机器学习必修课：经典AI算法与编程实战 瞿炜

本次分享的资源是瞿炜老师的《机器学习必修课：经典AI算法与编程实战》，内容涵盖了从基础的Numpy、Matplotlib使用，到KNN、逻辑回归、决策树、SVM、朴素贝叶斯、集成学习、聚类算法、PCA以及概率图模型等经典AI算法的原理讲解和代码实战！ 配套视频教程非常详细，总共超过100个视频文件，从算法基础到项目实战，带你一步步掌握机器学习技能！ 还有额外的学习资料，快来下载学习吧！🎉

以下是需要分享的资源信息：

资源名称为（机器学习必修课：经典AI算法与编程实战 瞿炜）
涵盖的资源有：
1.关主，放走丢.png
2.领1TB网盘容量.jpg
3.02-2数据长什么样：常见数据集、典型实例、如何使用.mp4
4.03-8Numpy数组基础索引：索引和切片.mp4
5.03-14Matplotlib数据可视化：基础绘制与设置.mp4
6.04-2KNN算法核心思想和原理.mp4
7.05-3逻辑回归核心思想和原理.mp4
8.05-5模型评价：MSE、RMSE、MAE和R方.mp4
9.05-8线性逻辑回归代码实现.mp4
10.06-1本章总览.mp4
11.06-4决策边界.mp4
12.06-6学习曲线.mp4
13.06-11模型泛化.mp4
14.07-1本章总览.mp4
15.07-4决策树分类任务代码实现.mp4
16.08-4正向传播与反向传播.mp4
17.08-8模型选择.mp4
18.09-2SVM核心思想和原理.mp4
19.09-6非线性SVM：核技巧.mp4
20.10-4朴素贝叶斯的代码实现.mp4
21.10-5多项式朴素贝叶斯代码实现.mp4
22.11-1本章总览.mp4
23.11-2集成学习核心思想和原理.mp4
24.11-3集成学习代码实现.mp4
25.11-5并行策略：随机森林.mp4
26.12-1本章总览.mp4
27.12-2聚类算法核心思想和原理.mp4
28.12-3k-means和分层聚类.mp4
29.12-4聚类算法代码实现.mp4
30.13-6PCA在数据降噪中的应用.mp4
31.13-7PCA在人脸识别中的应用.mp4
32.14-1本章总览.mp4
33.14-3EM算法参数估计.mp4
34.14-5概率图模型优缺点和适用条件.mp4
35.02-1本章总览.mp4
36.03-9Numpy非常重要的数组合并与拆分操作.mp4
37.05-2线性回归核心思想和原理.mp4
38.05-4线性回归代码实现.mp4
39.05-11线性算法优缺点和适用条件.mp4
40.06-8模型误差.mp4
41.08-2神经网络核心思想和原理.mp4
42.08-3激活函数.mp4
43.09-8非线性SVM代码实现.mp4
44.13-8主成分分析优缺点和适用条件.mp4
45.14-2概率图模型核心思想和原理.mp4
46.01-2初识机器学习.mp4
47.02-3研究哪些问题：分类、回归等.mp4
48.03-3Anaconda命令行操作.mp4
49.03-4JupyterNotebook基础使用.mp4
50.03-7Numpy数组创建：特定数组、等差数组、随机数组.mp4
51.03-11Numpy数组统计运算：常用的都在这儿了.mp4
52.03-12Numpy数组arg运算和排序.mp4
53.04-1本章总览.mp4
54.04-3KNN分类任务代码实现.mp4
55.04-4数据集划分：训练集与预测集.mp4
56.04-5模型评价.mp4
57.04-6超参数.mp4
58.04-7特征归一化.mp4
59.04-8KNN回归任务代码实现.mp4
60.04-9KNN优缺点和适用条件.mp4
61.05-1本章总览.mp4
62.05-6多项式回归代码实现.mp4
63.05-7逻辑回归算法.mp4
64.05-9多分类策略.mp4
65.05-10复杂逻辑回归及代码实现.mp4
66.06-2损失函数.mp4
67.06-5过拟合与欠拟合.mp4
68.06-7交叉验证.mp4
69.06-10LASSO和岭回归代码实现.mp4
70.06-13评价指标：ROC曲线.mp4
71.07-2决策树核心思想和原理.mp4
72.08-5梯度下降优化算法.mp4
73.08-6神经网络简单代码实现.mp4
74.08-7梯度消失和梯度爆炸.mp4
75.08-9神经网络优缺点和适用条件.mp4
76.09-1本章总览.mp4
77.09-7SVM核函数.mp4
78.09-10SVM优缺点和适用条件.mp4
79.10-1本章总览.mp4
80.10-2贝叶斯方法核心思想和原理.mp4
81.10-3朴素贝叶斯分类.mp4
82.10-6贝叶斯方法优缺点和适用条件.mp4
83.11-4并行策略：Bagging、OOB等方法.mp4
84.11-6串行策略：Boosting.mp4
85.11-7结合策略：Stacking方法.mp4
86.12-5聚类评估代码实现.mp4
87.12-6聚类算法优缺点和适用条件.mp4
88.13-1本章总览.mp4
89.13-2PCA核心思想和原理.mp4
90.13-3PCA求解算法.mp4
91.13-4PCA算法代码实现.mp4
92.13-5降维任务代码实现.mp4
93.14-4隐马尔可夫模型代码实现.mp4
94.15-1本章总览.mp4
95.15-2泰坦尼克生还预测.mp4
96.15-3房价预测.mp4
97.15-4交易反欺诈代码实现.mp4
98.15-5如何深入研究机器学习.mp4
99.01-1课程内容和理念.mp4
100.01-3课程使用的技术栈.mp4