教程前言
视频教程@机器学习工程最佳实战，解密机器学习，理论基础+实战进阶+高级项目，深入解析机器学习，大小6.96G，120个文件。本套教程存放在百度网盘，可以转存以后在线播放，或者下载到本地离线学习，同时支持PC端与手机端。
教程目录
01.Chapter 1
1.课程设计和结构介绍.html
02.第一模块：理论课
01.本节内容安排.mp4
02.课程总体框架.mp4
03.机器学习基本概念：数据和模型（第一节）.mp4
04.机器学习基本概念：数据和模型（第二节）.mp4
05.机器学习基本概念：数据和模型（第三节）.mp4
06.基本模型：逻辑回归（第一节）.mp4
07.基本模型：逻辑回归（第二节）.mp4
08.基本模型：K-均值.mp4
09.性能指标.mp4
10.过拟合和交叉验证.mp4
11.总结.mp4
12.第一模块作业.html
13.第一模块作业解析.mp4
03.第一模块：实战课
01.0.本节代码下载.html
01.1.Github代码下载.html
02.本节内容安排.mp4
03.Jupyter Notebook安装.html
04.环境配置.mp4
05.0.基本Python操作和Numpy（第一节）.mp4
05.1全面的Numpy教程.html
06.基本Python操作和Numpy（第二节）.mp4
07.Scikit-learn介绍.mp4
08.运行逻辑回归（第一节）.mp4
09.运行逻辑回归（第二节）.mp4
10.数据清洗示例.mp4
04.第一模块：项目课
1.0.本节代码下载.html
1.1.Github代码下载.html
2.Python教程介绍.mp4
3.Numpy.mp4
4.Pandas.mp4
05.第二模块：理论课
01.本节内容安排.mp4
02.决策树.mp4
03.决策树的算法.mp4
04.节点拆分.mp4
05.决策树的步骤和总结.mp4
06.权衡偏差和方差（第一节）.mp4
07.权衡偏差和方差（第二节）.mp4
08.权衡偏差和方差（第三节）.mp4
09.随机森林（第一节）.mp4
10.随机森林（第二节）.mp4
11.支持向量机（第一节）.mp4
12.支持向量机（第二节）.mp4
13.支持向量机（第三节）.mp4
14.支持向量机（第四节）.mp4
15.支持向量机（第五节）.mp4
16.第二模块作业.html
17.第二模块作业解析.mp4
06.第二模块：实战课
01.0.本节代码下载.html
01.1.Github代码下载.html
02.本节内容安排.mp4
03.自助法（第一节）.mp4
04.自助法（第二节）.mp4
05.自助法（第三节）.mp4
06.单节点树（第一节）.mp4
07.单节点树（第二节）.mp4
08.0.单节点树（第三节）.mp4
08.1.Decision Stump 简单介绍.html
09.随机森林（第一节）.mp4
10.随机森林（第二节）.mp4
11.随机森林（第三节）.mp4
12.随机森林（第四节）.mp4
13.支持向量机（第一节）.mp4
14.支持向量机（第二节）.mp4
15.0.支持向量机（第三节）.mp4
15.1.视频中显示的scikit-learn文档（英文）.html
16.支持向量机（第四节）.mp4
17.支持向量机（第五节）.mp4
07.第二模块：项目课
01.0.本节代码下载.html
01.1.Github代码下载.html
02.开始搭建推荐系统项目.html
03.项目介绍（第一节）.mp4
04.项目介绍（第二节）.mp4
05.项目实现具体细节（第一节）.mp4
06.项目实现具体细节（第二节）.mp4
07.代码框架介绍（main.py）.mp4
08.代码框架介绍（README, Preprocessing）.mp4
09.代码框架介绍（Databaseinterface.py, Webserver.py）.mp4
10.尝试自己进行编程.html
08.第三模块：理论课
01.本节内容安排.mp4
02.推荐系统介绍（第一节）.mp4
03.推荐系统介绍（第二节）.mp4
04.几种推荐的方式.mp4
05.推荐系统算法的输入和输出.mp4
06.显式响应和隐式响应.mp4
07.信任、新颖、多样性和商业化.mp4
08.基于内容的过滤（第一节）.mp4
09.基于内容的过滤（第二节）.mp4
10.基于内容的过滤（第三节）.mp4
11.基于用户的协同过滤（第一节）.mp4
12.基于用户的协同过滤（第二节）.mp4
13.基于用户的协同过滤（第三节）.mp4
14.基于商品的协同过滤（第一节）.mp4
15.基于商品的协同过滤（第二节）.mp4
16.矩阵因式分解的协同过滤（第一节）.mp4
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
09.第三模块：实战课
01.0.本节代码下载.html
01.1.Github代码下载.html
02.本节内容安排.mp4
03.玩具问题及基本设置（第一节）.mp4
04.玩具问题及基本设置（第二节）.mp4
05.预测（第一节）.mp4
06.预测（第二节）.mp4
07.提升基准模型（第一节）.mp4
08.提升基准模型（第二节）.mp4
09.奇异值分解（第一节）.mp4
10.奇异值分解（第二节）.mp4
11.矩阵因式分解的随机梯度下降.mp4
12.随机梯度下降的优化过程.mp4
10.第三模块：项目课
1.0.本节代码下载.html
1.1.Github代码下载.html
2.本节内容安排.mp4
3.Main.py和Webserver.py.mp4
4.RecEngine.py.mp4
5.RecEngine.py、UserAnalyzer.py和Ranker.py.mp4
6.Learners（第一节）.mp4
7.Learners（第二节）.mp4
8.Models（第一节）.mp4
9.Models（第二节）.mp4
