深度学习基础加进阶视频教程

【课程内容】 基础 课程介绍机器学习介绍 深度学习介绍 基本概念 决策树算法 决策树应用 最邻近规则分类KNN算法 最邻近规则KNN分类应用 支持向量机SVM 神经网络算法应用 简单线性回归 多元线性回归 非线性回归 Logistic Regression 回归中的相关度和决定系数 回归中的相关性和R平方值应用 Kmeans算法 Kmeans应用 Hierarchical clustering 层次聚类 进阶 基本概念 软件包安装和环境配置总述 环境配置分部详解 手写数字识别 神经网络基本结构及梯度下降算法 随机梯度下降算法 梯度下降算法实现 神经网络手写数字演示 Backpropagation算法 cross-entropy函数 Softmax和Overfitting Regulazition和Dropout 正态分布和初始化 提高版本的手写数字识别实现 神经网络参数hyper-parameters选择 深度神经网络中的难点 用ReL解决VanishingGradient问题 ConvolutionNerualNetwork算法 ConvolutionNeuralNetwork实现 Restricted Boltzmann Machine Deep Brief Network 和 Autoencoder

机器学习工程师从算法基础到实战案例

【课程内容】 第一阶段：Python数据分析与建模库 Python快速入门 科学计算库Numpy 数据分析处理库Pandas 可视化库Matplotlib Seaborn可视化库 第二阶段：机器学习经典算法 回归算法 决策树与随机森林 贝叶斯算法 Xgboost 支持向量机算法 时间序列AIRMA模型 神经网络基础 神经网络架构 PCA降维与SVD矩阵分解 聚类算法 推荐系统 Word2Vec 第三阶段：机器学习案例实战 使用Python分析科比生涯数据 案例实战-信用卡欺诈检测 Python文本数据分析 Kaggle竞赛案例-泰坦尼克获救预测 时间序列案例实战 TensorFlow框架 MNIST手写字体识别 Gensim中文词向量建模 探索性数据分析-赛事数据集分析 探索性数据分析-农粮数据分析

大数据竞赛平台Kaggle案例实战

Kaggle是由联合创始人、首席执行官安东尼·高德布卢姆（Anthony Goldbloom）2010年在墨尔本创立的，主要为开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台。 【课程内容】 机器学习算法、工具与流程概述 经济金融领域的应用 排序与CTR预估 自然语言处理类问题 能源预测与分配问题 走起-深度学习 推荐与销量预测相关问题 金融风控问题

快速掌握Python数据分析与机器学习

Python科学计算库Numpy python数据分析处理库-Pandas Python数据可视化库-Matplotlib 回归算法 决策树 支持向量机 神经网络 Xgboost集成算法 自然语言处理词向量模型-Word2Vec K近邻与聚类 PCA降维与矩阵分解 Scikit-Learn模型建立与评估 泰坦尼克获救预测 使用Gensim库构造中文维基百科词向量模型 贷款申请最大利润 用户流失预警

老男孩OpenStack企业私有云公开培训

OpenStack是一个开源的云计算管理平台项目，由几个主要的组件组合起来完成具体工作。OpenStack支持几乎所有类型的云环境，项目目标是提供实施简单、可大规模扩展、丰富、标准统一的云计算管理平台。OpenStack通过各种互补的服务提供了基础设施即服务（IaaS）的解决方案，每个服务提供API以进行集成。

最新数据库系统概论（新技术篇）

【课程内容】 第1讲 数据库新技术概述 第2讲 内存数据库 第3讲 数据库一体机 第4讲 数据仓库与OLAP关键技术 第5讲 新一代OLAP分析 第6讲 数据挖掘 第7讲 数据库安全性新技术 第8讲 开源数据库系统 第9讲 理解大数据 第10讲 大数据思维和方法 第11讲 大数据处理平台Hadoop&Spark;及其生态系统 第12讲 SQL on Hadoop Systems 第13讲 Key-Value数据库 第14讲 流数据分析与处理 第15讲 MongoDB文档数据库 第16讲 图数据库 第17讲 大数据近似算法 第18讲 大数据与机器学习 第19讲 社交网络大数据分析 第20讲 文本大数据分析 第21讲 多媒体大数据管理与分析 第22讲 数据可视化与可视化分析

Python的人工智能开源神器Python的人工智能开源神器Tensorflow 教程+源码 教程+源码

【TensorFlow的特征】 高度的灵活性 TensorFlow 不是一个严格的“神经网络”库。只要你可以将你的计算表示为一个数据流图，你就可以使用Tensorflow。你来构建图，描写驱动计算的内部循环。我们提供了有用的工具来帮助你组装“子图”（常用于神经网络），当然用户也可以自己在Tensorflow基础上写自己的“上层库”。定义顺手好用的新复合操作和写一个python函数一样容易，而且也不用担心性能损耗。当然万一你发现找不到想要的底层数据操作，你也可以自己写一点c++代码来丰富底层的操作。 真正的可移植性（Portability） Tensorflow 在CPU和GPU上运行，比如说可以运行在台式机、服务器、手机移动设备等等。想要在没有特殊硬件的前提下，在你的笔记本上跑一下机器学习的新想法？Tensorflow可以办到这点。准备将你的训练模型在多个CPU上规模化运算，又不想修改代码？Tensorflow可以办到这点。想要将你的训练好的模型作为产品的一部分用到手机app里？Tensorflow可以办到这点。你改变主意了，想要将你的模型作为云端服务运行在自己的服务器上，或者运行在Docker容器里？Tensorfow也能办到。Tensorflow就是这么拽 :) 将科研和产品联系在一起 过去如果要将科研中的机器学习想法用到产品中，需要大量的代码重写工作。那样的日子一去不复返了！在Google，科学家用Tensorflow尝试新的算法，产品团队则用Tensorflow来训练和使用计算模型，并直接提供给在线用户。使用Tensorflow可以让应用型研究者将想法迅速运用到产品中，也可以让学术性研究者更直接地彼此分享代码，从而提高科研产出率。 自动求微分 基于梯度的机器学习算法会受益于Tensorflow自动求微分的能力。作为Tensorflow用户，你只需要定义预测模型的结构，将这个结构和目标函数（objective function）结合在一起，并添加数据，Tensorflow将自动为你计算相关的微分导数。计算某个变量相对于其他变量的导数仅仅是通过扩展你的图来完成的，所以你能一直清楚看到究竟在发生什么。 多语言支持 Tensorflow 有一个合理的c++使用界面，也有一个易用的python使用界面来构建和执行你的graphs。你可以直接写python/c++程序，也可以用交互式的ipython界面来用Tensorflow尝试些想法，它可以帮你将笔记、代码、可视化等有条理地归置好。当然这仅仅是个起点——我们希望能鼓励你创造自己最喜欢的语言界面，比如Go，Java，Lua，Javascript，或者是R。 性能最优化 比如说你又一个32个CPU内核、4个GPU显卡的工作站，想要将你工作站的计算潜能全发挥出来？由于Tensorflow 给予了线程、队列、异步操作等以最佳的支持，Tensorflow 让你可以将你手边硬件的计算潜能全部发挥出来。你可以自由地将Tensorflow图中的计算元素分配到不同设备上，Tensorflow可以帮你管理好这些不同副本。 【课程大纲】 why 安装 (Windows, Mac, Linux) 例子1 处理结构 例子2 Session会话 变量 传入值 激励函数 添加层 建造神经网络 结果可视化 优化器 可视化好帮手 分类学习 dropout 解决overfitting 问题 CNN卷积神经网络 Saver保存读取 RNN 循环神经网络 RNN 循环神经网络 (分类例子) RNN lstm (regression 回归例子) RNN lstm (回归例子可视化) Autoencoder (非监督学习) scope 命名方式 Batch normalization 批标准化

Spark内核剖析+调优全套教程 附课件、代码、资料

Spark内核深度剖析 Spark调优 SparkSQL精讲 SparkStreaming精讲 Spark2新特性

java面试难点讲解：hashmap,spring aop,classload,dubbo,zookeeper,session等。

面试必考之HashMap源码分析与实现 探索JVM底层奥秘ClassLoader源码分析与案例讲解 面试必备技能之Dubbo企业实战 分布式框架Zookeeper之服务注册与订阅 互联网系统垂直架构之Session解决方案 分库分表之后分布式下如何保证ID全局唯一性 互联网企业必备高质量API网关接口设计 大型公司面试必答之数据结构与算法精讲 高性能网络编程必备技能之IO与NIO阻塞分析 无处不在的Spring AOP事务及踩过的坑

新浪首席DBA主讲 Mysql高级DBA实战

杨海朝老师介绍 新浪首席DBA ，在大规模高并发、海量访问特别是大规模数据库运维方面有丰富的管理和维护经验。热衷于数据库设计、性能优化、分布式部署方案和高可用性方面的研究。曾就职于康盛创想，从事大访问量网站的部署以及优化工作，2007年末加入新浪负责整个公司的数据库管理工作 【课程大纲】 第1章：MySQL基础 第2章：InnoDB简介及参数优化 第3章：MySQL硬件优化与监控 第4章：MySQL基准测试 第5章：MySQL Schema设计与索引 第6章：SQL优化与高级特性 第7章：MySQL备份 第8章：MySQL备份与恢复深入 第9章：MySQL的复制 第10章：MySQL高可用及可扩展架构 第11章：MySQL工具 第12章：监控、新特性、Memcached、Redis、MongoDB 第13章：MySQL相关问题及面试解答 第14章：MySQL集群与高可用实战