ApX 标志ApX 标志

趋近智

大模型显存计算器硬件课程定价
ApX 标志ApX 标志

趋近智

大模型显存计算器硬件课程定价

所有课程

机器学习应用中级Python编程
章节 1: 进阶Python结构用于数据科学
Python 基础知识回顾
列表推导式和生成器表达式
使用迭代器和生成器
高级函数参数
代码重用性中的装饰器
用于资源管理的上下文管理器
机器学习中的面向对象编程原则
错误处理与异常管理
实践:应用高级Python技术
第 1 章测验
章节 2: NumPy 数值计算
NumPy 数组简介
数组创建方法
NumPy 数组的索引与切片
数组计算与通用函数
广播规则及应用
NumPy 中的线性代数运算
NumPy中的统计函数
读取和写入数组数据到文件
动手实践:NumPy 数组操作
第 2 章测验
章节 3: Pandas 数据操作
Pandas数据结构简介
从多种来源加载数据
数据索引与选择
处理缺失数据
数据清洗与数据转换技巧
分组和聚合操作
合并、连接和拼接数据帧
Pandas中的时间序列数据处理
实践:使用 Pandas 整理数据
第 3 章测验
章节 4: 使用 Matplotlib 和 Seaborn 进行数据可视化
Matplotlib 绘图基本原理
创建常用图表类型
图表自定义
使用子图
用于统计数据可视化的 Seaborn 简介
使用 Seaborn 创建高级图表
分布与关系的可视化
保存绘图用于报告和演示文稿
动手实践:数据可视化查看
第 4 章测验
章节 5: 为机器学习准备数据
机器学习工作流程概览
特征工程原理
处理分类数据
特征缩放和标准化方法
将数据划分为训练集和测试集
Scikit-learn 管道介绍
保持数据变换的一致性
实践:构建数据准备管道
第 5 章测验
章节 6: 为机器学习编写高效且可维护的 Python 代码
代码风格与可读性
机器学习项目结构化
编写高效的函数和模块
虚拟环境简介
Python 代码性能分析
优化 NumPy 和 Pandas 的方法
机器学习单元测试介绍
Git 版本控制基础
实践:重构与优化机器学习代码片段
第 6 章测验

机器学习应用中级Python编程

本课程旨在提升您专为机器学习 (machine learning)应用打造的Python编程能力。在您Python基础知识之上,精通NumPy和Pandas等核心库,用于数据处理、分析和准备。学习使用Matplotlib和Seaborn进行高效的数据可视化方法,并了解如何为常见的机器学习流程构建和优化Python代码。获得为模型训练准备数据的实际经验。

先修课程 了解Python基本编程知识

级别:

进阶级

可获证书:

结业
  • 进阶Python技巧

    运用列表生成式、生成器、装饰器以及面向对象编程原则等中级Python特性,这些特性与数据科学相关。

  • 使用NumPy进行数值计算

    使用NumPy完成高效的数组运算、索引、切片、广播和线性代数操作。

  • 使用Pandas处理数据

    运用Pandas的Series和DataFrame进行数据集的载入、清洗、转换、分组和合并。

  • 数据可视化

    使用Matplotlib和Seaborn制作具有信息量的静态图表,用于数据分析和交流。

  • 机器学习数据准备

    实施常见的数据预处理步骤,例如特征缩放、分类数据编码和数据集拆分。

  • 高效Python代码编写

    按照机器学习项目的最佳实践,编写更清晰、高效且易于维护的Python代码。

© 2026 ApX Machine Learning