===============課程目錄===============
├第01課.機器學習解決問題綜述課.mp4
├第03課_kaggle案例實戰班.mp4
├第04課_kaggle案例實戰班.mp4
├第05課_kaggle案例實戰班.mp4
├第06課_kaggle案例實戰班.mp4
├第07課_kaggle案例實戰班.mp4
├第08課_kaggle案例實戰班.mp4
├第二節.mp4
├<代碼>
│ ├
│ │ ├blending.py
│ │ ├cs228-python-tutorial.ipynb
│ │ ├Feature_engineering_and_model_tuning.zip
│ │ ├
│ │ │ ├
│ │ │ │ ├Feature Engineering.ipynb
│ │ │ │ ├Test.csv
│ │ │ │ ├test_modified.csv
│ │ │ │ ├Train.csv
│ │ │ │ ├train_modified.csv
│ │ │ │ ├XGBoost models tuning.ipynb
│ │ │ │ ├<.ipynb_checkpoints>
│ │ │ │ │ ├Feature Engineering-checkpoint.ipynb
│ │ │ │ │ └XGBoost models tuning-checkpoint.ipynb
│ │ │ ├
│ │ │ │ ├test.csv
│ │ │ │ ├Titanic.ipynb
│ │ │ │ ├train.csv
│ │ │ │ ├<.ipynb_checkpoints>
│ │ │ │ │ └Titanic-checkpoint.ipynb
│ │ │ ├
│ │ │ │ ├Kaggle_Bicycle_Example.ipynb
│ │ │ │ ├kaggle_bike_competition_train.csv
│ │ │ │ ├<.ipynb_checkpoints>
│ │ │ │ │ └Kaggle_Bicycle_Example-checkpoint.ipynb
│ │ │ │ ├
│ │ │ │ │ ├Kaggle_Bicycle_Example_34_0.png
│ │ │ │ │ ├Kaggle_Bicycle_Example_42_0.png
│ │ │ │ │ ├Kaggle_Bicycle_Example_43_0.png
│ │ │ │ │ ├Kaggle_Bicycle_Example_44_0.png
│ │ │ │ │ ├Kaggle_Bicycle_Example_45_0.png
│ │ │ │ │ ├Kaggle_Bicycle_Example_46_1.png
│ │ │ │ │ ├Kaggle_Bicycle_Example_47_1.png
│ │ │ │ │ └Kaggle_Bicycle_Example_49_1.png
│ ├
│ │ ├
│ │ │ ├data_description.txt
│ │ │ ├<_ipynb_checkpoints>
│ │ │ ├
│ │ │ │ ├sample_submission.csv
│ │ │ │ ├test.csv
│ │ │ │ └train.csv
│ │ │ ├
│ │ │ │ ├house_price.html
│ │ │ │ ├house_price.ipynb
│ │ │ │ ├house_price_advanced.html
│ │ │ │ ├house_price_advanced.ipynb
│ │ │ │ ├<.ipynb_checkpoints>
│ │ │ │ │ ├house_price_advanced-checkpoint.ipynb
│ │ │ │ │ └house_price-checkpoint.ipynb
│ │ ├
│ │ │ ├<_ipynb_checkpoints>
│ │ │ ├
│ │ │ │ ├Combined_News_DJIA.csv
│ │ │ │ ├DJIA_table.csv
│ │ │ │ └RedditNews.csv
│ │ │ ├
│ │ │ │ ├news_stock.html
│ │ │ │ ├news_stock.ipynb
│ │ │ │ ├<.ipynb_checkpoints>
│ │ │ │ │ └news_stock-checkpoint.ipynb
│ ├
│ │ ├avazu-CTR-Prediction-LR.zip
│ │ ├feature.search
│ │ ├feature.search_ads
│ │ ├feature_map.search_ads
│ │ ├generate_train_feature_mapper.py
│ │ ├generate_train_feature_reducer.py
│ │ ├kaggle-avazu-rank1.zip
│ │ ├kaggle-avazu-rank2.zip
│ │ ├search_ads_feature.sample
│ │ ├search_click_data.sample
│ │ ├Spark-Criteo-CTR-Prediction.ipynb
│ │ └xgb_ads.conf
│ ├
│ │ ├
│ │ ├
│ │ │ ├news_stock.html
│ │ │ ├news_stock_advanced.html
│ │ │ ├search relevance.ipynb
│ │ │ ├search relevance_advanced.ipynb
│ │ │ ├search+relevance.html
│ │ │ ├search+relevance_advanced.html
│ │ │ ├<.ipynb_checkpoints>
│ │ │ │ ├search relevance_advanced-checkpoint.ipynb
│ │ │ │ └search relevance-checkpoint.ipynb
│ ├
│ │ ├energy_forecasting_notebooks.zip
│ │ └subway_prediction_notebook.zip
│ ├
│ │ ├cat_dog.html
│ │ ├char_rnn.html
│ │ ├image_search.html
│ │ ├Kaggle第06課：走起~深度學習.pdf
│ │ ├Kaggle第06課：走起~深度學習.pptx
│ │ ├news_stock_advanced.html
│ │ ├word_rnn.html
│ │ ├
│ │ │ ├chi_square.png
│ │ │ └RGBHistogram.jpg
│ │ ├<貓狗的數據>
│ │ │ ├cats-vs-dogs.txt
│ │ │ ├sample_submission.csv
│ │ │ ├test.zip
│ │ │ └train.zip
│ ├
│ │ ├data.zip
│ │ ├Kaggle event recommendation competition.ipynb
│ │ ├kaggle-event-recommendation-rank1.zip
│ │ └Rossmann_Store_Sales_competition.ipynb
│ ├
│ │ └PPD_RiskControl_Competition.zip
├<課件>
│ ├Kaggle第05課：能源預測與分配問題.pdf
│ ├Kaggle第06課：走起~深度學習.pdf
│ ├Kaggle第06課：走起~深度學習.pptx
│ ├
│ │ ├Kaggle第01課：機器學習算法、工具與流程概述.pdf
│ │ └分享的鏈接.txt
│ ├
│ │ └Kaggle第02課：經濟金融相關問題.pdf
│ ├
│ │ ├kaggle-2014-criteo.pdf
│ │ ├kaggle-avazu.pdf
│ │ ├predicting-clicks-facebook.pdf
│ │ ├阿里媽媽：大數據下的廣告排序技術及實踐.pdf
│ │ ├百度鳳巢：DNN在鳳巢CTR預估中的應用.pdf
│ │ ├從FM到FFM.pdf
│ │ ├第3課–排序與CTR預估.pdf
│ │ ├京東電商廣告和推薦系統的機器學習系統實踐.pdf
│ │ └騰訊廣點通：效果廣告中的機器學習技術.pdf
│ ├
│ │ └Kaggle第四課.pdf
│ ├
│ │ └第5課：能源預測與分配問題.pdf
│ ├
│ │ └第7課：推薦與銷量預測相關問題.pdf
│ ├
│ │ ├第8課：金融風控問題.pdf
│ │ └金融風控大賽解決方案.pdf
