声明：本网站所有内容均为资源介绍学习参考，如有侵权请联系后删除
第1章Ipython与Numpy
1-1 Ipython入门01 试听 29:34
1-2 Ipython入门02 试听 32:48
1-3 Ipython入门03 试听 27:51
1-4 Numpy04 试听 18:01
1-5 Numpy05 试听 20:09
1-6 Numpy06 试听 29:04
1-7 Numpy07 试听 21:12
1-8 Numpy08 试听 23:14
1-9 Numpy09 试听 18:02
第2章DataFrame与Series
2-1 Numpy01 21:38
2-2 Numpy02 25:22
2-3 Series03 25:46
2-4 Series04 31:13
2-5 Dataframe05 26:27
2-6 Dataframe06 21:32
2-7 Dataframe07 19:23
2-8 Dataframe08 18:26
第3章pandas数据处理一
3-1 Pandas-数据丢失01 18:07
3-2 Pandas-数据丢失02 25:53
3-3 Numpy傅里叶03 29:03
3-4 Pandas-多层索引04 26:52
3-5 Pandas-多层索引05 31:09
3-6 Pandas-数据合并Concat与append06 21:16
3-7 Pandas-数据合并Concat与append07 19:33
3-8 Pandas-merge08 24:32
3-9 Pandas-merge09 26:19
第4章pandas数据处理二与案例分析
4-1 Pandas数据处理01 11:20
4-2 Pandas数据处理02 31:34
4-3 Pandas数据处理03 32:04
4-4 Pandas数据处理04 28:21
4-5 美国人口数据分析05 24:21
4-6 美国人口数据分析06 25:24
4-7 美国人口数据分析07 23:48
4-8 苹果股价分析08 12:33
4-9 苹果股价分析09 27:22
第5章pandas绘图函数与scipy
5-1 美国选举政治献金01 21:36
5-2 美国选举政治献金02 21:53
5-3 美国选举政治献金03 29:52
5-4 Scipy04 16:41
5-5 Scipy05 20:54
5-6 Scipy06 25:36
5-7 Scipy07 25:04
5-8 Scipy08 29:01
5-9 pandas绘图函数09 16:23
5-10 pandas绘图函数10 25:03
第6章matplotlib一
6-1 Matplotlib01 23:05
6-2 Matplotlib02 21:43
6-3 Matplotlib03 25:07
6-4 Matplotlib04 24:05
6-5 Matplotlib05 18:45
6-6 Matplotlib06 20:05
6-7 Matplotlib07 25:26
6-8 Matplotlib08 28:44
6-9 Matplotlib09 27:27
6-10 Matplotlib10 28:38
第7章matplotlib二与城市气候案例分析
7-1 Matplotlib2-01 31:23
7-2 Matplotlib2-02 31:35
7-3 Matplotlib2-03 28:22
7-4 Matplotlib2-04 22:38
7-5 城市气候与海洋关系05 14:48
7-6 城市气候与海洋关系06 22:44
7-7 城市气候与海洋关系07 29:14
7-8 城市气候与海洋关系08 24:19
7-9 pandas数据加载与透视表09 26:35
7-10 pandas数据加载与透视表10 25:51
第8章机器学习之KNN
8-1 Knn-2分类01 24:09
8-2 Knn-2分类02 26:32
8-3 Knn-2分类03 16:42
8-4 Knn04 22:01
8-5 Knn05 23:07
8-6 Knn06 20:52
8-7 手写数字识别07 28:10
8-8 手写数字识别08 29:12
第9章机器学习之线性回归
9-1 预测年收入knn01 21:40
9-2 预测年收入knn02 25:18
9-3 线性回归03 23:31
9-4 线性回归04 19:04
9-5 线性回归05 32:35
9-6 线性回归06 24:11
9-7 线性回归07 20:57
9-8 线性回归08 19:02
9-9 线性回归09 23:56
9-10 线性回归10 24:39
第10章机器学习之逻辑斯蒂回归与人脸自动补全
10-1 逻辑斯蒂01 26:39
10-2 逻辑斯蒂02 19:56
10-3 逻辑斯蒂回归03 26:06
10-4 人脸自动补全04 26:29
10-5 人脸自动补全05 23:24
10-6 人脸自动补全06 19:55
第11章机器学习之贝叶斯与决策树
11-1 决策树原理01 27:22
11-2 决策树原理02 28:12
11-3 决策树实例03 22:51
11-4 决策树实例04 31:01
11-5 贝叶斯原理05 19:53
11-6 贝叶斯原理06 30:30
11-7 贝叶斯实例07 24:42
11-8 贝叶斯实例08 26:39
第12章机器学习之KMeans与支持向量机
12-1 Svm-线性01 31:15
12-2 Svm-线性02 24:43
12-3 Svm-rbf03 31:29
12-4 Svm-回归04 29:52
12-5 Svm-多种核函数应用05 19:44
12-6 Kmeans-自动分类make Blobs06 17:39
12-7 Kmeans-自动分类make Blobs07 17:12
第13章机器学习之KMeans图片压缩与人脸识别
13-1 KMeans-足球和常见错误01 23:33
13-2 KMeans-足球和常见错误02 20:21
13-3 KMeans-足球和常见错误03 23:47
13-4 KMeans-图片压缩04 30:37
13-5 KMeans-图片压缩05 28:09
13-6 KMeans-图片压缩06 22:38
13-7 人脸识别07 34:57
13-8 人脸识别08 31:46
13-9 人脸识别09 22:40
13-10 人脸识别10 15:59
第14章机器学习之数据降维
14-1 KMeans压缩图片01 18:29
14-2 汽车数据推荐度预测02 29:17
14-3 手迹识别的降维算法03 21:48
14-4 手迹识别的降维算法04 26:29
14-5 10种事物识别05 30:20
14-6 10种事物识别06 18:57
第15章机器学习之TensorFlow
15-1 TensorFlow基础操作01 24:37
15-2 TensorFlow基础操作02 27:31
15-3 TensorFlow入门03 26:39
15-4 TensorFlow入门04 23:20
15-5 TensorFlow线性回归05 23:05
15-6 TensorFlow线性回归06 20:55