itTiger机器学习课程：基础与搭建项目视频课程
资源简介：
资源大小：6.96 GB
本套课程机器学习项目课：基础与搭建项目视频课程，手把手带你搭建一个推荐系统，由来自硅谷的冯沁原老师主讲，课程分为理论课和项目实战课文件大小共计6.8G。课程的目标不是涵盖尽可能多的理论概念，而是讲授最基本的机器学习技术，并立即将它们付诸实践，建立一个真实的推荐系统的项目，本课程会重点关注实战技能和项目的实现；课程专注于在短时间内，帮助已经拥有计算机编程基础经验的同学，获得真正的硬实力
课程目录
2. 第一模块：理论课
1. 本节内容安排.mp4 4.33M
10. 过拟合和交叉验证.mp4 51.28M
11. 总结.mp4 5.38M
12. 第一模块作业.html 0.14kb
13. 第一模块作业解析.mp4 25.64M
2. 课程总体框架.mp4 53.16M
3. 机器学习基本概念：数据和模型（第一节）.mp4 53.81M
4. 机器学习基本概念：数据和模型（第二节）.mp4 64.41M
5. 机器学习基本概念：数据和模型（第三节）.mp4 54.81M
6. 基本模型：逻辑回归（第一节）.mp4 75.86M
7. 基本模型：逻辑回归（第二节）.mp4 79.50M
8. 基本模型：K-均值.mp4 51.15M
9. 性能指标.mp4 35.33M
3. 第一模块：实战课
1. 本节代码下载.html 0.12kb
1.1 Github代码下载.html 0.14kb
10. 数据清洗示例.mp4 240.14M
2. 本节内容安排.mp4 7.52M
3. Jupyter Notebook安装.html 0.74kb
4. 环境配置.mp4 26.13M
5. 基本Python操作和Numpy（第一节）.mp4 128.99M
5.1 全面的Numpy教程.html 0.10kb
6. 基本Python操作和Numpy（第二节）.mp4 129.74M
7. Scikit-learn介绍.mp4 295.56M
8. 运行逻辑回归（第一节）.mp4 62.70M
9. 运行逻辑回归（第二节）.mp4 301.33M
4. 第一模块：项目课
1. 本节代码下载.html 0.12kb
1.1 Github代码下载.html 0.15kb
2. Python教程介绍.mp4 157.62M
3. Numpy.mp4 136.44M
4. Pandas.mp4 231.32M
5. 第二模块：理论课
1. 本节内容安排.mp4 3.76M
10. 随机森林（第二节）.mp4 19.58M
11. 支持向量机（第一节）.mp4 25.59M
12. 支持向量机（第二节）.mp4 44.97M
13. 支持向量机（第三节）.mp4 53.95M
14. 支持向量机（第四节）.mp4 36.83M
15. 支持向量机（第五节）.mp4 30.77M
16. 第二模块作业.html 0.14kb
17. 第二模块作业解析.mp4 38.01M
2. 决策树.mp4 20.96M
3. 决策树的算法.mp4 32.57M
4. 节点拆分.mp4 37.30M
5. 决策树的步骤和总结.mp4 18.79M
6. 权衡偏差和方差（第一节）.mp4 29.94M
7. 权衡偏差和方差（第二节）.mp4 28.34M
8. 权衡偏差和方差（第三节）.mp4 41.42M
9. 随机森林（第一节）.mp4 40.94M
6. 第二模块：实战课
1. 本节代码下载.html 0.12kb
1.1 Github代码下载.html 0.14kb
10. 随机森林（第二节）.mp4 92.48M
11. 随机森林（第三节）.mp4 58.80M
12. 随机森林（第四节）.mp4 35.62M
13. 支持向量机（第一节）.mp4 52.98M
14. 支持向量机（第二节）.mp4 67.87M
15. 支持向量机（第三节）.mp4 147.10M
15.1 视频中显示的scikit-learn文档（英文）.html 0.13kb
16. 支持向量机（第四节）.mp4 77.78M
17. 支持向量机（第五节）.mp4 56.38M
2. 本节内容安排.mp4 6.32M
3. 自助法（第一节）.mp4 108.68M
4. 自助法（第二节）.mp4 95.07M
5. 自助法（第三节）.mp4 64.72M
6. 单节点树（第一节）.mp4 82.54M
7. 单节点树（第二节）.mp4 56.85M
8. 单节点树（第三节）.mp4 98.51M
8.1 Decision Stump 简单介绍.html 0.12kb
9. 随机森林（第一节）.mp4 126.49M
7. 第二模块：项目课
1. 本节代码下载.html 0.12kb
1.1 Github代码下载.html 0.15kb
10. 尝试自己进行编程.html 0.22kb
2. 开始搭建推荐系统项目.html 0.34kb
3. 项目介绍（第一节）.mp4 69.66M
4. 项目介绍（第二节）.mp4 84.66M
5. 项目实现具体细节（第一节）.mp4 113.54M
6. 项目实现具体细节（第二节）.mp4 108.46M
7. 代码框架介绍（main.py）.mp4 53.55M
8. 代码框架介绍（README, Preprocessing）.mp4 62.83M
9. 代码框架介绍（Databaseinterface.py, Webserver.py）.mp4 59.47M
8. 第三模块：理论课
1. 本节内容安排.mp4 5.14M
10. 基于内容的过滤（第三节）.mp4 12.32M
11. 基于用户的协同过滤（第一节）.mp4 36.01M
12. 基于用户的协同过滤（第二节）.mp4 32.87M
13. 基于用户的协同过滤（第三节）.mp4 13.75M
14. 基于商品的协同过滤（第一节）.mp4 13.74M
15. 基于商品的协同过滤（第二节）.mp4 10.81M
16. 矩阵因式分解的协同过滤（第一节）.mp4 52.17M
17. 矩阵因式分解的协同过滤（第二节）.mp4 17.40M
18. 推荐系统的评估.mp4 14.13M
2. 推荐系统介绍（第一节）.mp4 40.72M
3. 推荐系统介绍（第二节）.mp4 31.73M
4. 几种推荐的方式.mp4 26.12M
5. 推荐系统算法的输入和输出.mp4 18.75M
6. 显式响应和隐式响应.mp4 27.11M
7. 信任、新颖、多样性和商业化.mp4 11.25M
8. 基于内容的过滤（第一节）.mp4 33.67M
9. 基于内容的过滤（第二节）.mp4 40.28M
9. 第三模块：实战课
1. 本节代码下载.html 0.12kb
1.1 Github代码下载.html 0.14kb
10. 奇异值分解（第二节）.mp4 61.05M
11. 矩阵因式分解的随机梯度下降.mp4 55.50M
12. 随机梯度下降的优化过程.mp4 109.16M
2. 本节内容安排.mp4 6.83M
3. 玩具问题及基本设置（第一节）.mp4 88.17M
4. 玩具问题及基本设置（第二节）.mp4 122.08M
5. 预测（第一节）.mp4 57.55M
6. 预测（第二节）.mp4 92.44M
7. 提升基准模型（第一节）.mp4 132.73M
8. 提升基准模型（第二节）.mp4 99.62M
9. 奇异值分解（第一节）.mp4 125.96M
10. 第三模块：项目课
1. 本节代码下载.html 0.12kb
1.1 Github代码下载.html 0.16kb
2. 本节内容安排.mp4 84.07M
3. Main.py和Webserver.py.mp4 149.81M
4. RecEngine.py.mp4 164.88M
5. RecEngine.py、UserAnalyzer.py和Ranker.py.mp4 110.86M
6. Learners（第一节）.mp4 150.68M
7. Learners（第二节）.mp4 163.85M
8. Models（第一节）.mp4 163.36M
9. Models（第二节）.mp4 189.19M
1. 课程设计和结构介绍.html 2.22kb
评论0