BitTiger机器学习课程：基础与搭建项目视频课程

📁 【2983 】BitTiger机器学习课程：基础与搭建项目视频课程

 📁 5. 第二模块：理论课

 📁 3. 第一模块：实战课

 📁 6. 第二模块：实战课

 📁 9. 第三模块：实战课

 📁 10. 第三模块：项目课

 📁 2. 第一模块：理论课

 📁 7. 第二模块：项目课

 📁 8. 第三模块：理论课

 📁 4. 第一模块：项目课

 📄 1. 课程设计和结构介绍【】.html

   📄 3. Jupyter Notebook安装【】.html

   📄 8. 运行逻辑回归（第一节）【】.mp4

   📄 9. 运行逻辑回归（第二节）【】.mp4

   📄 1.1 Github代码下载【】.html

   📄 5. 基本Python操作和Numpy（第一节）【】.mp4

   📄 6. 基本Python操作和Numpy（第二节）【】.mp4

   📄 1. 本节代码下载【】.html

   📄 4. 环境配置【】.mp4

   📄 5.1 全面的Numpy教程【】.html

   📄 7. Scikit-learn介绍【】.mp4

   📄 2. 本节内容安排【】.mp4

   📄 10. 数据清洗示例【】.mp4

   📄 1. 本节代码下载【】.html

   📄 11. 矩阵因式分解的随机梯度下降【】.mp4

   📄 5. 预测（第一节）【】.mp4

   📄 10. 奇异值分解（第二节）【】.mp4

   📄 9. 奇异值分解（第一节）【】.mp4

   📄 12. 随机梯度下降的优化过程【】.mp4

   📄 1.1 Github代码下载【】.html

   📄 8. 提升基准模型（第二节）【】.mp4

   📄 6. 预测（第二节）【】.mp4

   📄 2. 本节内容安排【】.mp4

   📄 4. 玩具问题及基本设置（第二节）【】.mp4

   📄 7. 提升基准模型（第一节）【】.mp4

   📄 3. 玩具问题及基本设置（第一节）【】.mp4

   📄 7. 权衡偏差和方差（第二节）【】.mp4

   📄 11. 支持向量机（第一节）【】.mp4

   📄 8. 权衡偏差和方差（第三节）【】.mp4

   📄 12. 支持向量机（第二节）【】.mp4

   📄 17. 第二模块作业解析【】.mp4

   📄 16. 第二模块作业【】.html

   📄 10. 随机森林（第二节）【】.mp4

   📄 2. 决策树【】.mp4

   📄 13. 支持向量机（第三节）【】.mp4

   📄 5. 决策树的步骤和总结【】.mp4

   📄 9. 随机森林（第一节）【】.mp4

   📄 6. 权衡偏差和方差（第一节）【】.mp4

   📄 15. 支持向量机（第五节）【】.mp4

   📄 1. 本节内容安排【】.mp4

   📄 3. 决策树的算法【】.mp4

   📄 4. 节点拆分【】.mp4

   📄 14. 支持向量机（第四节）【】.mp4

   📄 7. 单节点树（第二节）【】.mp4

   📄 17. 支持向量机（第五节）【】.mp4

   📄 13. 支持向量机（第一节）【】.mp4

   📄 6. 单节点树（第一节）【】.mp4

   📄 10. 随机森林（第二节）【】.mp4

   📄 1.1 Github代码下载【】.html

   📄 12. 随机森林（第四节）【】.mp4

   📄 2. 本节内容安排【】.mp4

   📄 8.1 Decision Stump 简单介绍【】.html

   📄 15. 支持向量机（第三节）【】.mp4

   📄 11. 随机森林（第三节）【】.mp4

   📄 1. 本节代码下载【】.html

   📄 16. 支持向量机（第四节）【】.mp4

   📄 4. 自助法（第二节）【】.mp4

   📄 8. 单节点树（第三节）【】.mp4

   📄 9. 随机森林（第一节）【】.mp4

   📄 15.1 视频中显示的scikit-learn文档（英文）【】.html

   📄 3. 自助法（第一节）【】.mp4

   📄 5. 自助法（第三节）【】.mp4

   📄 14. 支持向量机（第二节）【】.mp4

   📄 5. 机器学习基本概念：数据和模型（第三节）【】.mp4

   📄 12. 第一模块作业【】.html

   📄 7. 基本模型：逻辑回归（第二节）【】.mp4

   📄 13. 第一模块作业解析【】.mp4

   📄 10. 过拟合和交叉验证【】.mp4

   📄 4. 机器学习基本概念：数据和模型（第二节）【】.mp4

   📄 3. 机器学习基本概念：数据和模型（第一节）【】.mp4

   📄 11. 总结【】.mp4

   📄 1. 本节内容安排【】.mp4

   📄 6. 基本模型：逻辑回归（第一节）【】.mp4

   📄 2. 课程总体框架【】.mp4

   📄 8. 基本模型：K-均值【】.mp4

   📄 9. 性能指标【】.mp4

   📄 6. Learners（第一节）【】.mp4

   📄 2. 本节内容安排【】.mp4

   📄 4. RecEngine.py【】.mp4

   📄 3. Main.py和Webserver.py【】.mp4

   📄 9. Models（第二节）【】.mp4

   📄 1. 本节代码下载【】.html

   📄 5. RecEngine.py、UserAnalyzer.py和Ranker.py【】.mp4

   📄 1.1 Github代码下载【】.html

   📄 8. Models（第一节）【】.mp4

   📄 7. Learners（第二节）【】.mp4

   📄 5. 项目实现具体细节（第一节）【】.mp4

   📄 1. 本节代码下载【】.html

   📄 10. 尝试自己进行编程【】.html

   📄 3. 项目介绍（第一节）【】.mp4

   📄 7. 代码框架介绍（main.py）【】.mp4

   📄 4. 项目介绍（第二节）【】.mp4

   📄 1.1 Github代码下载【】.html

   📄 9. 代码框架介绍（Databaseinterface.py, Webserver.py）【】.mp4

   📄 6. 项目实现具体细节（第二节）【】.mp4

   📄 8. 代码框架介绍（README, Preprocessing）【】.mp4

   📄 2. 开始搭建推荐系统项目【】.html

   📄 13. 基于用户的协同过滤（第三节）【】.mp4

   📄 10. 基于内容的过滤（第三节）【】.mp4

   📄 1. 本节内容安排【】.mp4

   📄 12. 基于用户的协同过滤（第二节）【】.mp4

   📄 16. 矩阵因式分解的协同过滤（第一节）【】.mp4

   📄 5. 推荐系统算法的输入和输出【】.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

   📄 6. 显式响应和隐式响应【】.mp4

   📄 9. 基于内容的过滤（第二节）【】.mp4

   📄 15. 基于商品的协同过滤（第二节）【】.mp4

   📄 8. 基于内容的过滤（第一节）【】.mp4

   📄 11. 基于用户的协同过滤（第一节）【】.mp4

   📄 7. 信任、新颖、多样性和商业化【】.mp4

   📄 3. 推荐系统介绍（第二节）【】.mp4

   📄 14. 基于商品的协同过滤（第一节）【】.mp4

   📄 4. 几种推荐的方式【】.mp4

   📄 1.1 Github代码下载【】.html

   📄 3. Numpy【】.mp4

   📄 1. 本节代码下载【】.html

   📄 4. Pandas【】.mp4

   📄 2. Python教程介绍【】.mp4