课程目录
1-1 [算法试听：线性回归算法原理解读] 回归问题概述 (07:11) 1-2 [算法试听：线性回归算法原理解读] 误差项定义 (09:41) 1-3 [算法试听：线性回归算法原理解读] 独立同分布的意义 (07:32) 1-4 [算法试听：线性回归算法原理解读] 似然函数的作用 (10:50) 1-5 [算法试听：线性回归算法原理解读] 参数求解 (11:11) 1-6 [算法试听：线性回归算法原理解读] 梯度下降通俗解释 (08:34) 1-7 [算法试听：线性回归算法原理解读] 参数更新方法 (08:17) 1-8 [算法试听：线性回归算法原理解读] 优化参数设置 (08:51) 2-1 [案例试听：集成算法实验分析（部分节选）] 构建实验数据集 (06:27) 2-2 [案例试听：集成算法实验分析（部分节选）] 硬投票与软投票效果对比 (11:04) 2-3 [案例试听：集成算法实验分析（部分节选）] Bagging策略效果 (07:34) 2-4 [案例试听：集成算法实验分析（部分节选）] 集成效果展示分析 (10:42) 2-5 [案例试听：集成算法实验分析（部分节选）] OOB袋外数据的作用 (03:38) 2-6 [案例试听：集成算法实验分析（部分节选）] 特征重要性热度图展示 (14:56) 3-1 [数据挖掘项目：快手用户活跃度预测（只节选了其中一部分）] 任务目标与数据分析. (09:37) 3-2 [数据挖掘项目：快手用户活跃度预测（只节选了其中一部分）] 整体模型架构 (06:13) 3-3 [数据挖掘项目：快手用户活跃度预测（只节选了其中一部分）] 构建用户特征序列 (10:14) 3-4 [数据挖掘项目：快手用户活跃度预测（只节选了其中一部分）] 序列特征提取方法 (08:56) 3-5 [数据挖掘项目：快手用户活跃度预测（只节选了其中一部分）] 生成特征汇总表 (07:58) 4-1 [深度学习框架项目：PyTorch框架图像识别模型实战（节选）] Vision模块功能解读 (05:10) 4-2 [深度学习框架项目：PyTorch框架图像识别模型实战（节选）] 分类任务数据集定义与配置 (06:27) 4-3 [深度学习框架项目：PyTorch框架图像识别模型实战（节选）] 图像增强的作用 (04:51) 4-4 [深度学习框架项目：PyTorch框架图像识别模型实战（节选）] 数据预处理与数据增强模块 (09:25) 4-5 [深度学习框架项目：PyTorch框架图像识别模型实战（节选）] Batch数据制作 (08:37)
