马士兵-机器学习和算法体系「完结无密」

01_算法和数据结构路线、注意点与常见问题/

[964M] 01_算法和数据结构路线、注意点与常见问题.mp4

02_机器学习介绍、原理及应用场景/

[1.9G] 01_机器学习介绍、原理及应用场景.mp4

03_线性回归算法的原理及参数优化方案/

[1.5G] 01_线性回归算法的原理及参数优化方案.mp4

04_基于Spark MLlib训练回归算法模型/

[1.8G] 01_基于Spark MLlib训练回归算法模型.mp4

05_逻辑回归算法的原理及算法公式推导/

[1.8G] 01_逻辑回归算法的原理及算法公式推导.mp4

06_逻辑回归算法原理及公式推导/

[852M] 01_逻辑回归算法原理及公式推导.mp4

07_逻辑回归算法原理及公式推导/

[1.8G] 01_逻辑回归算法原理及公式推导.mp4

08_逻辑回归算法及实现百度路况预测功能/

[1.6G] 01_逻辑回归算法及实现百度路况预测功能.mp4

09_KNN识别手写数字与KMeans聚类算法原理/

[648M] 01_KNN识别手写数字与KMeans聚类算法原理.mp4

10_KNN手写数字识别及KMeans算法原理/

[1.7G] 01_KNN手写数字识别及KMeans算法原理.mp4

11_手写KMeans聚类算法及实现精准微博营销案例/

[1.8G] 01_手写KMeans聚类算法及实现精准微博营销案例.mp4

12_分析KMeans精准营销案例代码及KMeans在推荐系统的应用/

[1.6G] 01_分析KMeans精准营销案例代码.mp4

13_百度地图实时路况及路况预测/

[2.0G] 01_百度地图实时路况及路况预测.mp4

14_决策树算法的原理/

[1.9G] 01_决策树算法的原理.mp4

15_随机森林算法与算法总结/

[1.5G] 01_随机森林算法与算法总结.mp4

16_推荐系统的来龙去脉与推荐架构/

[1.3G] 01_推荐系统的来龙去脉与推荐架构.mp4

17_推荐系统架构设计及构建推荐系统训练集/

[1.5G] 01_推荐系统架构设计及构建推荐系统训练集.mp4

18_推荐系统代码实现及测试/

[1.9G] 01_推荐系统代码实现及测试.mp4

19_实现推荐系统在线推荐微服务/

[2.3G] 01_实现推荐系统在线推荐微服务.mp4

20_基于节目的推荐系统，架构剖析，数据迁移/

[1.7G] 01_基于节目的推荐系统，架构剖析，数据迁移.mp4

21_提取节目的关键词，构建节目画像/

[1.9G] 01_提取节目的关键词，构建节目画像.mp4

22_基于TextRank算法+TF-IDF算法提取关键词/

[1.6G] 01_基于TextRank算法+TF-IDF算法提取关键词.mp4

23_基于节目画像计算节目的相似度/

[1.4G] 01_基于节目画像计算节目的相似度.mp4

24_基于物品画像计算相似度/

[1.6G] 01_基于物品画像计算相似度.mp4

25_实现基于模型的召回策略/

[1.6G] 01_实现基于模型的召回策略.mp4

26_基本函数类及富函数的使用/

[1.9G] 01_基本函数类及富函数的使用.mp4

27_构建节目画像与用户画像/

[1.6G] 01_构建节目画像与用户画像.mp4

28_构建用户画像及性能调优/

[1.9G] 01_构建用户画像及性能调优.mp4

29_构建特征中心及模型召回实现/

[1.4G] 01_构建特征中心及模型召回实现.mp4

30_训练排序模型及搭建推荐系统微服务/

[1.3G] 01_训练排序模型及搭建推荐系统微服务.mp4

31_推荐系统项目-大总结/

[1.4G] 01_推荐系统项目-大总结.mp4