商务数据分析教程
├─{10}--第十单元电子推荐系统
│├─{1}--推荐系统基础
││├┈(10.1.1)--推荐技术.pdf
││└┈[10.1.1]--推荐系统基础.mp4
│├─{2}--推荐系统结构
││└┈[10.2.1]--推荐系统结构.mp4
│├─{3}--基于人口统计学的推荐、基于内容的推荐
││├┈(10.3.1)--location-awarerecommendersystemf.pdf
││└┈[10.3.1]--基于人口统计学的推荐、基于内容的推荐.mp4
│├─{4}--基于协同过滤的推荐算法
││├┈(10.4.1)--personalizedrecommenderforcosmet.pdf
││└┈[10.4.1]--基于协同过滤的推荐算法.mp4
│├─{5}--基于图的模型、基于PageRank的推荐、基于关联规则的推荐
││└┈[10.5.1]--基于图的模型、基于PageRank的推荐、基于关联规则的推荐.mp4
│├─{6}--其他推荐方法
││├┈(10.6.1)--人工智能之信息检索与推荐【选读】.pdf
││└┈[10.6.1]--其他推荐方法.mp4
│├─{7}--推荐结果的评测方法
││└┈[10.7.1]--推荐结果的评测方法.mp4
│├─{8}--推荐结果的评测指标
││└┈[10.8.1]--推荐结果的评测指标.mp4
│└─{9}--推荐系统常见问题
│└─└┈[10.9.1]--推荐系统常见问题.mp4
├─{11}--第十一单元深度学习
│├─{10}--基于LSTM的股票预测
││└┈[11.10.1]--基于LSTM的股票预测.mp4
│├─{11}--图像定位与识别1
││└┈[11.11.1]--目标检测.mp4
│├─{12}--图像定位于识别2
││└┈[11.12.1]--目标检测算法.mp4
│├─{13}--强化学习
││└┈[11.13.1]--加强学习简介.mp4
│├─{14}--生成对抗网络
││└┈[11.14.1]--生成对抗网络基础.mp4
│├─{15}--迁移学习
││└┈[11.15.1]--迁移学习基础.mp4
│├─{16}--对偶学习
││└┈[11.16.1]--对偶学习基础.mp4
│├─{17}--深度学习复习
│├─{1}--卷积基本概念
││├┈(11.1.1)--卷积神经网络.pdf
││└┈[11.1.1]--卷积基本概念.mp4
│├─{2}--LeNet框架（1）
││└┈[11.2.1]--LeNet框架（1）.mp4
│├─{3}--LeNet框架（2）
││└┈[11.3.1]--LeNet框架（2）.mp4
│├─{4}--卷积基本单元
││└┈[11.4.1]--卷积基本单元.mp4
│├─{5}--卷积神经网络训练
││├┈(11.5.1)--卷积笔记.pdf
││└┈[11.5.1]--卷积神经网络训练.mp4
│├─{6}--基于卷积的股票预测
││├┈(11.6.1)--股票预测.pdf
││└┈[11.6.1]--基于卷积的股票预测.mp4
│├─{7}--循环神经网络RNN基础
││├┈(11.7.1)--循环神经网络.pdf
││└┈[11.7.1]--循环神经网络基础.mp4
│├─{8}--循环神经网络的训练和示例
││└┈[11.8.1]--循环神经网络的训练和示例.mp4
│└─{9}--长短期记忆网络LSTM
│└─├┈(11.9.1)--ConvolutionalLSTMNetwork（选读）.pdf
│└─└┈[11.9.1]--长短期记忆网络.mp4
├─{12}--第十二单元面向实践的机器学习课程研讨
│└─{1}--课程教学方法研讨
│└─├┈(12.1.1)--突破知识型教学走向实践.pdf
│└─├┈(12.1.2)--数据分析类课程的技能培养方法探讨.pdf
│└─├┈(12.1.3)--基于项目实践的机器学习课程改革.pdf
│└─└┈[12.1.1]--实践驱动的机器学习教学.mp4
├─{1}--第一单元机器学习概论
│├─{1}--机器学习简介
││├┈(1.1.1)--机器学习简介.pdf
││└┈[1.1.1]--机器学习的初步认识.mp4
│├─{2}--机器学习过程
││└┈[1.2.1]--机器学习过程.mp4
│├─{3}--机器学习常用算法（1）
││├┈(1.3.1)--机器学习算法地图.pdf
││└┈[1.3.1]--机器学习常用算法.mp4
│├─{4}--机器学习常用算法（2）
││└┈[1.4.1]--机器学习常用算法（2）.mp4
│├─{5}--机器学习常见问题
││└┈[1.5.1]--机器学习常见问题（1）.mp4
│├─{6}--从事机器学习的准备
││└┈[1.6.1]--从事机器学习的准备.mp4
│└─{7}--机器学习的常用应用领域
│└─└┈[1.7.1]--机器学习常用领域.mp4
├─{2}--第二单元分类算法
│├─{10}--贝叶斯网络模型算法
││├┈(2.10.1)--贝叶斯网络.pdf
││└┈[2.10.1]--贝叶斯网络模型.mp4
│├─{11}--贝叶斯网络的应用
││├┈(2.11.1)--贝叶斯网络的应用研究（选读）.pdf
││└┈[2.11.1]--贝叶斯网络的应用.mp4
│├─{12}--主分量分析和奇异值分解
││├┈(2.12.1)--主分量分析.pdf
││└┈[2.12.1]--主分量分析和奇异值分解.mp4
│├─{13}--判别分析
││└┈[2.13.1]--判别分析基础.mp4
│├─{1}--决策树概述
││├┈(2.1.1)--分类与决策树.pdf
││└┈[2.1.1]--决策树算法.mp4
│├─{2}--ID3算法
││└┈[2.2.1]--ID3算法.mp4
│├─{3}--C4.5算法和CART算法
││├┈(2.3.1)--决策树应用研究（选读）.pdf
││└┈[2.3.1]--C4.5算法和CART算法.mp4
│├─{4}--连续属性离散化、过拟合问题
││└┈[2.4.1]--连续属性离散化、过拟合问题和分类效果评价.mp4
│├─{5}--集成学习
││├┈(2.5.1)--集成学习应用研究（选读）.pdf
││├┈(2.5.2)--GBDT等算法的补充.pdf
││├┈[2.5.1]--集成学习常用算法.mp4
││└┈[2.5.2]--GBDT梯度提升树算法.mp4
│├─{6}--支持向量机基本概念
││├┈(2.6.1)--支持向量机.pdf
││└┈[2.6.1]--支持向量机简介.mp4
│├─{7}--支持向量机原理
││└┈[2.7.1]--支持向量机原理.mp4
│├─{8}--支持向量机的应用
││├┈(2.8.1)--支持向量机应用研究（选读）.pdf
││└┈[2.8.1]--支持向量机的应用.mp4
│└─{9}--朴素贝叶斯模型
│└─├┈(2.9.1)--贝叶斯分类器用于识别用户情感.pdf
│└─└┈[2.9.1]--贝叶斯网络简介.mp4
├─{3}--第三单元神经网络基础
│├─{1}--神经网络简介
││├┈(3.1.1)--神经网络基础.pdf
││└┈[3.1.1]--神经网络简介.mp4
│├─{2}--神经网络相关概念
││└┈[3.2.1]--神经网络相关概念.mp4
│├─{3}--BP神经网络算法（1）
││└┈[3.3.1]--BP神经网络算法（1）.mp4
│├─{4}--BP神经网络算法（2）
││└┈[3.4.1]--BP神经网络算法（2）.mp4
│└─{5}--神经网络的应用
│└─├┈(3.5.1)--imagerestorationalgorithmsbasedo.pdf
│└─└┈[3.5.1]--神经网络的应用.mp4
├─{4}--第四单元聚类分析
│├─{1}--聚类分析的概念
││├┈(4.1.1)--聚类分析.pdf
││└┈[4.1.1]--聚类分析的概念.mp4
│├─{2}--聚类分析的度量
││└┈[4.2.1]--聚类分析的度量.mp4
│├─{3}--基于划分的方法（1）
││├┈(4.3.1)--聚类的个性化学习应用（选读）.pdf
││└┈[4.3.1]--基于划分的方法（1）.mp4
│├─{4}--基于划分的方法（2）
││└┈[4.4.1]--基于划分的方法（2）.mp4
│├─{5}--基于密度聚类和基于层次聚类
││├┈(4.5.1)--聚类的社交网络应用（选读）.pdf
││├┈(4.5.2)--Clusteringgeolocateddataforoutli.pdf
││└┈[4.5.1]--基于密度聚类和基于层次聚类.mp4
│├─{6}--基于模型的聚类
││└┈[4.6.1]--基于模型的聚类.mp4
│└─{7}--EM算法
│└─└┈[4.7.1]--EM聚类算法.mp4
├─{5}--第五单元可视化分析
│├─{1}--可视化分析基础
││├┈(5.1.1)--可视化基础.pdf
││└┈[5.1.1]--可视化分析基础.mp4
│├─{2}--可视化分析方法
││├┈(5.2.1)--可视化的应用（选读）.pdf
││└┈[5.2.1]--可视化分析方法.mp4
│└─{3}--在线教学的数据分析案例
│└─└┈[5.3.1]--在线教学的数据分析.mp4
├─{6}--第六单元关联分析
│├─{1}--关联分析基本概念
││├┈(6.1.1)--关联分析.pdf
││└┈[6.1.1]--关联分析基本概念.mp4
│├─{2}--Apriori算法
││├┈(6.2.1)--关联分析在服装缺陷检测中的应用（选读）.pdf
││└┈[6.2.1]--Apriori算法.mp4
│└─{3}--关联规则应用
│└─├┈(6.3.1)--关联算法在化妆品推荐中的应用（选读）.pdf
│└─└┈[6.3.1]--关联规则应用.mp4
├─{7}--第七单元回归分析
│├─{1}--回归分析基础
││├┈(7.1.1)--回归分析.pdf
││└┈[7.1.1]--回归分析基础.mp4
│├─{2}--线性回归分析
││├┈(7.2.1)--ALinearRegressionApproachtoRecom.pdf
││└┈[7.2.1]--线性回归分析.mp4
│└─{3}--非线性回归分析
│└─└┈ts_downloads.txt
├─{8}--第八单元文本分析
│├─{1}--文本分析简介
││├┈(8.1.1)--文本分析基础.pdf
││└┈[8.1.1]--文本分析简介.mp4
│├─{2}--文本分析基本概念
││├┈(8.2.1)--Morethanwords-Socialnetworkstex.pdf
││└┈[8.2.1]--文本分析基本概念.mp4
│├─{3}--语言模型、向量空间模型
││└┈[8.3.1]--语言模型、向量空间模型.mp4
│├─{4}--词法、分词、句法分析
││└┈[8.4.1]--词法、分词、句法分析.mp4
│├─{5}--语义分析
││└┈[8.5.1]--语义分析.mp4
│├─{6}--文本分析应用
││├┈(8.6.1)--文本分析应用案例（选读）.pdf
││├┈(8.6.2)--Usingtextminingandsentimentanaly.pdf
││└┈[8.6.1]--文本分析应用.mp4
│├─{7}--知识图谱简介
││├┈(8.7.1)--知识图谱.pdf
││└┈[8.7.1]--知识图谱概念.mp4
│├─{8}--知识图谱技术
││└┈[8.8.1]--知识图谱技术.mp4
│└─{9}--知识图谱构建和应用
│└─└┈[8.9.1]--知识图谱构建和应用.mp4
└─{9}--第九单元分布式机器学习、遗传算法
└─├─{1}--分布式机器学习基础
└─│├┈(9.1.1)--分布式机器学习.pdf
└─│└┈[9.1.1]--分布式机器学习基础.mp4
└─├─{2}--分布式机器学习框架
└─│└┈[9.2.1]--分布式机器学习框架.mp4
└─├─{3}--并行决策树
└─│└┈[9.3.1]--并行决策树.mp4
└─├─{4}--并行k-均值算法
└─│└┈[9.4.1]--并行k-均值算法.mp4
└─├─{5}--并行多元线性回归模型
└─│└┈[9.5.1]--并行多元线性回归模型.mp4
└─├─{6}--遗传算法基础
└─│├┈(9.6.1)--遗传算法.pdf
└─│└┈[9.6.1]--遗传算法基础.mp4
└─├─{7}--遗传算法的过程
└─│└┈[9.7.1]--遗传算法的过程.mp4
└─├─{8}--遗传算法的应用
└─│├┈(9.8.1)--Usegeneticalgorithmtoimproveoils.pdf
└─│└┈[9.8.1]--遗传算法的应用.mp4
└─└─{9}--蜂群算法
└─└─└┈[9.9.1]--蜂群算法.mp4