机器学习

本实践课程专为初学者设计，帮助你掌握 Python 基础知识。通过互动实验和实际挑战，学习数据类型、控制结构、函数、模块和数据结构等核心概念。非常适合刚开始学习 Python 编程的学员。

监督学习。如果你是第一次听到或读到这个术语，可能完全不清楚它的含义。别担心。在本实验中，你将全面了解监督学习；并且，在实验的下一章节中，你将学习如何使用监督学习来完成数据预测。

在本课程中，我们将继续学习监督学习中的另一个重要应用——解决分类问题。在接下来的课程中，你将接触到：逻辑回归、K 近邻算法、朴素贝叶斯、支持向量机、感知器和人工神经网络、决策树和随机森林，以及 Bagging 和 Boosting 方法。课程将从每种方法的原理开始讲解。你需要充分理解这些方法的实现。

在本课程中，你将全面理解无监督学习，并学会使用无监督学习进行数据聚类。

在本课程中，你将学习深度学习的基本概念，包括神经网络的基本原理、TensorFlow、Keras 和 PyTorch 的基本原理，以及线性回归、逻辑回归和多层神经网络的基本原理。你还将学习如何使用 TensorFlow、Keras 和 PyTorch 构建线性回归模型、逻辑回归模型和多层神经网络模型。

本综合课程涵盖 Scikit-learn 的基础概念和实用技术，Scikit-learn 是 Python 中必不可少的机器学习库。学习使用各种算法和预处理技术构建、训练和评估机器学习模型。

在本课程中，你将学习 TensorFlow 2 的基本概念和语法，以及如何使用 TensorFlow 2 实现深度学习算法。

在本课程中，你将学习 OpenCV 的基础知识。你将学习如何读取、写入和显示图像和视频。你还将学习如何在图像和视频上绘制不同的形状。