百度网盘下载[机器学习] Kaggle案例实战课程 深度学习之Kaggle实战指南

人工智能视频课程百度网盘

===============人工智能视频课程百度云目录===============

├第01课.机器学习解决问题综述课.mp4
├第03课_kaggle案例实战班.mp4
├第04课_kaggle案例实战班.mp4
├第05课_kaggle案例实战班.mp4
├第06课_kaggle案例实战班.mp4
├第07课_kaggle案例实战班.mp4
├第08课_kaggle案例实战班.mp4
├第二节.mp4
├<代码>
│

├
│

│

├blending.py
│

│

├cs228-python-tutorial.ipynb
│

│

├Feature_engineering_and_model_tuning.zip
│

│

├
│

│

│

├
│

│

│

│

├Feature Engineering.ipynb
│

│

│

│

├Test.csv
│

│

│

│

├test_modified.csv
│

│

│

│

├Train.csv
│

│

│

│

├train_modified.csv
│

│

│

│

├XGBoost models tuning.ipynb
│

│

│

│

├<.ipynb_checkpoints>
│

│

│

│

│

├Feature Engineering-checkpoint.ipynb
│

│

│

│

│

└XGBoost models tuning-checkpoint.ipynb
│

│

│

├
│

│

│

│

├test.csv
│

│

│

│

├Titanic.ipynb
│

│

│

│

├train.csv
│

│

│

│

├<.ipynb_checkpoints>
│

│

│

│

│

└Titanic-checkpoint.ipynb
│

│

│

├
│

│

│

│

├Kaggle_Bicycle_Example.ipynb
│

│

│

│

├kaggle_bike_competition_train.csv
│

│

│

│

├<.ipynb_checkpoints>
│

│

│

│

│

└Kaggle_Bicycle_Example-checkpoint.ipynb
│

│

│

│

├
│

│

│

│

│

├Kaggle_Bicycle_Example_34_0.png
│

│

│

│

│

├Kaggle_Bicycle_Example_42_0.png
│

│

│

│

│

├Kaggle_Bicycle_Example_43_0.png
│

│

│

│

│

├Kaggle_Bicycle_Example_44_0.png
│

│

│

│

│

├Kaggle_Bicycle_Example_45_0.png
│

│

│

│

│

├Kaggle_Bicycle_Example_46_1.png
│

│

│

│

│

├Kaggle_Bicycle_Example_47_1.png
│

│

│

│

│

└Kaggle_Bicycle_Example_49_1.png
│

├
│

│

├
│

│

│

├ta_description.txt
│

│

│

├<_ipynb_checkpoints>
│

│

│

├
│

│

│

│

├sample_submission.csv
│

│

│

│

├test.csv
│

│

│

│

└train.csv
│

│

│

├
│

│

│

│

├house_price.html
│

│

│

│

├house_price.ipynb
│

│

│

│

├house_price_advanced.html
│

│

│

│

├house_price_advanced.ipynb
│

│

│

│

├<.ipynb_checkpoints>
│

│

│

│

│

├house_price_advanced-checkpoint.ipynb
│

│

│

│

│

└house_price-checkpoint.ipynb
│

│

├
│

│

│

├<_ipynb_checkpoints>
│

│

│

├
│

│

│

│

├Combined_News_DJIA.csv
│

│

│

│

├DJIA_table.csv
│

│

│

│

└RedditNews.csv
│

│

│

├
│

│

│

│

├news_stock.html
│

│

│

│

├news_stock.ipynb
│

│

│

│

├<.ipynb_checkpoints>
│

│

│

│

│

└news_stock-checkpoint.ipynb
│

├
│

│

├avazu-CTR-Prediction-LR.zip
│

│

├feature.search
│

│

├feature.search_ads
│

│

├feature_map.search_ads
│

│

├generate_train_feature_mapper.py
│

│

├generate_train_feature_reducer.py
│

│

├kaggle-avazu-rank1.zip
│

│

├kaggle-avazu-rank2.zip
│

│

├search_ads_feature.sample
│

│

├search_click_ta.sample
│

│

├Spark-Criteo-CTR-Prediction.ipynb
│

│

└xgb_ads.conf
│

├
│

│

├
│

│

├
│

│

│

├news_stock.html
│

│

│

├news_stock_advanced.html
│

│

│

├search relevance.ipynb
│

│

│

├search relevance_advanced.ipynb
│

│

│

├search+relevance.html
│

│

│

├search+relevance_advanced.html
│

│

│

├<.ipynb_checkpoints>
│

│

│

│

├search relevance_advanced-checkpoint.ipynb
│

│

│

│

└search relevance-checkpoint.ipynb
│

├
│

│

├energy_forecasting_notebooks.zip
│

│

└subway_prediction_notebook.zip
│

├
│

│

├cat_dog.html
│

│

├char_rnn.html
│

│

├image_search.html
│

│

├Kaggle第06课：走起~深度学习.pdf
│

│

├Kaggle第06课：走起~深度学习.pptx
│

│

├news_stock_advanced.html
│

│

├word_rnn.html
│

│

├
│

│

│

├chi_square.png
│

│

│

└RGBHistogram.jpg
│

│

├<猫狗的数据>
│

│

│

├cats-vs-dogs.txt
│

│

│

├sample_submission.csv
│

│

│

├test.zip
│

│

│

└train.zip
│

├
│

│

├ta.zip
│

│

├Kaggle event recommention competition.ipynb
│

│

├kaggle-event-recommention-rank1.zip
│

│

└Rossmann_Store_Sales_competition.ipynb
│

├
│

│

└PPD_RiskControl_Competition.zip
├<课件>
│

├Kaggle第05课：能源预测与分配问题.pdf
│

├Kaggle第06课：走起~深度学习.pdf
│

├Kaggle第06课：走起~深度学习.pptx
│

├
│

│

├Kaggle第01课：机器学习算法、工具与流程概述.pdf
│

│

└分享的链接.txt
│

├
│

│

└Kaggle第02课：经济金融相关问题.pdf
│

├
│

│

├kaggle-2014-criteo.pdf
│

│

├kaggle-avazu.pdf
│

│

├predicting-clicks-facebook.pdf
│

│

├阿里妈妈：大数据下的广告排序技术及实践.pdf
│

│

├百度凤巢：DNN在凤巢CTR预估中的应用.pdf
│

│

├从FM到FFM.pdf
│

│

├第3课--排序与CTR预估.pdf
│

│

├京东电商广告和推荐系统的机器学习系统实践.pdf
│

│

└腾讯广点通：效果广告中的机器学习技术.pdf
│

├
│

│

└Kaggle第四课.pdf
│

├
│

│

└第5课：能源预测与分配问题.pdf
│

├
│

│

└第7课：推荐与销量预测相关问题.pdf
│

├
│

│

├第8课：金融风控问题.pdf
│

│

└金融风控大赛解决方案.pdf