5积分
《九天菜菜-大模型与Agent开发实战》课程全面涵盖了大模型与Agent的开发、部署、微调及实战应用。课程从在线大模型(如GPT、GLM、Claude、Gemini等)的部署与调用入手，详细讲解了API调用、流式处理、多模态应用、工具调用等核心技术。随后深入开源大模型的本地部署与微调，包括ChatGLM、Llama、Qwen等模型的部署、LoRA微调、PPO算法、RLHF等高效微调技术。课程还重点介绍了AI Agent的开发，涵盖ReAct架构、LangGraph、Function Calling、Assistant API等前沿技术，并结合实际项目(如MateGen Pro)进行实战演练。最…...
这是一门由“九天菜菜”主讲的机器学习实战课程，内容极其全面和深入，覆盖了从机器学习基础到高级实战项目的全流程。课程从基本概念、矩阵运算、线性回归和逻辑回归的手动实现入手，深入讲解了梯度下降家族算法、模型评估、Scikit-Learn应用、决策树、集成算法(Bagging、随机森林、AdaBoost、GBDT、XGBoost、LightGBM)、超参数优化(网格搜索、贝叶斯优化、Halving、Optuna)等核心主题。最大的亮点是包含了多个大型实战项目，如用户流失预测、金融风控、股价预测、时间序列预测(WSDM案例)，并详细演示了特征工程、特征衍生、特征筛选、模型融合(Stacking, Blending)等工业级技巧。课程注重“手动实现”以加深理解，并紧密结合理论与代码实践，旨在培养学员的完整机器学习项目能力。
📢 以下文件由百度网盘用户于2025-09-11分享（文件数量过多时仅展示部分文件）
九天菜菜-机器学习实战15.66GB
257_【WDSM时序案例】35-机器学习中的时间序列(3)-Pmdarima实现滑窗交叉验证.mp4206.28MB256_【WDSM时序案例】33-机器学习中的时间序列(1)-Pmdarima实现SARIMAX.mp4139.7MB255_【WDSM时序案例】34-机器学习中的时间序列(2)-Pmdarima实现滚动交叉验证.mp4193.43MB254_【WDSM时序案例】32-多变量时序模型(3)-VARMAX模型的代码实现.mp4221.46MB253_【WDSM时序案例】30-多变量时序模型(1)-多变量模型的基本思想.mp4197.74MB252_【WDSM时序案例】31-多变量时序模型(2)-VAR与VARMA模型的数学表示.mp4219.16MB251_【WDSM时序案例】28【加餐】ARIMA模型的实现-(4)-解读ARIMA的Sum表单.mp4240.78MB250_【WDSM时序案例】29【加餐】ARIMA模型的实现-(5)-选择最佳参数组合.mp4173.35MB249_【WDSM时序案例】27【加餐】ARIMA模型的实现-(3)-确定d值，进行建模.mp4131.55MB248_【WDSM时序案例】26【加餐】ARIMA模型的实现-(2)-平稳性检验与差分运算.mp4160.12MB247_【WDSM时序案例】25【加餐】ARIMA模型的实现-(1)-ARIMA经典假设与建模流程.mp4116.87MB246_【WDSM时序案例】24【加餐】时序模型-(11)-时序模型的评估指标.mp4115.93MB245_【WDSM时序案例】22【加餐】时序模型-(9)-ACF和PACF的三种趋势.mp4132.52MB244_【WDSM时序案例】23【加餐】时序模型-(10)-确定p、d、q的超参数值.mp4157.84MB243_【WDSM时序案例】20【加餐】时序模型-(7)-ARIMA模型的平稳性要求.mp4111.33MB242_【WDSM时序案例】21【加餐】时序模型-(8)-ACF与PACF的定义与图像.mp4152.84MB241_【WDSM时序案例】18【加餐】时序模型-(5)-ARIMA模型与差分运算.mp4184.99MB240_【WDSM时序案例】19【加餐】时序模型-(6)-滞后算子与差分运算.mp4101.05MB239_【WDSM时序案例】17【加餐】时序模型-(4)-MA模型训练与测试流程.mp4167.04MB238_【WDSM时序案例】15【加餐】ARIMA模型详解(2)-AR自回归模型的训练与测试流程.mp4126.52MB237_【WDSM时序案例】16【加餐】时序模型-(3)-MA模型原理与公式讲解.mp4198.09MB236_【WDSM时序案例】14【加餐】ARIMA模型详解(1)-AR自回归模型原理与公式.mp4122.66MB235_【WDSM时序案例】13-理解时序预测(6)-深度学习领域的时间序列模型.mp483.68MB234_【WDSM时序案例】11-理解时序预测(4)-2大关键预测类型与前沿时序领域.mp4142.37MB233_【WDSM时序案例】12-理解时序预测(5)-统计学与机器学习中的时间序列模型.mp4130.12MB232_【WDSM时序案例】10-理解时序预测(3)-时间序列的训练与预测（下）.mp4206.86MB231_【WDSM时序案例】09-理解时序预测(2)-时间序列的训练与预测（上）.mp4120.62MB230_【WDSM时序案例】07-赛题理解(7)-时间窗口与赛题难点.mp496.21MB229_【WDSM时序案例】08-理解时序预测(1)-单变量vs多变量时间序列.mp4118.55MB228_【WDSM时序案例】05-赛题理解(5)-解读互动与视频播放信息.mp4138.42MB227_【WDSM时序案例】06-赛题理解(6)-解读视频与用户画像信息.mp4178.16MB226_【WDSM时序案例】04-赛题理解(4)-解读登录数据集-(下).mp4121.25MB225_【WDSM时序案例】04-赛题理解(4)-解读登录数据集-(上).mp4114.73MB224_【WDSM时序案例】03-赛题理解(3)-解读测试数据集.mp4108.44MB223_【WDSM时序案例】02-赛题理解(2)-标签理解：用户留存分.mp4131.05MB222_【WDSM时序案例】01-赛题理解(1)-理解流媒体平台基本业务.mp4101.26MB221_【股价项目】14-行业分段建模与模型融合.mp4185.62MB220_【股价项目】13-时序特征工程在股价数据中的应用.mp453.79MB219_【股价项目】11-指数加权移动平均.mp468.05MB218_【股价项目】12-市场波动特征.mp4175.81MB217_【股价项目】10-窗口统计特征.mp491.5MB216_【股价项目】-09-历史平移和增长率特征.mp438.73MB215_【股价项目】08-趋势特征分析简介.mp481.11MB214_【股价项目】-07-kaggle常见Q&A.mp444.23MB213_【股价项目】06-basline的建立.mp473.05MB212_【股价项目】05-数据探索与股票字段的深入理解.mp4261.9MB211_【股价项目】04-股票数据的特征含义与业务理解.mp468.88MB210_【股价项目】03-kaggle三大经典比赛形式.mp498.22MB209_【股价项目】02-股票相关的金融概念与评估指标.mp494.11MB208_【股价项目】01认识量化交易和股票收益预测.mp490.08MB207_【金融案例】19-逆向工程与无限融合.mp4112.73MB206_【金融案例】-18-optuna实现贝叶斯优化.mp459.11MB205_【金融案例】-16-focal-loss在多分类上的实现.mp476.82MB204_【金融案例】17-Leaking-Usage：重复申请人漏洞.mp488.68MB203_【金融案例】-15-focal-loss-在二分类上的实现.mp4103.37MB202_【金融案例】-14-特征工程成果与focal-loss原理精讲.mp493.97MB201_【金融案例】13-featuretools在HomeCredit数据集的进阶应用.mp4253MB200_【金融案例】12自动化衍生技巧以及featuretools库的基本流程.mp4134.15MB199_【金融案例】10-GAME策略的进阶应用：相对性行为分析和分层聚合分析.mp4156.47MB198_【金融案例】11GAME策略在附表中的综合应用.mp4291.08MB197_【金融案例】09-GAME策略和bureau表单的业务特征衍生.mp4105.43MB196_【金融案例】08-Leaking-proof式目标编码.mp4176.38MB195_【金融案例】07-主表的领域特征：还款业务指标.mp4197.58MB194_【金融案例】06三剑客建立baseline.mp4171.82MB193_【金融案例】05海量数据处理入门.mp4129.43MB192_【金融案例】04数据探索：主表的异常值处理以及相关性分析.mp4143.93MB191_【金融案例】03-比赛背景与目标主表的特征字段讲解以及缺失值的处理.mp4135.92MB190_【金融案例】02-比赛背景与目标.mp4194.83MB189_【金融案例】01-认识捷信金融还款风险预测.mp490.15MB188_Part-4.3.12.2-回归问题的Stacking&Blending融合方法.mp4211.78MB187_Part-4.3.12.1-回归问题的加权平均融合方法实践.mp4281.38MB186_Part-4.3.11.2-回归类集成算法优化策略（下）.mp498.92MB185_Part-4.3.11.1-回归类集成算法优化策略（上）.mp4468.16MB184_Part-4.3.10-Blending融合进阶优化策略.mp4188.24MB183_Part-4.3.9-Blending融合原理与实践.mp4223.43MB182_Part-4.3.8.2-Stacking自动元学习器优化函数.mp4159.95MB181_Part-4.3.8.1-Stacking自动超参数交叉训练函数.mp4287.16MB180_Part-4.3.7.2-Stacking元学习器优化流程.mp4218.26MB179_Part-4.3.7.1-Stacking一级学习器训练策略.mp4220.96MB178_Part-4.3.6.2-Stacking优化方法初阶.mp4287.66MB177_Part-4.3.6.1-Stacking基本原理与手动实现方法.mp4170.95MB176_Part-4.3.5.2-细粒度&多级分层加权融合实践.mp4118.64MB175_Part-4.3.5.1-细粒度&多级分层加权融合原理.mp4132.27MB174.Part 4.3.4.4 基于交叉训练的TPE搜索融合.mp479.7MB173.Part 4.3.4.3 决策树&逻辑回归的交叉训练.mp4142.63MB172.Part 4.3.4.2 随机森林模型的交叉训练过程.mp4187.08MB171.Part 4.3.4.1 交叉训练基本思想和数据准备.mp4108.73MB170.Part 4.3.3.4 交叉训练与Stacking融合的基本思路.mp4109.02MB169.Part 4.3.3.3 基于搜索空间裁剪的权重搜索策略.mp4178.04MB168.Part 4.3.3.2（新） 加权平均法的经验法权重设置策略.mp4232.83MB167.Part 4.3.3.1（新） 加权平均融合与理论最优权重.mp4138.99MB166.Part 4.3.2.2 阈值移动的TPE搜索与交叉验证.mp4286.93MB165.Part 4.3.2.1 投票法与均值法.mp4223.43MB164.Part 4.3.1 模型融合与深度森林技术体系介绍.mp4288.46MB163.Part 4.2.2 网格搜索超参数优化实战（下）.mp4362.07MB162.Part 4.2.1 网格搜索超参数优化实战（上）.mp4392.56MB161.Part 4.1.2 海量特征衍生与筛选（下）.mp4226.79MB160.Part 4.1.1 海量特征衍生与筛选（上）.mp4168.6MB159.Part 4.0第四部分导学.mp453.59MB158.Part 3.3.14 特征筛选方法总结.mp4284.13MB共100个文件，合计：15.66GB
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。