机器学习项目课：基础与搭建项目视频课程 价值270元

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，文章底部附下载地址。

理论课：课程将侧重于机器学习的理论和概念部分。老师将介绍某些算法背后的数学原理，并讨论不同算法模型的应用实例。实战课：课程将针对理论课中教授的理论概念，进行代码上的实现。教师将分享他的屏幕并逐一介绍代码的实现方式。课程适合学员：1.对机器学习及其实际应用感兴趣的同学；2.具有计算机科学基础背景、并希望专注于机器学习的同学；3.正在准备机器学习相关职位面试的同学；4.学习过机器学习基础知识、但希望通过真正的行业项目，认识更高级的模型和实际应用的同学；5.希望可以学习机器学习相关技能、从而转到相关行业的同学。为什么要学习这门课？机器学习和人工智能正在给我们工作方式带来本质性的改变：通过自动化任务，使预测变得更准确，并能允许在短时间内处理大量数据集。本课程带您走向科技的前沿，通过搭建一个推荐系统的项目，更好地抓住新兴的机会，成为一名优秀的数据科学家、人工智能工程师、机器学习工程师或算法工程师。

├──1. Chapter 1 

| └──1. 课程设计和结构介绍.html2.22kb

├──2. 第一模块：理论课

| ├──1. 本节内容安排(1).mp41.24M

| ├──10. 过拟合和交叉验证.mp413.63M

| ├──11. 总结.mp41.72M

| ├──12. 第一模块作业.html0.14kb

| ├──13. 第一模块作业解析.mp47.14M

| ├──2. 课程总体框架.mp414.31M

| ├──3. 机器学习基本概念：数据和模型（第一节）.mp415.36M

| ├──4. 机器学习基本概念：数据和模型（第二节）.mp419.06M

| ├──5. 机器学习基本概念：数据和模型（第三节）.mp415.54M

| ├──6. 基本模型：逻辑回归（第一节）.mp419.67M

| ├──7. 基本模型：逻辑回归（第二节）.mp422.08M

| ├──8. 基本模型：K-均值.mp414.32M

| └──9. 性能指标.mp49.54M

├──3. 第一模块：实战课

| ├──1. 本节代码下载.html0.12kb

| ├──1.1 Github代码下载.html0.14kb

| ├──10. 数据清洗示例.mp449.32M

| ├──2. 本节内容安排_QbFYn.mp43.09M

| ├──3. Jupyter Notebook安装.html0.74kb

| ├──4. 环境配置.mp45.29M

| ├──5. 基本Python操作和Numpy（第一节）.mp421.33M

| ├──5.1 全面的Numpy教程.html0.10kb

| ├──6. 基本Python操作和Numpy（第二节）.mp422.77M

| ├──7. Scikit-learn介绍.mp454.15M

| ├──8. 运行逻辑回归（第一节）.mp415.07M

| └──9. 运行逻辑回归（第二节）.mp456.64M

├──4. 第一模块：项目课

| ├──1. 本节代码下载.html0.12kb

| ├──1.1 Github代码下载.html0.15kb

| ├──2. Python教程介绍.mp428.19M

| ├──3. Numpy.mp423.37M

| └──4. Pandas.mp441.67M

├──5. 第二模块：理论课

| ├──1. 本节内容安排_0PhXV.mp41.23M

| ├──10. 随机森林（第二节）.mp45.20M

| ├──11. 支持向量机（第一节）.mp47.69M

| ├──12. 支持向量机（第二节）.mp412.83M

| ├──13. 支持向量机（第三节）.mp415.62M

| ├──14. 支持向量机（第四节）.mp410.67M

| ├──15. 支持向量机（第五节）.mp48.98M

| ├──16. 第二模块作业.html0.14kb

| ├──17. 第二模块作业解析.mp410.40M

| ├──2. 决策树.mp45.60M

| ├──3. 决策树的算法.mp48.05M

| ├──4. 节点拆分.mp410.74M

| ├──5. 决策树的步骤和总结.mp46.90M

| ├──6. 权衡偏差和方差（第一节）.mp49.36M

| ├──7. 权衡偏差和方差（第二节）.mp47.36M

| ├──8. 权衡偏差和方差（第三节）.mp411.68M

| └──9. 随机森林（第一节）.mp412.41M

├──6. 第二模块：实战课

| ├──1. 本节代码下载.html0.12kb

| ├──1.1 Github代码下载.html0.14kb

| ├──10. 随机森林（第二节）_A9gcM.mp419.27M

| ├──11. 随机森林（第三节）.mp416.37M

| ├──12. 随机森林（第四节）.mp46.58M

| ├──13. 支持向量机（第一节）.mp411.10M

| ├──14. 支持向量机（第二节）.mp411.25M

| ├──15. 支持向量机（第三节）.mp433.54M

| ├──15.1 视频中显示的scikit-learn文档（英文）.html0.13kb

| ├──16. 支持向量机（第四节）.mp416.56M

| ├──17. 支持向量机（第五节）.mp421.35M

| ├──2. 本节内容安排_fZMuY.mp41.37M

| ├──3. 自助法（第一节）.mp421.14M

| ├──4. 自助法（第二节）.mp417.65M

| ├──5. 自助法（第三节）.mp412.48M

| ├──6. 单节点树（第一节）.mp414.69M

| ├──7. 单节点树（第二节）.mp49.86M

| ├──8. 单节点树（第三节）.mp416.78M

| ├──8.1 Decision Stump 简单介绍.html0.12kb

| └──9. 随机森林（第一节）_K1VIJ.mp427.75M

├──7. 第二模块：项目课

| ├──1. 本节代码下载.html0.12kb

| ├──1.1 Github代码下载.html0.15kb

| ├──10. 尝试自己进行编程.html0.22kb

| ├──2. 开始搭建推荐系统项目.html0.34kb

| ├──3. 项目介绍（第一节）.mp412.61M

| ├──4. 项目介绍（第二节）.mp416.65M

| ├──5. 项目实现具体细节（第一节）.mp420.81M

| ├──6. 项目实现具体细节（第二节）.mp422.36M

| ├──7. 代码框架介绍（main.py）.mp411.21M

| ├──8. 代码框架介绍（README, Preprocessing）.mp414.90M

| └──9. 代码框架介绍（Databaseinterface.py, Webserver.py）.mp412.24M

├──8. 第三模块：理论课

| ├──1. 本节内容安排_zDQZ0(1).mp42.34M

| ├──10. 基于内容的过滤（第三节）.mp44.67M

| ├──11. 基于用户的协同过滤（第一节）.mp412.92M

| ├──12. 基于用户的协同过滤（第二节）.mp410.11M

| ├──13. 基于用户的协同过滤（第三节）.mp44.52M

| ├──14. 基于商品的协同过滤（第一节）.mp44.46M

| ├──15. 基于商品的协同过滤（第二节）.mp43.73M

| ├──16. 矩阵因式分解的协同过滤（第一节）.mp414.47M

| ├──17. 矩阵因式分解的协同过滤（第二节）.mp45.52M

| ├──18. 推荐系统的评估.mp45.78M

| ├──2. 推荐系统介绍（第一节）.mp49.31M

| ├──3. 推荐系统介绍（第二节）.mp47.99M

| ├──4. 几种推荐的方式.mp48.81M

| ├──5. 推荐系统算法的输入和输出.mp46.07M

| ├──6. 显式响应和隐式响应.mp48.61M

| ├──7. 信任、新颖、多样性和商业化.mp43.81M

| ├──8. 基于内容的过滤（第一节）.mp411.39M

| └──9. 基于内容的过滤（第二节）.mp413.82M

└──9. 第三模块：实战课

| ├──1. 本节代码下载.html0.12kb

| ├──1.1 Github代码下载.html0.14kb

| ├──10. 奇异值分解（第二节）.mp414.22M

| ├──11. 矩阵因式分解的随机梯度下降.mp415.33M

| ├──12. 随机梯度下降的优化过程.mp424.16M

| ├──2. 本节内容安排_VqzyO.mp42.95M

| ├──3. 玩具问题及基本设置（第一节）.mp418.83M

| ├──4. 玩具问题及基本设置（第二节）.mp424.80M

| ├──5. 预测（第一节）.mp411.41M

| ├──6. 预测（第二节）.mp417.31M

| ├──7. 提升基准模型（第一节）.mp427.33M

| ├──8. 提升基准模型（第二节）.mp416.54M

| └──9. 奇异值分解（第一节）.mp423.43M

├──10. 第三模块：项目课

| ├──1. 本节代码下载.html0.12kb

| ├──1.1 Github代码下载.html0.16kb

| ├──2. 本节内容安排.mp417.33M

| ├──3. Main.py和Webserver.py.mp431.93M

| ├──4. RecEngine.py.mp434.08M

| ├──5. RecEngine.py、UserAnalyzer.py和Ranker.py.mp426.53M

| ├──6. Learners（第一节）.mp430.14M

| ├──7. Learners（第二节）.mp435.85M

| ├──8. Models（第一节）.mp431.93M

| └──9. Models（第二节）.mp440.77M