学习机器学习进阶算法并结合Python工具包进行项目实战

*   01 数据特征/

  *   01 基本数值特征.mp4 11:14

  *   02 常用特征构造手段.mp4 13:53

  *   03 时间特征处理.mp4 13:04

  *   04 文本特征处理.mp4 20:24

  *   05 构造文本向量.mp4 11:45

  *   06 词向量特征.mp4 13:55

  *   07 计算机眼中的图像.mp4 05:46

*   02 降维算法-线性判别分析/

  *   01 线性判别分析要解决的问题.mp4 12:20

  *   02 线性判别分析要优化的目标.mp4 12:03

  *   03 线性判别分析求解.mp4 12:08

  *   04 实现线性判别分析进行降维任务.mp4 10:19

  *   05 求解得出降维结果.mp4 08:55

*   03 推荐系统/

  *   01 推荐系统应用.mp4 10:34

  *   02 推荐系统要完成的任务.mp4 06:39

  *   03 相似度计算.mp4 10:46

  *   04 基于用户的协同过滤.mp4 10:02

  *   05 基于物品的协同过滤.mp4 14:45

  *   06 隐语义模型.mp4 07:31

  *   07 隐语义模型求解.mp4 09:45

  *   08 模型评估标准.mp4 07:43

*   04 Python从零打造音乐推荐系统/

  *   01 音乐推荐任务概述.mp4 17:35

  *   02 数据集整合.mp4 08:19

  *   03 基于物品的协同过滤.mp4 13:17

  *   04 物品相似度计算与推荐.mp4 19:14

  *   05 SVD矩阵分解.mp4 16:54

  *   06 基于矩阵分解的音乐推荐.mp4 14:44

*   05 基于统计分析的电影推荐/

  *   01 数据与环境配置.mp4 12:53

  *   02 数据与关键词信息.mp4 10:09

  *   03 关键词云与直方图展示.mp4 06:16

  *   04 特征可视化.mp4 09:12

  *   05 数据清洗概述.mp4 09:09

  *   06 缺失值填充方法.mp4 07:55

  *   07 推荐引擎构造.mp4 10:48

  *   08 数据特征构造.mp4 09:43

  *   09 得出推荐结果.mp4 10:53

*   06 GBDT提升算法/

  *   01 回归树模型.mp4 09:24

  *   02 Adaboost算法.mp4 07:08

  *   03 GBDT工作流程.mp4 08:59

  *   04 回归任务.mp4 04:29

  *   05 分类任务.mp4 09:28

  *   06 迭代可视化.mp4 07:46

*   07 提升算法框架对比/

  *   01 GBDT效果.mp4 06:37

  *   02 Xgboost效果.mp4 07:07

  *   03 lightGBM效果.mp4 10:50

*   08 使用lightgbm进行饭店流量预测/

  *   01 饭店流量数据介绍.mp4 09:37

  *   02 数据汇总.mp4 08:56

  *   03 离群点筛选.mp4 05:38

  *   04 特征提取.mp4 12:44

  *   05 lightgbm建模.mp4 07:11

*   09 人口普查数据集项目实战-收入预测/

  *   01 人口普查预测任务概述.mp4 10:18

  *   02 单特征与缺失值展示.mp4 12:30

  *   03 数据清洗.mp4 06:41

  *   04 特征工程.mp4 11:20

  *   05 单变量展示.mp4 07:21

  *   06 双变量分析.mp4 10:03

  *   07 开发新变量.mp4 07:58

  *   08 ROC与AUC.mp4 13:54

  *   09 机器学习模型.mp4 07:18

*   10 贝叶斯优化及其工具包使用/

  *   01 贝叶斯优化概述.mp4 07:58

  *   02 工具包使用方法.mp4 08:49

  *   03 贝叶斯优化效果.mp4 07:47

  *   04 调整参数空间.mp4 08:29

*   11 贝叶斯优化实战/

  *   01 基础模型建立.mp4 06:57

  *   02 设置参数空间.mp4 10:43

  *   03 随机优化结果.mp4 09:23

  *   04 贝叶斯优化效果.mp4 09:58

  *   05 方法对比.mp4 08:26

  *   06 参数变化情况.mp4 06:13

*   12 EM算法/

  *   01 EM算法要解决的问题.mp4 10:38

  *   02 隐变量问题.mp4 06:16

  *   03 EM算法求解实例.mp4 14:31

  *   04 Jensen不等式.mp4 10:46

  *   05 GMM模型.mp4 09:19

  *   06 GMM实例.mp4 11:50

  *   07 GMM聚类.mp4 09:44

*   13 HMM隐马尔科夫模型/

  *   01 马尔科夫模型.mp4 07:22

  *   02 隐马尔科夫模型基本出发点.mp4 07:33

  *   03 组成与要解决的问题.mp4 05:37

  *   04 暴力求解方法.mp4 09:03

  *   05 复杂度计算.mp4 05:42

  *   06 前向算法.mp4 13:26

  *   07 前向算法求解实例.mp4 13:07

  *   08 Baum-Welch算法.mp4 09:28

  *   09 参数求解.mp4 06:28

  *   10 维特比算法.mp4 15:43

*   14 HMM案例实战/

  *   01 hmmlearn工具包.mp4 06:49

  *   02 工具包使用方法.mp4 08:20

  *   03 中文分词任务.mp4 05:22

  *   04 实现中文分词.mp4 10:44

*   15 NLP-文本特征方法对比/

  *   01 任务概述.mp4 10:52

  *   02 词袋模型.mp4 06:34

  *   03 词袋模型分析.mp4 11:59

  *   04 TFIDF模型.mp4 08:04

  *   05 word2vec词向量模型.mp4 08:29

  *   06 深度学习模型.mp4 05:17

*   16 使用word2vec进行分类任务/

  *   01 影评情感分类.mp4 17:48

  *   02 基于词袋模型训练分类器.mp4 11:08

  *   03 准备word2vec输入数据.mp4 10:46

  *   04 使用gensim构建word2vec词向量.mp4 16:35

*   17 Tensorflow自己打造word2vec/

  *   01 数据与任务流程.mp4 10:36

  *   02 数据清洗.mp4 06:34

  *   03 batch数据制作.mp4 12:24

  *   04 网络训练.mp4 12:36

  *   05 可视化展示.mp4 06:19

*   18 制作自己的常用工具包/

  *   01 为什么要做自己的数据工具包.mp4 03:13

  *   02 工具包注释.mp4 07:03

  *   03 缺失值处理.mp4 10:12

  *   04 其他处理方式概述.mp4 17:45

  *   05 工具包调用.mp4 03:36

*   19 机器学习项目实战-数据处理与特征提取/

  *   01 任务概述.mp4 04:25

  *   02 处理流程与数据简介.mp4 07:52

  *   03 数据处理.mp4 07:42

  *   04 单变量绘图分析.mp4 07:26

  *   05 离群点剔除.mp4 06:44

  *   06 变量与结果的关系.mp4 08:26

  *   07 多变量展示.mp4 09:49

  *   08 特征工程.mp4 14:06

*   20 机器学习项目实战-建模与分析/

  *   01 dataleakage问题.mp4 09:05

  *   02 基础模型对比.mp4 10:17

  *   03 选择参数.mp4 11:27

  *   04 测试模型效果.mp4 08:18

  *   05 模型的结果解释与参数分析.mp4 08:58

  *   06 机器学习常用模型分析方法介绍.mp4 10:59