本课程《Python机器学习——解“码”人工智能》带你从零开始掌握机器学习核心技能。课程以Python为工具，系统讲解人工智能发展、数据处理、常用库（Numpy、Pandas、Matplotlib、OpenCV）以及机器学习经典算法（KNN、K-means、回归、神经网络与深度学习）。通过丰富的实战案例，如数字识别、票房预测、猫狗分类等，助你快速构建AI项目能力，解码人工智能背后的原理与应用。

视频课程目录：
第一周：人工智能与机器学习开发基础
第二周：Python常用机器学习库（Numpy, Pandas, Matplotlib）
第三周：OpenCV及机器学习基础
第四周：KNN分类算法
第五周：K-means聚类算法
第六周：回归算法
第七周：神经网络
第八周：深度学习




课程详细目录：
├─{01}--第一周人工智能与机器学习开发
│ ├─{01}--1.1人工智能的发展历程
│ │ [1.1.1]--人工智能的发展历程.mp4
│ │ [1.1.1]--人工智能的发展历程.srt
│ │
│ ├─{02}--1.2机器学习的基本概念
│ │ [1.2.1]--机器学习的基本概念.mp4
│ │ [1.2.1]--机器学习的基本概念.srt
│ │
│ ├─{03}--1.3机器学习开发环境
│ │ [1.3.1]--机器学习开发环境.mp4
│ │ [1.3.1]--机器学习开发环境.srt
│ │
│ ├─{04}--1.4Python开发环境
│ │ #1.4.1#--1.4Python开发环境PPT.pdf
│ │ (1.4.1)--阿里天池AI平台使用方法.pdf
│ │ [1.4.1]--1.4Python开发环境.mp4
│ │ [1.4.1]--1.4Python开发环境.srt
│ │
│ ├─{05}--1.5Python数据处理
│ │ #1.5.1#--1.5Python数据处理PPT.pdf
│ │ (1.5.1)--Python数据处理.pdf
│ │ [1.5.1]--Python数据处理.mp4
│ │ [1.5.1]--Python数据处理.srt
│ │
│ ├─{06}--1.6Python文件访问
│ │ #1.6.1#--PPT.pdf
│ │ (1.6.1)--Python文件访问.pdf
│ │ [1.6.1]--Python文件访问.mp4
│ │ [1.6.1]--Python文件访问.srt
│ │
│ ├─{07}--1.7Numpy与Pandas文件访问
│ │ #1.7.1#--PPT.pdf
│ │ (1.7.1)--Numpy与Pandas文件访问.pdf
│ │ [1.7.1]--Numpy与Pandas文件访问.mp4
│ │ [1.7.1]--Numpy与Pandas文件访问.srt
│ │
│ ├─{08}--阿里天池AI平台操作流程
│ │ (1.8.1)--天池AI平台操作.pdf
│ │
│ └─{09}--实验素材
│ #1.9.1#--实验素材ch1-ch6.pdf
│ (1.9.1)--实验素材ch1-ch6.rar
│
├─{02}--第二周Python常用机器学习库
│ ├─{01}--2.1Numpy数值计算模块
│ │ #2.1.1#--PPT.pdf
│ │ (2.1.1)--Numpy数值计算模块.pdf
│ │ [2.1.1]--Numpy数值计算模块.mp4
│ │ [2.1.1]--Numpy数值计算模块.srt
│ │
│ ├─{02}--2.2Numpy创建数组序列
│ │ #2.2.1#--PPT.pdf
│ │ (2.2.1)--Numpy创建数组序列.pdf
│ │ [2.2.1]--Numpy创建数组序列.mp4
│ │ [2.2.1]--Numpy创建数组序列.srt
│ │
│ ├─{03}--2.3Numpy实例：一定要加油
│ │ #2.3.1#--PPT.pdf
│ │ (2.3.1)--Numpy实例：一定要加油.pdf
│ │ [2.3.1]--Numpy实例：一定要加油.mp4
│ │ [2.3.1]--Numpy实例：一定要加油.srt
│ │
│ ├─{04}--2.4Numpy数组切片、迭代
│ │ #2.4.1#--PPT.pdf
│ │ [2.4.1]--Numpy数组切片、迭代.mp4
│ │ [2.4.1]--Numpy数组切片、迭代.srt
│ │
│ ├─{05}--2.5Pandas数据分析模块
│ │ #2.5.1#--PPT.pdf
│ │ [2.5.1]--Pandas数据分析模块.mp4
│ │ [2.5.1]--Pandas数据分析模块.srt
│ │
│ ├─{06}--2.6Pandas-dataframe
│ │ #2.6.1#--PPT.pdf
│ │ [2.6.1]--Pandas-dataframe.mp4
│ │ [2.6.1]--Pandas-dataframe.srt
│ │
│ ├─{07}--2.7Pandas统计
│ │ #2.7.1#--ppt.pdf
│ │ [2.7.1]--Pandas统计.mp4
│ │ [2.7.1]--Pandas统计.srt
│ │
│ ├─{08}--2.8Matplotlib绘图模块
│ │ (2.8.1)--Matplotlib绘图模块.pdf
│ │ [2.8.1]--Matplotlib绘图模块.mp4
│ │ [2.8.1]--Matplotlib绘图模块.srt
│ │
│ ├─{09}--2.9Matplotlib绘图
│ │ #2.9.1#--PPT.pdf
│ │ (2.9.1)--Matplotlib绘图.pdf
│ │ [2.9.1]--Matplotlib绘图.mp4
│ │ [2.9.1]--Matplotlib绘图.srt
│ │
│ ├─{10}--2.10Matplotlib图表形状
│ │ #2.10.1#--ppt.pdf
│ │ [2.10.1]--Matplotlib图表形状.mp4
│ │ [2.10.1]--Matplotlib图表形状.srt
│ │
│ └─{11}--2.11Matplotlib显示图像和pandas绘图
│ #2.11.1#--ppt.pdf
│ [2.11.1]--Matplotlib显示图像和pandas绘图.mp4
│ [2.11.1]--Matplotlib显示图像和pandas绘图.srt
│
├─{03}--第三周OpenCV及机器学习基础
│ ├─{01}--2.12OpenCV视觉模块
│ │ #3.1.1#--ppt.pdf
│ │ [3.1.1]--OpenCV视觉模块.mp4
│ │ [3.1.1]--OpenCV视觉模块.srt
│ │
│ ├─{02}--2.13OpenCV-捕获摄像头视频
│ │ #3.2.1#--ppt.pdf
│ │ [3.2.1]--OpenCV-捕获摄像头视频.mp4
│ │ [3.2.1]--OpenCV-捕获摄像头视频.srt
│ │
│ ├─{03}--2.14OpenCV-检测人脸
│ │ #3.3.1#--ppt.pdf
│ │ [3.3.1]--OpenCV-检测人脸.mp4
│ │ [3.3.1]--OpenCV-检测人脸.srt
│ │
│ ├─{04}--3.1机器学习算法的性能评价
│ │ #3.4.1#--代码.pdf
│ │ [3.4.1]--机器学习算法的性能评价.mp4
│ │ [3.4.1]--机器学习算法的性能评价.srt
│ │
│ └─{05}--3.2机器学习算法的一般流程
│ #3.5.1#--代码.pdf
│ [3.5.1]--机器学习算法的一般流程.mp4
│ [3.5.1]--机器学习算法的一般流程.srt
│
├─{04}--第四周KNN分类算法
│ ├─{01}--4.1KNN算法
│ │ [4.1.1]--KNN算法.mp4
│ │ [4.1.1]--KNN算法.srt
│ │
│ ├─{02}--4.2KNN算法-数据集拆分
│ │ #4.2.1#--ppt.pdf
│ │ [4.2.1]--KNN算法-数据集拆分.mp4
│ │ [4.2.1]--KNN算法-数据集拆分.srt
│ │
│ ├─{03}--4.3KNN算法实现
│ │ #4.3.1#--ppt.pdf
│ │ [4.3.1]--KNN算法实现.mp4
│ │ [4.3.1]--KNN算法实现.srt
│ │
│ ├─{04}--4.4KNN算法实战-印刷体数字识别(1)
│ │ [4.4.1]--KNN算法实战-印刷体数字识别.mp4
│ │ [4.4.1]--KNN算法实战-印刷体数字识别.srt
│ │
│ └─{05}--4.5KNN算法实战-印刷体数字识别(2)
│ #4.5.1#--ppt.pdf
│ [4.5.1]--4.5KNN算法实战-印刷体数字识别(2).mp4
│ [4.5.1]--4.5KNN算法实战-印刷体数字识别(2).srt
│
├─{05}--第五周K-means聚类算法
│ ├─{01}--5.1K-均值聚类概念
│ │ [5.1.1]--K-均值聚类概念.mp4
│ │ [5.1.1]--K-均值聚类概念.srt
│ │
│ ├─{02}--5.2K-Means算法性能评价
│ │ [5.2.1]--聚类算法的结束标准.mp4
│ │ [5.2.1]--聚类算法的结束标准.srt
│ │
│ ├─{03}--5.3SKlearn实现K-Means聚类
│ │ #5.3.1#--ppt.pdf
│ │ [5.3.1]--SKlearn实现K-Means聚类.mp4
│ │ [5.3.1]--SKlearn实现K-Means聚类.srt
│ │
│ ├─{04}--5.4使用K-Means对iris聚类
│ │ #5.4.1#--ppt.pdf
│ │ [5.4.1]--5.4使用K-Means对iris聚类.mp4
│ │ [5.4.1]--5.4使用K-Means对iris聚类.srt
│ │
│ ├─{05}--5.5案例：K均值-双11物流公司配送问题
│ │ #5.5.1#--ppt.pdf
│ │ [5.5.1]--5.5案例：K均值-双11物流公司配送问题.mp4
│ │ [5.5.1]--5.5案例：K均值-双11物流公司配送问题.srt
│ │
│ └─{06}--5.6K-Means聚类中的问题
│ #5.6.1#--ppt.pdf
│ [5.6.1]--5.6K-Means聚类中的问题.mp4
│ [5.6.1]--5.6K-Means聚类中的问题.srt
│
├─{06}--第六周回归算法
│ ├─{01}--6.1回归算法概念
│ │ [6.1.1]--回归算法概念.mp4
│ │ [6.1.1]--回归算法概念.srt
│ │
│ ├─{02}--6.2一元线性回归-预测电影票房
│ │ #6.2.1#--ppt.pdf
│ │ [6.2.1]--6.2一元线性回归-预测电影票房.mp4
│ │ [6.2.1]--6.2一元线性回归-预测电影票房.srt
│ │
│ ├─{03}--6.3多元线性回归-预测电影票房
│ │ #6.3.1#--ppt.pdf
│ │ [6.3.1]--6.3多元线性回归-预测电影票房.mp4
│ │ [6.3.1]--6.3多元线性回归-预测电影票房.srt
│ │
│ ├─{04}--6.4逻辑回归
│ │ [6.4.1]--6.4逻辑回归.mp4
│ │ [6.4.1]--6.4逻辑回归.srt
│ │
│ ├─{05}--6.5逻辑回归参数的确定
│ │ [6.5.1]--6.5逻辑回归参数的确定.mp4
│ │ [6.5.1]--6.5逻辑回归参数的确定.srt
│ │
│ ├─{06}--6.6案例：逻辑回归-贷款逾期情况预测
│ │ #6.6.1#--ppt.pdf
│ │ [6.6.1]--6.6案例：逻辑回归-贷款逾期情况预测.mp4
│ │
│ └─{07}--6.7Kaggle项目实战：givemesomecredit
│ #6.7.1#--ppt.pdf
│ [6.7.1]--6.7Kaggle项目实战：givemesomecredit.mp4
│ [6.7.1]--6.7Kaggle项目实战：givemesomecredit.srt
│
├─{07}--第七周神经网络
│ ├─{01}--7.1神经元与MP模型
│ │ [7.1.1]--7.1神经元与MP模型.mp4
│ │ [7.1.1]--7.1神经元与MP模型.srt
│ │
│ ├─{02}--7.2感知机
│ │ [7.2.1]--7.2感知机.mp4
│ │ [7.2.1]--7.2感知机.srt
│ │
│ ├─{03}--7.3BP算法
│ │ [7.3.1]--7.3BP算法.mp4
│ │ [7.3.1]--7.3BP算法.srt
│ │
│ ├─{04}--7.4BP算法（2）
│ │ [7.4.1]--BP算法（2）.mp4
│ │ [7.4.1]--BP算法（2）.srt
│ │
│ └─{05}--7.5神经网络案例实战
│ #7.5.1#--ppt.pdf
│ [7.5.1]--7.5神经网络案例实战.mp4
│ [7.5.1]--7.5神经网络案例实战.srt
│
└─{08}--第八周深度学习
├─{01}--8.1深度学习的来源
│ [8.1.1]--8.1深度学习的来源.mp4
│ [8.1.1]--8.1深度学习的来源.srt
│
├─{02}--8.2卷积神经网络CNN
│ [8.2.1]--[8.2]卷积神经网络CNN.mp4
│ [8.2.1]--[8.2]卷积神经网络CNN.srt
│
├─{03}--8.3深度学习实战-minst手写数字识别
│ (8.3.1)--ppt.pdf
│ [8.3.1]--[8.3]minst.mp4
│ [8.3.1]--[8.3]minst.srt
│
└─{04}--8.4深度学习实战-猫狗分类
(8.4.1)--ppt.pdf
[8.4.1]--[8.4]dogcat.mp4