随着大数据和人工智能领域的爆发性发展，市场对高端人才的需求愈加紧迫，许多大公司不惜开出几十万的年薪招揽人才。华为更是斥资两百万，拿下两名人工智能领域的**人才，而大数据和人工智能领域最常用的编程语言就是什么？Python。

1.每个算法模块按照“原理讲解→分析数据→自己动手实现→特征与调参”的顺序。

2.“Python数据清洗和特征提取”，提升学习深度、降低学习坡度。

3.增加网络爬虫的原理和编写，从获取数据开始，重视将实践问题转换成实际模型的能力，分享工作中的实际案例或Kaggle案例：广告销量分析、环境数据异常检测和分析、数字图像手写体识别、Titanic乘客存活率预测、用户-电影推荐、真实新闻组数据主题分析、中文分词、股票数据特征分析等。

4.强化矩阵运算、概率论、数理统计的知识运用，掌握机器学习根本。

5.阐述机器学习原理，提供配套源码和数据。

6.以直观解释，增强感性理解。

7.对比不同的特征选择带来的预测效果差异。

8.重视项目实践，重视落地。思考不同算法之间的区别和联系，提高在实际工作中选择算法的能力。

9.涉及和讲解的部分Python库有：Numpy、Scipy、matplotlib、Pandas、scikit-learn、XGBoost、libSVM、LDA、Gensim、NLTK、HMMLearn。

模块一：机器学习的数学基础1-数学分析

模块二：机器学习的数学基础2-概率论与贝叶斯先验

模块三：机器学习的数学基础3-矩阵和线性代数

模块四：Python基础1-Python及其数学库

模块五：Python基础2-机器学习库

模块六：Python基础3-数据清洗和特征选择

模块七：回归

模块八：Logistic回归

模块九：回归实践

模块十：决策树和随机森林

模块十一：随机森林实践

模块十二：提升

模块十三：提升实践

模块十四：SVM

模块十五：SVM实践

模块十六：聚类（一）

模块十七：聚类（二）

模块十八：聚类实践

模块十九：EM算法

模块二十：EM算法实践

模块二十一：模块模型LDA

模块二十二：LDA实践

模块二十三：隐马尔科夫模型HMM

模块二十四：HMM实践

更多课程详情请点击咨询专属客服

《Python学习手册（原书第5版）》，本书将帮助你使用Python编写出高质量、高效的并且易于与其他语言和工具集成的代码。本书根据Python专家Mark Lutz的著名培训课程编写而成，是易于掌握和自学的Python教程。本书每一章都对Python语言的关键内容做单独讲解，并且配有章后习题、编程练习及详尽的解答，还配有大量注释的示例以及图表，便于你学习新的技能并巩固加深自己的理解。