- 000_机器学习和推荐系统_课程简介
- 001_推荐系统简介_概述
- 002_推荐系统简介_推荐系统算法简介
- 003_推荐系统简介_推荐系统评测
- 004_机器学习入门_数学基础(上)
- 005_机器学习入门_数学基础(下)
- 006_机器学习入门_机器学习概述
- 007_机器学习入门_监督学习(上)
- 008_机器学习入门_监督学习(中)
- 009_机器学习入门_监督学习(下)
- 010_机器学习模型和算法_python简介
- 011_机器学习模型和算法_python基础语法(上)
- 012_机器学习模型和算法_python基础语法(下)
- 013_机器学习模型和算法_线性回归(上)
- 014_机器学习模型和算法_线性回归最小二乘代码实现(上)
- 015_机器学习模型和算法_线性回归最小二乘代码实现(下)
- 016_机器学习模型和算法_线性回归(下)
- 017_机器学习模型和算法_线性回归梯度下降代码实现
- 018_机器学习模型和算法_线性回归调用sklearn库代码实现
- 019_机器学习模型和算法_K近邻
- 020_机器学习模型和算法_K近邻代码实现(上)
- 021_机器学习模型和算法_K近邻代码实现(中)
- 022_机器学习模型和算法_K近邻代码实现(下)
- 023_机器学习模型和算法_逻辑回归(上)
- 024_机器学习模型和算法_逻辑回归(下)
- 025_机器学习模型和算法_决策树
- 026_机器学习模型和算法_K均值聚类
- 027_机器学习模型和算法_K均值聚类代码实现(上)
- 028_机器学习模型和算法_K均值聚类代码实现(下)
- 029_推荐系统_推荐系统算法详解(一)
- 030_推荐系统_推荐系统算法详解(二)
- 031_推荐系统_推荐系统算法详解(三)
- 033_推荐系统_推荐系统算法详解(四)
- 032_推荐系统_TF-IDF算法代码示例
- 034_推荐系统_推荐系统算法详解(五)
- 035_推荐系统_LFM梯度下降算法代码实现(上)
- 036_推荐系统_LFM梯度下降算法代码实现(下)
- 037_电影推荐系统_项目系统设计(上)
- 038_电影推荐系统_项目系统设计(中)
- 039_电影推荐系统_项目系统设计(下)
- 040_电影推荐系统_项目框架搭建
- 041_电影推荐系统_数据加载模块(一)
- 043_电影推荐系统_数据加载模块(三)
- 042_电影推荐系统_数据加载模块(二)
- 044_电影推荐系统_数据加载模块(四)
- 045_电影推荐系统_数据加载模块(五)
- 046_电影推荐系统_统计推荐模块(上)
- 047_电影推荐系统_统计推荐模块(中)
- 048_电影推荐系统_统计推荐模块(下)
- 049_电影推荐系统_基于LFM的离线推荐模块(上)
- 050_电影推荐系统_基于LFM的离线推荐模块(中)
- 051_电影推荐系统_基于LFM的离线推荐模块(下)
- 052_电影推荐系统_ALS模型评估和参数选取(上)
- 053_电影推荐系统_ALS模型评估和参数选取(下)
- 054_电影推荐系统_实时推荐模块(一)
- 055_电影推荐系统_实时推荐模块(二)
- 056_电影推荐系统_实时推荐模块(三)
- 057_电影推荐系统_实时推荐模块(四)
- 058_电影推荐系统_实时推荐模块(五)
- 059_电影推荐系统_实时推荐模块测试
- 060_电影推荐系统_基于内容推荐模块(一)
- 061_电影推荐系统_基于内容推荐模块(二)
- 062_电影推荐系统_基于内容推荐模块(三)
- 063_电影推荐系统_基于内容推荐模块(四)
- 064_电影推荐系统_实时系统联调测试(上)
- 065_电影推荐系统_实时系统联调测试(下)
0/1024
暂无留言