清华大学讲师数据挖掘:理论与算法视频教程
├─1第一章 走进数据科学:博大精深,美不胜收
│ 1-1第一节 整装待发.mp4
│ 1-2第二节 学而不思则罔.mp4
│ 1-3第三节 知行合一.mp4
│ 1-4第四节 从数据到知识.mp4
│ 1-5第五节 分类问题.mp4
│ 1-6第六节 聚类及其它数据挖掘问题.mp4
│ 1-7第七节 隐私保护与并行计算.mp4
│ 1-8第八节 迷雾重重.mp4
│ 1-9第九节 相关学习资源.mp4
│
├─2第二章 数据预处理:抽丝剥茧,去伪存真
│ 2-1第一节 数据清洗.mp4
│ 2-2第二节 异常值与重复数据检测.mp4
│ 2-3第三节 类型转换与采样.mp4
│ 2-4第四节 数据描述与可视化.mp4
│ 2-5第五节 特征选择.mp4
│ 2-6第六节 主成分分析.mp4
│ 2-7-1第七节 线性判别分析.mp4
│ 2-7-2第七节 线性判别分析.mp4
│ 2-8第八节 相关学习资源.mp4
│
├─3第三章 从贝叶斯到决策树:意料之外,情理之中
│ 3-1第一节 贝叶斯奇幻之旅.mp4
│ 3-2第二节 朴素是一种美德.mp4
│ 3-3第三节 数据、规则与树.mp4
│ 3-4第四节 植树造林学问大.mp4
│ 3-5第五节 相关学习资源.mp4
│
├─4第四章 神经网络:巨量并行,智慧无限
│ 4-1第一节 智慧之源神经元.mp4
│ 4-2第二节 会学习的神经元.mp4
│ 4-3第三节 从一个到一群.mp4
│ 4-4第四节 层次分明,责任到人.mp4
│ 4-5第五节 管中窥豹,抛砖引玉.mp4
│ 4-6第六节 相关学习资源.mp4
│
├─5第五章 支持向量机:数学之美,巅峰之作
│ 5-1第一节 最大间隔.mp4
│ 5-2第二节 线性SVM.mp4
│ 5-3第三节 数学家的把戏.mp4
│ 5-4第四节 致敬真神.mp4
│ 5-5第五节 相关学习资源.mp4
│
├─6第六章 聚类分析:物以类聚,人以群分
│ 6-1第一节 无监督学习.mp4
│ 6-2第二节 K-Means.mp4
│ 6-3第三节 期望最大法.mp4
│ 6-4第四节 密度与层次.mp4
│
├─7第七章 关联规则:营销购物,自有乾坤
│ 7-1第一节 项集与规则.mp4
│ 7-2第二节 支持度与置信度.mp4
│ 7-3第三节 误区.mp4
│ 7-4第四节 Apriori 算法.mp4
│ 7-5第五节 实例分析.mp4
│ 7-6第六节 序列模式.mp4
│ 7-7第七节 相关学习资源.mp4
│
├─8第八章 推荐算法:察言观色,投其所好
│ 8-1第一节 无所不在的推荐.mp4
│ 8-2第二节 隐含语义分析.mp4
│ 8-3第三节 PageRank传奇.mp4
│ 8-4第四节 协同过滤.mp4
│ 8-5第五节 告诉你一个真实的推荐.mp4
│
├─9第九章 集成学习:兼听则明,偏听则暗
│ 9-1第一节 民主协商:Ensemble.mp4
│ 9-2第二节 群策群议:Bagging.mp4
│ 9-3第三节 环环相扣:Boosting.mp4
│ 9-4第四节 集成之美:AdaBoost.mp4
│ 9-5第五节 继往开来:RegionBoost.mp4
│
├─10第十章 进化计算:大道至简,万物之本
│ 10-1第一节 人与自然.mp4
│ 10-2第二节 尽善尽美.mp4
│ 10-3第三节 走向进化.mp4
│ 10-4第四节 遗传算法初探.mp4
│ 10-5-1第五节 遗传算法进阶.mp4
│ 10-5-2第五节 遗传算法进阶.mp4
│ 10-6第六节 遗传程序设计.mp4
│ 10-7第七节 万物皆进化.mp4
│ 10-8-1第八节 相关学习资源.mp4
│ 10-8-2第八节 相关学习资源.mp4
│
├─11第十一章 美丽数据说:阆苑仙葩,美玉无瑕
│ 11-1-1第一节 数据之美.mp4
│ 11-1-2第一节 数据之美.mp4
│ 11-2第二节 南国紫荆亦芬芳.mp4
│
└─课件
1-Introduction.pptx
2-Data_Preprocessing-0630.pptx
3-从贝叶斯到决策树.pptx
4-Neural_Networks-710.pptx
5-Support_Vector_Machines.pptx
6-Clustering.pptx
7-Association_Rule.pptx
8-Recommendation.pptx
9-Ensemble_Learning.pptx
A-Evolutionary_Algorithms.pptx
课程介绍.txt│ 课程介绍截图.png
|