BitTiger机器学习课程：基础与搭建项目视频课程-涵盖理论课、项目课、实战课等_6.95GB
49891文件名称： BitTiger机器学习课程：基础与搭建项目视频课程-涵盖理论课、项目课、实战课等8i9_共：6.95GB
文件总数量： 120条
压缩文件数量： 0条
压缩文件比： 0%
疑似加密文件： 0条(需要授权播放的文件)
文件创建时间：2023-09-28 13:53:47
目录：【3.第一模块：实战课】
4.环境配置.mp4
1.本节代码下载.html
9.运行逻辑回归（第二节）.mp4
6.基本Python操作和Numpy（第二节）.mp4
7.Scikit-learn介绍.mp4
3.JupyterNotebook安装.html
10.数据清洗示例.mp4
5.基本Python操作和Numpy（第一节）.mp4
1.1Github代码下载.html
8.运行逻辑回归（第一节）.mp4
5.1全面的Numpy教程.html
2.本节内容安排.mp4
目录：【8.第三模块：理论课】
5.推荐系统算法的输入和输出.mp4
12.基于用户的协同过滤（第二节）.mp4
7.信任、新颖、多样X和商业化.mp4
16.矩阵因式分解的协同过滤（第一节）.mp4
3.推荐系统介绍（第二节）.mp4
9.基于内容的过滤（第二节）.mp4
10.基于内容的过滤（第三节）.mp4
2.推荐系统介绍（第一节）.mp4
14.基于商品的协同过滤（第一节）.mp4
1.本节内容安排.mp4
11.基于用户的协同过滤（第一节）.mp4
13.基于用户的协同过滤（第三节）.mp4
18.推荐系统的评估.mp4
17.矩阵因式分解的协同过滤（第二节）.mp4
15.基于商品的协同过滤（第二节）.mp4
8.基于内容的过滤（第一节）.mp4
4.几种推荐的方式.mp4
6.显式响应和隐式响应.mp4
目录：【9.第三模块：实战课】
9.奇异值分解（第一节）.mp4
3.玩具问题及基本设置（第一节）.mp4
2.本节内容安排.mp4
12.随机梯度下降的优化过程.mp4
1.本节代码下载.html
1.1Github代码下载.html
6.预测（第二节）.mp4
11.矩阵因式分解的随机梯度下降.mp4
10.奇异值分解（第二节）.mp4
7.提升基准模型（第一节）.mp4
4.玩具问题及基本设置（第二节）.mp4
5.预测（第一节）.mp4
8.提升基准模型（第二节）.mp4
目录：【10.第三模块：项目课】
1.1Github代码下载.html
1.本节代码下载.html
3.Main.py和Webserver.py.mp4
4.RecEngine.py.mp4
9.Models（第二节）.mp4
2.本节内容安排.mp4
7.Learners（第二节）.mp4
5.RecEngine.py、User安alyzer.py和Ranker.py.mp4
6.Learners（第一节）.mp4
8.Models（第一节）.mp4
目录：【BitTiger机器学习课程：基础与搭建项目视频课程-涵盖理论课、项目课、实战课等】
1.课程设计和结构介绍.html
目录：【5.第二模块：理论课】
16.第二模块作业.html
3.决策树的算法.mp4
6.权衡偏差和方差（第一节）.mp4
7.权衡偏差和方差（第二节）.mp4
9.随机森林（第一节）.mp4
10.随机森林（第二节）.mp4
17.第二模块作业解析.mp4
15.支持向量机（第五节）.mp4
13.支持向量机（第三节）.mp4
14.支持向量机（第四节）.mp4
12.支持向量机（第二节）.mp4
1.本节内容安排.mp4
11.支持向量机（第一节）.mp4
2.决策树.mp4
4.节点拆分.mp4
5.决策树的步骤和总结.mp4
8.权衡偏差和方差（第三节）.mp4
目录：【4.第一模块：项目课】
1.1Github代码下载.html
2.Python教程介绍.mp4
3.Numpy.mp4
4.Pandas.mp4
1.本节代码下载.html
目录：【2.第一模块：理论课】
2.课程总体框架.mp4
3.机器学习基本概念：数据和模型（第一节）.mp4
13.第一模块作业解析.mp4
10.过拟合和交叉验证.mp4
11.总结.mp4
4.机器学习基本概念：数据和模型（第二节）.mp4
12.第一模块作业.html
1.本节内容安排.mp4
9.X能指标.mp4
8.基本模型：K-均值.mp4
5.机器学习基本概念：数据和模型（第三节）.mp4
6.基本模型：逻辑回归（第一节）.mp4
7.基本模型：逻辑回归（第二节）.mp4
目录：【7.第二模块：项目课】
10.尝试自己进行编程.html
6.项目实现具体细节（第二节）.mp4
2.开始搭建推荐系统项目.html
8.代码框架介绍（README,Preprocessing）.mp4
1.1Github代码下载.html
1.本节代码下载.html
3.项目介绍（第一节）.mp4
4.项目介绍（第二节）.mp4
5.项目实现具体细节（第一节）.mp4
7.代码框架介绍（main.py）.mp4
9.代码框架介绍（Databaseinterface.py,Webserver.py）.mp4
目录：【6.第二模块：实战课】
14.支持向量机（第二节）.mp4
12.随机森林（第四节）.mp4
5.自助法（第三节）.mp4
16.支持向量机（第四节）.mp4
17.支持向量机（第五节）.mp4
2.本节内容安排.mp4
3.自助法（第一节）.mp4
10.随机森林（第二节）.mp4
15.支持向量机（第三节）.mp4
13.支持向量机（第一节）.mp4
7.单节点树（第二节）.mp4
15.1视频中显示的scikit-learn文档（英文）.html
8.1DecisionStump简单介绍.html
9.随机森林（第一节）.mp4
11.随机森林（第三节）.mp4
1.1Github代码下载.html
1.本节代码下载.html
8.单节点树（第三节）.mp4
6.单节点树（第一节）.mp4
4.自助法（第二节）.mp4
页:
[1]