缺什么补什么：算法数学底子薄，就别跳着学
这门课讲的是机器学习经典算法的数学原理与实现，不是那种调包跑通就万事大吉的速成班。它解决的问题是：很多人能把决策树跑起来，却说不清信息增益怎么算；能用现成库做推荐，却不知道协同过滤的相似度矩阵怎么构造。如果你正准备算法岗面试、从后端转算法，或者发现自己只会调 API 而一问原理就卡壳，这门课正好补这块短板。适合有 Python 基础、能看懂基本线性代数和概率论的人，纯零基础建议先补编程和高数，别假装看得懂矩阵分解。
建议先啃这几块：从树模型到降维，再到推荐
别按顺序从头看到尾，按依赖关系挑着看。先啃决策树与随机森林这一块，把熵、信息增益、剪枝的逻辑理顺，这是所有树模型的根。接着看贝叶斯，理解先验后验，跟着拼写检查器和垃圾邮件过滤的实例敲一遍代码。然后跳到 PCA 降维与 SVD，这块数学味最重，重点看 SVD 原理怎么拆解矩阵、怎么用到推荐系统里。时间序列 ARIMA 那块可以放后面，平稳性检验和差分法是难点，别一上来就啃。神经网络架构那一节先看整体架构和过拟合解决方案，实例演示跟着敲，感受非线性拟合的能力边界。推荐系统那块是综合应用，把协同过滤、隐语义模型、相似度计算串起来看，对照着 SVD 的矩阵分解思路，你会发现底层数学是相通的。
学完能独立做什么，资料怎么配合练
看完这些，你应该能独立完成几件事：手写决策树算信息增益并做剪枝，而不是只会调库；用朴素贝叶斯做文本分类并解释概率推导过程；对高维数据做 PCA 降维并说清楚主成分怎么选；用协同过滤搭一个简单的推荐 demo 并评估效果。配套练习方面，每看完一个算法的原理讲解，立刻去找对应实例动手敲，别只看不练。比如看完 ARIMA 的参数选择，就拿一段真实时间序列数据做平稳性检验、定阶、拟合。看完隐语义模型求解，自己造一个小评分矩阵试着分解。遇到卡壳的地方，回头重看原理部分，别跳过数学推导硬调包。这门课的价值在于让你知其然也知其所以然，学完之后面试被问 SVD 为什么能做推荐、决策树为什么要剪枝，你能从数学层面讲清楚，而不是背一段八股文。
课程目录
📁 第二阶段：机器学习经典算法 📁 09PCA降维与SVD矩阵分解 3.SVD原理【公重号：CunWorkNotes】.mp4 [42.0 MB] 2.PCA降维实例.mp4 [48.0 MB] 4.SVD推荐系统.mp4 [29.6 MB] 1.PCA问题.mp4 [10.1 MB] 📁 08神经网络架构 4.感受神经网络的强大.mp4 [160.6 MB] 3.过拟合解决方案.mp4 [39.0 MB] 1.整体架构.mp4 [24.6 MB] 2.实例演示.mp4 [49.1 MB] 📁 02决策树与随机森林 6.决策树剪枝.mp4 [87.0 MB] 1.决策树概述.mp4 [23.4 MB] 4.信息增益.mp4 [14.3 MB] 8.案例决策树参数.mp4 [58.7 MB] 2.熵原理形象解读.mp4 [80.6 MB] 5.信息增益率.mp4 [42.8 MB] 3.决策树构造实例.mp4 [27.8 MB] 7.随机森林.mp4 [22.0 MB] 📁 06时间序列AIRMA模型 2.ARIMA模型.mp4 [26.0 MB] 3.相关函数评估方法.mp4 [102.2 MB] 5.参数选择.mp4 [43.2 MB] 4.建立ARIMA模型.mp4 [25.5 MB] 1.数据平稳性与差分法.mp4 [30.8 MB] 📁 11推荐系统 7.隐语义模型【持续更新‖免费提供：CunworknoteS】.mp4 [18.5 MB] 3.推荐系统要完成的任务.mp4 [16.4 MB] 2.推荐系统应用.mp4 [74.6 MB] 8.隐语义模型求解.mp4 [24.3 MB] 6.基于物品的协同过滤.mp4 [35.3 MB] 1.开场.mp4 [5.4 MB] 9.模型评估标准.mp4 [17.9 MB] 5.基于用户的协同过滤.mp4 [51.0 MB] 4.相似度计算.mp4 [26.1 MB] 📁 03贝叶斯算法 1.贝叶斯算法概述【整理不易‖记得关注：CunWorKNotes】.mp4 [17.7 MB] 5.贝叶斯实现拼写检查器.mp4 [48.0 MB] 4.垃圾邮件过滤实例.mp4 [35.7 MB] 3.贝叶斯拼写纠错实例.mp4 [29.3 MB] 2.贝叶斯推导实例.mp4 [43.7 MB] 📁 05支持向量机算法 7.核函数变换.mp4 [39.4 MB] 6.软间隔支持向量机.mp4 [16.9 MB] 1.支持向量机要解决的问题.mp4 [12.5 MB] 2.支持向量机求解目标.mp4 [75.5 MB] 4.支持向量机求解例子.mp4 [28.2 MB] 3.支持向量机目标函数求解.mp4 [24.1 MB] 5.支持向量的作用.mp4 [21.9 MB] 📁 04 Xgboost 3.xgboost目标函数推导.mp4 [30.3 MB] 5.xgboost安装【不易整理‖请关注：CunWorkNoteS】.mp4 [11.0 MB] 2.xgboost基本原理.mp4 [54.1 MB] 7.Adaboost算法概述.mp4 [33.7 MB] 1.集成思想.mp4 [13.3 MB] 4.xgboost求解实例.mp4 [30.2 MB] 6.xgboost实战演示.mp4 [162.4 MB] 📁 01回归算法 7.梯度下降原理.mp4 [20.8 MB] 6.梯度下降实例【整理不易‖记得关注：CunWorKNotes】.mp4 [40.2 MB] 1.机器学习概述(1).mp4 [23.9 MB] 2.回归算法.mp4 [47.1 MB] 5.逻辑回归原理.mp4 [14.7 MB] 4.目标函数求解.mp4 [29.0 MB] 3.线性回归误差原理推导.mp4 [31.1 MB] 📁 07神经网络基础 4.超参数与交叉验证.mp4 [26.4 MB] 8.softmax分类器【不易整理‖请关注：CunWorkNoteS】.mp4 [77.1 MB] 10.最优化问题细节【资源精选‖更多关注：CunworkNotes】.mp4 [28.4 MB] 1.深度学习概述.mp4 [32.7 MB] 2.挑战与常规套路【不易整理‖请关注：CunWorkNoteS】.mp4 [64.4 MB] 11.反向传播.mp4 [37.2 MB] 9.最优化形象解读.mp4 [17.3 MB] 3.用K近邻来进行分类.mp4 [25.4 MB] 6.损失函数.mp4 [23.3 MB] 5.线性分类.mp4 [50.0 MB] 7.正则化惩罚项.mp4 [17.6 MB] 📁 12Word2Vec 10.锑度上升求解【整理不易‖记得关注：CunWorKNotes】.mp4 [55.1 MB] 4.N-gram模型【持续更新‖免费提供：CunworknoteS】.mp4 [21.4 MB] 3.语言模型.mp4 [14.5 MB] 6.神经网络模型.mp4 [25.0 MB] 1.开篇.mp4 [12.7 MB] 9.CBOW求解目标.mp4 [13.8 MB] 8.CBOW模型实例.mp4 [28.8 MB] 5.词向量.mp4 [41.6 MB] 7.Hierarchical Softmax.mp4 [24.3 MB] 11.负采样模型.mp4 [17.1 MB] 2.自然语言处理与深度学习.mp4 [65.4 MB] 📁 10聚类算法 3.特征工程2.mp4 [41.1 MB] 2.使用Kmeans进行图像压缩.mp4 [67.4 MB] 1.聚类算法概述.mp4 [42.9 MB] 📁 第一阶段：Python数据分析与建模库 📁 01Python快速入门 4.LIST基础【优质资源‖关注：cunWorkNotes 解锁】.mp4 [74.5 MB] 9.文件处理.mp4 [110.6 MB] 6.循环结构.mp4 [30.9 MB] 2.Python快速入门.mp4 [2.6 MB] 10.函数基础.mp4 [11.4 MB] 1.系列课程环境配置.mp4 [82.6 MB] 8.字典.mp4 [37.6 MB] 7.判断结构.mp4 [15.0 MB] 5.List索引.mp4 [28.4 MB] 3.变量类型.mp4 [19.7 MB] 📁 03数据分析处理库Pandas 4.Series结构.mp4 [29.8 MB] 3.常用函数【更多精选‖公众号：CunWorknotes】 .mp4 [182.5 MB] 1.数据读取.mp4 [40.2 MB] 2.数据预处理.mp4 [35.6 MB] 📁 02科学计算库Numpy 1.数据结构.mp4 [38.4 MB] 2.基本操作].mp4 [72.4 MB] 4.矩阵操作.mp4 [38.5 MB] 5.常用函数.mp4 [47.5 MB] 3.矩阵属性.mp4 [23.9 MB] 📁 05Seaborn可视化库 11.Facetgrid绘制多变量.mp4 [29.4 MB] 10.Facetgrid使用方法【整理不易‖记得关注：CunWorKNotes】.mp4 [25.3 MB] 8.多变量分析绘图.mp4 [30.7 MB] 12.热度图绘制.mp4 [45.9 MB] 6.单变量分析绘图.mp4 [94.5 MB] 2.整体布局风格设置.mp4 [86.5 MB] 1.课程简介.mp4 [7.6 MB] 9.分类属性绘.mp4 [104.2 MB] 5.调色板颜色设置.mp4 [24.6 MB] 4.调色板.mp4 [30.0 MB] 7.回归分析绘图.mp4 [28.3 MB] 3.风格细节设置.mp4 [23.6 MB] 📁 04可视化库Matplotlib 4.柱形图与盒图【更多精选‖公众号：CunWorknotes】 .mp4 [32.2 MB] 3.条形图与散点图.mp4 [34.7 MB] 1.折线图.mp4 [27.1 MB] 5.细节设置.mp4 [90.1 MB] 2.子图操作.mp4 [138.6 MB] 📁 第三阶段：机器学习案例实战 📁 06TensorFlow框架 4.线性回归模型.mp4 [46.1 MB] 8.完成神经网络.mp4 [43.2 MB] 5.逻辑回归框架.mp4 [40.2 MB] 9.卷积神经网络模型.mp4 [34.1 MB] 2.变量.mp4 [26.7 MB] 10.卷积神经网络参数.mp4 [319.2 MB] 3.变量练习.mp4 [181.0 MB] 7.神经网络模型.mp4 [86.6 MB] 6.逻辑回归迭代.mp4 [51.8 MB] 📁 02案例实战-信用卡欺诈检测 6.正则化惩罚【整理不易‖记得关注：CunWorKNotes】.mp4 [21.6 MB] 4.交叉验证【不易整理‖请关注：CunWorkNoteS】.mp4 [35.6 MB] 5.模型评估方法【不易整理‖请关注：CunWorkNoteS】.mp4 [34.8 MB] 1.案例背景和目标【整理不易‖记得关注：CunWorKNotes】.mp4 [26.4 MB] 3.下采样策略.mp4 [21.0 MB] 10.SMOTE样本生成策略.mp4 [59.0 MB] 8.混淆矩阵.mp4 [100.7 MB] 2.样本不均衡解决方案.mp4 [110.1 MB] 9.逻辑回归阈值对结果的影响.mp4 [30.6 MB] 7.逻辑回归模型.mp4 [24.7 MB] 📁 03Python文本数据分析 3.新闻数据与任务简介【资源精选‖更多关注：CunworkNotes】.mp4 [42.6 MB] 1.文本分析与关键词提取【公重号：CunWorkNotes】.mp4 [30.5 MB] 4.TF-IDF关键词提取.mp4 [223.9 MB] 2.相似度计算.mp4 [30.1 MB] 6.基于贝叶斯算法进行新闻分类.mp4 [64.4 MB] 5.LDA建模.mp4 [36.4 MB] 📁 07MNIST手写字体识别 5.训练网络模型.mp4 [46.7 MB] 3.卷积简介.mp4 [29.0 MB] 1.神经网络模型概述.mp4 [33.0 MB] 4.构造网络结构.mp4 [42.3 MB] 2.tensorflow参数.mp4 [85.1 MB] 📁 08Gensim中文词向量建模 2.维基百科中文数据处理【更多精选‖公众号：CunWorknotes】 .mp4 [159.8 MB] 1.使用Gensim库构造词向量.mp4 [22.6 MB] 4.测试模型相似度结果.mp4 [27.0 MB] 3.Gensim构造word2vec模型.mp4 [29.0 MB] 📁 04Kaggle竞赛案例-泰坦尼克获救预测 2.数据预处理.mp4 [211.8 MB] 【公重号：CunWorkNotes】.mp4 [55.2 MB] 4.随机森林模型.mp4 [52.5 MB] 5.特征选择.mp4 [40.1 MB] 1.数据介绍.mp4 [26.0 MB] 📁 05时间序列案例实战 3.Pandas滑动窗口.mp4 [22.0 MB] 5.使用tsfresh库进行分类任务.mp4 [217.0 MB] 1.Pandas生成时间序列.mp4 [38.2 MB] 6.维基百科词条EDA.mp4 [58.7 MB] 4.股票预测案例.mp4 [35.2 MB] 2.Pandas数据重采样.mp4 [91.2 MB] 📁 09探索性数据分析-赛事数据集分析 6.特征可视化展示.mp4 [42.8 MB] 1.开场 (1)【不易整理‖请关注：CunWorkNoteS】.mp4 [6.7 MB] 7.多特征之间关系分析【公重号：CunWorkNotes】.mp4 [38.9 MB] 5.缺失值可视化分析.mp4 [57.3 MB] 8.报表可视化分析.mp4 [39.6 MB] 3.数据读取与预处理.mp4 [198.2 MB] 2.数据背景介绍.mp4 [37.6 MB] 4.数据切分模块.mp4 [51.9 MB] 9.红牌和肤色的关系.mp4 [301.2 MB] 📁 10 探索性数据分析-农粮数据分析 3.单变量分析.mp4 [60.4 MB] 5.数据对数变换.mp4 [30.5 MB] 2.数据切片分析【优质资源‖关注：cunWorkNotes 解锁】.mp4 [259.2 MB] 6.数据分析维度【资源精选‖更多关注：CunworkNotes】.mp4 [91.0 MB] 7.变量关系可视化展示.mp4 [51.1 MB] 1.数据背景简介.mp4 [42.3 MB] 4.峰度与偏度.mp4 [36.4 MB] 📁 01使用Python分析科比生涯数据 1.科比数据集简介.mp4 [36.0 MB] 2.数据预处理 (1).mp4 [139.7 MB] 3.建模.mp4 [34.7 MB]
