人工智能视频课程百度网盘
-
课程目标
-
这是一门项目课。老师会在课程演示编程的全过程,并带你完成一个推荐系统的项目。完成本课程后,你将对机器学习算法的核心概念有全面深刻的理解。本授课老师会将理论与实战相结合,帮助同学们从基础计算机科学知识转向机器学习专业。
-
适用人群
-
这门课对于有计算机科学或者软件工程的相关背景的同学来说,是一门很好的课程,可以帮助您有效地将机器学习
-
课程简介
-
授课老师会将理论与实战相结合,将机器学习算法的相关理论,以及实现每种算法的编程过程,有机地结合在一起进行教学。此外,老师将演示搭建推荐系统的每一个编程步骤,确保您可以在老师的指导下完成项目。如果您正在求职阶段,还可以将这个项目经验添加到简历中,赢得招聘官的青睐!
这门课是从BitTiger广受欢迎的人工智能视频直通车课程进行截取的,我们剪辑出了最精华的内容呈现给你。由于原课程是直播授课的形式,讲座中可能会包含少量学生当场的提问和回答。
首先,老师将详细讲解每种算法的理论基础,以及模型之间的技术权衡,帮助你更好地理解算法模型,攻克较难的面试问题。 其次,课程还将帮助您搭建和实施一个真正的推荐系统。由于推荐系统是电子商务、O2O和其他互联网行业中非常通用的应用,这个项目将为您赢得面试官的青睐!
-
1课程设计和结构介绍说明
22. 本节内容安排[免费试看]00:47
33. 课程总体框架[免费试看]11:17
44. 机器学习基本概念:数据和模型(第一节)12:31
55. 机器学习基本概念:数据和模型(第二节)15:40
66. 机器学习基本概念:数据和模型(第三节)12:31
77. 基本模型:逻辑回归(第一节)15:44
88. 基本模型:逻辑回归(第二节)17:21
99. 基本模型:K-均值11:13
1010. 性能指标07:22
1111. 过拟合和交叉验证10:30
1212. 总结01:12
1314. 第一模块作业解析05:55
1415. 本节代码下载说明
1516. 本节内容安排02:28
1617. Jupyter Notebook安装说明
1718. 环境配置02:27
1819. 基本Python操作和Numpy(第一节)10:12
1920. 基本Python操作和Numpy(第二节)10:26
2021. Scikit-learn介绍[免费试看]23:03
2122. 运行逻辑回归(第一节)[免费试看]09:46
2223. 运行逻辑回归(第二节)22:56
2324. 数据清洗示例17:42
2425. 本节代码下载说明
2526. Python教程介绍12:48
2627. Numpy12:44
2728. Pans19:03
2829. 本节内容安排00:42
2930. 决策树[免费试看]04:06
3031. 决策树的算法05:45
3132. 拆分07:56
3. 决策树的步骤和总结05:10
3334. 权衡偏差和方差(第一节)07:17
3435. 权衡偏差和方差(第二节)05:21
3536. 权衡偏差和方差(第三节)08:41
3637. 随机森林(第一节)09:31
3738. 随机森林(第二节)03:34
3839. 支持向量机(第一节)05:49
3940. 支持向量机(第二节)09:25
4041. 支持向量机(第三节)11:58
4142. 支持向量机(第四节)08:05
4243. 支持向量机(第五节)06:43
4344. 第二模块作业说明
4445. 第二模块作业解析07:45
4546. 本节代码下载说明
4647. 本节内容安排00:39
4748. 自助法(第一节)08:06
4849. 自助法(第二节)07:22
4950. 自助法(第三节)05:01
5051. 单树(第一节)07:49
5152. 单树(第二节)04:19
5253. 单树(第三节)07:43
5354. 随机森林(第一节)10:22
5455. 随机森林(第二节)07:38
5556. 随机森林(第三节)06:04
5657. 随机森林(第四节)03:28
5758. 支持向量机(第一节)04:04
5859. 支持向量机(第二节)05:59
5960. 支持向量机(第三节)11:52
6061. 支持向量机(第四节)07:24
6162. 支持向量机(第五节)03:34
6263. 本节代码下载说明
6364. 开始搭建推荐系统项目说明
6465. 项目介绍(第一节)08:09
6566. 项目介绍(第二节)11:05
6667. 项目实现具体细节(第一节)10:57
6768. 项目实现具体细节(第二节)11:13
6869. 代码框架介绍(main.py)06:28
6970. 代码框架介绍(README, Preprocessi07:26
7071. 代码框架介绍(Databaseinterface.p06:00
7172. 尝试自己进行编程说明
7273. 本节内容安排01:45
7374. 推荐系统介绍(第一节)06:30
7475. 推荐系统介绍(第二节)05:51
7576. 几种推荐的方式06:57
7677. 推荐系统算法的输入和输出04:42
7778. 显式响应和隐式响应06:41
7879. 信任、新颖、多样性和商业化02:49
7980. 基于内容的过滤(第一节)09:13
8081. 基于内容的过滤(第二节)11:03
8182. 基于内容的过滤(第三节)03:41
8283. 基于用户的协同过滤(第一节)10:25
8384. 基于用户的协同过滤(第二节)07:50
8485. 基于用户的协同过滤(第三节)03:19
8586. 基于商品的协同过滤(第一节)03:20
8687. 基于商品的协同过滤(第二节)02:48
8788. 矩阵因式分解的协同过滤(第一节)10:52
8889. 矩阵因式分解的协同过滤(第二节)04:08
8991. 本节代码下载说明
9092. 本节内容安排02:15
9193. 玩具问题及基本设置(第一节)10:56
9294. 玩具问题及基本设置(第二节)12:28
9395. 预测(第一节)05:23
9496. 预测(第二节)08:13
9597. 提升基准模型(第一节)11:28
9698. 提升基准模型(第二节)09:07
9799. 奇异值分解(第一节)13:11
98100. 奇异值分解(第二节)06:18
99101. 矩阵因式分解的随机梯度下降11:11
100102. 随机梯度下降的优化过程09:49
101103. 本节代码下载说明
102104. 本节内容安排09:24
103105. Main.py和Webserver.py12:13
104106. RecEngine.py14:32
105107. RecEngine.py、UserAnalyzer08:59
106108. Learners(第一节)12:38
107109. Learners(第二节)13:54
108110. Models(第一节)16:05
109111. Models(第二节)15:47
110112. 完善项目代码说明
本文来自投稿,不代表亲测学习网立场,如若转载,请注明出处:https://www.qince.net/%e7%99%be%e5%ba%a6%e4%ba%91%e4%b8%8b%e8%bd%bdudemy-%e6%9c%ba%e5%99%a8%e5%ad%a6%e4%b9%a0%e9%a1%b9%e7%9b%ae%e8%af%be%ef%bc%9a%e4%bb%8e%e5%9f%ba%e7%a1%80%e5%88%b0%e6%90%ad%e5%bb%ba%e9%a1%b9%e7%9b%ae.html
郑重声明:
本站所有内容均由互联网收集整理、网友上传,并且以计算机技术研究交流为目的,仅供大家参考、学习,不存在任何商业目的与商业用途。 若您需要商业运营或用于其他商业活动,请您购买正版授权并合法使用。
我们不承担任何技术及版权问题,且不对任何资源负法律责任。
如遇到资源无法下载,请点击这里失效报错。失效报错提交后记得查看你的留言信息,24小时之内反馈信息。
如有侵犯您的版权,请给我们私信,我们会尽快处理,并诚恳的向你道歉!