Python大数据与人工智能（学术）：从机器学习学术应用介绍到机器学习核心算法到机器学习学术应用指导 北邮博导陈远祥亲授和答疑，特别赠送Python编程基础课程 随报随学，线上30小时课程，提供全部资料。
1, 通过线上551分钟学习掌握Python编程的基础内容；
2, 课程涉及到了Python机器学习大部分内容，内容丰富；
3, 从Python入门开始介绍，没有软件基础的人也可以听；
4, 通过案例的讲解，真正实现学校授课与实战的目标。
需要学习Python大数据及人工智能的青年教师
需要学习Python大数据及人工智能的博士生
需要学习Python大数据及人工智能的硕士生
需要学习Python大数据及人工智能的高年级本科生
不要求学过Python操作
01-01机器学习基本思想
01-02常用机器学习算法模型
01-03机器学习算法库介绍
01-04机器学习在学术领域应用场景
02章第二部分：算法原理与实战（4天）
03章1、KNN算法
03-01KNN算法基本原理
03-02常用相似度衡量方法、KNN用于分类和回归
03-03KNN模型参数优化
03-04Python案例：KNN用于鸢尾花数据集分类
04章2、决策树
04-01决策树基本原理
04-02决策树分类
04-03决策树用于分类和回归实现
04-04决策树参数优化
04-05Python案例：决策树实现波士顿房价预测
05章3、线性回归
05-01线性回归的求解、岭回归、LASSO和弹性网
05-02Python案例：线性回归实现鲍鱼年龄预测
06章4、逻辑回归
06-01逻辑回归基本原理
06-02从线性回归到逻辑回归
06-03逻辑回归实现和参数优化
06-04Python案例：逻辑回归实现病马死亡率预测
07章5、神经网络
07-01神经网络基础
07-02神经网络中的激活函数
07-03神经网络Python实现与参数调优
07-04Python案例：手写数字识别
08章6、贝叶斯网络
08-01贝叶斯分类原理
08-02朴素贝叶斯
08-03贝叶斯模型分类
08-04Python案例：垃圾邮件过滤
09章7、支持向量机
09-01支持向量机分类原理
09-02线性SVM和非线性SVM
09-03Python案例：人脸识别
10章8、随机森林
10-01决策树与随机森林
10-02随机森林原理
10-03随机森林Python实现与参数调优
10-04Python案例：随机森林用于泰坦尼克沉船预测
11章9、聚类
11-01聚类原理
11-02聚类和分类
11-03k-means聚类原理
11-04k-means python实现
11-05Python案例：聚类用于客户价值识别
12章第三部分：Python机器学习学术应用指导（0.5天）
12-01数据发现与变量创造，预测，因果推断；
12-02文本大数据应用；
12-03基于机器学习的学术论文写作指导
