麦子学院-人工智能教程

课程简介

这份资料解决什么问题这套教程聚焦的是传统机器学习与经典算法工程化落地，核心解决的是开发者只会调用第三方库接口、却不清楚底层推导与参数调优的问题。课程内容没有空谈概念，而是把决策树、贝叶斯、时间序列、降维与推荐系统拆解成具体模块。比如在决策树部分，它不仅讲信息增益和信息增益率，还单独拿出一节讲剪枝策略与参数调试；在推荐系统部分，从相似度计算切入，逐步过渡到…

已有 0 人浏览发布 2026-10-03 更新 2026-10-03

这份资料解决什么问题

这套教程聚焦的是传统机器学习与经典算法工程化落地，核心解决的是开发者只会调用第三方库接口、却不清楚底层推导与参数调优的问题。课程内容没有空谈概念，而是把决策树、贝叶斯、时间序列、降维与推荐系统拆解成具体模块。比如在决策树部分，它不仅讲信息增益和信息增益率，还单独拿出一节讲剪枝策略与参数调试；在推荐系统部分，从相似度计算切入，逐步过渡到基于用户和物品的协同过滤，再延伸到隐语义模型求解。这种结构非常适合用来对照写代码，而不是单纯看视频走马观花。对于想要夯实机器学习底层基础、准备搭建可复用算法模块的开发者来说，这是一份能直接上手的工程参考资料。

适合的基础与建议先看的模块

阅读这份资料需要具备基本的 Python 编程能力，了解线性代数与概率统计基础概念，最好写过简单的数据处理脚本。如果完全没接触过科学计算库，建议先补齐基础语法再来对照实践。拿到资料后，建议优先看决策树与随机森林、贝叶斯算法、以及降维这三个板块。决策树那一节从熵原理解读开始，配合构造实例与剪枝参数讲解，能帮你快速建立特征选择与模型复杂度权衡的直觉。贝叶斯部分通过垃圾邮件过滤和拼写检查器两个实例，把先验概率与后验概率的计算直接落到代码逻辑上。降维板块的 PCA 与 SVD 原理讲解值得反复对照推导，尤其是 SVD 在推荐系统中的应用，能串联起矩阵分解与协同过滤的底层逻辑，是后续做推荐模块复用的关键基础。

学完能独立做什么与资料配合方法

完整对照实践后，你能独立完成几个可落地的工程任务：用决策树与随机森林做分类预测并调优树参数、用贝叶斯实现文本过滤与分类器、用 ARIMA 模型处理时间序列预测任务、基于协同过滤搭建基础的推荐系统原型。资料配合练习的方法是：先过一遍原理讲解视频，理解算法的数学背景与核心思路；接着看实例演示部分，暂停视频自己用 Python 复现一遍数据处理与模型训练流程；最后参考案例参数调试章节，换一份公开数据集重新跑通整个流程。比如学时间序列时，先弄懂差分法与平稳性检验，再动手实现 ARIMA 参数选择与模型评估。学推荐系统时，把相似度计算函数封装成独立工具模块，后续做协同过滤和隐语义模型时直接复用。这种边看边写边重构的方式，比单纯刷完所有视频有效得多。

课程目录

📁 第二阶段：机器学习经典算法
📁 09PCA降维与SVD矩阵分解
3.SVD原理【公重号：CunWorkNotes】.mp4 [42.0 MB]
2.PCA闄嶇淮瀹炰緥.mp4 [48.0 MB]
4.SVD推荐系统.mp4 [29.6 MB]
📁 08神经网络架构
4.感受神经网络的强大.mp4 [160.6 MB]
3.过拟合解决方案.mp4 [39.0 MB]
1.整体架构.mp4 [24.6 MB]
2.瀹炰緥婕旂ず.mp4 [49.1 MB]
📁 02决策树与随机森林
4.淇℃伅澧炵泭.mp4 [14.3 MB]
8.案例决策树参数.mp4 [58.7 MB]
2.熵原理形象解读.mp4 [80.6 MB]
3.决策树构造实例.mp4 [27.8 MB]
📁 06时间序列AIRMA模型
3.相关函数评估方法.mp4 [102.2 MB]
5.鍙傛暟閫夋嫨.mp4 [43.2 MB]
1.数据平稳性与差分法.mp4 [30.8 MB]
📁 11推荐系统
7.隐语义模型【持续更新‖免费提供：CunworknoteS】.mp4 [18.5 MB]
3.推荐系统要完成的任务.mp4 [16.4 MB]
2.推荐系统应用.mp4 [74.6 MB]
8.隐语义模型求解.mp4 [24.3 MB]
6.基于物品的协同过滤.mp4 [35.3 MB]
9.模型评估标准.mp4 [17.9 MB]
5.基于用户的协同过滤.mp4 [51.0 MB]
📁 03贝叶斯算法
1.贝叶斯算法概述【整理不易‖记得关注：CunWorKNotes】.mp4 [17.7 MB]
5.贝叶斯实现拼写检查器.mp4 [48.0 MB]
4.垃圾邮件过滤实例.mp4 [35.7 MB]
3.贝叶斯拼写纠错实例.mp4 [29.3 MB]
2.贝叶斯推导实例.mp4 [43.7 MB]
📁 05支持向量机算法
6.软间隔支持向量机.mp4 [16.9 MB]
1.支持向量机要解决的问题.mp4 [12.5 MB]
2.支持向量机求解目标.mp4 [75.5 MB]
4.支持向量机求解例子.mp4 [28.2 MB]
3.支持向量机目标函数求解.mp4 [24.1 MB]
5.支持向量的作用.mp4 [21.9 MB]
📁 04 Xgboost
3.xgboost目标函数推导.mp4 [30.3 MB]
5.xgboost安装【不易整理‖请关注：CunWorkNoteS】.mp4 [11.0 MB]
2.xgboost基本原理.mp4 [54.1 MB]
7.Adaboost绠楁硶姒傝堪.mp4 [33.7 MB]
1.集成思想.mp4 [13.3 MB]
6.xgboost实战演示.mp4 [162.4 MB]
📁 01回归算法
7.梯度下降原理.mp4 [20.8 MB]
6.梯度下降实例【整理不易‖记得关注：CunWorKNotes】.mp4 [40.2 MB]
1.机器学习概述(1).mp4 [23.9 MB]
2.鍥炲綊绠楁硶.mp4 [47.1 MB]
5.逻辑回归原理.mp4 [14.7 MB]
4.目标函数求解.mp4 [29.0 MB]
3.线性回归误差原理推导.mp4 [31.1 MB]
📁 07神经网络基础
4.超参数与交叉验证.mp4 [26.4 MB]
8.softmax分类器【不易整理‖请关注：CunWorkNoteS】.mp4 [77.1 MB]
10.最优化问题细节【资源精选‖更多关注：CunworkNotes】.mp4 [28.4 MB]
1.深度学习概述.mp4 [32.7 MB]
2.挑战与常规套路【不易整理‖请关注：CunWorkNoteS】.mp4 [64.4 MB]
11.鍙嶅悜浼犳挱.mp4 [37.2 MB]
9.最优化形象解读.mp4 [17.3 MB]
3.用K近邻来进行分类.mp4 [25.4 MB]
7.正则化惩罚项.mp4 [17.6 MB]
📁 12Word2Vec
10.锑度上升求解【整理不易‖记得关注：CunWorKNotes】.mp4 [55.1 MB]
4.N-gram模型【持续更新‖免费提供：CunworknoteS】.mp4 [21.4 MB]
6.神经网络模型.mp4 [25.0 MB]
2.自然语言处理与深度学习.mp4 [65.4 MB]
📁 10聚类算法
2.使用Kmeans进行图像压缩.mp4 [67.4 MB]
1.聚类算法概述.mp4 [42.9 MB]
📁 第一阶段：Python数据分析与建模库
📁 01Python快速入门
4.LIST基础【优质资源‖关注：cunWorkNotes 解锁】.mp4 [74.5 MB]
9.文件处理.mp4 [110.6 MB]
6.循环结构.mp4 [30.9 MB]
10.函数基础.mp4 [11.4 MB]
1.系列课程环境配置.mp4 [82.6 MB]
7.判断结构.mp4 [15.0 MB]
3.鍙橀噺绫诲瀷.mp4 [19.7 MB]
📁 03数据分析处理库Pandas
4.Series结构.mp4 [29.8 MB]
3.常用函数【更多精选‖公众号：CunWorknotes】 .mp4 [182.5 MB]
1.数据读取.mp4 [40.2 MB]
2.数据预处理.mp4 [35.6 MB]
📁 02科学计算库Numpy
1.数据结构.mp4 [38.4 MB]
2.鍩烘湰鎿嶄綔].mp4 [72.4 MB]
📁 05Seaborn可视化库
10.Facetgrid使用方法【整理不易‖记得关注：CunWorKNotes】.mp4 [25.3 MB]
8.多变量分析绘图.mp4 [30.7 MB]
6.单变量分析绘图.mp4 [94.5 MB]
2.整体布局风格设置.mp4 [86.5 MB]
1.课程简介.mp4 [7.6 MB]
9.鍒嗙被灞炴€х粯.mp4 [104.2 MB]
5.调色板颜色设置.mp4 [24.6 MB]
7.回归分析绘图.mp4 [28.3 MB]
3.风格细节设置.mp4 [23.6 MB]
📁 04可视化库Matplotlib
4.柱形图与盒图【更多精选‖公众号：CunWorknotes】 .mp4 [32.2 MB]
3.条形图与散点图.mp4 [34.7 MB]
5.缁嗚妭璁剧疆.mp4 [90.1 MB]
2.瀛愬浘鎿嶄綔.mp4 [138.6 MB]
📁 第三阶段：机器学习案例实战
📁 06TensorFlow框架
4.线性回归模型.mp4 [46.1 MB]
8.完成神经网络.mp4 [43.2 MB]
5.逻辑回归框架.mp4 [40.2 MB]
9.卷积神经网络模型.mp4 [34.1 MB]
10.卷积神经网络参数.mp4 [319.2 MB]
7.神经网络模型.mp4 [86.6 MB]
6.逻辑回归迭代.mp4 [51.8 MB]
📁 02案例实战-信用卡欺诈检测
6.正则化惩罚【整理不易‖记得关注：CunWorKNotes】.mp4 [21.6 MB]
4.交叉验证【不易整理‖请关注：CunWorkNoteS】.mp4 [35.6 MB]
5.模型评估方法【不易整理‖请关注：CunWorkNoteS】.mp4 [34.8 MB]
1.案例背景和目标【整理不易‖记得关注：CunWorKNotes】.mp4 [26.4 MB]
10.SMOTE样本生成策略.mp4 [59.0 MB]
8.娣锋穯鐭╅樀.mp4 [100.7 MB]
2.样本不均衡解决方案.mp4 [110.1 MB]
9.逻辑回归阈值对结果的影响.mp4 [30.6 MB]
7.逻辑回归模型.mp4 [24.7 MB]
📁 03Python文本数据分析
3.新闻数据与任务简介【资源精选‖更多关注：CunworkNotes】.mp4 [42.6 MB]
1.文本分析与关键词提取【公重号：CunWorkNotes】.mp4 [30.5 MB]
6.基于贝叶斯算法进行新闻分类.mp4 [64.4 MB]
📁 07MNIST手写字体识别
5.训练网络模型.mp4 [46.7 MB]
1.神经网络模型概述.mp4 [33.0 MB]
4.构造网络结构.mp4 [42.3 MB]
📁 08Gensim中文词向量建模
2.维基百科中文数据处理【更多精选‖公众号：CunWorknotes】 .mp4 [159.8 MB]
1.使用Gensim库构造词向量.mp4 [22.6 MB]
4.测试模型相似度结果.mp4 [27.0 MB]
📁 04Kaggle竞赛案例-泰坦尼克获救预测
2.数据预处理.mp4 [211.8 MB]
4.随机森林模型.mp4 [52.5 MB]
5.鐗瑰緛閫夋嫨.mp4 [40.1 MB]
1.数据介绍.mp4 [26.0 MB]
📁 05时间序列案例实战
3.Pandas婊戝姩绐楀彛.mp4 [22.0 MB]
5.使用tsfresh库进行分类任务.mp4 [217.0 MB]
1.Pandas生成时间序列.mp4 [38.2 MB]
6.维基百科词条EDA.mp4 [58.7 MB]
4.股票预测案例.mp4 [35.2 MB]
2.Pandas数据重采样.mp4 [91.2 MB]
📁 09探索性数据分析-赛事数据集分析
6.特征可视化展示.mp4 [42.8 MB]
1.开场 (1)【不易整理‖请关注：CunWorkNoteS】.mp4 [6.7 MB]
7.多特征之间关系分析【公重号：CunWorkNotes】.mp4 [38.9 MB]
5.缺失值可视化分析.mp4 [57.3 MB]
8.报表可视化分析.mp4 [39.6 MB]
3.数据读取与预处理.mp4 [198.2 MB]
2.数据背景介绍.mp4 [37.6 MB]
4.数据切分模块.mp4 [51.9 MB]
9.红牌和肤色的关系.mp4 [301.2 MB]
📁 10 探索性数据分析-农粮数据分析
5.数据对数变换.mp4 [30.5 MB]
2.数据切片分析【优质资源‖关注：cunWorkNotes 解锁】.mp4 [259.2 MB]
6.数据分析维度【资源精选‖更多关注：CunworkNotes】.mp4 [91.0 MB]
7.变量关系可视化展示.mp4 [51.1 MB]
1.数据背景简介.mp4 [42.3 MB]
📁 01使用Python分析科比生涯数据
1.科比数据集简介.mp4 [36.0 MB]
2.数据预处理 (1).mp4 [139.7 MB]