[人工智能]小白零基础入门到实战人工智能机器学习课程

├─01-第一模块：Python快速入门 │  │ │  ├─01-1-Python环境配置 │  │      01-1-Python环境配置.ts │  │ │  ├─02-2-Python库安装工具 │  │      01-2-Python库安装工具.ts │  │ │  ├─03-3-Notebook工具使用 │  │      01-3-Notebook工具使用.ts │  │ │  ├─04-4-Python简介 │  │      01-4-Python简介.ts │  │ │  ├─05-5-Python数值运算 │  │      01-5-Python数值运算.ts │  │ │  ├─06-6-Python字符串操作 │  │      01-6-Python字符串操作.ts │  │ │  ├─07-7-1-索引结构 │  │      01-7-1-索引结构.ts │  │ │  ├─08-7-2-List基础结构 │  │      01-7-2-List基础结构.ts │  │ │  ├─09-8-List核心操作 │  │      01-8-List核心操作.ts │  │ │  ├─10-9-字典基础定义 │  │      01-9-字典基础定义.ts │  │ │  ├─11-10-字典的核心操作 │  │      01-10-字典的核心操作.ts │  │ │  ├─12-11-Set结构 │  │      01-11-Set结构.ts │  │ │  ├─13-12-赋值机制 │  │      01-12-赋值机制.ts │  │ │  ├─14-13-判断结构 │  │      01-13-判断结构.ts │  │ │  ├─15-14-循环结构 │  │      01-14-循环结构.ts │  │ │  ├─16-15-函数定义 │  │      01-15-函数定义.ts │  │ │  ├─17-16-模块与包 │  │      01-16-模块与包.ts │  │ │  ├─18-17-异常处理模块 │  │      01-17-异常处理模块.ts │  │ │  ├─19-18-文件操作 │  │      01-18-文件操作.ts │  │ │  ├─20-19-类的基本定义 │  │      01-19-类的基本定义.ts │  │ │  ├─21-20-类的属性操作 │  │      01-20-类的属性操作.ts │  │ │  ├─22-21-时间操作 │  │      01-21-时间操作.ts │  │ │  ├─23-22-Python练习题-1 │  │      01-22-Python练习题-1.ts │  │ │  └─24-23-Python练习题-2 │          01-23-Python练习题-2.ts │ ├─02-第二模块：Python数据科学必备工具包实战 │  ├─01-科学计算库-Numpy │  │      01-1-Numpy概述.ts │  │      02-2-Array数组.ts │  │      03-3-数组结构.ts │  │      04-4-数组类型.ts │  │      05-5-数值运算.ts │  │      06-6-排序操作.ts │  │      07-7-数组形状操作.ts │  │      08-8-数组生成函数.ts │  │      09-9-常用生成函数.ts │  │      10-10-四则运算.ts │  │      11-11-随机模块.ts │  │      12-12-文件读写.ts │  │      13-13-数组保存.ts │  │      14-14-练习题-1.ts │  │      15-15-练习题-2.ts │  │      16-16-练习题-3.ts │  │      17-13-Pandas常用操作.ts │  │      18-14-Pandas常用操作2.ts │  │ │  ├─02-数据分析处理库-Pandas │  │      01-1-Pandas概述.ts │  │      02-2-Pandas基本操作.ts │  │      03-3-Pandas索引.ts │  │      04-4-groupby操作.ts │  │      05-5-数值运算1.ts │  │      06-6-对象操作.ts │  │      07-7-对象操作2.ts │  │      08-8-merge操作.ts │  │      09-9-显示设置.ts │  │      10-10-数据透视表.ts │  │      11-11-时间操作.ts │  │      12-12-时间序列操作.ts │  │      13-15-Groupby操作延伸.ts │  │      14-16-字符串操作.ts │  │      15-17-索引进阶.ts │  │      16-18-Pandas绘图操作.ts │  │      17-19-大数据处理技巧.ts │  │ │  ├─03-.可视化库-Matplotlib │  │      01-1-Matplotlib概述.ts │  │      02-2-子图与标注.ts │  │      03-3-风格设置.ts │  │      04-4-条形图.ts │  │      05-5-条形图细节.ts │  │      06-6-条形图外观.ts │  │      07-7-盒图绘制.ts │  │      08-8-盒图细节.ts │  │      09-9-绘图细节设置.ts │  │      10-10-绘图细节设置2.ts │  │      11-11-直方图与散点图.ts │  │      12-12-3D图绘制.ts │  │      13-13-pie图.ts │  │      14-14-子图布局.ts │  │      15-15-结合pandas与sklearn.ts │  │ │  └─04-可视化库-Seaborn │          01-0-课程简介.ts │          02-1整体布局风格设置.ts │          03-2风格细节设置.ts │          04-3调色板.ts │          05-4调色板颜色设置.ts │          06-5单变量分析绘图.ts │          07-6回归分析绘图.ts │          08-7多变量分析绘图.ts │          09-8分类属性绘图.ts │          10-9Facetgrid使用方法.ts │          11-10Facetgrid绘制多变量.ts │          12-11热度图绘制.ts │ ├─03-第三模块：人工智能-必备数学课程 │  ├─01-高等数学基础 │  │      01-0-课程简介.ts │  │      02-1-函数.ts │  │      03-2-极限.ts │  │      04-3-无穷小与无穷大.ts │  │      05-4-连续性与导数.ts │  │      06-5-偏导数.ts │  │      07-6-方向导数.ts │  │      08-7-梯度.ts │  │ │  ├─02-微积分 │  │      01-1-微积分基本想法.ts │  │      02-2-微积分的解释.ts │  │      03-3-定积分.ts │  │      04-4-定积分性质.ts │  │      05-5-牛顿-莱布尼茨公式.ts │  │ │  ├─03-泰勒公式与拉格朗日 │  │      01-1-泰勒公式出发点.ts │  │      02-2-一点一世界.ts │  │      03-3-阶数的作用.ts │  │      04-4-阶乘的作用.ts │  │      05-5-拉格朗日乘子法.ts │  │      06-6-求解拉格朗日乘子法.ts │  │ │  ├─04-线性代数基础 │  │      01-1-行列式概述.ts │  │      02-2-矩阵与数据的关系.ts │  │      03-3-矩阵基本操作.ts │  │      04-4-矩阵的几种变换.ts │  │      05-5-矩阵的秩.ts │  │      06-6-内积与正交.ts │  │ │  ├─05-特征值与矩阵分解 │  │      01-1-特征值与特征向量.ts │  │      02-2-特征空间与应用.ts │  │      03-1-SVD要解决的问题.ts │  │      04-4-特征值分解.ts │  │      05-5-SVD矩阵分解.ts │  │ │  ├─06-随机变量 │  │      01-1-离散型随机变量.ts │  │      02-2-连续型随机变量.ts │  │      03-3-简单随机抽样.ts │  │      04-4-似然函数.ts │  │      05-5-极大似然估计.ts │  │ │  ├─07-概率论基础 │  │      01-1-概率与频率.ts │  │      02-2-古典概型.ts │  │      03-3-条件概率.ts │  │      04-4-条件概率小例子.ts │  │      05-5-独立性.ts │  │      06-6-二维离散型随机变量.ts │  │      07-7-二维连续型随机变量.ts │  │      08-8-边缘分布.ts │  │      09-9-期望.ts │  │      10-10-期望求解.ts │  │      11-11-马尔科夫不等式.ts │  │      12-12-切比雪夫不等式.ts │  │      13-13-后验概率估计.ts │  │      14-14-贝叶斯拼写纠错实例.ts │  │      15-15-垃圾邮件过滤实例.ts │  │ │  ├─08-数据科学你得知道的几种分布 │  │      01-1-正太分布.ts │  │      02-2-二项式分布.ts │  │      03-3-泊松分布.ts │  │      04-4-均匀分布.ts │  │      05-5-卡方分布.ts │  │      06-6-beta分布.ts │  │ │  ├─09-核函数变换 │  │      01-1-核函数的目的.ts │  │      02-2-线性核函数.ts │  │      03-3-多项式核函数.ts │  │      04-4-核函数实例.ts │  │      05-5-高斯核函数.ts │  │      06-6-参数的影响.ts │  │ │  ├─10-熵与激活函数 │  │      01-1-熵的概念.ts │  │      02-2-熵的大小意味着什么.ts │  │      03-3-激活函数.ts │  │      04-4-激活函数的问题.ts │  │ │  ├─11-回归分析 │  │      01-1-回归分析概述.ts │  │      02-2-回归方程定义.ts │  │      03-3-误差项的定义.ts │  │      04-4-最小二乘法推导与求解.ts │  │      05-5-回归方程求解小例子.ts │  │      06-6-回归直线拟合优度.ts │  │      07-7-多元与曲线回归问题.ts │  │      08-8-Python工具包介绍.ts │  │      09-9-statsmodels回归分析.ts │  │      10-10-高阶与分类变量实例.ts │  │      11-11-案例：汽车价格预测任务概述.ts │  │      12-12-案例：缺失值填充.ts │  │      13-13-案例：特征相关性.ts │  │      14-14-案例：预处理问题.ts │  │      15-15-案例：回归求解.ts │  │ │  ├─12-假设检验 │  │      01-1-假设检验基本思想.ts │  │      02-2-左右侧检验与双侧检验.ts │  │      03-3-Z检验基本原理.ts │  │      04-4-Z检验实例.ts │  │      05-5-T检验基本原理.ts │  │      06-6-T检验实例.ts │  │      07-7-T检验应用条件.ts │  │      08-8-卡方检验.ts │  │      09-9-假设检验中的两类错误.ts │  │      10-10-Python假设检验实例.ts │  │      11-11-Python卡方检验实例.ts │  │ │  ├─13-相关分析 │  │      01-1-相关分析概述.ts │  │      02-2-皮尔森相关系数.ts │  │      03-3-计算与检验.ts │  │      04-4-斯皮尔曼等级相关.ts │  │      05-5-肯德尔系数.ts │  │      06-6-质量相关分析.ts │  │      07-7-偏相关与复相关.ts │  │ │  ├─14-方差分析 │  │      01-1-方差分析概述.ts │  │      02-2-方差的比较.ts │  │      03-3-方差分析计算方法.ts │  │      04-4-方差分析中的多重比较.ts │  │      05-5-多因素方差分析.ts │  │      06-6-Python方差分析实例.ts │  │ │  ├─15-聚类分析 │  │      01-1-层次聚类概述.ts │  │      02-2-层次聚类流程.ts │  │      03-3-层次聚类实例.ts │  │      04-4-1-KMEANS算法概述.ts │  │      05-4-2-KMEANS工作流程.ts │  │      06-4-3-KMEANS迭代可视化展示.ts │  │      07-5-1-DBSCAN聚类算法.ts │  │      08-5-2-DBSCAN工作流程.ts │  │      09-5-3-DBSCAN可视化展示.ts │  │      10-6-1-多种聚类算法概述.ts │  │      11-6-2-聚类案例实战.ts │  │ │  └─16-贝叶斯分析 │          01-1-贝叶斯分析概述.ts │          02-2-概率的解释.ts │          03-3-贝叶斯学派与经典统计学派的争论.ts │          04-4-贝叶斯算法概述.ts │          05-5-贝叶斯推导实例.ts │          06-6-贝叶斯拼写纠错实例.ts │          07-7-垃圾邮件过滤实例.ts │          08-8-贝叶斯解释.ts │          09-9-经典求解思路.ts │          10-10-MCMC概述.ts │          11-11-PYMC3概述.ts │          12-12-模型诊断.ts │          13-13-模型决策.ts │ ├─04-第四模块：机器学习算法精讲及其案例应用 │  ├─01-线性回归原理推导 │  │      01-0-课程简介1.ts │  │      02-1-回归问题概述.ts │  │      03-2-误差项定义.ts │  │      04-3-独立同分布的意义.ts │  │      05-4-似然函数的作用.ts │  │      06-5-参数求解.ts │  │      07-6-梯度下降通俗解释.ts │  │      08-7参数更新方法.ts │  │      09-8-优化参数设置.ts │  │ │  ├─02-线性回归代码实现 │  │      01-线性回归整体模块概述.ts │  │      02-初始化步骤.ts │  │      03-实现梯度下降优化模块.ts │  │      04-损失与预测模块.ts │  │      05-数据与标签定义.ts │  │      06-训练线性回归模型.ts │  │      07-得到线性回归方程.ts │  │      08-整体流程debug解读.ts │  │      09-多特征回归模型.ts │  │      10-非线性回归.ts │  │ │  ├─03-模型评估方法 │  │      01-1-Sklearn工具包简介.ts │  │      02-2-数据集切分.ts │  │      03-3-交叉验证的作用.ts │  │      04-4-交叉验证实验分析.ts │  │      05-5-混淆矩阵.ts │  │      06-6-评估指标对比分析.ts │  │      07-7-阈值对结果的影响.ts │  │      08-8-ROC曲线.ts │  │ │  ├─04-线性回归实验分析 │  │      01-1-实验目标分析.ts │  │      02-2-参数直接求解方法.ts │  │      03-3-预处理对结果的影响.ts │  │      04-4-梯度下降模块.ts │  │      05-5-学习率对结果的影响.ts │  │      06-6-随机梯度下降得到的效果.ts │  │      07-7-MiniBatch方法.ts │  │      08-8-不同策略效果对比.ts │  │      09-9-多项式回归.ts │  │      10-10-模型复杂度.ts │  │      11-11-样本数量对结果的影响.ts │  │      12-12-正则化的作用.ts │  │      13-13-岭回归与lasso.mp4 │  │      14-14-实验总结.ts │  │ │  ├─05-逻辑回归实验分析 │  │      01-1-逻辑回归算法原理.ts │  │      02-2-化简与求解.ts │  │ │  ├─06-逻辑回归代码实现 │  │      01-1-多分类逻辑回归整体思路.ts │  │      02-2-训练模块功能.ts │  │      03-3-完成预测模块.ts │  │      04-4-优化目标定义.ts │  │      05-5-迭代优化参数.ts │  │      06-6-梯度计算.ts │  │      07-7-得出最终结果.ts │  │      08-8-鸢尾花数据集多分类任务.ts │  │      09-9-训练多分类模型.ts │  │      10-10-准备测试数据.ts │  │      11-11-决策边界绘制.ts │  │      12-12-非线性决策边界.ts │  │ │  ├─07-逻辑回归实验分析 │  │      01-1-逻辑回归实验概述.ts │  │      02-2-概率结果随特征数值的变化.ts │  │      03-3-可视化展示.ts │  │      04-4-坐标棋盘制作.ts │  │      05-5-分类决策边界展示分析.ts │  │      06-6-多分类-softmax.ts │  │ │  ├─08-聚类算法-Kmeans&Dbscan原理 │  │      01-1-KMEANS算法概述.ts │  │      02-2-KMEANS工作流程.ts │  │      03-3-KMEANS迭代可视化展示.ts │  │      04-4-DBSCAN聚类算法.ts │  │      05-5-DBSCAN工作流程.ts │  │      06-6-DBSCAN可视化展示.ts │  │ │  ├─09-Kmeans代码实现 │  │      01-1-Kmeans算法模块概述.ts │  │      02-2-计算得到簇中心点.ts │  │      03-3-样本点归属划分.ts │  │      04-4-算法迭代更新.ts │  │      05-5-鸢尾花数据集聚类任务.ts │  │      06-6-聚类效果展示.ts │  │ │  ├─10-聚类算法实验分析 │  │      01-1-Kmenas算法常用操作.ts │  │      02-2-Kmenas算法常用操作_20190805_232034.ts │  │      03-1-聚类结果展示.ts │  │      04-2-聚类结果展示_20190805_232030.ts │  │      05-1-建模流程解读.ts │  │      06-2-建模流程解读_20190805_232032.ts │  │      07-2-不稳定结果_20190805_232028.ts │  │      08-1-不稳定结果.ts │  │      09-1-评估指标-Inertia.ts │  │      10-2-评估指标-Inertia_20190805_232027.ts │  │      11-1-如何找到合适的K值_20190805_232026.ts │  │      12-2-如何找到合适的K值_20190805_232026.ts │  │      13-2-Kmenas算法存在的问题.ts │  │      14-1-轮廓系数的作用_20190805_232028.ts │  │      15-1-Kmenas算法存在的问题_20190805_232023.ts │  │      16-2-应用实例-图像分割.ts │  │      17-1-应用实例-图像分割_20190805_232021.ts │  │      18-2-半监督学习_20190805_232033.ts │  │      19-1-半监督学习.ts │  │      20-1-DBSCAN算法.ts │  │      21-2-DBSCAN算法_20190805_232033.ts │  │ │  ├─11-决策树原理 │  │      01-1-决策树算法概述.ts │  │      02-2-熵的作用.ts │  │      03-3-信息增益原理.ts │  │      04-4-决策树构造实例.ts │  │      05-5-信息增益率与gini系数.ts │  │      06-6-预剪枝方法.ts │  │      07-7-后剪枝方法.ts │  │      08-8-回归问题解决.ts │  │ │  ├─12-决策树代码实现 │  │      01-整体模块概述.ts │  │      02-递归生成树节点.ts │  │      03-整体框架逻辑.ts │  │      04-熵值计算.ts │  │      05-数据集切分.ts │  │      06-完成树模型构建.ts │  │      07-测试算法效果.ts │  │ │  ├─13-决策树实验分析 │  │      01-1-树模型可视化展示.ts │  │      02-2-决策边界展示分析.ts │  │      03-3-树模型预剪枝参数作用.ts │  │      04-4-回归树模型.ts │  │ │  ├─14-集成算法原理 │  │      01-1-随机森林算法原理.ts │  │      02-2-随机森林优势与特征重要性指标.ts │  │      03-3-提升算法概述.ts │  │      04-4-stacking堆叠模型.ts │  │ │  ├─15-集成算法实验分析 │  │      01-1-构建实验数据集.ts │  │      02-2-硬投票与软投票效果对比.ts │  │      03-3-Bagging策略效果.ts │  │      04-4-集成效果展示分析.ts │  │      05-5-OOB袋外数据的作用.ts │  │      06-6-特征重要性热度图展示.ts │  │      07-7-Adaboost算法概述.ts │  │      08-8-Adaboost决策边界效果.ts │  │      09-9-GBDT提升算法流程.ts │  │      10-10-集成参数对比分析.ts │  │      11-11-模型提前停止策略.ts │  │      12-12-停止方案实施.ts │  │      13-13-堆叠模型.ts │  │ │  ├─16-支持向量机原理推导 │  │      01-1-支持向量机要解决的问题.ts │  │      02-2-距离与数据定义.ts │  │      03-3-目标函数推导.ts │  │      04-4-拉格朗日乘子法求解.ts │  │      05-5-化简最终目标函数.ts │  │      06-6-求解决策方程.ts │  │      07-7-软间隔优化.ts │  │      08-8-核函数的作用.ts │  │      09-9-知识点总结.ts │  │ │  ├─17-支持向量机实验分析 │  │      01-1-支持向量机所能带来的效果.ts │  │      02-2-决策边界可视化展示.ts │  │      03-3-软间隔的作用.ts │  │      04-4-非线性SVM.ts │  │      05-5-核函数的作用与效果.ts │  │ │  ├─18-神经网络算法原理 │  │      01-1-深度学习要解决的问题.ts │  │      02-2-深度学习应用领域.ts │  │      03-3-计算机视觉任务.ts │  │      04-4-视觉任务中遇到的问题.ts │  │      05-5-得分函数.ts │  │      06-6-损失函数的作用.ts │  │      07-7-前向传播整体流程.ts │  │      08-8-返向传播计算方法.ts │  │      09-9-神经网络整体架构.ts │  │      10-10-神经网络架构细节.ts │  │      11-11-神经元个数对结果的影响.ts │  │      12-12-正则化与激活函数.ts │  │      13-13-神经网络过拟合解决方法.ts │  │ │  ├─19-神经网络代码实现 │  │      01-1-神经网络整体框架概述.ts │  │      02-2-参数初始化操作.ts │  │      03-3-矩阵向量转换.ts │  │      04-4-向量反变换.ts │  │      05-5-完成前向传播模块.ts │  │      06-6-损失函数定义.ts │  │      07-7-准备反向传播迭代.ts │  │      08-8-差异项计算.ts │  │      09-9-逐层计算.ts │  │      10-10-完成全部迭代更新模块.ts │  │      11-11-手写字体识别数据集.ts │  │      12-12-算法代码错误修正.ts │  │      13-13-模型优化结果展示.ts │  │      14-14-测试效果可视化展示.ts │  │ │  ├─20-贝叶斯算法原理 │  │      01-1-贝叶斯要解决的问题.ts │  │      02-2-贝叶斯公式推导.ts │  │      03-3-垃圾邮件过滤实例.ts │  │      04-4-拼写纠错实例.ts │  │ │  ├─21-贝叶斯代码实现 │  │      01-1-朴素贝叶斯算法整体框架.ts │  │      02-2-邮件数据读取.ts │  │      03-3-预料表与特征向量构建.ts │  │      04-4-分类别统计词频.ts │  │      05-5-贝叶斯公式对数变换.ts │  │      06-6-完成预测模块.ts │  │ │  ├─22-关联规则实战分析 │  │      01-1-关联规则概述.ts │  │      02-2-支持度与置信度.ts │  │      03-3-提升度的作用.ts │  │      04-4-Python实战关联规则.ts │  │      05-5-数据集制作.ts │  │      06-6-电影数据集题材关联分析.ts │  │ │  ├─23-关联规则代码实现 │  │      01-1-Apripri算法整体流程.ts │  │      02-2-数据集demo.ts │  │      03-3-扫描模块.ts │  │      04-4-拼接模块.ts │  │      05-5-挖掘频繁项集.ts │  │      06-6-规则生成模块.ts │  │      07-7-完成全部算法流程.ts │  │      08-8-规则结果展示.ts │  │ │  ├─24-词向量word2vec通俗解读 │  │      01-1-词向量模型通俗解释.ts │  │      02-2-模型整体框架.ts │  │      03-3-训练数据构建.ts │  │      04-4-CBOW与Skip-gram模型.ts │  │      05-5-负采样方案.ts │  │ │  ├─25-代码实现word2vec词向量模型 │  │      01-1-数据与任务流程.ts │  │      02-2-数据清洗.ts │  │      03-3-batch数据制作.ts │  │      04-4-网络训练.ts │  │      05-5-可视化展示.ts │  │ │  ├─26-线性判别分析降维算法原理解读 │  │      01-1-线性判别分析要解决的问题.ts │  │      02-2-线性判别分析要优化的目标.ts │  │      03-3-线性判别分析求解.ts │  │      04-4-实现线性判别分析进行降维任务.ts │  │      05-5-求解得出降维结果.ts │  │ │  ├─27-主成分分析降维算法原理解读 │  │      01-1-PCA基本概念.ts │  │      02-2-方差与协方差.ts │  │      03-3-PCA结果推导.ts │  │      04-4-PCA降维实例.ts │  │ │  ├─28-隐马尔科夫模型 │  │      01-1-马尔科夫模型.ts │  │      02-2-隐马尔科夫模型基本出发点.ts │  │      03-3-组成与要解决的问题.ts │  │      04-4-暴力求解方法.ts │  │      05-5-复杂度计算.ts │  │      06-6-前向算法.ts │  │      07-7-前向算法求解实例.ts │  │      08-8-Baum-Welch算法.ts │  │      09-9-参数求解.ts │  │      10-10-维特比算法.ts │  │ │  └─29-HMM应用实例 │          01-1-hmmlearn工具包.ts │          02-2-工具包使用方法.ts │          03-3-中文分词任务.ts │          04-4-实现中文分词.ts │ ├─05-第五模块：机器学习算法建模实战项目 │  ├─01-项目实战-交易数据异常检测 │  │      01-1-任务目标解读.ts │  │      02-2-项目挑战与解决方案制定.ts │  │      03-3-数据标准化处理.ts │  │      04-4-下采样数据集制作.ts │  │      05-5-交叉验证.ts │  │      06-6-数据集切分.ts │  │      07-7-模型评估方法与召回率.ts │  │      08-8-正则化惩罚项.ts │  │      09-9-训练逻辑回归模型.ts │  │      10-10-混淆矩阵评估分析.ts │  │      11-11-测试集遇到的问题.ts │  │      12-12-阈值对结果的影响.ts │  │      13-13-SMOTE样本生成策略.ts │  │      14-14-过采样效果与项目总结.ts │  │ │  ├─02-基于随机森林的气温预测实战 │  │      01-1-基于随机森林的气温预测任务概述.ts │  │      02-2-基本随机森林模型建立.ts │  │      03-3-可视化展示与特征重要性.ts │  │      04-4-加入新的数据与特征.ts │  │      05-5-数据与特征对结果的影响.ts │  │      06-6-效率对比分析.ts │  │      07-7-网格与随机参数选择.ts │  │      08-8-随机参数选择方法实践.ts │  │      09-9-调参优化细节.ts │  │ │  ├─03-贝叶斯新闻分类实战 │  │      01-1-新闻数据与任务概述.ts │  │      02-2-中文分词与停用词过滤.ts │  │      03-3-文本关键词提取.ts │  │      04-4-词袋模型.ts │  │      05-5-贝叶斯建模结果.ts │  │      06-6-TF-IDF特征分析对比.ts │  │ │  ├─04-推荐系统实战 │  │      01-1-音乐推荐任务概述.ts │  │      02-2-数据集整合.ts │  │      03-3-基于物品的协同过滤.ts │  │      04-4-物品相似度计算与推荐.ts │  │      05-5-SVD矩阵分解.ts │  │      06-6-基于矩阵分解的音乐推荐.ts │  │ │  ├─05-fbprophe时间序列预测 │  │      01-1-fbprophet股价预测任务概述.ts │  │      02-2-时间序列分析.ts │  │      03-3-fbprophet时间序列预测实例.mp4 │  │      04-4-亚马逊股价趋势.mp4 │  │      05-5-突变点调参.ts │  │ │  └─06-京东用户购买意向预测 │          01-1-项目与数据介绍.ts │          02-2-数据挖掘流程.ts │          03-3-数据检查.ts │          04-4-构建用户特征表单.ts │          05-5-构建商品特征表单.ts │          06-6-数据探索概述.ts │          07-7-购买因素分析.ts │          08-8-特征工程.ts │          09-9-基本特征构造.ts │          10-10-行为特征.ts │          11-11-累积行为特征.ts │          12-12-Xgboost模型.ts │ ├─06-第六模块：机器学习案例实战应用集锦 │  ├─01-Python实战关联规则 │  │      01-1-关联规则概述.ts │  │      02-2-支持度与置信度.ts │  │      03-3-提升度的作用.ts │  │      04-4-Python实战关联规则.ts │  │      05-5-数据集制作.ts │  │      06-6-电影数据集题材关联分析.ts │  │ │  ├─02-爱彼迎数据集分析与建模 │  │      01-1-数据与任务分析.ts │  │      02-2-提取月份信息进行统计分析.ts │  │      03-3-房价随星期变化的可视化展示.ts │  │      04-4-房屋信息指标分析.ts │  │      05-5-提取房屋常见设施.ts │  │      06-6-房屋规格热度图分析.ts │  │      07-7-预处理与建模准备.ts │  │      08-8-随机森林与LightGBM.ts │  │      09-9-训练与评估.ts │  │ │  ├─03-基于相似度的酒店推荐系统 │  │      01-1-数据与任务介绍.ts │  │      02-2-文本词频统计.ts │  │      03-3-ngram结果可视化展示.ts │  │      04-4-文本清洗.ts │  │      05-5-相似度计算.ts │  │      06-6-得出推荐结果.ts │  │ │  ├─04-商品销售额回归分析 │  │      01-1-数据任务分析.ts │  │      02-2-特征工程制作.ts │  │      03-3-统计指标生成.ts │  │      04-4-特征信息提取.ts │  │      05-5-标签变换.ts │  │      06-6-输入数据制作.ts │  │      07-7-Xgboost训练模型.ts │  │      08-8-生成输出结果.ts │  │ │  ├─05-绝地求生数据集探索分析与建模 │  │      01-1-数据与任务简介.ts │  │      02-2-数据问题探索与解决方案.ts │  │      03-3-剔除开挂数据.ts │  │      04-5-绘图统计分析.ts │  │      05-6-热度图展示.ts │  │      06-7-随机森林建模.ts │  │      07-8-特征重要性.ts │  │ │  ├─06-机器学习-模型解释方法实战 │  │      01-1-模型解释方法与实践.ts │  │      02-2-部分依赖图解释.ts │  │      03-3-双变量分析.ts │  │      04-4-ShapValues指标分析.ts │  │      05-5-疾病引起原因分析实战.ts │  │ │  ├─07-自然语言处理必备工具包实战 │  │      01-1-Python字符串处理.ts │  │      02-2-正则表达式基本语法.ts │  │      03-3-正则常用符号.ts │  │      04-4-常用函数介绍.ts │  │      05-5-NLTK工具包简介.ts │  │      06-6-停用词过滤.ts │  │      07-7-词性标注.ts │  │      08-8-数据清洗实例.ts │  │      09-9-Spacy工具包.ts │  │      10-10-名字实体匹配.ts │  │      11-11-恐怖袭击分析.ts │  │      12-12-统计分析结果.ts │  │      13-13-结巴分词器.ts │  │      14-14-词云展示.ts │  │ │  ├─08-NLP核心模型-Word2vec │  │      01-1-词向量模型通俗解释.ts │  │      02-2-模型整体框架.ts │  │      03-3-训练数据构建.ts │  │      04-4-CBOW与Skip-gram模型.ts │  │      05-5-负采样方案.ts │  │ │  ├─09-数据特征预处理 │  │      01-1-任务概述.ts │  │      02-2-词袋模型.ts │  │      03-3-词袋模型分析.ts │  │      04-4-TFIDF模型.ts │  │      05-5-word2vec词向量模型.ts │  │      06-6-深度学习模型.ts │  │ │  ├─10-10文本特征处理方法对比 │  │      01-1-数据与任务介绍.ts │  │      02-2-数据分析与可视化展示.ts │  │      03-3-连续值离散化与可视化细节.ts │  │      04-4-加载数据坐标到实际地图中进行分析.ts │  │      05-5-特征相关性分析.ts │  │      06-6-缺失值填充.ts │  │      07-7-sklearn工具包预处理模块.ts │  │      08-8-离散属性特征处理.ts │  │      09-9-构建合适的特征.ts │  │      10-10-序列化执行预处理操作.ts │  │      11-11-完成所有预处理操作.ts │  │      12-12-构建回归模型.ts │  │ │  ├─11-银行客户还款可能性预测 │  │      01-1-数据任务介绍及缺失值处理.ts │  │      02-2-EDA数据探索分析.ts │  │      03-3-特征展示分析.ts │  │      04-4-KDEPLOT展示.ts │  │      05-5-部分特征分析与可视化.ts │  │      06-6-数据检查与特征工程.ts │  │      07-7-多项式特征.ts │  │      08-8-自定义特征.ts │  │      09-9-逻辑回归模型.ts │  │      10-10-结果评估.ts │  │      11-11-必杀神奇：lightgbm.ts │  │ │  └─12-图像特征聚类分析实践 │          01-1-数据与任务流程分析.ts │          02-2-图片数据导入.ts │          03-3-图像特征编码.ts │          04-4-数组保存与读取.ts │          05-5-得出聚类结果.ts │          06-6-聚类效果可视化展示.ts │ ├─07-第七模块：机器学习竞赛优胜解决方案实战 │  ├─01-快手短视频用户活跃度分析 │  │      01-1-任务目标与数据分析..ts │  │      02-2-整体模型架构.ts │  │      03-3-构建用户特征序列.ts │  │      04-4-序列特征提取方法.ts │  │      05-5-生成特征汇总表.ts │  │      06-6-标签制作.ts │  │      07-7-网络训练模块.ts │  │      08-8-得出最终模型结果.ts │  │      09-0-课程简介.ts │  │ │  ├─02-工业化生产预测 │  │      01-1-数据任务概述.ts │  │      02-2-数据异常检查.ts │  │      03-3-时间特征提取.ts │  │      04-4-各道工序特征构建.ts │  │      05-5-准备训练数据.ts │  │      06-6-训练xgboost模型.ts │  │ │  ├─03-智慧城市-道路通行时间预测 │  │      01-1-数据与任务目标分析.ts │  │      02-2-数据清洗与标签转换.ts │  │      03-3-道路通行时间序列数据生成.ts │  │      04-4-序列缺失补全方法.ts │  │      05-5-基于回归与插值完成序列特征.ts │  │      06-6-基于回归与插值进行序列补全.ts │  │      07-7-特征汇总.ts │  │      08-8-建立回归模型进行预测.ts │  │ │  ├─04-特征工程建模可解释包 │  │      01-1-模型解释方法与实践.ts │  │      02-2-部分依赖图解释.ts │  │      03-3-双变量分析.ts │  │      04-4-ShapValues指标分析.ts │  │      05-5-疾病引起原因分析实战.ts │  │      06-1-竞赛与目标分析.ts │  │      07-1-特征对比分析方法.ts │  │      08-1-结果对比分析.ts │  │ │  ├─05-医学糖尿病数据命名实体识别 │  │      01-1-数据与任务介绍.ts │  │      02-2-整体模型架构.ts │  │      03-3-数据-标签-语料库处理.ts │  │      04-4-输入样本填充补齐.ts │  │      05-5-训练网络模型.ts │  │      06-6-医疗数据集（糖尿病）实体识别.ts │  │ │  ├─06-贷款平台风控模型+特征工程 │  │      01-1-竞赛任务目标.ts │  │      02-2-图模型信息提取.ts │  │      03-3-节点权重特征提取(PageRank).ts │  │      04-4-deepwalk构建图顶点特征.ts │  │      05-5-各项统计特征.ts │  │      06-6-app安装特征.ts │  │      07-7-图中联系人特征.ts │  │ │  ├─07-新闻关键词抽取模型 │  │      01-1-任务目标与数据集介绍.ts │  │      02-2-数据清洗与预处理.ts │  │      03-3-基本特征抽取.ts │  │      04-4-文章与词向量分析.ts │  │      05-5-权重划分.ts │  │      06-6-候选词统计特征.ts │  │      07-7-textrank特征提取.ts │  │      08-8-候选词相似度特征.ts │  │      09-9-特征工程汇总.ts │  │ │  ├─08-数据特征常用构建方法 │  │      01-1-基本数值特征.ts │  │      02-2-常用特征构造手段.ts │  │      03-3-时间特征处理.ts │  │      04-4-文本特征处理.ts │  │      05-5-构造文本向量.ts │  │      06-6-词向量特征.ts │  │      07-7-计算机眼中的图像.ts │  │ │  ├─09-用电敏感客户分类 │  │      01-1-任务与解决框架概述.ts │  │      02-2-特征工程分析与特征提取.ts │  │      03-3-离散数据处理.ts │  │      04-4-统计与文本特征.ts │  │      05-5-文本特征构建.ts │  │      06-6-构建低敏用户模型.ts │  │      07-7-高敏模型概述.ts │  │ │  └─10-机器学习项目实战模板 │          01-1-建筑能源利用效率任务概述.ts │          02-2-处理流程与数据简介.ts │          03-3-能源信息各项指标数据预处理.ts │          04-4-单变量绘图分析.ts │          05-5-离群点剔除.ts │          06-6-变量与结果的关系.ts │          07-7-多变量展示.ts │          08-8-特征工程的价值和方法.ts │          09-1-dataleakage问题.ts │          10-2-基础模型对比.ts │          11-3-选择参数.ts │          12-4-测试模型.ts │          13-5-模型解释.ts │          14-6-模型分析.ts │ ├─08-第八模块：Python金融分析与量化交易实战 │  ├─01-课程内容与大纲介绍 │  │      01-课程内容与大纲介绍.ts │  │ │  ├─02-金融数据时间序列分析 │  │      01-1-金融时间序列数据统计分析.ts │  │      02-2-序列变化情况分析计算.ts │  │      03-3-连续指标变化情况分析.ts │  │      04-4-时间序列重采样操作.ts │  │      05-5-短均与长均计算实例.ts │  │      06-6-指标相关情况分析.ts │  │      07-7-回归方程与相关系数实例.ts │  │ │  ├─03-1双均线交易策略实战 │  │      01-1-金叉与死叉介绍.ts │  │      02-2-买点与卖点可视化分析.ts │  │      03-3-策略收益效果分析.ts │  │      04-4-均线调参实例.ts │  │ │  ├─04-策略收益与风险评估指标解析 │  │      01-1-回测收益率指标解读.ts │  │      02-1-回测收益率指标解读.ts │  │      03-3-最大回撤区间.ts │  │      04-4-夏普比率的作用.ts │  │      05-5-阿尔法与贝塔概述.ts │  │ │  ├─05-量化交易与回测平台解读 │  │      01-1-量化交易概述.ts │  │      02-2-量化交易所需技能分析.ts │  │      03-3-Ricequant交易平台简介.ts │  │ │  ├─06-Ricequant回测选股分析实战 │  │      01-1-策略任务分析.ts │  │      02-2-股票池筛选.ts │  │      03-2-股票池筛选.ts │  │      04-4-定时器功能与作用.ts │  │ │  ├─07-因子数据预处理实战 │  │      01-1-百分位去极值方法.ts │  │      02-2-基于百分位去极值实例.ts │  │      03-3-Mad法去极值演示.ts │  │      04-4-3Sigma方法实例.ts │  │      05-5-标准化处理方法.ts │  │      06-6-中性化处理方法通俗解释.ts │  │      07-7-策略任务概述.ts │  │ │  ├─08-因子选股策略实战 │  │      01-1-股票数据获取.ts │  │      02-2-过滤筛选因子指标数据.ts │  │      03-3-因子数据预处理.ts │  │      04-4-股票池筛选.ts │  │      05-5-策略效果评估分析.ts │  │ │  ├─09-因子分析实战 │  │      01-5-策略效果评估分析.ts │  │      02-2-Alphalens工具包介绍.ts │  │      03-3-获取因子指标数据.ts │  │      04-4-获取给定区间全部数据.ts │  │      05-5-数据格式转换.ts │  │      06-6-IC指标值计算.ts │  │      07-7-工具包绘图展示.ts │  │      08-8-因子收益率简介.ts │  │ │  ├─10-因子打分选股实战 │  │      01-1-打分法选股策略概述.ts │  │      02-2-整体任务流程梳理.ts │  │      03-3-策略初始化与数据读取.ts │  │      04-4-因子打分与排序.ts │  │      05-5-完成选股方法.ts │  │      06-6-完成策略交易展示结果.ts │  │      07-7-策略总结与分析.ts │  │ │  ├─11-回归分析策略 │  │      01-1-回归问题概述.ts │  │      02-2-误差项定义.ts │  │      03-3-独立同分布的意义.ts │  │      04-4-似然函数的作用.ts │  │      05-5-参数求解.ts │  │      06-6-梯度下降通俗解释.ts │  │      07-7参数更新方法.ts │  │      08-8-优化参数设置.ts │  │      09-9-回归任务概述.ts │  │      10-10-特征可视化展示.ts │  │      11-11-构建回归方程.ts │  │      12-12-回归分析结果.ts │  │ │  ├─11-聚类分析策略 │  │      01-1-KMEANS算法概述.ts │  │      02-2-KMEANS工作流程.ts │  │      03-3-KMEANS迭代可视化展示.ts │  │      04-4-DBSCAN聚类算法.ts │  │      05-5-DBSCAN工作流程.ts │  │      06-6-DBSCAN可视化展示.ts │  │      07-6-DBSCAN可视化展示.ts │  │      08-8-统计分析所需数据准备.ts │  │      09-9-统计效果展示.ts │  │ │  ├─12-拓展：fbprophet时间序列预测神器 │  │      01-1-fbprophet股价预测任务概述.ts │  │      02-2-时间序列分析.ts │  │      03-3-fbprophet时间序列预测实例.mp4 │  │      04-4-亚马逊股价趋势.ts │  │      05-5-突变点调参.ts │  │ │  └─13-基于深度学习的时间序列预测 │          01-1-任务目标与数据源.ts │          02-2-构建时间序列数据.ts │          03-3-训练时间序列数据预测结果.ts │          04-4-多特征预测结果.ts │          05-5-序列结果预测.ts │ ├─09-第九模块：深度学习经典算法解析 │  ├─01-深度学习必备基础知识点础 │  │      01-1-深度学习要解决的问题.ts │  │      02-2-深度学习应用领域.ts │  │      03-3-计算机视觉任务.ts │  │      04-4-视觉任务中遇到的问题.ts │  │      05-5-得分函数.ts │  │      06-6-损失函数的作用.ts │  │      07-7-前向传播整体流程.ts │  │ │  ├─02-神经网络整体架构 │  │      01-1-返向传播计算方法.ts │  │      02-2-神经网络整体架构.ts │  │      03-2-神经网络整体架构.ts │  │      04-4-神经元个数对结果的影响.ts │  │      05-5-正则化与激活函数.ts │  │      06-6-神经网络过拟合解决方法.ts │  │ │  ├─03-卷积神经网络原理与参数解读 │  │      01-1-卷积神经网络应用领域.ts │  │      02-2-卷积的作用.ts │  │      03-3-卷积特征值计算方法.ts │  │      04-4-得到特征图表示.ts │  │      05-5-步长与卷积核大小对结果的影响.ts │  │      06-6-边缘填充方法.ts │  │      07-7-特征图尺寸计算与参数共享.ts │  │      08-8-池化层的作用.ts │  │      09-9-整体网络架构.ts │  │      10-10-VGG网络架构.ts │  │      11-11-残差网络Resnet.ts │  │      12-12-感受野的作用.ts │  │ │  ├─04-递归神经网络与词向量原理解读 │  │      01-12-感受野的作用.ts │  │      02-2-词向量模型通俗解释.ts │  │      03-3-模型整体框架.ts │  │      04-4-训练数据构建.ts │  │      05-5-CBOW与Skip-gram模型.ts │  │      06-6-负采样方案.ts │  │ │  ├─05-案例实战搭建神经网络 │  │      01-0-keras框架简介与安装.ts │  │      02-1-训练自己的数据集整体流程.ts │  │      03-2-数据加载与预处理.ts │  │      04-3-搭建网络模型.ts │  │      05-4-学习率对结果的影响.ts │  │      06-5-Drop-out操作.ts │  │      07-6-权重初始化方法对比.ts │  │      08-7-初始化标准差对结果的影响.ts │  │      09-8-正则化对结果的影响.ts │  │      10-9-加载模型进行测试.ts │  │ │  ├─06-案例实战卷积神经网络 │  │      01-1-卷积层构造.ts │  │      02-1-卷积层构造.ts │  │      03-3-BatchNormalization效果.ts │  │      04-4-参数对比.ts │  │      05-5-网络测试效果.ts │  │ │  └─07-案例实战LSTM时间序列预测任务 │          01-1-时间序列模型.ts │          02-2-网络结构与参数定义.ts │          03-3-构建LSTM模型.ts │          04-4-训练模型与效果展示.ts │          05-5-多序列预测结果.ts │          06-6-股票数据预测.ts │          07-7-数据预处理.ts │          08-8-预测结果展示.ts │ ├─10-选修：Python数据分析案例实战 │  ├─01-KIVA贷款数据 │  │      01-kiva贷款数据集介绍.ts │  │      02-2-各个国家贷款需求.ts │  │      03-3-贷款金额与还款间隔分析.ts │  │      04-5-深入各个行业分析.ts │  │      05-6-针对时间序列进行分析.ts │  │      06-7-各项数据指标统计分析.ts │  │ │  ├─02-订单数据集分析 │  │      01-8-预测结果展示.ts │  │      02-2-双变量热度图绘制方法.ts │  │      03-3-复购情况对比分析.ts │  │      04-4-购物车情况与复购.ts │  │      05-5-聚类划分商品.ts │  │ │  ├─03-基于统计分析的电影推荐 │  │      01-1-电影数据与环境配置.ts │  │      02-2-数据与关键词信息展示.ts │  │      03-3-关键词云与直方图可视化展示.ts │  │      04-4-电影特征数据可视化.ts │  │      05-5数据清洗方法分析.ts │  │      06-6-缺失值填充方法.ts │  │      07-7-推荐引擎构造.ts │  │      08-8-数据特征构造.ts │  │      09-9-得出推荐结果.ts │  │ │  ├─04-纽约出租车建模 │  │      01-1-纽约出租车运行情况数据概述.ts │  │      02-2-聚类区域划分.ts │  │      03-3-客流趋势动态展示.ts │  │      04-4-区域邻居情况分析.ts │  │      05-5-用户数据特征分析.ts │  │      06-6-不同类别的出租车运行情况对比.ts │  │      07-7-客户数据特征可视化分析.ts │  │      08-8-聚类特征信息可视化展示.ts │  │      09-9-xgboost模型进行分析预测.ts │  │      10-10-加入天气特征对结果的影响分析.ts │  │ │  ├─05-商品信息可视化与文本分析 │  │      01-1-在线商城商品数据信息概述.ts │  │      02-2-商品类别划分方式.ts │  │      03-3-商品类别可视化展示.ts │  │      04-4-商品描述长度对价格的影响分析.ts │  │      05-5-关键词的词云可视化展示.ts │  │      06-6-基于tf-idf提取关键词信息.ts │  │      07-7-通过降维进行可视化展示.ts │  │      08-8-聚类分析与主题模型展示.ts │  │ │  └─06-数据分析-机器学习模板 │          01-1-人口普查预测任务概述.ts │          02-2-单特征与缺失值展示.ts │          03-3-人口普查数据集清洗.ts │          04-4-人口信息数据特征工程展示.ts │          05-5-单变量展示.ts │          06-6-双变量分析.ts │          07-7-开发新变量.ts │          08-8-ROC与AUC模型评估标准.ts │          09-9-机器学习算法模型效果对比.ts │ ├─11-选修：机器学习进阶实战 │  ├─01-GBDT提升算法 │  │      01-1-回归树模型.ts │  │      02-2-Adaboost算法.ts │  │      03-3-GBDT工作流程.ts │  │      04-4-回归任务.ts │  │      05-5-分类任务.ts │  │      06-6-可视化.ts │  │ │  ├─01-数据特征 │  │      01-1-基本数值特征.ts │  │      02-2-常用特征构造手段.ts │  │      03-3-时间特征处理.ts │  │      04-4-文本特征处理.ts │  │      05-5-构造文本向量.ts │  │      06-6-词向量特征.ts │  │      07-7-计算机眼中的图像.ts │  │ │  ├─02-xgboost-gbdt-lightgbm提升算法框架对比 │  │      01-1-GBDT效果.ts │  │      02-2-Xgboost效果.ts │  │      03-3-lightGBM效果.ts │  │ │  ├─04-4.使用lightgbm进行饭店流量预测 │  │      01-1-饭店流量数据介绍.ts │  │      02-2-数据汇总.ts │  │      03-3-离群点筛选.ts │  │      04-4-特征提取.ts │  │      05-5-lightgbm建模.ts │  │ │  ├─05-人口普查数据集项目实战-收入预测 │  │      01-1-人口普查预测任务概述.ts │  │      02-2-单特征与缺失值展示.ts │  │      03-3-第一步：数据清洗.ts │  │      04-4-特征工程.ts │  │      05-5-单变量展示.ts │  │      06-6-双变量分析.ts │  │      07-7-开发新变量.ts │  │      08-8-ROC与AUC模型评估标准.ts │  │      09-9-机器学习模型.ts │  │ │  ├─05-降维算法-线性判别分析 │  │      01-1-线性判别分析要解决的问题.ts │  │      02-2-线性判别分析要优化的目标.ts │  │      03-3-线性判别分析求解.ts │  │      04-4-实现线性判别分析进行降维任务.ts │  │      05-5-求解得出降维结果.ts │  │ │  ├─07-贝叶斯优化及其工具包使用 │  │      01-1-贝叶斯优化概述.ts │  │      02-2-工具包使用方法.ts │  │      03-3-贝叶斯优化效果.ts │  │      04-4-调整参数空间.ts │  │ │  ├─08-贝叶斯优化实战 │  │      01-1-基础模型建立.ts │  │      02-2-设置参数空间.ts │  │      03-3-随机优化结果.ts │  │      04-4-贝叶斯优化效果.ts │  │      05-5-方法对比.ts │  │      06-6-参数变化情况.ts │  │ │  ├─09-EM算法 │  │      01-1-EM算法要解决的问题.ts │  │      02-2-隐变量问题.ts │  │      03-3-EM算法求解实例.ts │  │      04-4-Jensen不等式.ts │  │      05-5-GMM模型.ts │  │      06-6-GMM实例.ts │  │      07-7-GMM聚类.ts │  │ │  ├─10-HMM隐马尔科夫模型 │  │      01-1-马尔科夫模型.ts │  │      02-2-隐马尔科夫模型基本出发点.ts │  │      03-3-组成与要解决的问题.ts │  │      04-4-暴力求解方法.ts │  │      05-5-复杂度计算.ts │  │      06-6-前向算法.ts │  │      07-7-前向算法求解实例.ts │  │      08-8-Baum-Welch算法.ts │  │      09-9-参数求解.ts │  │      10-10-维特比算法.ts │  │ │  ├─11-HMM案例实战 │  │      01-1-hmmlearn工具包.ts │  │      02-2-工具包使用方法.ts │  │      03-3-中文分词任务.ts │  │      04-4-实现中文分词.ts │  │ │  ├─12-推荐系统 │  │      01-0-开场.ts │  │      02-1-推荐系统应用.ts │  │      03-2-推荐系统要完成的任务.ts │  │      04-3-相似度计算.ts │  │      05-4-基于用户的协同过滤.ts │  │      06-5-基于物品的协同过滤.ts │  │      07-6-隐语义模型.ts │  │      08-7-隐语义模型求解.ts │  │      09-8-模型评估标准.ts │  │ │  ├─13-基于统计分析的电影推荐 │  │      01-1-数据与环境配置.ts │  │      02-2-数据与关键词信息展示.ts │  │      03-3-关键词云与直方图展示.ts │  │      04-4-特征可视化.ts │  │      05-5-数据清洗概述.ts │  │      06-6-缺失值填充方法.ts │  │      07-7-推荐引擎构造.ts │  │      08-8-数据特征构造.ts │  │      09-9-得出推荐结果.ts │  │ │  ├─13-音乐推荐系统实战 │  │      01-1-音乐推荐任务概述.ts │  │      02-2-数据集整合.ts │  │      03-3-基于物品的协同过滤.ts │  │      04-4-物品相似度计算与推荐.ts │  │      05-5-SVD矩阵分解.ts │  │      06-6-基于矩阵分解的音乐推荐.ts │  │ │  ├─15-NLP-文本特征方法对比 │  │      01-1.1-任务概述.ts │  │      02-2-词袋模型.ts │  │      03-3-词袋模型分析.mp4 │  │      04-4-TFIDF模型.ts │  │      05-5-word2vec词向量模型.ts │  │      06-6-深度学习模型.ts │  │ │  ├─15-学习曲线 │  │      01-1-Bian与Variance曲线.ts │  │      02-2-数据集中的结果.ts │  │      03-3-曲线实验结果.ts │  │ │  ├─17-使用word2vec分类任务 │  │      01-1-影评情感分类.ts │  │      02-2-基于词袋模型训练分类器.ts │  │      03-3-准备word2vec输入数据.ts │  │      04-4-使用gensim构建word2vec词向量（新）.ts │  │ │  ├─18-Tensorflow自己打造word2vec │  │      01-1-数据与任务流程.ts │  │      02-2-数据清洗.ts │  │      03-3-batch数据制作.mp4 │  │      04-4-网络训练.ts │  │      05-5-可视化展示.ts │  │ │  ├─19-制作自己常用工具包 │  │      01-1-为什么要做自己的数据工具包.ts │  │      02-2-工具包注释.ts │  │      03-3-缺失值处理.ts │  │      04-4-其他处理方式概述.ts │  │      05-5-工具包调用.ts │  │ │  ├─20-机器学习项目实战-数据处理与特征提取 │  │      01-1-建筑能源利用效率任务概述.ts │  │      02-2-处理流程与数据简介.ts │  │      03-3-能源信息各项指标数据预处理.ts │  │      04-4-单变量绘图分析.ts │  │      0