课程介绍
机器学习是人工智能的一部分，通过数据学习某种规律，让计算机能够自我学习并改进。深度学习是机器学习的子集，使用神经网络模型来学习和预测。机器学习和大数据之间存在联系，机器学习需要从数据中学习，大数据包括结构化和非结构化数据，可以用来训练机器学习的推荐系统。
课程目录
├──第1节 机器学习介绍
| ├──1.1机器学习、大数据、数据挖掘的区别和联系.mp4 38.62M
| ├──1.2分类、回归和聚类的理论.mp4 33.74M
| ├──1.3机器学习的流程 数据预处理.mp4 48.37M
| ├──1.4案例：通过广告投放预测产品销量.mp4 247.56M
| └──机器学习课件及代码.zip 72.40M
├──第2节 K-NN 最近邻
| ├──2.1KNN介绍.mp4 270.67M
| ├──2.2欧式距离以及KNN实现.mp4 383.45M
| ├──2.3KNN的决策边界.mp4 254.17M
| ├──2.4通过交叉验证选择K.mp4 112.39M
| ├──2.5特征缩放.mp4 26.45M
| ├──2.6二手车估价案例.mp4 255.93M
| └──2.7KNN的延伸内容（Optional）.mp4 160.39M
├──第3节 线性回归与逻辑回归
| ├──QA.mp4 276.79M
| ├──逻辑回归1.mp4 33.64M
| ├──逻辑回归2.mp4 67.25M
| ├──线性回归1.mp4 38.08M
| └──线性回归2.mp4 59.85M
├──第4节 朴素贝叶斯
| ├──4.1朴素贝叶斯的核心思想.mp4 49.18M
| ├──4.2垃圾邮件分类-01.mp4 234.25M
| ├──4.3垃圾邮件分类-02.mp4 403.14M
| ├──4.4手推一个完整的例子.mp4 399.41M
| ├──4.5文本表示-01.mp4 101.23M
| ├──4.6文本表示-02.mp4 275.49M
| └──4.7Extensions.mp4 60.84M
├──第5节 SVM支持向量机
| ├──5.1SVM-01.mp4 649.36M
| ├──5.2SVM-02.mp4 97.22M
| ├──5.3SVM-03.mp4 253.45M
| └──5.4SVM-04.mp4 416.31M
├──第6节 决策树与随机森林
| ├──6.1决策树01.mp4 416.13M
| ├──6.2决策树02.mp4 518.40M
| ├──6.3随机森林01.mp4 593.28M
| ├──6.4随机森林02.mp4 421.18M
| └──6.5随机森林03.mp4 162.49M
├──第7节 K-means
| ├──7.1聚类分析.mp4 86.10M
| ├──7.2kmeans算法.mp4 145.67M
| ├──7.3kmeans算法过程及特性.mp4 127.65M
| ├──7.4kmeans的实现.mp4 248.91M
| ├──7.5kmeans案例.mp4 365.96M
| ├──7.6kmeans的目标函数.mp4 244.31M
| ├──7.7K值如何选择.mp4 128.61M
| └──7.8其他聚类算法及问答.mp4 128.61M
├──第8节 矩阵分解
| ├──8.1Recommender.mp4 255.66M
| ├──8.2矩阵分解推荐系统.代码演示.1.mp4 23.41M
| └──8.3矩阵分解推荐系统.代码演示.2.mp4 570.18M
└──第9节 Boosting
| ├──9.1XGBoost.mp4 170.30M
| ├──9.2训练模型.mp4 236.98M
| ├──9.3使用泰勒级数近似目标函数.mp4 422.30M
| ├──9.4新的目标函数.mp4 292.86M
| └──9.5寻找最好的Split.mp4 365.11M
├──第10节 主题模型
| ├──10.1主题模型.mp4 378.11M
| ├──10.2MLEvsMAPvsBayesian.mp4 218.10M
| ├──10.3从生成的角度来看LDA.mp4 252.29M
| └──10.4计算模型的参数.mp4 526.64M
