机器学习、深度学习和贝叶斯学习

学习机器学习、深度学习、贝叶斯学习和Python中的模型部署。

你会学到什么
用Tensorflow深度学习！！！
用PyTorch深度学习！！！是的Tensorflow + PyTorch！
基于PyMC3的贝叶斯学习
熊猫的数据分析
使用Numpy从头开始算法
使用sci kit-了解其全部效果
模型部署
模型诊断
自然语言处理
无监督学习
具有空间的自然语言处理
用FB Prophet进行时间序列建模
计算机编程语言

MP4 |视频:h264，1280×720 |音频:AAC，44.1 KHz
语言：英语+中英文字幕|大小解压后:5.98 GB |时长:17小时 32分钟


要求
愿意学习

描述
这是一门关于机器学习、深度学习(Tensorflow + PyTorch)和贝叶斯学习(是的，所有3个主题都在一个地方！！！).是的，Pytorch和Tensorflow都用于深度学习。我们从使用pandas分析数据开始，并使用Numpy从头开始实现一些算法。这些算法包括线性回归、分类回归树(CART)、随机森林和梯度提升树。我们开始使用TensorFlow进行深度学习课程。这将包括前馈网络、卷积神经网络(CNN)和递归神经网络(RNNs)。对于更高级的深度学习课程，我们使用PyTorch和PyTorch Lightning。Machine Learning, Deep Learning and Bayesian Learning updated 7/2022

本课程的重点是编程和数学/统计方面。这是为了确保你在面试时为那些理论问题做好准备，同时能够将机器学习付诸实践。我们讨论的机器学习的其他一些关键领域包括，无监督学习、时间序列分析和自然语言处理。Scikit-learn是我们在整个课程中使用的重要工具。我们在特征工程上花了相当多的时间，以确保我们的模型不会过度拟合。通过分成训练和测试以及查看正确的度量标准来诊断机器学习(和深度学习)模型，可以产生巨大的差异。我想强调的是，我们谈论机器学习部署，因为这是一个很少谈论的话题。成为一名优秀的数据科学家的关键是拥有一个在生产中不会衰退的模型。我希望你喜欢这门课程，如果需要更多信息，请随时联系我。



课程目录：
第一部分:导言

第一讲简介

第二讲如何解决这个问题

第3讲安装和注册

第四讲朱庇特笔记本

第5讲课程材料

第2部分:基本的python + Pandas +绘图

第6讲简介

第7讲基本数据结构

第8讲词典

第9讲Python函数(方法)

第10讲数字函数

第11讲条件语句

第12讲循环

第13课字典又来了

第14讲-熊猫-

第15讲简介

第16讲熊猫的简单功能

第17讲熊猫:子集化

第18讲熊猫:loc和iloc

第19讲熊猫:loc和iloc 2

第20讲熊猫:地图和应用

第21讲熊猫:分组

第22讲-绘图-

第23讲绘图资源(笔记本)

第24讲线形图

第25课画多条线

第26讲直方图

第27讲散点图

第28讲支线剧情

第29讲Seaborn + pair地块

第3部分:机器学习:Numpy + Scikit Learn

第30讲你的评论对我很重要！

第31讲- Numpy –

第32讲梯度下降

第33讲知识第一部分

第三十四讲知识的含义第二部分

第35讲广播

第36讲- Scikit学习-

第37讲简介

第三十八讲线性回归第一部分

第39讲线性回归第二部分

第40讲分类和回归树

第41讲手推车第2部分

第42讲随机森林理论

第43讲随机森林码

第44讲梯度增压机

第4部分:机器学习:分类+时间序列+模型诊断

第45讲卡格尔第一部分

第46讲卡格尔第二部分

第47讲理论第一部分

第48讲理论第2部分+代码

第49讲泰坦尼克号数据集

第50讲Sklearn分类前奏

第51讲Sklearn分类

第52讲处理缺失值

第53讲-时间序列-

第54讲简介

第55讲损失函数

第56讲FB先知第一部分

第57讲FB先知第2部分

第58讲FB先知背后的理论

第59讲-模型诊断-

第60讲过度拟合

第61讲交叉验证

第62讲层状K褶皱

第63讲曲线下面积(AUC)第1部分

第64讲曲线下面积(AUC)第2部分

第五部分:无监督学习

第65讲主成分分析(PCA)理论

第66讲时尚MNIST PCA

第67讲K-means

第68讲其他聚类方法

第69讲DBSCAN理论

第70讲高斯混合模型(GMM)理论

第6部分:自然语言处理+正则化

第71讲简介

第72讲停用词和术语频率

第73讲术语频率-逆文档频率(Tf – Idf)理论

第74讲财经新闻情感分类器

第75讲NLTK +词干

第76讲N-grams

第77讲单词(特征)的重要性

第78讲空间介绍

第79讲空间特征提取(使用熊猫)

第80讲分类示例

第81讲过采样

第82讲-正规化-

第83讲简介

第84讲MSE回顾

第85讲L2损失/岭回归简介

第86讲岭回归(L2惩罚回归)

第87讲S&P500 L1损失的数据准备

第88讲L1惩罚回归(套索)

第89讲L1/ L2惩罚理论:为什么有效

第七部分:深度学习

第90讲简介

第91讲DL理论第1部分

第92讲DL理论第二部分

第93讲张量流+ Keras演示问题1

第94讲激活函数

第95讲Relu的第一个例子

第96讲MNIST和Softmax

第97讲深度学习输入规范化

第98讲软最大值理论

第99讲批量定额

第100讲批量范数理论

第8部分:深度学习(TensorFlow) -卷积神经网络

第101讲简介

第102讲时尚MNIST标杆前馈网络

第103讲Keras Conv2D层

第104讲模型拟合和结果讨论

第105讲辍学理论和代码

第106讲MaxPool(以及与stride的比较)

第107讲Cifar-10

第108讲用CNN检测鼻尖

第9部分:深度学习:递归神经网络

第109讲Word2vec和嵌入

第110讲Kaggle + Word2Vec

第111讲Word2Vec: keras模型API

第112讲递归神经网络-理论

第113讲深度学习——长短期记忆(LSTM)网

第114讲深度学习——堆叠lstm+GRUs

第115讲迁移学习-手套向量

第116讲序列到序列介绍+数据准备

第117讲序列对序列模型+ Keras模型API

第118讲序列对序列模型:预测步骤

第十节:深度学习:PyTorch简介

第119讲笔记本

第120讲简介

第121讲Pytorch: TensorDataset

第122讲Pytorch:数据集和数据加载器

第123讲用PyTorch进行深度学习:nn。序列模型

第124讲Pytorch深度学习:损失函数

第125讲Pytorch深度学习:随机梯度下降

第126讲Pytorch深度学习:优化器

第127讲Pytorch模型API

第128讲Pytorch在GPU中的应用

第129讲深度学习:Pytorch Lightning简介

第十一节:深度学习:用PyTorch Lightning迁移学习

第130讲笔记本

第131讲迁移学习简介

第132讲Kaggle问题描述

第133讲PyTorch数据集+火炬视觉

第134讲PyTorch利用ResNet进行迁移学习

第135讲PyTorch闪电模型

第136讲PyTorch闪电教练机+模型评测

第137讲木薯叶分类的深度学习

第138讲木薯叶数据集

第139讲Torchvision变换的数据扩充

第140讲训练与测试增强+数据加载器参数

第141讲深度学习:使用ResNet的迁移学习模型

第142讲设置PyTorch闪电用于培训

第143讲不平衡类的交叉熵损失

第144讲PyTorch测试数据集的设置和评估

第145讲测井实验的WandB

第12部分:使用PyTorch进行像素级分割(语义分割)

第146讲笔记本

第147讲简介

第148讲Coco数据集+使用Torchvision进行分割的增强

第149讲Unet架构概述

第150讲PyTorch模型架构

第151讲PyTorch Hooks

第152讲PyTorch钩子:通过断点单步执行

第153讲PyTorch加权交叉熵损失

第154讲权重和偏差:记录图像。

第155讲用PyTorch Lightning进行语义切分训练

第十三节:深度学习:变形金刚和伯特

第156讲资源

第157讲变形金刚简介

第158讲图解变压器

第159讲编码器变压器模型:数学

第160讲伯特-理论

第161讲Kaggle多语言毒性评论分类挑战

第162讲BERT模型的记号化器和数据准备

第163讲蒸馏伯特(较小的伯特)模型

第164讲Pytorch闪电+蒸馏瓶用于分类

第14节:贝叶斯学习和概率编程

第165讲导论和术语

第166讲贝叶斯学习:分布

第167讲总体均值估计的贝叶斯法则

第168讲贝叶斯学习:人口估计pymc3方式

第169课用Pymc3掷硬币的例子

第170讲贝叶斯线性回归的数据设置

第171讲使用pymc3的贝叶斯线性回归

第172讲贝叶斯滚动回归-问题设置

第173讲贝叶斯滚动回归- pymc3方式

第174讲贝叶斯滚动回归-预测

第175讲变分贝叶斯介绍

第176讲变分贝叶斯:线性分类

第177讲变分贝叶斯推理:结果分析

第178讲小批量变分贝叶斯

第179讲深度贝叶斯网络

第180讲深度贝叶斯网络-分析

第15部分:模型部署

第181讲简介

第182讲拯救模型

第183讲FastAPI简介

第184讲FastAPI服务模型

第185讲Streamlit简介

第186课简化函数

第187讲剪辑模型

第16部分:AWS Sagemaker(用于模型部署)

第188讲资源

第189讲介绍与警示(必看！)

第190讲设置AWS

第191讲awscli + IAM设置

第192讲AWS s3简介+ bash脚本编写

第193讲AWS IAM角色

第194讲AWS Sagemaker -加工作业第1部分

第195讲Sagemaker加工-第2部分

第196讲Sagemaker培训-第1部分

第197讲Sagemaker培训-第2部分

第198讲自动气象站云观察

第199讲AWS Sagemaker推理(模型部署)-第1部分

第200讲AWS Sagemaker推理-第二部分

第201讲AWS Sagemaker推理-第3部分

第202讲AWS计费

第17节:最后的想法

第203课对你旅途的一些建议

任何对机器学习感兴趣的人。

云桥网络 为三维动画制作，游戏开发员、影视特效师等CG艺术家提供视频教程素材资源！