itTiger机器学习课程：基础与搭建项目视频课程

课程简介

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

课程目录

1. 课程设计和结构介绍.html
2. 第一模块：理论课
3. 本节内容安排.mp4
4. 课程总体框架.mp4
5. 机器学习基本概念：数据和模型（第一节）.mp4
6. 第一模块：实战课
7. 机器学习基本概念：数据和模型（第二节）.mp4
8. 机器学习基本概念：数据和模型（第三节）.mp4
9. 基本模型：逻辑回归（第一节）.mp4
10. 基本模型：逻辑回归（第二节）.mp4
11. 基本模型：K-均值.mp4
12. 性能指标.mp4
13. 过拟合和交叉验证.mp4
14. 总结.mp4
15. 第一模块作业.html
16. 第一模块作业解析.mp4
17. 本节代码下载.html
18. 1.1 Github代码下载.html
19. 数据清洗示例.mp4
20. 本节内容安排.mp4
21. Jupyter Notebook安装.html
22. 环境配置.mp4
23. 基本Python操作和Numpy（第一节）.mp4
24. 5.1 全面的Numpy教程.html
25. 基本Python操作和Numpy（第二节）.mp4
26. Scikit-learn介绍.mp4
27. 运行逻辑回归（第一节）.mp4
28. 运行逻辑回归（第二节）.mp4
29. 第一模块：项目课
30. 本节代码下载.html
31. 1.1 Github代码下载.html
32. Python教程介绍.mp4
33. Numpy.mp4
34. Pandas.mp4
35. 第二模块：理论课
36. 本节内容安排.mp4
37. 随机森林（第二节）.mp4
38. 支持向量机（第一节）.mp4
39. 支持向量机（第二节）.mp4
40. 支持向量机（第三节）.mp4
41. 支持向量机（第四节）.mp4
42. 支持向量机（第五节）.mp4
43. 第二模块作业.html
44. 第二模块作业解析.mp4
45. 决策树.mp4
46. 决策树的算法.mp4
47. 节点拆分.mp4
48. 决策树的步骤和总结.mp4
49. 权衡偏差和方差（第一节）.mp4
50. 权衡偏差和方差（第二节）.mp4
51. 权衡偏差和方差（第三节）.mp4
52. 随机森林（第一节）.mp4
53. 第二模块：实战课
54. 本节代码下载.html
55. 1.1 Github代码下载.html
56. 随机森林（第二节）.mp4
57. 随机森林（第三节）.mp4
58. 随机森林（第四节）.mp4
59. 支持向量机（第一节）.mp4
60. 支持向量机（第二节）.mp4
61. 支持向量机（第三节）.mp4
62. 15.1 视频中显示的scikit-learn文档（英文）.html
63. 支持向量机（第四节）.mp4
64. 支持向量机（第五节）.mp4
65. 本节内容安排.mp4
66. 自助法（第一节）.mp4
67. 自助法（第二节）.mp4
68. 自助法（第三节）.mp4
69. 单节点树（第一节）.mp4
70. 单节点树（第二节）.mp4
71. 单节点树（第三节）.mp4
72. 8.1 Decision Stump 简单介绍.html
73. 随机森林（第一节）.mp4
74. 第二模块：项目课
75. 本节代码下载.html
76. 1.1 Github代码下载.html
77. 尝试自己进行编程.html
78. 开始搭建推荐系统项目.html
79. 项目介绍（第一节）.mp4
80. 项目介绍（第二节）.mp4
81. 项目实现具体细节（第一节）.mp4
82. 项目实现具体细节（第二节）.mp4
83. 代码框架介绍（main.py）.mp4
84. 代码框架介绍（README, Preprocessing）.mp4
85. 代码框架介绍（Databaseinterface.py, Webserver.py）.mp4
86. 第三模块：理论课
87. 本节内容安排.mp4
88. 基于内容的过滤（第三节）.mp4
89. 基于用户的协同过滤（第一节）.mp4
90. 基于用户的协同过滤（第二节）.mp4
91. 基于用户的协同过滤（第三节）.mp4
92. 基于商品的协同过滤（第一节）.mp4
93. 基于商品的协同过滤（第二节）.mp4
94. 矩阵因式分解的协同过滤（第一节）.mp4
95. 矩阵因式分解的协同过滤（第二节）.mp4
96. 推荐系统的评估.mp4
97. 推荐系统介绍（第一节）.mp4
98. 推荐系统介绍（第二节）.mp4
99. 几种推荐的方式.mp4
100. 推荐系统算法的输入和输出.mp4
101. 显式响应和隐式响应.mp4
102. 信任、新颖、多样性和商业化.mp4
103. 基于内容的过滤（第一节）.mp4
104. 基于内容的过滤（第二节）.mp4
105. 第三模块：实战课
106. 本节代码下载.html
107. 1.1 Github代码下载.html
108. 奇异值分解（第二节）.mp4
109. 矩阵因式分解的随机梯度下降.mp4
110. 随机梯度下降的优化过程.mp4
111. 本节内容安排.mp4
112. 玩具问题及基本设置（第一节）.mp4
113. 玩具问题及基本设置（第二节）.mp4
114. 预测（第一节）.mp4
115. 预测（第二节）.mp4
116. 提升基准模型（第一节）.mp4
117. 提升基准模型（第二节）.mp4
118. 奇异值分解（第一节）.mp4
119. 第三模块：项目课
120. 本节代码下载.html
121. 1.1 Github代码下载.html
122. 本节内容安排.mp4
123. Main.py和Webserver.py.mp4
124. RecEngine.py.mp4
125. RecEngine.py、UserAnalyzer.py和Ranker.py.mp4
126. Learners（第一节）.mp4
127. Learners（第二节）.mp4
128. Models（第一节）.mp4
129. Models（第二节）.mp4