机器学习项目课:基础与搭建项目视频课程(初阶)

机器学习项目课:基础与搭建项目视频课程。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,这是一门项目课。课程最初是一门在线的直播课程。我们的团队花了大量的时间和精力,将原始的长讲座视频,尽可能地按照逻辑,剪辑成一个个15分钟以内的视频。以便您可以轻松跳转到不同的概念,并跟踪学习进度。您可能会听到教师在上课期间偶尔回答学生的问题 - 通常这些问题都非常有帮助!您可能会发现一些地方有剪辑的痕迹,但这些不会影响到课程的效果,请您放心。本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。因此,本课程会重点关注实战技能和项目的实现。

课程结构:

课程分为三个模块。一个模块对应的是一周的直播课程 - 您可能会听到教师在课上提到第1周,第2周或第3周,对应的就是这门课的第一模块、第二模块和第三模块。

在每个模块中,有三堂不同类型的课程:

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。通常,教师将使用PPT来解释这些理论。

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。

项目课:课程与实战课的形式类似,不过会重点介绍如何实现推荐系统项目的代码。老师将逐步介绍代码的实现。

视频截图:

机器学习项目课:基础与搭建项目视频课程(初阶)


课程目录:

机器学习项目课:基础与搭建项目视频课程(初阶)

├1. 课程设计和结构介绍

├─2. 第一模块:理论课

│      1. 本节内容安排.mp4

│      10. 过拟合和交叉验证.mp4

│      11. 总结.mp4

│      12. 第一模块作业.html

│      13. 第一模块作业解析.mp4

│      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

│      4. 机器学习基本概念:数据和模型(第二节).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

│      8. 基本模型:K-均值.mp4

│      9. 性能指标.mp4

├─3. 第一模块:实战课

│      1. 本节代码下载.html

│      1.1 Github代码下载.html

│      10. 数据清洗示例.mp4

│      2. 本节内容安排.mp4

│      3. Jupyter Notebook安装.html

│      4. 环境配置.mp4

│      5. 基本Python操作和Numpy(第一节).mp4

│      5.1 全面的Numpy教程.html

│      6. 基本Python操作和Numpy(第二节).mp4

│      7. Scikit-learn介绍.mp4

│      8. 运行逻辑回归(第一节).mp4

│      9. 运行逻辑回归(第二节).mp4

├─4. 第一模块:项目课

│      1. 本节代码下载.html

│      1.1 Github代码下载.html

│      2. Python教程介绍.mp4

│      3. Numpy.mp4

│      4. Pandas.mp4

├─5. 第二模块:理论课

│      1. 本节内容安排.mp4

│      10. 随机森林(第二节).mp4

│      11. 支持向量机(第一节).mp4

│      12. 支持向量机(第二节).mp4

│      13. 支持向量机(第三节).mp4

│      14. 支持向量机(第四节).mp4

│      15. 支持向量机(第五节).mp4

│      16. 第二模块作业.html

│      17. 第二模块作业解析.mp4

│      2. 决策树.mp4

│      3. 决策树的算法.mp4

│      4. 节点拆分.mp4

│      5. 决策树的步骤和总结.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

│      8. 权衡偏差和方差(第三节).mp4

│      9. 随机森林(第一节).mp4

├─6. 第二模块:实战课

│      1. 本节代码下载.html

│      1.1 Github代码下载.html

│      10. 随机森林(第二节).mp4

│      11. 随机森林(第三节).mp4

│      12. 随机森林(第四节).mp4

│      13. 支持向量机(第一节).mp4

│      14. 支持向量机(第二节).mp4

│      15. 支持向量机(第三节).mp4

│      15.1 视频中显示的scikit-learn文档(英文).html

│      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

│      4. 自助法(第二节).mp4

│      5. 自助法(第三节).mp4

│      6. 单节点树(第一节).mp4

│      7. 单节点树(第二节).mp4

│      8. 单节点树(第三节).mp4

│      8.1 Decision Stump 简单介绍.html

│      9. 随机森林(第一节).mp4

├─7. 第二模块:项目课

│      1. 本节代码下载.html

│      1.1 Github代码下载.html

│      10. 尝试自己进行编程.html

│      2. 开始搭建推荐系统项目.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

│      6. 项目实现具体细节(第二节).mp4

│      7. 代码框架介绍(main.py).mp4

│      8. 代码框架介绍(README, Preprocessing).mp4

│      9. 代码框架介绍(Databaseinterface.py, Webserver.py).mp4

├─8. 第三模块:理论课

│      1. 本节内容安排.mp4

│      10. 基于内容的过滤(第三节).mp4

│      11. 基于用户的协同过滤(第一节).mp4

│      12. 基于用户的协同过滤(第二节).mp4

│      13. 基于用户的协同过滤(第三节).mp4

│      14. 基于商品的协同过滤(第一节).mp4

│      15. 基于商品的协同过滤(第二节).mp4

│      16. 矩阵因式分解的协同过滤(第一节).mp4

│      17. 矩阵因式分解的协同过滤(第二节).mp4

│      18. 推荐系统的评估.mp4

│      2. 推荐系统介绍(第一节).mp4

│      3. 推荐系统介绍(第二节).mp4

│      4. 几种推荐的方式.mp4

│      5. 推荐系统算法的输入和输出.mp4

│      6. 显式响应和隐式响应.mp4

│      7. 信任、新颖、多样性和商业化.mp4

│      8. 基于内容的过滤(第一节).mp4

│      9. 基于内容的过滤(第二节).mp4

├─9. 第三模块:实战课

│      1. 本节代码下载.html

│      1.1 Github代码下载.html

│      10. 奇异值分解(第二节).mp4

│      11. 矩阵因式分解的随机梯度下降.mp4

│      12. 随机梯度下降的优化过程.mp4

│      2. 本节内容安排.mp4

│      3. 玩具问题及基本设置(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

│      6. 预测(第二节).mp4

│      7. 提升基准模型(第一节).mp4

│      8. 提升基准模型(第二节).mp4

│      9. 奇异值分解(第一节).mp4

└─10. 第三模块:项目课

        1. 本节代码下载.html

        1.1 Github代码下载.html

        2. 本节内容安排.mp4

        3. Main.py和Webserver.py.mp4

        4. RecEngine.py.mp4

        5. RecEngine.py、UserAnalyzer.py和Ranker.py.mp4

        6. Learners(第一节).mp4

        7. Learners(第二节).mp4

        8. Models(第一节).mp4

        9. Models(第二节).mp4