5积分
【黑马程序员】智能机器人从0到1系统入门课程是由国内知名IT职业教育品牌 黑马程序员 推出的面向人工智能与机器人技术初学者的系统化入门课程，旨在帮助零基础学员快速掌握智能机器人开发的核心知识与实践技能，实现从理论学习到项目实战的完整进阶。 课程内容从最基础的 机器人学概念、传感器原理、自动控制基础 入手，逐步深入到 人工智能、机器学习、深度学习、计算机视觉、自然语言处理、路径规划、语音识别与交互 等关键技术，最终结合ROS（机器人操作系统）、嵌入式开发、仿真环境（如Gazebo）与实际硬件平台，指导学员动手搭建和编程智能机器人，完成 智能避障、语音对话、自主导航、物体识别等典型应用项目 。 课…...
01 阶段一 人工智能 –01 第一章 机器学习概述V2.1 –02 第二章 环境安装和使用V2.1 –03 第三章 matplotlibV2.1 –04 第四章 numpyV2.1 –05 第五章 pandasV2.1 –06 第六章 seabornV2.1 –07 第七章 K近邻算法V2.1 –08 第八章 线性回归V2.1 –09 第九章 逻辑回归V2.1 –10 第十章 决策树V2.1 –11 第十一章 集成学习V2.1 –12 第十二章 聚类算法V2.1 –13 第十三章 朴素贝叶斯V2.1 –14 第十四章 SVM算法V2.1 –15 第十五章 EM算法V2.1 –16 第十六章 HMM算法V2.1 –17 第十七章 集成学习进阶V2.1 02 阶段二 数据挖掘 –01 第一章 SparkMllib数据挖掘+SparkGraphX
📢 以下文件由夸克网盘用户于2025-07-09分享（文件数量过多时仅展示部分文件）
黑马-人工智能与数据挖掘13.95GB
01 阶段一 人工智能9.33GB
01 第一章 机器学习概述V2.1456.64MB
01 机器学习介绍456.64MB
01 01-0前置-机器学习科学计算库内容简介.mp413.83MB02 01-1讲解-机器学习科学计算库内容简介.mp46.2MB03 02-1讲解-人工智能概述.mp455.63MB04 02-2点评-人工智能概述.mp422.46MB05 03-1讲解-人工智能的发展历程.mp422.3MB06 04-1讲解-人工智能主要分支.mp422.49MB07 04-2点评-人工智能主要分支.mp424.87MB08 05-1讲解-机器学习定义工作流程概述.mp49.47MB09 05-2点评-机器学习定义工作流程概述.mp434.52MB10 06-1讲解-机器学习工作流程各步骤解释.mp443.1MB11 06-2点评-机器学习工作流程各步骤解释.mp412.75MB12 06-3点评-机器学习工作流程各步骤解释.mp48.04MB13 07-1讲解-机器学习算法分类介绍.mp431.2MB14 07-2点评-机器学习算法分类介绍.mp46.31MB15 08-1讲解-模型评估.mp420.06MB16 08-2点评-模型评估.mp49.2MB17 08-3点评-模型评估.mp45.88MB18 09-1讲解-Azure机器学习平台实验演示1.mp455.5MB19 10-1讲解-Azure机器学习平台实验演示2.mp425.04MB20 11-1讲解-深度学习简介.mp418.43MB21 11-2点评-深度学习简介.mp49.34MB02 第二章 环境安装和使用V2.1155.99MB
01 环境安装及使用155.99MB
01 12-1讲解-基础环境安装.mp411.98MB02 13-1讲解-jupyter notebook的基本使用1.mp447.42MB03 13-2点评-jupyter notebook的基本使用1.mp432.15MB04 14-1讲解-jupyter notebook的基本使用2.mp443.28MB05 14-2点评-jupyter notebook的基本使用2.mp45.96MB06 15-1讲解-matplotlib的基本使用.mp415.19MB03 第三章 matplotlibV2.1263.71MB
01 matplotlib使用263.71MB
01 01-1讲解-实现基础绘图-某城市温度变换图.mp412.1MB02 01-2点评-实现基础绘图-某城市温度变换图.mp426.19MB03 02-1讲解-绘图辅助功能完善-某城市温度变换图.mp453.21MB04 02-2点评-绘图辅助功能完善-某城市温度变换图.mp414.45MB05 03-1讲解-在一个坐标系下绘制多个图像.mp425.87MB06 03-2点评-在一个坐标系下绘制多个图像.mp46.76MB07 04-1讲解-在多个坐标系下绘制多个图像.mp454.66MB08 04-2点评-在多个坐标系下绘制多个图像.mp418.76MB09 05-1讲解-常见图形绘制.mp430.69MB10 05-2点评-常见图形绘制.mp421.02MB04 第四章 numpyV2.1408.49MB
01 numpy使用408.49MB
01 06-1讲解-numpy介绍.mp426.39MB02 06-2点评-numpy介绍.mp47.72MB03 07-1讲解-ndarray介绍.mp49MB04 07-2点评-ndarray介绍.mp416.13MB05 08-1讲解-创建0，1数组，固定范围数组.mp424.14MB06 08-2点评-创建0，1数组，固定范围数组.mp416.07MB07 09-1讲解-创建随机数组.mp438.14MB08 09-2点评-创建随机数组.mp414.89MB09 10-1讲解-数组的基本操作.mp437.77MB10 10-2点评-数组的基本操作.mp413.46MB11 10-3点评-前面总结.mp413.96MB12 10-4点评-回顾.mp439.68MB13 11-1讲解-ndarray的运算.mp442.83MB14 12-1讲解-数组间运算.mp424.13MB15 11-2点评-ndarray的运算.mp411.91MB16 12-2点评-数组间运算.mp414.18MB17 13-1讲解-矩阵复习.mp427.99MB18 13-2点评-矩阵复习.mp419.24MB19 13-3点评-矩阵复习.mp410.86MB05 第五章 pandasV2.11.02GB
01 pandas数据结构149.57MB
01 14-1讲解-pandas介绍.mp46.43MB02 14-2点评-pandas介绍.mp44.06MB03 15-1讲解-pandas数据结构-series.mp419.09MB04 15-2点评-pandas数据结构-series.mp45.94MB05 16-1讲解-pandas数据结构-DataFrame1.mp428.5MB06 16-2点评-pandas数据结构-DataFrame1.mp411.42MB07 16-3点评-回顾总结.mp422.41MB08 17-1讲解-pandas数据结构-DataFrame2.mp419.44MB09 18-1讲解-pandas数据结构-multiindex和panel.mp428.12MB10 18-2点评-pandas数据结构-multiindex和panel.mp44.15MB02 pandas基础使用496.26MB
01 01-1讲解-pandas中的索引.mp438.36MB02 01-2点评-pandas中的索引.mp411.32MB03 02-1讲解-赋值和排序.mp424.76MB04 02-2点评-赋值和排序.mp47.09MB05 03-1讲解-pandas中的算术运算和逻辑运算.mp424.24MB06 03-2点评-pandas中的算术运算和逻辑运算.mp49.95MB07 04-1讲解-pandas中的统计函数.mp422.49MB08 04-2点评-pandas中的统计函数.mp47.92MB09 05-1讲解-pandas中的累计统计函数和自定义函数.mp425.37MB10 05-2点评-pandas中的累计统计函数和自定义函数.mp444.86MB11 06-1讲解-pandas中绘图方式介绍.mp426.45MB12 07-1讲解-pandas中文件的读取和写入.mp471.48MB13 07-2点评-pandas中文件的读取和写入.mp416MB14 07-3点评-pandas中文件的读取和写入.mp471.77MB15 07-4点评-内容总结.mp494.2MB03 pandas高级使用270.25MB
01 08-1讲解-缺失值的处理.mp461.25MB02 08-2点评-缺失值的处理.mp416.2MB03 09-1讲解-数据离散化.mp433.6MB04 09-2点评-数据离散化.mp413.13MB05 10-1讲解-数据表的合并.mp421.71MB06 10-2点评-数据表的合并.mp410.75MB07 11-1讲解-交叉表和透视表介绍.mp438.17MB08 11-2点评-交叉表和透视表介绍.mp412.48MB09 11-3点评-内容回顾.mp411.78MB10 12-1讲解-分组聚合介绍.mp418.32MB11 12-2点评-分组聚合介绍.mp49.83MB12 13-1讲解-星巴克案例实现.mp419.61MB13 13-2点评-星巴克案例实现.mp43.43MB04 电影案例分析130.06MB
01 14-0前置-电影案例分析1.mp44.83MB02 14-1讲解-电影案例分析1.mp432.83MB03 14-2点评-电影案例分析1.mp412.77MB04 15-1讲解-电影案例分析.mp448.8MB05 15-2点评-电影案例分析.mp420.62MB06 15-3点评-电影案例分析.mp410.22MB06 第六章 seabornV2.1853.95MB
01 绘制统计图79.95MB
01 01-1讲解-绘制单变量分布.mp421.65MB02 01-2点评-绘制单变量分布.mp47.3MB03 02-1讲解-绘制双变量分布图形.mp441.63MB04 02-2点评-绘制双变量分布图形.mp49.37MB02 分类数据绘图173.44MB
01 03-1讲解-类别散点图的绘制.mp417.54MB02 03-2点评-类别散点图的绘制.mp431.53MB03 03-3点评-内容回顾.mp465.05MB04 04-1讲解-类别内的数据分布和统计估计.mp439.4MB05 04-2点评-类别内的数据分布和统计估计.mp419.91MB03 NBA案例242.44MB
01 05-1讲解-NBA数据获取和相关性基本分析.mp44.83MB02 05-2点评-NBA数据获取和相关性基本分析.mp414.27MB03 06-1讲解-对数据进行分析-seaborn.mp455.31MB04 06-2点评-对数据进行分析-seaborn.mp416.28MB05 07-1讲解-衍生变量的可视化实践.mp445.34MB06 07-2点评-衍生变量的可视化实践.mp49.08MB07 08-1讲解-球队数据分析.mp487.16MB08 08-2点评-球队数据分析.mp410.16MB04 北京租房数据统计分析358.13MB
01 09-0前置-北京市租房数据获取和重复值与空值处理.mp431.14MB02 09-1讲解-北京市租房数据获取和重复值与空值处理.mp429.06MB03 09-2点评-北京市租房数据获取和重复值与空值处理.mp412.87MB04 10-1讲解-数据类型转换（面积，户型）.mp430.6MB05 10-2点评-数据类型转换（面积，户型）.mp46.86MB06 11-1讲解-房源数量和位置分布分析.mp420.14MB07 11-2点评-房源数量和位置分布分析.mp44.41MB08 12-1讲解-户型数量基本分析.mp438.49MB09 12-2点评-户型数量基本分析.mp419.37MB10 12-3点评-户型数量基本分析.mp47.92MB11 13-1讲解-平均租金基本分析.mp453.57MB12 13-2点评-平均租金基本分析.mp425.19MB13 14-1讲解-面积区间分析.mp48.61MB14 14-2点评-面积区间分析.mp46.22MB15 14-3点评-内容总结.mp463.69MB07 第七章 K近邻算法V2.1997.82MB
01 k近邻算法介绍166.51MB
01 01-0前置-K-近邻算法简介.mp48.46MB02 01-1讲解-K-近邻算法简介.mp431.54MB03 01-2点评-K-近邻算法简介.mp48.2MB04 02-1讲解-K近邻算法api初步使用.mp421.16MB05 02-2点评-K近邻算法api初步使用.mp419.07MB06 03-1讲解-机器学习中距离度量介绍.mp435.21MB07 03-2点评-机器学习中距离度量介绍.mp416.36MB08 04-1讲解-K值的选择介绍.mp413.99MB09 04-2点评-K值的选择介绍.mp412.54MB02 kd树134.91MB
01 05-1讲解-kd树和kd树的构造过程.mp427.69MB02 05-2点评-kd树和kd树的构造过程.mp415.22MB03 06-1讲解-kd树案例实现.mp441.83MB04 06-2点评-kd树案例实现.mp418.38MB05 06-3点评-内容回顾.mp411.95MB06 06-4点评-kd树案例实现.mp419.84MB03 数据集处理132.75MB
01 07-1讲解-数据集获取和属性介绍.mp450.71MB02 07-2点评-数据集获取和属性介绍.mp421.16MB03 08-1讲解-数据可视化介绍.mp418.62MB04 08-2讲解-数据可视化介绍.mp47.3MB05 09-1讲解-数据集的划分.mp425.96MB06 09-2点评-数据集的划分.mp49MB04 特征工程88.91MB
01 10-1讲解-特征预处理简介.mp410.77MB02 10-2点评-特征预处理简介.mp43.43MB03 11-1讲解-归一化和标准化介绍.mp443.38MB04 11-2点评-归一化和标准化介绍.mp427.61MB05 11-3点评-归一化和标准化介绍.mp43.73MB05 KNN总结134.37MB
01 12-1讲解-鸢尾花种类预测.mp440.15MB02 12-2点评-鸢尾花种类预测.mp49.35MB03 12-3点评-内容总结.mp413.16MB04 12-4点评-内容回顾.mp457.41MB05 13-1讲解-KNN算法总结.mp49.53MB06 13-2点评-KNN算法总结.mp44.77MB06 交叉验证, 网格搜索63.19MB
01 14-1讲解-交叉验证、网格搜索概念介绍.mp418.35MB02 14-2点评-交叉验证、网格搜索概念介绍.mp411.99MB03 15-1讲解-交叉验证、网格搜索案例实现.mp424.25MB04 15-2点评-交叉验证、网格搜索案例实现.mp48.61MB07 案例 Facebook位置预测277.18MB
01 01-1讲解-案例-Facebook位置预测流程分析.mp421.89MB02 01-2点评-案例-Facebook位置预测流程分析.mp413.11MB03 02-1讲解-案例-Facebook位置预测代码实现1.mp456.53MB04 02-2点评-案例-Facebook位置预测代码实现1.mp433.29MB05 03-1讲解-案例-Facebook位置预测代码实现2.mp442MB06 03-3点评-案例-Facebook位置预测代码实现2.mp48.46MB07 04-1讲解-补充-数据分割和留出法.mp426.49MB08 04-2点评-补充-数据分割和留出法.mp414.03MB09 05-1讲解-补充-交叉验证法和自助法.mp443.45MB10 05-2点评-补充-交叉验证法和自助法.mp417.93MB08 第八章 线性回归V2.1500.23MB
01 回归介绍59.7MB
01 06-1讲解-线性回归简介.mp423.82MB02 06-2点评-线性回归简介.mp44.59MB03 07-1讲解-初始线性回归api.mp413.8MB04 08-1讲解-数学：求导.mp411.99MB05 08-2点评-数学：求导.mp45.5MB02 损失优化111.99MB
01 09-1讲解-线性回归中损失函数的介绍.mp411.44MB02 09-2点评-线性回归中损失函数的介绍.mp49.31MB03 10-1讲解-使用正规方程对损失函数进行优化.mp423.42MB04 10-2点评-使用正规方程对损失函数进行优化.mp420.67MB05 11-1讲解-使用梯度下降法对损失函数进行优化.mp431.35MB06 11-2点评-使用梯度下降法对损失函数进行优化.mp415.81MB03 回归相关知识6.68MB
05 13-1讲解-线性回归api再介绍.mp46.68MB03 回归相关知识321.86MB
01 12-1讲解-梯度下降法方法介绍.mp452.14MB02 12-2点评-梯度下降法方法介绍.mp422.88MB03 12-3点评-内容回顾.mp447.57MB04 13-0前置-线性回归api再介绍.mp44.86MB06 13-2点评-线性回归api再介绍.mp48.79MB07 14-1讲解-波士顿房价预测案例.mp455.08MB08 14-2点评-波士顿房价预测案例.mp47.77MB09 15-1讲解-欠拟合和过拟合的介绍.mp423.99MB10 15-2点评-欠拟合和过拟合的介绍.mp416.48MB11 16-1讲解-正则化线性模型.mp413.51MB12 16-2点评-正则化线性模型.mp411.99MB13 17-1讲解-岭回归介绍.mp425MB14 17-2点评-岭回归介绍.mp46.54MB15 18-1讲解-模型保存和加载.mp421.74MB16 18-2点评-模型保存和加载.mp43.52MB09 第九章 逻辑回归V2.1328.26MB
01 逻辑回归328.26MB
01 01-1讲解-逻辑回归介绍.mp431.32MB02 01-2点评-逻辑回归介绍.mp419.91MB03 02-1讲解-逻辑回归api介绍.mp44.61MB04 02-2点评-内容回顾.mp419.03MB05 03-1讲解-肿瘤预测案例.mp443.08MB06 03-2点评-肿瘤预测案例.mp416.55MB07 04-1讲解-分类评估方法介绍.mp452.11MB08 04-2点评-分类评估方法介绍.mp417.71MB09 05-1讲解-roc曲线绘制过程.mp426.54MB10 05-2点评-roc曲线绘制过程.mp416.16MB11 05-3点评-roc曲线绘制过程.mp44.39MB12 06-1讲解-补充-类别不平衡数据介绍.mp423.93MB13 06-2点评-补充-类别不平衡数据介绍.mp46.35MB14 07-1讲解-补充-过采样和欠采样介绍.mp432.28MB15 07-2点评-补充-过采样和欠采样介绍.mp414.27MB10 第十章 决策树V2.1954.51MB
01 信息增益448.75MB
01 08-1讲解-决策树算法简介.mp45.81MB02 09-1讲解-熵的介绍.mp419.69MB03 09-2点评-熵的介绍.mp487.16MB04 09-3点评-内容回顾.mp451.75MB05 09-3点评-熵的介绍.mp410.08MB06 10-0前置-信息增益的介绍.mp48.86MB07 10-1讲解-信息增益的介绍.mp430.28MB08 10-2点评-信息增益的介绍.mp431.45MB09 11-1讲解-信息增益率的介绍.mp432.23MB10 11-2点评-信息增益率的介绍.mp425.83MB11 12-1讲解-基尼指数的介绍.mp427.11MB12 12-2点评-基尼指数的介绍.mp419.45MB13 13-1讲解-决策树划分原理小结.mp416.1MB14 13-2点评-决策树划分原理小结.mp47.1MB15 14-1讲解-cart剪枝介绍.mp444.32MB16 14-2点评-cart剪枝介绍.mp431.54MB02 特征提取226.4MB
01 15-1讲解-字典特征提取.mp434.26MB02 15-2点评-字典特征提取.mp411.82MB03 16-1讲解-英文文本特征提取.mp424.98MB04 16-2点评-英文文本特征提取.mp49.33MB05 17-1讲解-中文文本特征提取.mp454.59MB06 17-2点评-中文文本特征提取.mp443.08MB07 18-1讲解-tfidf内容讲解.mp424.26MB08 18-2点评-tfidf内容讲解.mp410.39MB09 18-3点评-tfidf内容讲解.mp413.69MB03 案例泰坦生存预测145.32MB
01 01-1讲解-决策树算法api介绍.mp44.89MB02 01-2点评-决策树算法api介绍.mp416.48MB03 02-1讲解-泰坦尼克号乘客生存预测.mp466.07MB04 02-2点评-泰坦尼克号乘客生存预测.mp413.59MB05 03-1讲解-树木可视化操作.mp431.31MB06 03-2点评-树木可视化操作.mp412.99MB04 回归决策树134.04MB
01 04-1讲解-回归决策树介绍.mp471.48MB02 04-2点评-回归决策树介绍.mp428.56MB03 05-1讲解-回归决策树和线性回归对比.mp430.81MB04 05-2点评-回归决策树和线性回归对比.mp43.19MB11 第十一章 集成学习V2.1592.01MB
01 集成介绍122.5MB
01 06-1讲解-集成学习基本介绍.mp48.47MB02 07-1讲解-bagging和随机森林.mp462.34MB03 07-2点评-bagging和随机森林.mp413.07MB04 07-3点评-bagging和随机森林.mp48.21MB05 07-4点评-内容回顾.mp430.41MB02 随机森林案例295.99MB
01 08-1讲解-otto案例介绍以及数据获取.mp431MB02 08-2点评-otto案例介绍以及数据获取.mp410.84MB03 09-1讲解-otto数据基本处理.mp429.69MB04 09-2点评-otto数据基本处理.mp419.47MB05 10-1讲解-otto数据模型基本训练.mp435.45MB06 10-2点评-otto数据模型基本训练.mp46.52MB07 11-1讲解-模型调优和确定最优模型.mp482.7MB08 11-2点评-模型调优和确定最优模型.mp49.55MB09 11-3点评-模型调优和确定最优模型.mp412.98MB10 12-1讲解-生成提交数据.mp440.56MB11 12-2点评-生成提交数据.mp417.24MB03 集成学习173.52MB
01 13-1讲解-boosting介绍.mp436.79MB02 13-2点评-boosting介绍.mp473.84MB03 14-1讲解-GBDT的介绍.mp418.55MB04 14-2点评-GBDT的介绍.mp444.35MB12 第十二章 聚类算法V2.1317.37MB
01 聚类算法317.37MB
01 01-1讲解-聚类算法介绍.mp47.06MB02 02-1讲解-聚类算法api初步实现.mp423.82MB03 02-2点评-聚类算法api初步实现.mp420.67MB04 03-1讲解-聚类算法实现流程.mp415.7MB05 03-2点评-聚类算法实现流程.mp411.49MB06 04-1讲解-模型评估.mp431.57MB07 04-2点评-模型评估.mp420.65MB08 05-1讲解-算法优化介绍.mp434.43MB09 05-2点评-算法优化介绍.mp426.22MB10 06-1讲解-特征降维内容介绍.mp462.22MB11 06-2点评-特征降维内容介绍.mp47.58MB12 07-1讲解-pca降维介绍.mp44.59MB13 08-1讲解-用户对物品类别的喜好细分案例.mp441.11MB14 08-2点评-用户对物品类别的喜好细分案例.mp410.28MB13 第十三章 朴素贝叶斯V2.1311.81MB
01 朴素贝叶斯311.81MB
01 09-1讲解-初始朴素贝叶斯.mp44.41MB02 09-2点评-初始朴素贝叶斯.mp44.86MB03 10-1讲解-概率内容复习.mp444.9MB04 10-2点评-概率内容复习.mp48.48MB05 11-1讲解-朴素贝叶斯计算案例.mp425.85MB06 11-2点评-朴素贝叶斯计算案例.mp412.08MB07 12-1讲解-朴素贝叶斯案例实现1.mp424.54MB08 13-1讲解-朴素贝叶斯案例实现2.mp481.69MB09 13-2点评-朴素贝叶斯案例实现2.mp47.98MB10 13-3点评-内容回顾.mp413.01MB11 13-4点评-内容回顾.mp446.75MB12 14-1讲解-朴素贝叶斯内容总结.mp413.25MB13 14-2点评-朴素贝叶斯内容总结.mp423.99MB14 第十四章 SVM算法V2.1483.81MB
01 SVM算法483.81MB
01 01-1讲解-SVM基本介绍.mp428.56MB02 01-2点评-SVM基本介绍.mp418.2MB03 02-1讲解-SVM算法api初步使用.mp45.69MB04 03-1讲解-SVM算法推导的目标函数.mp427.97MB05 03-2点评-SVM算法推导的目标函数.mp419.07MB06 04-1讲解-SVM目标函数推导过程及举例.mp442.32MB07 04-2点评-SVM目标函数推导过程及举例.mp447.83MB08 04-3点评-内容回顾.mp442.43MB09 05-1讲解-SVM损失函数.mp414.7MB10 05-2点评-SVM损失函数.mp49.12MB11 06-1讲解-SVM的核方法介绍.mp434.17MB12 06-2点评-SVM的核方法介绍.mp48.83MB13 07-1讲解-SVM回归介绍.mp42.35MB14 07-2点评-SVM回归介绍.mp46.35MB15 08-1讲解-SVM算法api再介绍.mp417.27MB16 08-2点评-SVM算法api再介绍.mp410.63MB17 09-1讲解-数字识别器案例初步介绍.mp417.91MB18 09-2点评-数字识别器案例初步介绍.mp48.31MB19 10-1讲解-数字识别器-获取数据.mp427.29MB20 10-2点评-数字识别器-获取数据.mp45.98MB21 11-1讲解-数字识别器-数据基本处理和模型训练.mp460.61MB22 11-2点评-数字识别器-数据基本处理和模型训练.mp410.05MB23 12-1讲解-SVM总结.mp44.12MB24 12-2点评-SVM总结.mp46.07MB25 12-3点评-内容总结.mp47.98MB15 第十五章 EM算法V2.1157.47MB
01 EM算法157.47MB
01 01-1讲解-初识EM算法.mp45.73MB02 01-2点评-初识EM算法.mp45.91MB03 02-1讲解-EM算法介绍.mp422.61MB04 02-2点评-EM算法介绍.mp47.37MB05 02-3点评-内容回顾.mp444.84MB06 03-0前置-EM算法实例.mp49.45MB07 03-1讲解-EM算法实例.mp442.03MB08 03-2点评-EM算法实例.mp419.54MB16 第十六章 HMM算法V2.1420.11MB
01 HMM算法420.11MB
01 04-1讲解-马尔科夫链的介绍.mp412.12MB02 04-2点评-马尔科夫链的介绍.mp48.24MB03 05-1讲解-HMM模型的简单案例.mp437.36MB04 05-2点评-HMM模型的简单案例.mp416.85MB05 06-1讲解-HMM模型三种经典问题举例求解.mp454.74MB06 06-2点评-HMM模型三种经典问题举例求解.mp420.99MB07 07-1讲解-HMM模型基础.mp445.89MB08 07-2点评-HMM模型基础.mp417.02MB09 08-1讲解-前向后向算法评估观察序列概率.mp410.08MB10 08-2点评-前向后向算法评估观察序列概率.mp46.87MB11 08-3点评-内容回顾.mp423.43MB12 08-4点评-前向后向算法评估观察序列概率.mp433.56MB13 09-1讲解-维特比算法解码隐藏状态序列.mp443.51MB14 09-2点评-维特比算法解码隐藏状态序列.mp419.59MB15 10-1讲解-鲍姆-韦尔奇算法简介.mp44.75MB16 11-1讲解-HMM模型api介绍及案例代码实现.mp447.76MB17 11-2点评-HMM模型api介绍及案例代码实现.mp417.37MB17 第十七章 集成学习进阶V2.11.28GB
01 XGBoost算法347.24MB
01 01-1讲解-xgboost最优模型构建方法.mp410.26MB02 01-2点评-xgboost最优模型构建方法.mp47.53MB03 02-1讲解-目标函数确定和树的复杂度介绍.mp424.4MB04 02-2点评-目标函数确定和树的复杂度介绍.mp418.21MB05 03-1讲解-XGBoost目标函数的推导.mp432.23MB06 03-2点评-回顾.mp468.62MB07 03-2点评-XGBoost目标函数的推导.mp435.35MB08 04-1讲解-XGBoost的回归树构建方法.mp417.14MB09 04-2点评-XGBoost的回归树构建方法.mp410.39MB10 05-1讲解-XGBoost和GBDT的区别.mp431.6MB11 05-2点评-XGBoost和GBDT的区别.mp46.52MB12 06-1讲解-xgboost算法api与参数介绍.mp428.11MB13 06-2点评-xgboost算法api与参数介绍.mp430.85MB14 07-1讲解-xgboost简单案例介绍.mp426.05MB02 otto案例161.82MB
01 08-1讲解-otto案例xgboost实现-数据基本处理.mp469.49MB02 08-2点评-otto案例xgboost实现-数据基本处理.mp413.78MB03 08-3点评-otto案例xgboost实现-数据基本处理.mp43.28MB04 09-1讲解-otto案例xgboost实现-模型基本训练.mp417.48MB05 10-1讲解-otto案例xgboost实现-模型调优.mp416.55MB06 10-2点评-otto案例xgboost实现-模型调优.mp45.94MB07 10-3点评-内容回顾.mp47.53MB08 11-1讲解-otto案例xgboost实现-最优模型运行.mp427.77MB03 lightGBM算法235.99MB
01 01-1讲解-lightGBM简单介绍.mp427.61MB02 01-2点评-lightGBM简单介绍.mp49.64MB03 02-1讲解-lightGBM算法原理介绍.mp432.15MB04 02-2点评-lightGBM算法原理介绍.mp434.9MB05 03-1讲解-lightGBM算法api参数介绍.mp419.17MB06 03-2点评-lightGBM算法api参数介绍.mp427.61MB07 04-1讲解-lightGBM算法简单案例介绍.mp448.19MB08 04-2点评-lightGBM算法简单案例介绍.mp48.05MB09 05-1讲解-pubg案例简介.mp422.89MB10 05-2点评-pubg案例简介.mp45.79MB04 绝地求生案例561.22MB
01 06-1讲解-获取pubg数据.mp431.54MB02 06-2点评-获取pubg数据.mp44.06MB03 07-1讲解-数据缺失值处理和查看每场比赛人数.mp444.86MB04 07-2点评-数据缺失值处理和查看每场比赛人数.mp45.46MB05 07-3点评-内容回顾.mp459.06MB06 08-1讲解-规范化输出部分数据和部分变量合成.mp434.52MB07 09-1讲解-异常值处理1.mp463.2MB08 09-2点评-异常值处理1.mp412.92MB09 10-1讲解-异常值值处理2.mp449.77MB10 10-2点评-异常值值处理2.mp47.73MB11 11-1讲解-类别型数据处理.mp441.83MB12 11-2点评-类别型数据处理.mp49.68MB13 12-1讲解-数据截取、确定特征值和目标值、分割数据集.mp417.74MB14 13-1讲解-使用RF进行模型训练.mp457.58MB15 13-2点评-使用RF进行模型训练.mp410.6MB16 14-1讲解-lightGBM对模型调优1.mp445.77MB17 14-2点评-lightGBM对模型调优1.mp47.15MB18 15-1讲解-lightGBM对模型调优2.mp451.14MB19 15-2点评-lightGBM对模型调优2.mp46.6MB02 阶段二 数据挖掘4.62GB
01 第一章 SparkMllib数据挖掘+SparkGraphX4.62GB
01 1-SparkMllib机器学习理论基础详解425.15MB
01 01-机器学习和大数据的区别(一).mp427.46MB02 02-机器学习和大数据的区别和联系(二).mp434.79MB03 03-机器学习和大数据的区别和联系(三).mp426.25MB04 04-人工智能和机器学习的区别.mp436.52MB05 05-数据分析和数据挖掘联系.mp415.29MB06 06-什么是机器学习问题.mp429.83MB07 07-基于规则的学习和基于模型的学习方式.mp424.42MB08 08-机器学习数据集概述1.mp419.66MB09 09-机器学习数据集概述2.mp425.69MB10 10-机器学习数据集概述3.mp427.34MB11 11-机器学习问题分类.mp457.62MB12 12-机器学习三要素强化.mp419.07MB13 13-构建机器学习模型的流程.mp414.93MB14 14-模型选择.mp426.87MB15 15-交叉验证及经验和结构风险.mp439.4MB02 2-SparkMllib库特征工程基础与实战(一)739.54MB
01 01-SparkMllib的功能.mp433.11MB02 2-SparkMllib的版本.mp417.59MB03 3-SparkMllib架构.mp420.9MB04 4-环境搭建及RDD、DF、DS的转换实践.mp462.06MB05 5-如何利用SparkMllib构建机器学习推荐架构.mp431.6MB06 6.SparkMllib算法分类及应用场景.mp418.4MB07 7-SparkMllib基础数据类型-localvector.mp445.63MB08 8-SparkMllib基础数据类型-labelpoint.mp420.59MB09 9.SparkMllib基础数据类型-libsvm数据读取.mp434.81MB10 10.SparkMllib基础数据类型-localmatrix.mp422.26MB11 11.SparkMllib基础数据类型-分布式行矩阵和行索引矩阵.mp449.11MB12 12.SparkMllib基础数据类型-分块矩阵.mp456.24MB13 13.SparkMllib均值和方差.mp449.91MB14 14-SparkMllib相关系数.mp446MB15 15-SparkMllib假设检验的卡方验证.mp453.83MB16 16-SparkMllib假设检验和随机数的产生.mp465.55MB17 17-特征提取tf-ifd.mp461.09MB18 18-特征提取-word2vec实践.mp425.72MB19 19-特征提取CountVector.mp425.16MB03 3-SparkMllib库特征工程基础与实战(二)553.47MB
01 20-特征转化的二值化操作.mp44.29MB02 21-特征转换-PCA操作.mp456.88MB03 22-特征转换-类别型数据和数值型数据转换.mp419.07MB04 23-特征转换-OneHot编码方式.mp417.36MB05 24-特征转换-VectorIndexer转换操作.mp45.94MB06 25-正则项.mp439.58MB07 26-数值型数据处理的方法.mp435.19MB08 27-Bucketizer分箱.mp421.74MB09 28-ElementWise与SQLTransform实践.mp433.18MB10 29-特征转换VectorAssemble.mp451.11MB11 30-特征转换-QuantileDiscretizer.mp418.55MB12 31-特征选择VectorSlicer.mp425.08MB13 32-RFormula和卡方验证选择特征方法.mp443.44MB14 33-卡方验证案例补充.mp445.61MB15 36-案例实践2-Iris统计初步实践.mp429.24MB16 37-案例实践2-Iris的rdd相关系数实践.mp415.62MB17 38-案例实践2-iris的Dataframe数据统计.mp440.68MB18 39-案例实践2-iris的SParkMllib特征工程实践.mp450.92MB04 4-SparkMllib决策树算法基础与实战642.65MB
01 1-了解什么是决策树.mp423.43MB02 2.基于规则建树.mp442.78MB03 3-信息熵的理解.mp411.91MB04 4-ID3算法步骤详解.mp419.05MB05 5-ID3算法举例和C4.5算法改进.mp436.99MB06 6-决策树的剪枝方式.mp431.73MB07 7-电商购买数据集ID3算法对比实践.mp418.83MB08 8-Cart树的回归树原理理解.mp440.6MB09 9-Cart树算法案例讲解.mp49.47MB10 10-Cart分类树原理及Gini系数.mp429.3MB11 11-Cart分类树的案例.mp415.67MB12 12-SparkMllib实战libsvm数据建模.mp494.66MB13 13-SparkMl实战libsvm数据全流程讲解实战.mp475.64MB14 14-SparkMllib相亲数据建模分析.mp453.48MB15 15-SparkMllib实战iris鸢尾花实战.mp469.19MB16 16-SparkMl实战Iris特征工程及建模实战1.mp469.91MB05 5-SparkMllib高级模块与线性回归基础及实战670.39MB
01 1-SparkMllib的pipeline简介.mp416.87MB02 2-Dataframe组件.mp440.75MB03 3-Pipeline原理.mp428.14MB04 4-通过set方法和ParamMap方法赋值超参数的选项.mp443.83MB05 5-通过pipeline完成案例的代码编写.mp442.27MB06 6-如何对模型选择与优化.mp412.08MB07 7-超参数的网格搜索.mp461.95MB08 8-简单交叉验证及模型选择.mp443.49MB09 9-简单线性回归.mp430.62MB10 10-最小二乘法解决简单线性回归原理.mp419.68MB11 11-多元线性回归简介.mp410.6MB12 12-最小二乘推导补充(补充).mp433.56MB13 13-线性回归的变体及各适用场景.mp435.24MB14 14-SparkMl实战脂肪数据集的案例.mp471.77MB15 15-SparkMl实战运输时间的预测分析.mp434.03MB16 16-SparkMllib基于RDD结构实战线性回归实例.mp436.23MB17 16-SparkMl实战libsvm数据的形式.mp422.4MB18 17-Sparkml完成房价预测分析实战.mp486.89MB06 6-SparkMllib聚类算法基础与实战602.87MB
01 1-什么是聚类.mp415.62MB02 2-关于多种距离的度量简介.mp424.45MB03 3-聚类算法核心思想.mp425.52MB04 4-KMeans的举例.mp427.88MB05 5-Kmens算法性能指标分析.mp420.92MB06 6-KMeans特点及注意事项.mp421.45MB07 7-SparkMLIB实战KMEans算法.mp443.28MB08 8-SparkMLLIB实现药品数据得简单聚类.mp429.78MB09 9-SparkMl实现基本数据的聚类分析实战.mp427.09MB10 10-SparkMl和parkSql实现经纬度数据聚类分析实战.mp476.3MB11 11-k-medoids了解.mp422.66MB12 12-其他聚类思路-层次聚类方法.mp427.07MB13 13-基于密度的聚类DBSCAN.mp432.41MB14 14-GMM模型原理.mp436.95MB15 15-聚类算法的总结：.mp49.13MB16 16-SparkMllib实现对于层次聚类的分析.mp429.82MB17 17-SparkMllib完成对于GMM高斯混合模型实践分析.mp426.45MB18 18-SparkLDA实现了主题的提取实战.mp470.59MB19 19-SparkML实现IRis鸢尾花的聚类算法实战.mp435.52MB07 7-SparkGraphX理论基础与实战639.09MB
01 1-图基本概念以及图计算应用【耗时整理‖免费分享 】.mp418.42MB02 2-SparkGraphX简介【耗时整理‖免费分享 】.mp417.3MB03 3-SparkGraphX图算法【耗时整理‖免费分享 】.mp414.53MB04 4-SparkGraphX抽象是RDPG---弹性分布式属性图.mp49.83MB05 5-SparkGraphX架构层面及存储方式简介.mp419.79MB06 6-SparkGraphX定义顶点操作.mp451.14MB07 7-SparkGraphX构件图及查询的操作.mp450.71MB08 8-图的基本数据结构.mp436.98MB09 9-图的类型和图的存储方式简介.mp442.42MB10 10-构建图的方法原理及源码了解创建过程.mp468.66MB11 11-构建图的操作代码.mp466.34MB12 12-社交网络数据的创建部分代码实战.mp457.45MB13 13-图的基本信息--顶点、边、入度、出度.mp450.66MB14 14-图的转换操作：mapVertices、mapEdges、mapTriplet.mp44.29MB15 15-图的结构操作：reverse、subgraph、mask、groupGraph.mp457.59MB16 16-图的关联操作.mp425.08MB17 17-图的聚合以及图的操作API总结.mp447.91MB08 8-SparkGraphX与SparkMllib综合实战460.77MB
01 1-PageRank算法的基本假设和理解.mp414.24MB02 2-PageRank算法思想.mp439.18MB03 3-PageRank算法深入.mp422.74MB04 4-SparkGraphX通过社交网络数据完成重要节点的选择.mp459.35MB05 5-通过wiki数据达到网页重要性的pagerank度量.mp431.57MB06 6-通过PageRank算法得到网页排名的重要性.mp433.11MB07 7-广度优先遍历.mp452.29MB08 8-SparkGrphX实现最短路径.mp444.76MB09 9-连通图和强联通图.mp451.14MB10 10-SparkGraphx实战三角关系网络发现.mp444.86MB11 11-SVD++原理.mp441.08MB12 12-SVD++实战推荐算法预测.mp426.45MB共537个文件，合计：13.95GB
网站声明：
1. 该网盘资源的安全性和完整性需要您自行判断，点击下载地址直接跳转到网盘官方页面。本站链接通过程序自动收集互联网公开分享链接，本站不储存、复制、传播任何网盘文件，也不提供下载服务。
2. 本站遵守相关法律法规，坚决杜绝一切违规不良信息，如您发现任何涉嫌违规的网盘信息，请立即向网盘官方网站举报，并及时反馈给我们进行屏蔽删除。
3. 本站高度重视知识产权保护和个人隐私保护，如有网盘链接侵犯您的合法权益，请立即向网盘官方网站举报，并参见本站《版权说明》提供书面材料联系我们屏蔽删改。
1. 该网盘资源的安全性和完整性需要您自行判断，点击下载地址直接跳转到网盘官方页面。本站链接通过程序自动收集互联网公开分享链接，本站不储存、复制、传播任何网盘文件，也不提供下载服务。
2. 本站遵守相关法律法规，坚决杜绝一切违规不良信息，如您发现任何涉嫌违规的网盘信息，请立即向网盘官方网站举报，并及时反馈给我们进行屏蔽删除。
3. 本站高度重视知识产权保护和个人隐私保护，如有网盘链接侵犯您的合法权益，请立即向网盘官方网站举报，并参见本站《版权说明》提供书面材料联系我们屏蔽删改。