分类

主题

机器学习教程

获取有关 AI 与机器学习的洞见与最佳实践、提升技能、构建数据文化。通过我们的教程，学习如何最大化发挥机器学习模型的价值。

其他主题：

DataLabMLOps云计算向量数据库大数据数据分析数据可视化数据工程数据治理数据科学数据素养深度学习职业服务自然语言处理面向商业的人工智能

培训 2 人或更多？试试 DataCamp for Business

数据科学

离散概率分布详解与示例

理解数据科学中的离散概率分布。通过 Python 示例探索 PMF、CDF，以及伯努利、二项、泊松等主要分布类型。

Vaibhav Mehra

2026年10月6日

机器学习

深入探讨失衡数据

学习处理类别分布不均数据集的技术。

Sayak Paul

2026年10月6日

数据科学

面向数据科学的 Docker：入门指南

在本 Docker 教程中，了解安装与设置、常用 Docker 命令、将机器学习应用容器化，以及行业通用的最佳实践。

Arunn Thevapalan

2026年10月6日

Python

集成建模教程：探索集成学习技术

在本教程中，您将了解什么是集成，并掌握它如何提升机器学习模型的性能。

Zoumana Keita

2026年10月6日

人工智能

可解释 AI：理解并信任机器学习模型

深入了解可解释人工智能（XAI），学习如何借助 LIME 与 SHAP 提升模型可解释性，从而建立对 AI 系统的信任。理解在 AI 驱动决策中透明性与公平性的重要性。

Zoumana Keita

2026年10月6日

机器学习

机器学习中的 F1 分数：在精确率与召回率之间取得平衡的指标

了解 F1 分数如何通过结合精确率与召回率来评估模型表现。学习其在二分类与多分类中的用法，并附 Python 示例。

Vidhi Chugh

2026年10月6日

机器学习

机器学习中的特征工程：实践指南

通过这份实践指南学习特征工程。在 Python 中探索编码、缩放以及处理缺失值等技术。

Srujana Maddula

2026年10月6日

机器学习

Kaggle 机器学习：特征工程

了解在 Kaggle 构建机器学习模型时，特征工程如何助您更进一步：创建新列、转换变量等！

Hugo Bowne-Anderson

2026年10月6日

机器学习

机器学习中的特征提取：完整指南

通过图像、音频和时间序列数据的 Python 实操示例掌握特征提取技术。学习如何将原始数据转化为有意义的特征，并解决机器学习应用中的常见挑战。

Rajesh Kumar

2026年10月6日

使用 Boruta R 包进行 R 中的特征选择

在 R 中进行特征选择：探索围绕随机森林分类算法构建的 Boruta 算法及其实现！

DataCamp Team

2026年10月6日

机器学习

前馈神经网络详解：完整教程

前馈神经网络（FFNN）是深度学习的基石，广泛应用于图像识别、Transformers 和推荐系统。本教程完整讲解其架构、与 MLP 的区别、激活函数、反向传播、真实案例以及 PyTorch 实现。

Vaibhav Mehra

2026年10月6日

人工智能

使用 DreamBooth 和 LoRA 微调 Stable Diffusion XL

学习如何将 Stable Diffusion XL 成功微调到个人照片上，使用 Hugging Face AutoTrain Advance、DreamBooth 与 LoRA，实现定制化的高质量图像生成。

Abid Ali Awan

2026年10月6日