) 5.1 支持向量机(SVM)算法（上）应用.html
├─(40) 5.2 支持向量机(SVM)算法（下）.html
├─(41) 5.3 支持向量机(SVM)算法（下）应用.html
├─(42) 6.1 神经网络算法(Nerual Networks)（上）.html
├─(43) 6.2 神经网络算法(Nerual Networks)应用(上）.html
├─(44) 6.3 神经网络算法(Nerual Networks)应用(下）.html
├─(45) 7.1 简单线忄生回归 (Simple Linear Regression)上.html
├─(46) 7.1 简单线忄生回归 (Simple Linear Regression)下.html
├─(47) 7.3 多元回归分析(multiple regression).html
├─(48) 7.4 多元回归分析(multiple regression)应用.html
├─(49) 7.5 非线忄生回归 logistic regression.html
├─(50) 7.6 非线忄生回归应用：losgistic regression application.html
├─(51) 7.7 回归中的相关度和R平方值.html
├─(52) 7.8 回归中的相关度和R平方值应用.html
├─(53) 8.1 聚类(Clustering) K-means算法.html
├─(54) 8.2 聚类(Clustering) K-means算法应用.html
├─(55) 8.3 聚类(Clustering) hierarchical clustering 层次聚类.html
├─(56) 8.4 聚类(Clustering) hierarchical clustering 层次聚类应用.html
├─(57) 810a19d8bc3eb1351e89fd05a41ea8d3fc1f44c5.jpg
├─(58) HierachecalClustering.png
├─(59) 代码与素材.rar
(3)\\课件\\1.2 深度学习(Deep Learning)介绍_files；目录中文件数:14个
├─(60) 1-BOngaxvWRFHm3O2yo3YPhA.jpeg
├─(61) 1-RbQSv8m3SjBsWBniYdgwQQ.jpeg
├─(62) 1-sIKCN5ddB0BP55WxlYqtYg.jpeg
├─(63) DeepNetwork.png
├─(64) images [1].jpg
├─(65) images.jpg
├─(66) imgres [1].jpg
├─(67) imgres [2].jpg
├─(68) imgres [3].jpg
├─(69) imgres [4].jpg
├─(70) imgres [5].jpg
├─(71) imgres [6].jpg
├─(72) imgres.jpg
├─(73) science-journal.gif
(4)\\课件\\3.1 决策树(decision tree)算法_files；目录中文件数:10个
├─(74) c2cec3fdfc0392456a6ac4258694a4c27d1e2538.jpg
├─(75) Image [1].png
├─(76) Image [2].png
├─(77) Image [3].png
├─(78) Image [4].png
├─(79) Image [5].png
├─(80) Image [6].png
├─(81) Image [7].png
├─(82) Image [8].png
├─(83) Image.png
(5)\\课件\\3.2 决策树(decision tree)应用_files；目录中文件数:1个
├─(84) Image.png
(6)\\课件\\4.1 最邻近规则分类(K-Nearest Neighbor)KNN算法_files；目录中文件数:7个
├─(85) Image [1].png
├─(86) Image [2].png
├─(87) Image [3].png
├─(88) Image [4].png
├─(89) Image.png
├─(90) images.jpg
├─(91) imgres.png
(7)\\课件\\4.2 最邻近规则分类(K-Nearest Neighbor)KNN算法应用_files；目录中文件数:2个
├─(92) kahi2.jpg
├─(93) Virginia_Iris.png
(8)\\课件\\5.1 支持向量机(SVM)算法（上）_files；目录中文件数:19个
├─(94) 220px-Svm_separating_hyperplanes_(SVG).svg.png
├─(95) Image [10].png
├─(96) Image [11].png
├─(97) Image [12].png
├─(98) Image [13].png
├─(99) Image [14].png
├─(100) Image [15].png
├─(101) Image [1].png
├─(102) Image [2].png
├─(103) Image [3].png
├─(104) Image [4].png
├─(105) Image [5].png
├─(106) Image [6].png
├─(107) Image [7].png
├─(108) Image [8].png
├─(109) Image [9].png
├─(110) Image.png
├─(111) images [1].jpg
├─(112) images.jpg
(9)\\课件\\5.2 支持向量机(SVM)算法（下）_files；目录中文件数:16个
├─(113) Image [10].png
├─(114) Image [11].png
├─(115) Image [12].png
├─(116) Image [1].png
├─(117) Image [2].png
├─(118) Image [3].png
├─(119) Image [4].png
├─(120) Image [5].png
├─(121) Image [6].png
├─(122) Image [7].png
├─(123) Image [8].png
├─(124) Image [9].png
├─(125) Image.png
├─(126) main-qimg-b88037063b9a4cae241ee6b0ab841356.png
├─(127) main-qimg-de8f2ca9c807ee184e2509639fce066d.jpg
├─(128) main-qimg-dff9507297a2320460ff4d9cd5825683.png
(10)\\课件\\6.1 神经网络算法(Nerual Networks)（上）_files；目录中文件数:16个
├─(129) cross_validation.jpg
├─(130) Image [10].png
├─(131) Image [11].png
├─(132) Image [12].png
├─(133) Image [13].png
├─(134) Image [14].png
├─(135) Image [1].png
├─(136) Image [2].png
├─(137) Image [3].png
├─(138) Image [4].png
├─(139) Image [5].png
├─(140) Image [6].png
├─(141) Image [7].png
├─(142) Image [8].png
├─(143) Image [9].png
├─(144) Image.png
(11)\\课件\\6.2神经网络算法应用上；目录中文件数:1个
├─(145) 6.2神经网络算法应用上.mp4
(12)\\课件\\6.3神经网络算法应用下；目录中文件数:1个
├─(146) 6.3神经网络算法应用下.mp4
(13)\\课件\\7.1 简单线忄生回归 (Simple Linear Regression)上_files；目录中文件数:8个
├─(147) Image [1].png
├─(148) Image [2].png
├─(149) Image [3].png
├─(150) Image [4].png
├─(151) Image [5].png
├─(152) Image [6].png
├─(153) Image [7].png
├─(154) Image.png
(14)\\课件\\7.1 简单线忄生回归 (Simple Linear Regression)下_files；目录中文件数:7个
├─(155) Image [1].png
├─(156) Image [2].png
├─(157) Image [3].png
├─(158) Image [4].png
├─(159) Image [5].png
├─(160) Image [6].png
├─(161) Image.png
(15)\\课件\\7.3 多元回归分析(multiple regression)_files；目录中文件数:2个
├─(162) Image [1].png
├─(163) Image.png
(16)\\课件\\7.5 非线忄生回归 logistic regression_files；目录中文件数:18个
├─(164) 001QAImHgy6I1oEKVWg50&690.jpg
├─(165) 001QAImHgy6I1oGTmnA36&690.jpg
├─(166) 001QAImHgy6I1ohlalO18&690.jpg
├─(167) 001QAImHgy6I1oi9u8Kae&690.jpg
├─(168) 001QAImHgy6I1ojfTjYaa&690.jpg
├─(169) 001QAImHgy6I1oJm3Qz27&690.jpg
├─(170) 001QAImHgy6I1ok9Brb61&690.jpg
├─(171) 001QAImHgy6I1olbW3yfc&690.jpg
├─(172) 001QAImHgy6I1omK5aoc8&690.jpg
├─(173) 001QAImHgy6I1osqQ7lc7&690.jpg
├─(174) 001QAImHgy6I1otAWE890&690.jpg
├─(175) 001QAImHgy6I1oudixl13&690.jpg
├─(176) 001QAImHgy6I1owps7Ud2&690.jpg
├─(177) 8694e4193ba45b55403595096b7d23c5.png
├─(178) Image [1].png
├─(179) Image.png
├─(180) imgres [1].jpg
├─(181) imgres.jpg
(17)\\课件\\7.7 回归中的相关度和R平方值_files；目录中文件数:7个
├─(182) cb8065380cd7912374922436af345982b2b78006.png
├─(183) Image.png
├─(184) imgf000045_0001.png
├─(185) imgres [1].jpg
├─(186) imgres [1].png
├─(187) imgres.jpg
├─(188) imgres.png
(18)\\课件\\8.1 聚类(Clustering) K-means算法_files；目录中文件数:16个
├─(189) Image [10].png
├─(190) Image [11].png
├─(191) Image [12].png
├─(192) Image [13].png
├─(193) Image [1].png
├─(194) Image [2].png
├─(195) Image [3].png
├─(196) Image [4].png
├─(197) Image [5].png
├─(198) Image [6].png
├─(199) Image [7].png
├─(200) Image [8].png
├─(201) Image [9].png
├─(202) Image.png
├─(203) imgres [1].jpg
├─(204) imgres.jpg
(19)\\课件\\8.3 聚类(Clustering) hierarchical clustering 层次聚类_files；目录中文件数:1个
├─(205) 810a19d8bc3eb1351e89fd05a41ea8d3fc1f44c5.png
正版资源
