跟隨一線高級工程師解密機器學習，這是一次關于機器學習工程的最佳實戰。課程內容分為三個大的部分，分筆是機器學習理論部分，跟隨老師打下扎實的基礎，基礎課程還安排有每次的作業，以及作業的解析。在后續的機器學習實戰進階和高級項目實戰部分，會更深入的進行機器學習算法，技術和項目實戰，課程的內容安排和技術性都非常的出類拔萃，可以作為同學們非常好的學習參考。
===============課程目錄===============
(1)\1. Chapter 1；目錄中文件數:1個
├─1. 課程設計和結構介紹.html
(2)\10. 第三模塊：項目課；目錄中文件數:10個
├─1. 本節代碼下載.html
├─1.1 Github代碼下載.html
├─2. 本節內容安排.mp4
├─3. Main.py和Webserver.py.mp4
├─4. RecEngine.py.mp4
├─5. RecEngine.py、UserAnalyzer.py和Ranker.py.mp4
├─6. Learners（第一節）.mp4
├─7. Learners（第二節）.mp4
├─8. Models（第一節）.mp4
├─9. Models（第二節）.mp4
(3)\2. 第一模塊：理論課；目錄中文件數:13個
├─1. 本節內容安排.mp4
├─10. 過擬合和交叉驗證.mp4
├─11. 總結.mp4
├─12. 第一模塊作業.html
├─13. 第一模塊作業解析.mp4
├─2. 課程總體框架.mp4
├─3. 機器學習基本概念：數據和模型（第一節）.mp4
├─4. 機器學習基本概念：數據和模型（第二節）.mp4
├─5. 機器學習基本概念：數據和模型（第三節）.mp4
├─6. 基本模型：邏輯回歸（第一節）.mp4
├─7. 基本模型：邏輯回歸（第二節）.mp4
├─8. 基本模型：K-均值.mp4
├─9. 性能指標.mp4
(4)\3. 第一模塊：實戰課；目錄中文件數:12個
├─1. 本節代碼下載.html
├─1.1 Github代碼下載.html
├─10. 數據清洗示例.mp4
├─2. 本節內容安排.mp4
├─3. Jupyter Notebook安裝.html
├─4. 環境配置.mp4
├─5. 基本Python操作和Numpy（第一節）.mp4
├─5.1 全面的Numpy教程.html
├─6. 基本Python操作和Numpy（第二節）.mp4
├─7. Scikit-learn介紹.mp4
├─8. 運行邏輯回歸（第一節）.mp4
├─9. 運行邏輯回歸（第二節）.mp4
(5)\4. 第一模塊：項目課；目錄中文件數:5個
├─1. 本節代碼下載.html
├─1.1 Github代碼下載.html
├─2. Python教程介紹.mp4
├─3. Numpy.mp4
├─4. Pandas.mp4
(6)\5. 第二模塊：理論課；目錄中文件數:17個
├─1. 本節內容安排.mp4
├─10. 隨機森林（第二節）.mp4
├─11. 支持向量機（第一節）.mp4
├─12. 支持向量機（第二節）.mp4
├─13. 支持向量機（第三節）.mp4
├─14. 支持向量機（第四節）.mp4
├─15. 支持向量機（第五節）.mp4
├─16. 第二模塊作業.html
├─17. 第二模塊作業解析.mp4
├─2. 決策樹.mp4
├─3. 決策樹的算法.mp4
├─4. 節點拆分.mp4
├─5. 決策樹的步驟和總結.mp4
├─6. 權衡偏差和方差（第一節）.mp4
├─7. 權衡偏差和方差（第二節）.mp4
├─8. 權衡偏差和方差（第三節）.mp4
├─9. 隨機森林（第一節）.mp4
(7)\6. 第二模塊：實戰課；目錄中文件數:20個
├─1. 本節代碼下載.html
├─1.1 Github代碼下載.html
├─10. 隨機森林（第二節）.mp4
├─11. 隨機森林（第三節）.mp4
├─12. 隨機森林（第四節）.mp4
├─13. 支持向量機（第一節）.mp4
├─14. 支持向量機（第二節）.mp4
├─15. 支持向量機（第三節）.mp4
├─15.1 視頻中顯示的scikit-learn文檔（英文）.html
├─16. 支持向量機（第四節）.mp4
├─17. 支持向量機（第五節）.mp4
├─2. 本節內容安排.mp4
├─3. 自助法（第一節）.mp4
├─4. 自助法（第二節）.mp4
├─5. 自助法（第三節）.mp4
├─6. 單節點樹（第一節）.mp4
├─7. 單節點樹（第二節）.mp4
├─8. 單節點樹（第三節）.mp4
├─8.1 Decision Stump 簡單介紹.html
├─9. 隨機森林（第一節）.mp4
(8)\7. 第二模塊：項目課；目錄中文件數:11個
├─1. 本節代碼下載.html
├─1.1 Github代碼下載.html
├─10. 嘗試自己進行編程.html
├─2. 開始搭建推薦系統項目.html
├─3. 項目介紹（第一節）.mp4
├─4. 項目介紹（第二節）.mp4
├─5. 項目實現具體細節（第一節）.mp4
├─6. 項目實現具體細節（第二節）.mp4
├─7. 代碼框架介紹（main.py）.mp4
├─8. 代碼框架介紹（README, Preprocessing）.mp4
├─9. 代碼框架介紹（Databaseinterface.py, Webserver.py）.mp4
(9)\8. 第三模塊：理論課；目錄中文件數:18個
├─1. 本節內容安排.mp4
├─10. 基于內容的過濾（第三節）.mp4
├─11. 基于用戶的協同過濾（第一節）.mp4
├─12. 基于用戶的協同過濾（第二節）.mp4
├─13. 基于用戶的協同過濾（第三節）.mp4
├─14. 基于商品的協同過濾（第一節）.mp4
├─15. 基于商品的協同過濾（第二節）.mp4
├─16. 矩陣因式分解的協同過濾（第一節）.mp4
├─17. 矩陣因式分解的協同過濾（第二節）.mp4
├─18. 推薦系統的評估.mp4
├─2. 推薦系統介紹（第一節）.mp4
├─3. 推薦系統介紹（第二節）.mp4
├─4. 幾種推薦的方式.mp4
├─5. 推薦系統算法的輸入和輸出.mp4
├─6. 顯式響應和隱式響應.mp4
├─7. 信任、新穎、多樣性和商業化.mp4
├─8. 基于內容的過濾（第一節）.mp4
├─9. 基于內容的過濾（第二節）.mp4
(10)\9. 第三模塊：實戰課；目錄中文件數:13個
├─1. 本節代碼下載.html
├─1.1 Github代碼下載.html
├─10. 奇異值分解（第二節）.mp4
├─11. 矩陣因式分解的隨機梯度下降.mp4
├─12. 隨機梯度下降的優化過程.mp4
├─2. 本節內容安排.mp4
├─3. 玩具問題及基本設置（第一節）.mp4
├─4. 玩具問題及基本設置（第二節）.mp4
├─5. 預測（第一節）.mp4
├─6. 預測（第二節）.mp4
├─7. 提升基準模型（第一節）.mp4
├─8. 提升基準模型（第二節）.mp4
├─9. 奇異值分解（第一節）.mp4
