欢迎来到坚石实训平台
问题答疑
首页
全部课程
公开课
云课直播
数图资源
更多
首页
全部课程
公开课
云课直播
数图资源
扫码下载Android
扫码下载iOS
教师登录
学生登录
首页
全部课程
公开课
云课直播
数图资源
教师登录
学生登录
首页 - 课程列表 - 课程详情
返回
商务数据分析_复旦大学
课程类型:
选修课
发布时间:
2020-12-30 08:41:08
主讲教师:
课程来源:
建议学分:
3.00分
课程编码:
mk000502
课程介绍
课程目录
教师团队
{1}--第一单元机器学习概论
[1.1.1]--机器学习的初步认识
(25分钟)
[1.2.1]--机器学习过程
(18分钟)
[1.3.1]--机器学习常用算法
(30分钟)
[1.4.1]--机器学习常用算法(2)
(25分钟)
[1.5.1]--机器学习常见问题(1)
(23分钟)
[1.6.1]--从事机器学习的准备
(17分钟)
[1.7.1]--机器学习常用领域
(22分钟)
"(1.1.1)--机器学习简介"
"(1.3.1)--机器学习算法地图"
"#1.7.1#--机器学习的应用调查"
{2}--第二单元分类算法
[2.10.1]--贝叶斯网络模型
(24分钟)
[2.11.1]--贝叶斯网络的应用
(25分钟)
[2.1.1]--决策树算法
(22分钟)
[2.2.1]--ID3算法
(36分钟)
[2.3.1]--C4.5算法和CART算法
(20分钟)
[2.4.1]--连续属性离散化、过拟合问题和分类效果评价
(36分钟)
[2.5.1]--集成学习常用算法
(19分钟)
[2.6.1]--支持向量机简介
(21分钟)
[2.7.1]--支持向量机原理
(31分钟)
[2.8.1]--支持向量机的应用
(30分钟)
[2.9.1]--贝叶斯网络简介
(34分钟)
"#2.10.1#--Bayes垃圾邮件分类模型python源程序"
"(2.10.1)--贝叶斯网络"
"(2.11.1)--贝叶斯网络的应用研究(选读)"
"(2.1.1)--分类与决策树"
"#2.3.1#--决策树python程序"
"(2.3.1)--决策树应用研究(选读)"
"#2.5.1#--Adaboostpython源程序"
"(2.5.1)--集成学习应用研究(选读)"
"(2.6.1)--支持向量机"
"#2.7.1#--支持向量机python源程序"
"(2.8.1)--支持向量机应用研究(选读)"
{3}--第三单元神经网络基础
[3.1.1]--神经网络简介
(18分钟)
[3.2.1]--神经网络相关概念
(36分钟)
[3.3.1]--BP神经网络算法(1)
(22分钟)
[3.4.1]--BP神经网络算法(2)
(24分钟)
[3.5.1]--神经网络的应用
(14分钟)
"(3.1.1)--神经网络基础"
"#3.3.1#--神经网络python源程序"
"#3.4.1#--神经网络手写体识别python程序"
"(3.5.1)--imagerestorationalgorithmsbasedo"
{4}--第四单元聚类分析
[4.1.1]--聚类分析的概念
(13分钟)
[4.2.1]--聚类分析的度量
(23分钟)
[4.3.1]--基于划分的方法(1)
(24分钟)
[4.4.1]--基于划分的方法(2)
(18分钟)
[4.5.1]--基于密度聚类和基于层次聚类
(26分钟)
[4.6.1]--基于模型的聚类
(24分钟)
"(4.1.1)--聚类分析"
"#4.3.1#--Kmeans算法的python源程序"
"(4.3.1)--聚类的个性化学习应用(选读)"
"#4.5.1#--DBSCAN算法python程序"
"(4.5.1)--聚类的社交网络应用(选读)"
"(4.5.2)--Clusteringgeolocateddataforoutli"
{5}--第五单元可视化分析
[5.1.1]--可视化分析基础
(18分钟)
[5.2.1]--可视化分析方法
(27分钟)
[5.3.1]--在线教学的数据分析
(44分钟)
"#5.1.1#--可视化示例python示例1"
"(5.1.1)--可视化基础"
"#5.2.1#--可视化示例python程序2"
"(5.2.1)--可视化的应用(选读)"
{6}--第六单元关联分析
[6.1.1]--关联分析基本概念
(32分钟)
[6.2.1]--Apriori算法
(27分钟)
[6.3.1]--关联规则应用
(22分钟)
"(6.1.1)--关联分析"
"#6.2.1#--Apriori算法python程序示例"
"(6.2.1)--关联分析在服装缺陷检测中的应用(选读)"
"(6.3.1)--关联算法在化妆品推荐中的应用(选读)"
{7}--第七单元回归分析
[7.1.1]--回归分析基础
(32分钟)
[7.2.1]--线性回归分析
(34分钟)
[7.3.1]--非线性回归分析
(39分钟)
"(7.1.1)--回归分析"
"#7.2.1#--回归分析python程序"
"(7.2.1)--ALinearRegressionApproachtoRecom"
{8}--第八单元文本分析
[8.1.1]--文本分析简介
(17分钟)
[8.2.1]--文本分析基本概念
(31分钟)
[8.3.1]--语言模型、向量空间模型
(25分钟)
[8.4.1]--词法、分词、句法分析
(26分钟)
[8.5.1]--语义分析
(8分钟)
[8.6.1]--文本分析应用
(30分钟)
[8.7.1]--知识图谱概念
(28分钟)
[8.8.1]--知识图谱技术
(27分钟)
[8.9.1]--知识图谱构建和应用
(19分钟)
"(8.1.1)--文本分析基础"
"(8.2.1)--Morethanwords-Socialnetworks’tex"
"#8.3.1#--TF-IDF特征获取python程序"
"#8.3.2#--LDA主题提取python程序"
"#8.4.1#--结巴分词python程序"
"#8.6.1#--文本分类应用python程序"
"(8.6.1)--文本分析应用案例(选读)"
"(8.6.2)--Usingtextminingandsentimentanaly"
"(8.7.1)--知识图谱"
{9}--第九单元分布式机器学习、遗传算法
[9.1.1]--分布式机器学习基础
(24分钟)
[9.2.1]--分布式机器学习框架
(15分钟)
[9.3.1]--并行决策树
(12分钟)
[9.4.1]--并行k-均值算法
(3分钟)
[9.5.1]--并行多元线性回归模型
(15分钟)
[9.6.1]--遗传算法基础
(29分钟)
[9.7.1]--遗传算法的过程
(19分钟)
[9.8.1]--遗传算法的应用
(21分钟)
"(9.1.1)--分布式机器学习"
"(9.6.1)--遗传算法"
"(9.8.1)--Usegeneticalgorithmtoimproveoils"
{10}--第十单元电子推荐系统
[10.1.1]--推荐系统基础
(32分钟)
[10.2.1]--推荐系统结构
(7分钟)
[10.3.1]--基于人口统计学的推荐、基于内容的推荐
(15分钟)
[10.4.1]--基于协同过滤的推荐算法
(18分钟)
[10.5.1]--基于图的模型、基于PageRank的推荐、基于关联规则的推荐
(17分钟)
[10.6.1]--其他推荐方法
(14分钟)
[10.7.1]--推荐结果的评测方法
(8分钟)
[10.8.1]--推荐结果的评测指标
(35分钟)
[10.9.1]--推荐系统常见问题
(13分钟)
"(10.1.1)--推荐技术"
"(10.3.1)--location-awarerecommendersystemf"
"(10.4.1)--personalizedrecommenderforcosmet"
{11}--第十一单元深度学习
[11.10.1]--基于LSTM的股票预测
(3分钟)
[11.1.1]--卷积基本概念
(25分钟)
[11.2.1]--LeNet框架(1)
(20分钟)
[11.3.1]--LeNet框架(2)
(19分钟)
[11.4.1]--卷积基本单元
(18分钟)
[11.5.1]--卷积神经网络训练
(14分钟)
[11.6.1]--基于卷积的股票预测
(23分钟)
[11.7.1]--循环神经网络基础
(26分钟)
[11.8.1]--循环神经网络的训练和示例
(36分钟)
[11.9.1]--长短期记忆网络
(17分钟)
"(11.1.1)--卷积神经网络"
"#11.3.1#--LeNet-5python程序"
"#11.5.1#--卷积用于识别狗猫的案例"
"(11.6.1)--股票预测"
"(11.7.1)--循环神经网络"
"(11.9.1)--ConvolutionalLSTMNetwork(选读)"
{12}--总结:面向实践的机器学习课程研讨
[12.1.1]--实践驱动的机器学习教学
(22分钟)
"(12.1.1)--突破知识型教学走向实践"