机器学习项目课:基础与搭建项目视频课程 价值270元
课程介绍:
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。
课程目录:机器学习项目课:从基础到搭建项目
├──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
顶级资源站 » 机器学习项目课:基础与搭建项目视频课程 价值270元
常见问题FAQ
- 资源站点会一直更新吗
- 是的,我们会持续更新!
- 可以帮我找资源吗
- 本站免费帮会员找资源,有需要请联系客服