课程目录：

├── 01 阶段一 人工智能
│ ├── 01 第一章 机器学习概述V2.1
│ │ └── 01 机器学习介绍
│ │ ├── 01 01-0前置-机器学习科学计算库内容简介.mp4
│ │ ├── 02 01-1讲解-机器学习科学计算库内容简介.mp4
│ │ ├── 03 02-1讲解-人工智能概述.mp4
│ │ ├── 04 02-2点评-人工智能概述.mp4
│ │ ├── 05 03-1讲解-人工智能的发展历程.mp4
│ │ ├── 06 04-1讲解-人工智能主要分支.mp4
│ │ ├── 07 04-2点评-人工智能主要分支.mp4
│ │ ├── 08 05-1讲解-机器学习定义工作流程概述.mp4
│ │ ├── 09 05-2点评-机器学习定义工作流程概述.mp4
│ │ ├── 10 06-1讲解-机器学习工作流程各步骤解释.mp4
│ │ ├── 11 06-2点评-机器学习工作流程各步骤解释.mp4
│ │ ├── 12 06-3点评-机器学习工作流程各步骤解释.mp4
│ │ ├── 13 07-1讲解-机器学习算法分类介绍.mp4
│ │ ├── 14 07-2点评-机器学习算法分类介绍.mp4
│ │ ├── 15 08-1讲解-模型评估.mp4
│ │ ├── 16 08-2点评-模型评估.mp4
│ │ ├── 17 08-3点评-模型评估.mp4
│ │ ├── 18 09-1讲解-Azure机器学习平台实验演示1.mp4
│ │ ├── 19 10-1讲解-Azure机器学习平台实验演示2.mp4
│ │ ├── 20 11-1讲解-深度学习简介.mp4
│ │ └── 21 11-2点评-深度学习简介.mp4
│ ├── 02 第二章 环境安装和使用V2.1
│ │ └── 01 环境安装及使用
│ │ ├── 01 12-1讲解-基础环境安装.mp4
│ │ ├── 02 13-1讲解-jupyter notebook的基本使用1.mp4
│ │ ├── 03 13-2点评-jupyter notebook的基本使用1.mp4
│ │ ├── 04 14-1讲解-jupyter notebook的基本使用2.mp4
│ │ ├── 05 14-2点评-jupyter notebook的基本使用2.mp4
│ │ └── 06 15-1讲解-matplotlib的基本使用.mp4
│ ├── 03 第三章 matplotlibV2.1
│ │ └── 01 matplotlib使用
│ │ ├── 01 01-1讲解-实现基础绘图-某城市温度变换图.mp4
│ │ ├── 02 01-2点评-实现基础绘图-某城市温度变换图.mp4
│ │ ├── 03 02-1讲解-绘图辅助功能完善-某城市温度变换图.mp4
│ │ ├── 04 02-2点评-绘图辅助功能完善-某城市温度变换图.mp4
│ │ ├── 05 03-1讲解-在一个坐标系下绘制多个图像.mp4
│ │ ├── 06 03-2点评-在一个坐标系下绘制多个图像.mp4
│ │ ├── 07 04-1讲解-在多个坐标系下绘制多个图像.mp4
│ │ ├── 08 04-2点评-在多个坐标系下绘制多个图像.mp4
│ │ ├── 09 05-1讲解-常见图形绘制.mp4
│ │ └── 10 05-2点评-常见图形绘制.mp4
│ ├── 04 第四章 numpyV2.1
│ │ └── 01 numpy使用
│ │ ├── 01 06-1讲解-numpy介绍.mp4
│ │ ├── 02 06-2点评-numpy介绍.mp4
│ │ ├── 03 07-1讲解-ndarray介绍.mp4
│ │ ├── 04 07-2点评-ndarray介绍.mp4
│ │ ├── 05 08-1讲解-创建0，1数组，固定范围数组.mp4
│ │ ├── 06 08-2点评-创建0，1数组，固定范围数组.mp4
│ │ ├── 07 09-1讲解-创建随机数组.mp4
│ │ ├── 08 09-2点评-创建随机数组.mp4
│ │ ├── 09 10-1讲解-数组的基本操作.mp4
│ │ ├── 10 10-2点评-数组的基本操作.mp4
│ │ ├── 11 10-3点评-前面总结.mp4
│ │ ├── 12 10-4点评-回顾.mp4
│ │ ├── 13 11-1讲解-ndarray的运算.mp4
│ │ ├── 14 12-1讲解-数组间运算.mp4
│ │ ├── 15 11-2点评-ndarray的运算.mp4
│ │ ├── 16 12-2点评-数组间运算.mp4
│ │ ├── 17 13-1讲解-矩阵复习.mp4
│ │ ├── 18 13-2点评-矩阵复习.mp4
│ │ └── 19 13-3点评-矩阵复习.mp4
│ ├── 05 第五章 pandasV2.1
│ │ ├── 01 pandas数据结构
│ │ │ ├── 01 14-1讲解-pandas介绍.mp4
│ │ │ ├── 02 14-2点评-pandas介绍.mp4
│ │ │ ├── 03 15-1讲解-pandas数据结构-series.mp4
│ │ │ ├── 04 15-2点评-pandas数据结构-series.mp4
│ │ │ ├── 05 16-1讲解-pandas数据结构-DataFrame1.mp4
│ │ │ ├── 06 16-2点评-pandas数据结构-DataFrame1.mp4
│ │ │ ├── 07 16-3点评-回顾总结.mp4
│ │ │ ├── 08 17-1讲解-pandas数据结构-DataFrame2.mp4
│ │ │ ├── 09 18-1讲解-pandas数据结构-multiindex和panel.mp4
│ │ │ └── 10 18-2点评-pandas数据结构-multiindex和panel.mp4
│ │ ├── 02 pandas基础使用
│ │ │ ├── 01 01-1讲解-pandas中的索引.mp4
│ │ │ ├── 02 01-2点评-pandas中的索引.mp4
│ │ │ ├── 03 02-1讲解-赋值和排序.mp4
│ │ │ ├── 04 02-2点评-赋值和排序.mp4
│ │ │ ├── 05 03-1讲解-pandas中的算术运算和逻辑运算.mp4
│ │ │ ├── 06 03-2点评-pandas中的算术运算和逻辑运算.mp4
│ │ │ ├── 07 04-1讲解-pandas中的统计函数.mp4
│ │ │ ├── 08 04-2点评-pandas中的统计函数.mp4
│ │ │ ├── 09 05-1讲解-pandas中的累计统计函数和自定义函数.mp4
│ │ │ ├── 10 05-2点评-pandas中的累计统计函数和自定义函数.mp4
│ │ │ ├── 11 06-1讲解-pandas中绘图方式介绍.mp4
│ │ │ ├── 12 07-1讲解-pandas中文件的读取和写入.mp4
│ │ │ ├── 13 07-2点评-pandas中文件的读取和写入.mp4
│ │ │ ├── 14 07-3点评-pandas中文件的读取和写入.mp4
│ │ │ └── 15 07-4点评-内容总结.mp4
│ │ ├── 03 pandas高级使用
│ │ │ ├── 01 08-1讲解-缺失值的处理.mp4
│ │ │ ├── 02 08-2点评-缺失值的处理.mp4
│ │ │ ├── 03 09-1讲解-数据离散化.mp4
│ │ │ ├── 04 09-2点评-数据离散化.mp4
│ │ │ ├── 05 10-1讲解-数据表的合并.mp4
│ │ │ ├── 06 10-2点评-数据表的合并.mp4
│ │ │ ├── 07 11-1讲解-交叉表和透视表介绍.mp4
│ │ │ ├── 08 11-2点评-交叉表和透视表介绍.mp4
│ │ │ ├── 09 11-3点评-内容回顾.mp4
│ │ │ ├── 10 12-1讲解-分组聚合介绍.mp4
│ │ │ ├── 11 12-2点评-分组聚合介绍.mp4
│ │ │ ├── 12 13-1讲解-星巴克案例实现.mp4
│ │ │ └── 13 13-2点评-星巴克案例实现.mp4
│ │ └── 04 电影案例分析
│ │ ├── 01 14-0前置-电影案例分析1.mp4
│ │ ├── 02 14-1讲解-电影案例分析1.mp4
│ │ ├── 03 14-2点评-电影案例分析1.mp4
│ │ ├── 04 15-1讲解-电影案例分析.mp4
│ │ ├── 05 15-2点评-电影案例分析.mp4
│ │ └── 06 15-3点评-电影案例分析.mp4
│ ├── 06 第六章 seabornV2.1
│ │ ├── 01 绘制统计图
│ │ │ ├── 01 01-1讲解-绘制单变量分布.mp4
│ │ │ ├── 02 01-2点评-绘制单变量分布.mp4
│ │ │ ├── 03 02-1讲解-绘制双变量分布图形.mp4
│ │ │ └── 04 02-2点评-绘制双变量分布图形.mp4
│ │ ├── 02 分类数据绘图
│ │ │ ├── 01 03-1讲解-类别散点图的绘制.mp4
│ │ │ ├── 02 03-2点评-类别散点图的绘制.mp4
│ │ │ ├── 03 03-3点评-内容回顾.mp4
│ │ │ ├── 04 04-1讲解-类别内的数据分布和统计估计.mp4
│ │ │ └── 05 04-2点评-类别内的数据分布和统计估计.mp4
│ │ ├── 03 NBA案例
│ │ │ ├── 01 05-1讲解-NBA数据获取和相关性基本分析.mp4
│ │ │ ├── 02 05-2点评-NBA数据获取和相关性基本分析.mp4
│ │ │ ├── 03 06-1讲解-对数据进行分析-seaborn.mp4
│ │ │ ├── 04 06-2点评-对数据进行分析-seaborn.mp4
│ │ │ ├── 05 07-1讲解-衍生变量的可视化实践.mp4
│ │ │ ├── 06 07-2点评-衍生变量的可视化实践.mp4
│ │ │ ├── 07 08-1讲解-球队数据分析.mp4
│ │ │ └── 08 08-2点评-球队数据分析.mp4
│ │ └── 04 北京租房数据统计分析
│ │ ├── 01 09-0前置-北京市租房数据获取和重复值与空值处理.mp4
│ │ ├── 02 09-1讲解-北京市租房数据获取和重复值与空值处理.mp4
│ │ ├── 03 09-2点评-北京市租房数据获取和重复值与空值处理.mp4
│ │ ├── 04 10-1讲解-数据类型转换（面积，户型）.mp4
│ │ ├── 05 10-2点评-数据类型转换（面积，户型）.mp4
│ │ ├── 06 11-1讲解-房源数量和位置分布分析.mp4
│ │ ├── 07 11-2点评-房源数量和位置分布分析.mp4
│ │ ├── 08 12-1讲解-户型数量基本分析.mp4
│ │ ├── 09 12-2点评-户型数量基本分析.mp4
│ │ ├── 10 12-3点评-户型数量基本分析.mp4
│ │ ├── 11 13-1讲解-平均租金基本分析.mp4
│ │ ├── 12 13-2点评-平均租金基本分析.mp4
│ │ ├── 13 14-1讲解-面积区间分析.mp4
│ │ ├── 14 14-2点评-面积区间分析.mp4
│ │ └── 15 14-3点评-内容总结.mp4
│ ├── 07 第七章 K近邻算法V2.1
│ │ ├── 01 k近邻算法介绍
│ │ │ ├── 01 01-0前置-K-近邻算法简介.mp4
│ │ │ ├── 02 01-1讲解-K-近邻算法简介.mp4
│ │ │ ├── 03 01-2点评-K-近邻算法简介.mp4
│ │ │ ├── 04 02-1讲解-K近邻算法api初步使用.mp4
│ │ │ ├── 05 02-2点评-K近邻算法api初步使用.mp4
│ │ │ ├── 06 03-1讲解-机器学习中距离度量介绍.mp4
│ │ │ ├── 07 03-2点评-机器学习中距离度量介绍.mp4
│ │ │ ├── 08 04-1讲解-K值的选择介绍.mp4
│ │ │ └── 09 04-2点评-K值的选择介绍.mp4
│ │ ├── 02 kd树
│ │ │ ├── 01 05-1讲解-kd树和kd树的构造过程.mp4
│ │ │ ├── 02 05-2点评-kd树和kd树的构造过程.mp4
│ │ │ ├── 03 06-1讲解-kd树案例实现.mp4
│ │ │ ├── 04 06-2点评-kd树案例实现.mp4
│ │ │ ├── 05 06-3点评-内容回顾.mp4
│ │ │ └── 06 06-4点评-kd树案例实现.mp4
│ │ ├── 03 数据集处理
│ │ │ ├── 01 07-1讲解-数据集获取和属性介绍.mp4
│ │ │ ├── 02 07-2点评-数据集获取和属性介绍.mp4
│ │ │ ├── 03 08-1讲解-数据可视化介绍.mp4
│ │ │ ├── 04 08-2讲解-数据可视化介绍.mp4
│ │ │ ├── 05 09-1讲解-数据集的划分.mp4
│ │ │ └── 06 09-2点评-数据集的划分.mp4
│ │ ├── 04 特征工程
│ │ │ ├── 01 10-1讲解-特征预处理简介.mp4
│ │ │ ├── 02 10-2点评-特征预处理简介.mp4
│ │ │ ├── 03 11-1讲解-归一化和标准化介绍.mp4
│ │ │ ├── 04 11-2点评-归一化和标准化介绍.mp4
│ │ │ └── 05 11-3点评-归一化和标准化介绍.mp4
│ │ ├── 05 KNN总结
│ │ │ ├── 01 12-1讲解-鸢尾花种类预测.mp4
│ │ │ ├── 02 12-2点评-鸢尾花种类预测.mp4
│ │ │ ├── 03 12-3点评-内容总结.mp4
│ │ │ ├── 04 12-4点评-内容回顾.mp4
│ │ │ ├── 05 13-1讲解-KNN算法总结.mp4
│ │ │ └── 06 13-2点评-KNN算法总结.mp4
│ │ ├── 06 交叉验证, 网格搜索
│ │ │ ├── 01 14-1讲解-交叉验证、网格搜索概念介绍.mp4
│ │ │ ├── 02 14-2点评-交叉验证、网格搜索概念介绍.mp4
│ │ │ ├── 03 15-1讲解-交叉验证、网格搜索案例实现.mp4
│ │ │ └── 04 15-2点评-交叉验证、网格搜索案例实现.mp4
│ │ └── 07 案例 Facebook位置预测
│ │ ├── 01 01-1讲解-案例-Facebook位置预测流程分析.mp4
│ │ ├── 02 01-2点评-案例-Facebook位置预测流程分析.mp4
│ │ ├── 03 02-1讲解-案例-Facebook位置预测代码实现1.mp4
│ │ ├── 04 02-2点评-案例-Facebook位置预测代码实现1.mp4
│ │ ├── 05 03-1讲解-案例-Facebook位置预测代码实现2.mp4
│ │ ├── 06 03-3点评-案例-Facebook位置预测代码实现2.mp4
│ │ ├── 07 04-1讲解-补充-数据分割和留出法.mp4
│ │ ├── 08 04-2点评-补充-数据分割和留出法.mp4
│ │ ├── 09 05-1讲解-补充-交叉验证法和自助法.mp4
│ │ └── 10 05-2点评-补充-交叉验证法和自助法.mp4
│ ├── 08 第八章 线性回归V2.1
│ │ ├── 01 回归介绍
│ │ │ ├── 01 06-1讲解-线性回归简介.mp4
│ │ │ ├── 02 06-2点评-线性回归简介.mp4
│ │ │ ├── 03 07-1讲解-初始线性回归api.mp4
│ │ │ ├── 04 08-1讲解-数学：求导.mp4
│ │ │ └── 05 08-2点评-数学：求导.mp4
│ │ ├── 02 损失优化
│ │ │ ├── 01 09-1讲解-线性回归中损失函数的介绍.mp4
│ │ │ ├── 02 09-2点评-线性回归中损失函数的介绍.mp4
│ │ │ ├── 03 10-1讲解-使用正规方程对损失函数进行优化.mp4
│ │ │ ├── 04 10-2点评-使用正规方程对损失函数进行优化.mp4
│ │ │ ├── 05 11-1讲解-使用梯度下降法对损失函数进行优化.mp4
│ │ │ └── 06 11-2点评-使用梯度下降法对损失函数进行优化.mp4
│ │ └── 03 回归相关知识
│ │ ├── 01 12-1讲解-梯度下降法方法介绍.mp4
│ │ ├── 02 12-2点评-梯度下降法方法介绍.mp4
│ │ ├── 03 12-3点评-内容回顾.mp4
│ │ ├── 04 13-0前置-线性回归api再介绍.mp4
│ │ ├── 05 13-1讲解-线性回归api再介绍.mp4
│ │ ├── 06 13-2点评-线性回归api再介绍.mp4
│ │ ├── 07 14-1讲解-波士顿房价预测案例.mp4
│ │ ├── 08 14-2点评-波士顿房价预测案例.mp4
│ │ ├── 09 15-1讲解-欠拟合和过拟合的介绍.mp4
│ │ ├── 10 15-2点评-欠拟合和过拟合的介绍.mp4
│ │ ├── 11 16-1讲解-正则化线性模型.mp4
│ │ ├── 12 16-2点评-正则化线性模型.mp4
│ │ ├── 13 17-1讲解-岭回归介绍.mp4
│ │ ├── 14 17-2点评-岭回归介绍.mp4
│ │ ├── 15 18-1讲解-模型保存和加载.mp4
│ │ └── 16 18-2点评-模型保存和加载.mp4
│ ├── 09 第九章 逻辑回归V2.1
│ │ └── 01 逻辑回归
│ │ ├── 01 01-1讲解-逻辑回归介绍.mp4
│ │ ├── 02 01-2点评-逻辑回归介绍.mp4
│ │ ├── 03 02-1讲解-逻辑回归api介绍.mp4
│ │ ├── 04 02-2点评-内容回顾.mp4
│ │ ├── 05 03-1讲解-肿瘤预测案例.mp4
│ │ ├── 06 03-2点评-肿瘤预测案例.mp4
│ │ ├── 07 04-1讲解-分类评估方法介绍.mp4
│ │ ├── 08 04-2点评-分类评估方法介绍.mp4
│ │ ├── 09 05-1讲解-roc曲线绘制过程.mp4
│ │ ├── 10 05-2点评-roc曲线绘制过程.mp4
│ │ ├── 11 05-3点评-roc曲线绘制过程.mp4
│ │ ├── 12 06-1讲解-补充-类别不平衡数据介绍.mp4
│ │ ├── 13 06-2点评-补充-类别不平衡数据介绍.mp4
│ │ ├── 14 07-1讲解-补充-过采样和欠采样介绍.mp4
│ │ └── 15 07-2点评-补充-过采样和欠采样介绍.mp4
│ ├── 10 第十章 决策树V2.1
│ │ ├── 01 信息增益
│ │ │ ├── 01 08-1讲解-决策树算法简介.mp4
│ │ │ ├── 02 09-1讲解-熵的介绍.mp4
│ │ │ ├── 03 09-2点评-熵的介绍.mp4
│ │ │ ├── 04 09-3点评-内容回顾.mp4
│ │ │ ├── 05 09-3点评-熵的介绍.mp4
│ │ │ ├── 06 10-0前置-信息增益的介绍.mp4
│ │ │ ├── 07 10-1讲解-信息增益的介绍.mp4
│ │ │ ├── 08 10-2点评-信息增益的介绍.mp4
│ │ │ ├── 09 11-1讲解-信息增益率的介绍.mp4
│ │ │ ├── 10 11-2点评-信息增益率的介绍.mp4
│ │ │ ├── 11 12-1讲解-基尼指数的介绍.mp4
│ │ │ ├── 12 12-2点评-基尼指数的介绍.mp4
│ │ │ ├── 13 13-1讲解-决策树划分原理小结.mp4
│ │ │ ├── 14 13-2点评-决策树划分原理小结.mp4
│ │ │ ├── 15 14-1讲解-cart剪枝介绍.mp4
│ │ │ └── 16 14-2点评-cart剪枝介绍.mp4
│ │ ├── 02 特征提取
│ │ │ ├── 01 15-1讲解-字典特征提取.mp4
│ │ │ ├── 02 15-2点评-字典特征提取.mp4
│ │ │ ├── 03 16-1讲解-英文文本特征提取.mp4
│ │ │ ├── 04 16-2点评-英文文本特征提取.mp4
│ │ │ ├── 05 17-1讲解-中文文本特征提取.mp4
│ │ │ ├── 06 17-2点评-中文文本特征提取.mp4
│ │ │ ├── 07 18-1讲解-tfidf内容讲解.mp4
│ │ │ ├── 08 18-2点评-tfidf内容讲解.mp4
│ │ │ └── 09 18-3点评-tfidf内容讲解.mp4
│ │ ├── 03 案例泰坦生存预测
│ │ │ ├── 01 01-1讲解-决策树算法api介绍.mp4
│ │ │ ├── 02 01-2点评-决策树算法api介绍.mp4
│ │ │ ├── 03 02-1讲解-泰坦尼克号乘客生存预测.mp4
│ │ │ ├── 04 02-2点评-泰坦尼克号乘客生存预测.mp4
│ │ │ ├── 05 03-1讲解-树木可视化操作.mp4
│ │ │ └── 06 03-2点评-树木可视化操作.mp4
│ │ └── 04 回归决策树
│ │ ├── 01 04-1讲解-回归决策树介绍.mp4
│ │ ├── 02 04-2点评-回归决策树介绍.mp4
│ │ ├── 03 05-1讲解-回归决策树和线性回归对比.mp4
│ │ └── 04 05-2点评-回归决策树和线性回归对比.mp4
│ ├── 11 第十一章 集成学习V2.1
│ │ ├── 01 集成介绍
│ │ │ ├── 01 06-1讲解-集成学习基本介绍.mp4
│ │ │ ├── 02 07-1讲解-bagging和随机森林.mp4
│ │ │ ├── 03 07-2点评-bagging和随机森林.mp4
│ │ │ ├── 04 07-3点评-bagging和随机森林.mp4
│ │ │ └── 05 07-4点评-内容回顾.mp4
│ │ ├── 02 随机森林案例
│ │ │ ├── 01 08-1讲解-otto案例介绍以及数据获取.mp4
│ │ │ ├── 02 08-2点评-otto案例介绍以及数据获取.mp4
│ │ │ ├── 03 09-1讲解-otto数据基本处理.mp4
│ │ │ ├── 04 09-2点评-otto数据基本处理.mp4
│ │ │ ├── 05 10-1讲解-otto数据模型基本训练.mp4
│ │ │ ├── 06 10-2点评-otto数据模型基本训练.mp4
│ │ │ ├── 07 11-1讲解-模型调优和确定最优模型.mp4
│ │ │ ├── 08 11-2点评-模型调优和确定最优模型.mp4
│ │ │ ├── 09 11-3点评-模型调优和确定最优模型.mp4
│ │ │ ├── 10 12-1讲解-生成提交数据.mp4
│ │ │ └── 11 12-2点评-生成提交数据.mp4
│ │ └── 03 集成学习
│ │ ├── 01 13-1讲解-boosting介绍.mp4
│ │ ├── 02 13-2点评-boosting介绍.mp4
│ │ ├── 03 14-1讲解-GBDT的介绍.mp4
│ │ └── 04 14-2点评-GBDT的介绍.mp4
│ ├── 12 第十二章 聚类算法V2.1
│ │ └── 01 聚类算法
│ │ ├── 01 01-1讲解-聚类算法介绍.mp4
│ │ ├── 02 02-1讲解-聚类算法api初步实现.mp4
│ │ ├── 03 02-2点评-聚类算法api初步实现.mp4
│ │ ├── 04 03-1讲解-聚类算法实现流程.mp4
│ │ ├── 05 03-2点评-聚类算法实现流程.mp4
│ │ ├── 06 04-1讲解-模型评估.mp4
│ │ ├── 07 04-2点评-模型评估.mp4
│ │ ├── 08 05-1讲解-算法优化介绍.mp4
│ │ ├── 09 05-2点评-算法优化介绍.mp4
│ │ ├── 10 06-1讲解-特征降维内容介绍.mp4
│ │ ├── 11 06-2点评-特征降维内容介绍.mp4
│ │ ├── 12 07-1讲解-pca降维介绍.mp4
│ │ ├── 13 08-1讲解-用户对物品类别的喜好细分案例.mp4
│ │ └── 14 08-2点评-用户对物品类别的喜好细分案例.mp4
│ ├── 13 第十三章 朴素贝叶斯V2.1
│ │ └── 01 朴素贝叶斯
│ │ ├── 01 09-1讲解-初始朴素贝叶斯.mp4
│ │ ├── 02 09-2点评-初始朴素贝叶斯.mp4
│ │ ├── 03 10-1讲解-概率内容复习.mp4
│ │ ├── 04 10-2点评-概率内容复习.mp4
│ │ ├── 05 11-1讲解-朴素贝叶斯计算案例.mp4
│ │ ├── 06 11-2点评-朴素贝叶斯计算案例.mp4
│ │ ├── 07 12-1讲解-朴素贝叶斯案例实现1.mp4
│ │ ├── 08 13-1讲解-朴素贝叶斯案例实现2.mp4
│ │ ├── 09 13-2点评-朴素贝叶斯案例实现2.mp4
│ │ ├── 10 13-3点评-内容回顾.mp4
│ │ ├── 11 13-4点评-内容回顾.mp4
│ │ ├── 12 14-1讲解-朴素贝叶斯内容总结.mp4
│ │ └── 13 14-2点评-朴素贝叶斯内容总结.mp4
│ ├── 14 第十四章 SVM算法V2.1
│ │ └── 01 SVM算法
│ │ ├── 01 01-1讲解-SVM基本介绍.mp4
│ │ ├── 02 01-2点评-SVM基本介绍.mp4
│ │ ├── 03 02-1讲解-SVM算法api初步使用.mp4
│ │ ├── 04 03-1讲解-SVM算法推导的目标函数.mp4
│ │ ├── 05 03-2点评-SVM算法推导的目标函数.mp4
│ │ ├── 06 04-1讲解-SVM目标函数推导过程及举例.mp4
│ │ ├── 07 04-2点评-SVM目标函数推导过程及举例.mp4
│ │ ├── 08 04-3点评-内容回顾.mp4
│ │ ├── 09 05-1讲解-SVM损失函数.mp4
│ │ ├── 10 05-2点评-SVM损失函数.mp4
│ │ ├── 11 06-1讲解-SVM的核方法介绍.mp4
│ │ ├── 12 06-2点评-SVM的核方法介绍.mp4
│ │ ├── 13 07-1讲解-SVM回归介绍.mp4
│ │ ├── 14 07-2点评-SVM回归介绍.mp4
│ │ ├── 15 08-1讲解-SVM算法api再介绍.mp4
│ │ ├── 16 08-2点评-SVM算法api再介绍.mp4
│ │ ├── 17 09-1讲解-数字识别器案例初步介绍.mp4
│ │ ├── 18 09-2点评-数字识别器案例初步介绍.mp4
│ │ ├── 19 10-1讲解-数字识别器-获取数据.mp4
│ │ ├── 20 10-2点评-数字识别器-获取数据.mp4
│ │ ├── 21 11-1讲解-数字识别器-数据基本处理和模型训练.mp4
│ │ ├── 22 11-2点评-数字识别器-数据基本处理和模型训练.mp4
│ │ ├── 23 12-1讲解-SVM总结.mp4
│ │ ├── 24 12-2点评-SVM总结.mp4
│ │ └── 25 12-3点评-内容总结.mp4
│ ├── 15 第十五章 EM算法V2.1
│ │ └── 01 EM算法
│ │ ├── 01 01-1讲解-初识EM算法.mp4
│ │ ├── 02 01-2点评-初识EM算法.mp4
│ │ ├── 03 02-1讲解-EM算法介绍.mp4
│ │ ├── 04 02-2点评-EM算法介绍.mp4
│ │ ├── 05 02-3点评-内容回顾.mp4
│ │ ├── 06 03-0前置-EM算法实例.mp4
│ │ ├── 07 03-1讲解-EM算法实例.mp4
│ │ └── 08 03-2点评-EM算法实例.mp4
│ ├── 16 第十六章 HMM算法V2.1
│ │ └── 01 HMM算法
│ │ ├── 01 04-1讲解-马尔科夫链的介绍.mp4
│ │ ├── 02 04-2点评-马尔科夫链的介绍.mp4
│ │ ├── 03 05-1讲解-HMM模型的简单案例.mp4
│ │ ├── 04 05-2点评-HMM模型的简单案例.mp4
│ │ ├── 05 06-1讲解-HMM模型三种经典问题举例求解.mp4
│ │ ├── 06 06-2点评-HMM模型三种经典问题举例求解.mp4
│ │ ├── 07 07-1讲解-HMM模型基础.mp4
│ │ ├── 08 07-2点评-HMM模型基础.mp4
│ │ ├── 09 08-1讲解-前向后向算法评估观察序列概率.mp4
│ │ ├── 10 08-2点评-前向后向算法评估观察序列概率.mp4
│ │ ├── 11 08-3点评-内容回顾.mp4
│ │ ├── 12 08-4点评-前向后向算法评估观察序列概率.mp4
│ │ ├── 13 09-1讲解-维特比算法解码隐藏状态序列.mp4
│ │ ├── 14 09-2点评-维特比算法解码隐藏状态序列.mp4
│ │ ├── 15 10-1讲解-鲍姆-韦尔奇算法简介.mp4
│ │ ├── 16 11-1讲解-HMM模型api介绍及案例代码实现.mp4
│ │ └── 17 11-2点评-HMM模型api介绍及案例代码实现.mp4
│ └── 17 第十七章 集成学习进阶V2.1
│ ├── 01 XGBoost算法
│ │ ├── 01 01-1讲解-xgboost最优模型构建方法.mp4
│ │ ├── 02 01-2点评-xgboost最优模型构建方法.mp4
│ │ ├── 03 02-1讲解-目标函数确定和树的复杂度介绍.mp4
│ │ ├── 04 02-2点评-目标函数确定和树的复杂度介绍.mp4
│ │ ├── 05 03-1讲解-XGBoost目标函数的推导.mp4
│ │ ├── 06 03-2点评-回顾.mp4
│ │ ├── 07 03-2点评-XGBoost目标函数的推导.mp4
│ │ ├── 08 04-1讲解-XGBoost的回归树构建方法.mp4
│ │ ├── 09 04-2点评-XGBoost的回归树构建方法.mp4
│ │ ├── 10 05-1讲解-XGBoost和GBDT的区别.mp4
│ │ ├── 11 05-2点评-XGBoost和GBDT的区别.mp4
│ │ ├── 12 06-1讲解-xgboost算法api与参数介绍.mp4
│ │ ├── 13 06-2点评-xgboost算法api与参数介绍.mp4
│ │ └── 14 07-1讲解-xgboost简单案例介绍.mp4
│ ├── 02 otto案例
│ │ ├── 01 08-1讲解-otto案例xgboost实现-数据基本处理.mp4
│ │ ├── 02 08-2点评-otto案例xgboost实现-数据基本处理.mp4
│ │ ├── 03 08-3点评-otto案例xgboost实现-数据基本处理.mp4
│ │ ├── 04 09-1讲解-otto案例xgboost实现-模型基本训练.mp4
│ │ ├── 05 10-1讲解-otto案例xgboost实现-模型调优.mp4
│ │ ├── 06 10-2点评-otto案例xgboost实现-模型调优.mp4
│ │ ├── 07 10-3点评-内容回顾.mp4
│ │ └── 08 11-1讲解-otto案例xgboost实现-最优模型运行.mp4
│ ├── 03 lightGBM算法
│ │ ├── 01 01-1讲解-lightGBM简单介绍.mp4
│ │ ├── 02 01-2点评-lightGBM简单介绍.mp4
│ │ ├── 03 02-1讲解-lightGBM算法原理介绍.mp4
│ │ ├── 04 02-2点评-lightGBM算法原理介绍.mp4
│ │ ├── 05 03-1讲解-lightGBM算法api参数介绍.mp4
│ │ ├── 06 03-2点评-lightGBM算法api参数介绍.mp4
│ │ ├── 07 04-1讲解-lightGBM算法简单案例介绍.mp4
│ │ ├── 08 04-2点评-lightGBM算法简单案例介绍.mp4
│ │ ├── 09 05-1讲解-pubg案例简介.mp4
│ │ └── 10 05-2点评-pubg案例简介.mp4
│ └── 04 绝地求生案例
│ ├── 01 06-1讲解-获取pubg数据.mp4
│ ├── 02 06-2点评-获取pubg数据.mp4
│ ├── 03 07-1讲解-数据缺失值处理和查看每场比赛人数.mp4
│ ├── 04 07-2点评-数据缺失值处理和查看每场比赛人数.mp4
│ ├── 05 07-3点评-内容回顾.mp4
│ ├── 06 08-1讲解-规范化输出部分数据和部分变量合成.mp4
│ ├── 07 09-1讲解-异常值处理1.mp4
│ ├── 08 09-2点评-异常值处理1.mp4
│ ├── 09 10-1讲解-异常值值处理2.mp4
│ ├── 10 10-2点评-异常值值处理2.mp4
│ ├── 11 11-1讲解-类别型数据处理.mp4
│ ├── 12 11-2点评-类别型数据处理.mp4
│ ├── 13 12-1讲解-数据截取、确定特征值和目标值、分割数据集.mp4
│ ├── 14 13-1讲解-使用RF进行模型训练.mp4
│ ├── 15 13-2点评-使用RF进行模型训练.mp4
│ ├── 16 14-1讲解-lightGBM对模型调优1.mp4
│ ├── 17 14-2点评-lightGBM对模型调优1.mp4
│ ├── 18 15-1讲解-lightGBM对模型调优2.mp4
│ └── 19 15-2点评-lightGBM对模型调优2.mp4
└── 02 阶段二 数据挖掘
└── 01 第一章 SparkMllib数据挖掘+SparkGraphX
├── 01 1-SparkMllib机器学习理论基础详解
│ ├── 01 01-机器学习和大数据的区别(一).mp4
│ ├── 02 02-机器学习和大数据的区别和联系(二).mp4
│ ├── 03 03-机器学习和大数据的区别和联系(三).mp4
│ ├── 04 04-人工智能和机器学习的区别.mp4
│ ├── 05 05-数据分析和数据挖掘联系.mp4
│ ├── 06 06-什么是机器学习问题.mp4
│ ├── 07 07-基于规则的学习和基于模型的学习方式.mp4
│ ├── 08 08-机器学习数据集概述1.mp4
│ ├── 09 09-机器学习数据集概述2.mp4
│ ├── 10 10-机器学习数据集概述3.mp4
│ ├── 11 11-机器学习问题分类.mp4
│ ├── 12 12-机器学习三要素强化.mp4
│ ├── 13 13-构建机器学习模型的流程.mp4
│ ├── 14 14-模型选择.mp4
│ └── 15 15-交叉验证及经验和结构风险.mp4
├── 02 2-SparkMllib库特征工程基础与实战(一)
│ ├── 01 01-SparkMllib的功能.mp4
│ ├── 02 2-SparkMllib的版本.mp4
│ ├── 03 3-SparkMllib架构.mp4
│ ├── 04 4-环境搭建及RDD、DF、DS的转换实践.mp4
│ ├── 05 5-如何利用SparkMllib构建机器学习推荐架构.mp4
│ ├── 06 6.SparkMllib算法分类及应用场景.mp4
│ ├── 07 7-SparkMllib基础数据类型-localvector.mp4
│ ├── 08 8-SparkMllib基础数据类型-labelpoint.mp4
│ ├── 09 9.SparkMllib基础数据类型-libsvm数据读取.mp4
│ ├── 10 10.SparkMllib基础数据类型-localmatrix.mp4
│ ├── 11 11.SparkMllib基础数据类型-分布式行矩阵和行索引矩阵.mp4
│ ├── 12 12.SparkMllib基础数据类型-分块矩阵.mp4
│ ├── 13 13.SparkMllib均值和方差.mp4
│ ├── 14 14-SparkMllib相关系数.mp4
│ ├── 15 15-SparkMllib假设检验的卡方验证.mp4
│ ├── 16 16-SparkMllib假设检验和随机数的产生.mp4
│ ├── 17 17-特征提取tf-ifd.mp4
│ ├── 18 18-特征提取-word2vec实践.mp4
│ └── 19 19-特征提取CountVector.mp4
├── 03 3-SparkMllib库特征工程基础与实战(二)
│ ├── 01 20-特征转化的二值化操作.mp4
│ ├── 02 21-特征转换-PCA操作.mp4
│ ├── 03 22-特征转换-类别型数据和数值型数据转换.mp4
│ ├── 04 23-特征转换-OneHot编码方式.mp4
│ ├── 05 24-特征转换-VectorIndexer转换操作.mp4
│ ├── 06 25-正则项.mp4
│ ├── 07 26-数值型数据处理的方法.mp4
│ ├── 08 27-Bucketizer分箱.mp4
│ ├── 09 28-ElementWise与SQLTransform实践.mp4
│ ├── 10 29-特征转换VectorAssemble.mp4
│ ├── 11 30-特征转换-QuantileDiscretizer.mp4
│ ├── 12 31-特征选择VectorSlicer.mp4
│ ├── 13 32-RFormula和卡方验证选择特征方法.mp4
│ ├── 14 33-卡方验证案例补充.mp4
│ ├── 15 36-案例实践2-Iris统计初步实践.mp4
│ ├── 16 37-案例实践2-Iris的rdd相关系数实践.mp4
│ ├── 17 38-案例实践2-iris的Dataframe数据统计.mp4
│ └── 18 39-案例实践2-iris的SParkMllib特征工程实践.mp4
├── 04 4-SparkMllib决策树算法基础与实战
│ ├── 01 1-了解什么是决策树.mp4
│ ├── 02 2.基于规则建树.mp4
│ ├── 03 3-信息熵的理解.mp4
│ ├── 04 4-ID3算法步骤详解.mp4
│ ├── 05 5-ID3算法举例和C4.5算法改进.mp4
│ ├── 06 6-决策树的剪枝方式.mp4
│ ├── 07 7-电商购买数据集ID3算法对比实践.mp4
│ ├── 08 8-Cart树的回归树原理理解.mp4
│ ├── 09 9-Cart树算法案例讲解.mp4
│ ├── 10 10-Cart分类树原理及Gini系数.mp4
│ ├── 11 11-Cart分类树的案例.mp4
│ ├── 12 12-SparkMllib实战libsvm数据建模.mp4
│ ├── 13 13-SparkMl实战libsvm数据全流程讲解实战.mp4
│ ├── 14 14-SparkMllib相亲数据建模分析.mp4
│ ├── 15 15-SparkMllib实战iris鸢尾花实战.mp4
│ └── 16 16-SparkMl实战Iris特征工程及建模实战1.mp4
├── 05 5-SparkMllib高级模块与线性回归基础及实战
│ ├── 01 1-SparkMllib的pipeline简介.mp4
│ ├── 02 2-Dataframe组件.mp4
│ ├── 03 3-Pipeline原理.mp4
│ ├── 04 4-通过set方法和ParamMap方法赋值超参数的选项.mp4
│ ├── 05 5-通过pipeline完成案例的代码编写.mp4
│ ├── 06 6-如何对模型选择与优化.mp4
│ ├── 07 7-超参数的网格搜索.mp4
│ ├── 08 8-简单交叉验证及模型选择.mp4
│ ├── 09 9-简单线性回归.mp4
│ ├── 10 10-最小二乘法解决简单线性回归原理.mp4
│ ├── 11 11-多元线性回归简介.mp4
│ ├── 12 12-最小二乘推导补充(补充).mp4
│ ├── 13 13-线性回归的变体及各适用场景.mp4
│ ├── 14 14-SparkMl实战脂肪数据集的案例.mp4
│ ├── 15 15-SparkMl实战运输时间的预测分析.mp4
│ ├── 16 16-SparkMllib基于RDD结构实战线性回归实例.mp4
│ ├── 17 16-SparkMl实战libsvm数据的形式.mp4
│ └── 18 17-Sparkml完成房价预测分析实战.mp4
├── 06 6-SparkMllib聚类算法基础与实战
│ ├── 01 1-什么是聚类.mp4
│ ├── 02 2-关于多种距离的度量简介.mp4
│ ├── 03 3-聚类算法核心思想.mp4
│ ├── 04 4-KMeans的举例.mp4
│ ├── 05 5-Kmens算法性能指标分析.mp4
│ ├── 06 6-KMeans特点及注意事项.mp4
│ ├── 07 7-SparkMLIB实战KMEans算法.mp4
│ ├── 08 8-SparkMLLIB实现药品数据得简单聚类.mp4
│ ├── 09 9-SparkMl实现基本数据的聚类分析实战.mp4
│ ├── 10 10-SparkMl和parkSql实现经纬度数据聚类分析实战.mp4
│ ├── 11 11-k-medoids了解.mp4
│ ├── 12 12-其他聚类思路-层次聚类方法.mp4
│ ├── 13 13-基于密度的聚类DBSCAN.mp4
│ ├── 14 14-GMM模型原理.mp4
│ ├── 15 15-聚类算法的总结：.mp4
│ ├── 16 16-SparkMllib实现对于层次聚类的分析.mp4
│ ├── 17 17-SparkMllib完成对于GMM高斯混合模型实践分析.mp4
│ ├── 18 18-SparkLDA实现了主题的提取实战.mp4
│ └── 19 19-SparkML实现IRis鸢尾花的聚类算法实战.mp4
├── 07 7-SparkGraphX理论基础与实战
│ ├── 01 1-图基本概念以及图计算应用.mp4
│ ├── 02 2-SparkGraphX简介.mp4
│ ├── 03 3-SparkGraphX图算法.mp4
│ ├── 04 4-SparkGraphX抽象是RDPG—弹性分布式属性图.mp4
│ ├── 05 5-SparkGraphX架构层面及存储方式简介.mp4
│ ├── 06 6-SparkGraphX定义顶点操作.mp4
│ ├── 07 7-SparkGraphX构件图及查询的操作.mp4
│ ├── 08 8-图的基本数据结构.mp4
│ ├── 09 9-图的类型和图的存储方式简介.mp4
│ ├── 10 10-构建图的方法原理及源码了解创建过程.mp4
│ ├── 11 11-构建图的操作代码.mp4
│ ├── 12 12-社交网络数据的创建部分代码实战.mp4
│ ├── 13 13-图的基本信息–顶点、边、入度、出度.mp4
│ ├── 14 14-图的转换操作：mapVertices、mapEdges、mapTriplet.mp4
│ ├── 15 15-图的结构操作：reverse、subgraph、mask、groupGraph.mp4
│ ├── 16 16-图的关联操作.mp4
│ └── 17 17-图的聚合以及图的操作API总结.mp4
└── 08 8-SparkGraphX与SparkMllib综合实战
├── 01 1-PageRank算法的基本假设和理解.mp4
├── 02 2-PageRank算法思想.mp4
├── 03 3-PageRank算法深入.mp4
├── 04 4-SparkGraphX通过社交网络数据完成重要节点的选择.mp4
├── 05 5-通过wiki数据达到网页重要性的pagerank度量.mp4
├── 06 6-通过PageRank算法得到网页排名的重要性.mp4
├── 07 7-广度优先遍历.mp4
├── 08 8-SparkGrphX实现最短路径.mp4
├── 09 9-连通图和强联通图.mp4
├── 10 10-SparkGraphx实战三角关系网络发现.mp4
├── 11 11-SVD++原理.mp4
└── 12 12-SVD++实战推荐算法预测.mp4