课时01

学习要求

课时02

复习学习过的技术

课时03

机器学习应用场景

课时04

机器学习展望未来

课时05

机器学习和人工智能关系

课时06

简单的线性回归算法

课时07

量化公式J的极小值

课时08

误差函数与模型训练

课时09

回答问题

课时10

机器学习核心思想

课时11

机器学习套路

课时12

梯度下降法1

课时13

梯度下降法2

课时14

python写梯度下降法

课时15

永动机模型

课时16

公式讲解

课时17

过拟合

课时18

控制过拟合

课时19

总结

课时20

回顾昨天内容

课时21

w1和w2关系

课时22

LinearRegressuin02代码证明w1等于w2

课时23

抗噪声能力

课时24

贝叶斯

课时25

逆概

课时26

推导贝叶斯算法

课时27

理解贝叶斯分类

课时28

垃圾邮件分类

课时29

下节课预告

课时30

回顾

课时31

解决邮件4个单词都出现了,垃圾邮件概率

课时32

拉普拉斯平滑定理

课时33

零概率问题

课时34

样本数据

课时35

分词

课时36

统计

课时37

每个单词出现概率

课时38

代码实现

课时39

设阈值运行代码

课时40

总结

课时41

KNN算法思想

课时42

KNN算法步骤

课时43

距离测度的几种方法(1)

课时44

KNN算法(2)

课时45

问题引入

课时46

数据介绍

课时47

代码实现

课时48

回答问题

课时49

代码讲解

课时50

回顾机器学习概述

课时51

回顾线性回归算法

课时52

导数小于0 w0加波长

课时53

训练模型套路

课时54

回顾常见问题

课时55

回顾过拟合问题

课时56

回顾贝叶斯算法

课时57

回顾KNN分类算法(1)

课时58

回顾KNN分类算法(2)

课时59

今日安排

课时60

KNN分类算法思想

课时61

数据解读

课时62

识别手写数字代码(1)

课时63

识别手写数字代码(2)

课时64

识别字母

课时65

KMeans聚类算法

课时66

回答问题

课时67

解释总结的话

课时68

KMeans算法原理

课时69

聚类个数

课时70

聚类流程

课时71

解答问题

课时72

总结及动画演示

课时73

如果最开始随机的k个中心点非常最近

课时74

解决最开始随机的k个中心点非常最近

课时75

答疑

课时76

Kmeans++介绍

课时77

k值的选择

课时78

聚类效果衡量和选择

课时79

答疑及代码讲解

课时80

今日安排

课时81

KMeans聚类算法原理

课时82

实现KMeans聚类算法

课时83

机器学习库来做Kmeans聚类(1)

课时84

机器学习库来做Kmeans聚类(2)

课时85

机器学习库来做Kmeans聚类(3)

课时86

微博数据

课时87

微博精准营销案例思路

课时88

微博精准营销案例步骤(1)

课时89

微博精准营销案例步骤(2)

课时90

词重要性公式解读

课时91

总结

课时92

今日安排

课时93

微博精准营销案例问题

课时94

实现微博精准营销案例(1)

课时95

实现微博精准营销案例(2)

课时96

实现微博精准营销案例(3)

课时97

回答问题

课时98

KMeans在推荐系统中应用

课时99

构建用户画像

课时100

基于用户的协同过滤

课时101

解决缺陷用户方面冷启动问题

课时102

解决缺陷物品方面大量计算

课时103

总结

课时104

逻辑回归分类算法基本概念

课时105

逻辑回归分类算法公式

课时106

总结

课时107

回顾刚才的内容

课时108

癌症病人的检测数据

课时109

癌症病人的检测 SparkMLlib代码解析

课时110

刚才代码的问题

课时111

股票预测思路

课时112

回顾(1)

课时113

回顾(2)

课时114

实际情境中,癌症病人问题分析,数据倾斜

课时115

三维数据分隔面

课时116

代码分析三维数据

课时117

什么时候升维

课时118

分割线代码分析

课时119

逻辑回归算法模型分割线无截距

课时120

对比逻辑回归算法和线性回归算法

课时121

目标函数

课时122

梯度下降法思路,逻辑回归算法训练模型流程

课时123

回答问题

课时124

误差函数导数求解

课时125

归一化数据问题

课时126

回顾

课时127

求导角度解析公式w0,w1,w2

课时128

数据矛盾问题解决

课时129

回答问题

课时130

调整w1w2时,只能沿相同方向调整

课时131

均值规划

课时132

均值规划代码解读

课时133

同一分割线的不同模型比较

课时134

噪声数据

课时135

正则化

课时136

回答问题

课时137

L1正则化

课时138

L2正则化

课时139

百度路况预测

课时140

多分类归结为二分类

课时141

回答问题

课时142

解释卡扣

课时143

数据字段讲解

课时144

窗口函数

课时145

复习

课时146

今日内容

课时147

回顾卡扣作用及路况统计

课时148

将卡口数据写入kakka代码

课时149

窗口函数

课时150

窗口函数重复计算效率问题

课时151

实时统计路况拥堵情况代码讲解

课时152

一会的内容

课时153

构建训练模型类比现实故事

课时154

实时预测路况拥堵情况分析

课时155

实时预测路况拥堵情况代码讲解(1)

课时156

为什么11分类

课时157

实时预测路况拥堵情况代码讲解(2)

课时158

运行实时预测路况代码

课时159

复习

课时160

引入非线性算法

课时161

决策树

课时162

第一分类条件原则,决策树分裂纯粹度

课时163

讲解纯粹

课时164

条件熵

课时165

解决决策树问题步骤

课时166

总结

课时167

举例说明认识决策树

课时168

信息熵

课时169

决策树判断次数

课时170

已知记录id,是否购买电脑的信息熵

课时171

信息增益率

课时172

决策树剪枝

课时173

决策树的缺点

课时174

随机森林

课时175

代码讲解决策树林(1)

课时176

代码讲解决策树(2)

课时177

复习

课时178

MLib决策树代码讲解

课时179

随机森林代码讲解

课时180

梳理KNN算法

课时181

补充

课时182

梳理KMeans算法

课时183

DBSCan案例

课时184

DBSCan优势及劣势

课时185

逻辑回归算法

课时186

推荐系统的起因

课时187

用户画像

课时188

补全用户数据

课时189

物品画像

课时190

召回环节，排序环节

课时191

召回策略一

课时192

召回策略二

课时193

衡量推荐的好与坏的指标有哪些

课时194

CTR和UCTR

课时195

关于CTR

课时196

Lambda架构

课时197

课前问题答疑

课时198

推荐系统的推荐流程

课时199

阿里推荐系统架构图

课时200

Lambda架构

课时201

上下采样

课时202

Lambda架构二

课时203

问题答疑

课时204

Lambda架构三

课时205

LR

课时206

LR模型

课时207

推荐系统会不会存在冷启动问题

课时208

前情回顾

课时209

三种类型的模拟数据

课时210

根据文档分析推荐系统流程

课时211

根据文档分析推荐系统流程二

课时212

分析Python脚本内容

课时213

分析Python脚本内容二

课时214

分析Python脚本内容三

课时215

分析Python脚本内容四

课时216

生成特征索引集合

课时217

生成特征索引集合二

课时218

生成特征索引集合三

课时219

训练模型和预测模型

课时220

dubbo微服务：计算某个用户多某个商品的喜好值

课时221

开始搭建dubbo微服务推荐系统《上》

课时222

开始搭建dubbo微服务推荐系统《下》

课时223

基于节目的个性化实间推荐系统开发流程

课时224

redis雪崩

课时225

Redis分布式缓存和缓存击穿

课时226

高频缓存穿透和布隆算法实现

课时227

解决占用内存过大问题和布隆算法实现

课时228

错误率和什么有关系

课时229

布隆算法解决的一些问题

课时230

基于节目推荐架构解析

课时231

基于节目推荐架构解析二

课时232

sqoop数据采集

课时233

基于节目的个性化实时推荐系统开发流程

课时234

基于节目的个性化实时推荐系统开发流程二

课时235

上节课回顾和布隆算法代码实现原理

课时236

上节课回顾

课时237

增量导入，设置定时任务同步数据，实时采集用户行为数据

课时238

实时采集用户行为数据

课时239

实时采集用户行为数据二

课时240

实时采集用户行为数据三

课时241

数据迁移

课时242

构建节目画像

课时243

代码实现

课时244

代码实现二

课时245

代码实现三

课时246

面试问题

课时247

基于节目信息来提取关键词和TextRank思想

课时248

怎么计算网站权重

课时249

TextRank

课时250

TextRank

课时251

Spark实现PageRank

课时252

Spark实现PageRank二

课时253

Spark实现PageRank三

课时254

TextRank算法和TF-IDF算法

课时255

TextRank算法和TF-IDF算法二

课时256

TextRank算法和TF-IDF算法三

课时257

TextRank算法和TF-IDF算法四

课时258

面试题

课时259

面试二

课时260

TF-IDF算法代码实现

课时261

TF-IDF算法代码实现二

课时262

推荐系统的表整理的流程解析

课时263

推荐系统的表整理的流程解析二

课时264

解决数据倾斜

课时265

解决数据倾斜二

课时266

这个扩容N倍是怎么定

课时267

数据分析和问题答疑

课时268

问题答疑

课时269

上节课知识梳理

课时270

上节课知识梳理二

课时271

上节课知识梳理三

课时272

问题答疑

课时273

本地化，大数据计算原则

课时274

本地化，大数据计算原则二

课时275

本地化调优

课时276

配置

课时277

三种配置解读

课时278

解决数据倾斜的几种方式

课时279

问题一

课时280

怎么判定task是拖后腿的task

课时281

压测

课时282

课前聊天

课时283

构建用户画像

课时284

计算本地化调优和持久化的算子

课时285

本地化调优实操

课时286

Spark调优：代码优化

课时287

Spark调优：代码优化二

课时288

combineBykey原理

课时289

combineBykey原理二

课时290

combineByKey实现recueByKey

课时291

WEB UI中通过Application查看storage就能看到有多少数据

课时292

WEB UI中通过Application查看storage就能看到有多少数据二

课时293

LJW问题

课时294

Spark调优：并行度调优

课时295

Spark调优：并行度调优二

课时296

Spark调优：并行度调优三

课时297

提问学生问题

课时298

如何让你的Application飞起？

课时299

梳理

课时300

内容召回（节目之间的相似度）

课时301

每个节目向量化

课时302

语言模型

课时303

算法思想1

课时304

算法思想2

课时305

文章向量化1

课时306

文章向量化2

课时307

解决学生问题

课时308

查看一段代码

课时309

上节课回顾：内容召回策略

课时310

内容召回策略二

课时311

内容召回策略的代码实现

课时312

内容召回策略三

课时313

内容召回策略四

课时314

计算节目内容的相识度的几种方式

课时315

minHash算法思路

课时316

LSH局部敏感哈希

课时317

局部敏感哈希：N越大越好吗

课时318

LSH计算相似性的代码实现

课时319

问题

课时320

LSH计算相似性的代码实现一

课时321

LSH计算相似性的代码实现二

课时322

上节课回顾

课时323

内容召回的代码

课时324

内容召回的流程

课时325

热门召回策略

课时326

热门召回策略二

课时327

热门召回策略三

课时328

模型召回策略：隐语义模型

课时329

模型召回策略：隐语义模型二

课时330

这两个低纬矩阵怎么求解

课时331

优化损失函数方法

课时332

LFM模型

课时333

LFM模型二

课时334

上节课回顾

课时335

召回策略代码实现

课时336

架构之召回策略

课时337

表需求设计

课时338

表需求设计二

课时339

RDD

课时340

表需求设计三

课时341

代码实现

课时342

代码实现二

课时343

代码实现三

课时344

问题答疑

课时345

基线桶，实验桶

课时346

训练集包含哪些内容

课时347

基于用户ID找用户画像

课时348

为什么要把训练集存入HBase1

课时349

为什么要把训练集存入HBase代码实现

课时350

为什么要把训练集存入HBase2

课时351

在线推荐部分

课时352

特征索引1

课时353

为什么要把训练集存入HBase3

课时354

provider端代码1

课时355

答疑

课时356

provider端代码2

课时357

消费端代码

课时358

分类模型的评估指标

课时359

P、N、T、F分别是什么意思1

课时360

P、N、T、F分别是什么意思2

课时361

例题

课时362

正确率、准确率中文解释

课时363

分类阈值

课时364

召回率

课时365

推荐系统总结

课时366

数据融合模块

课时367

构建画像_物品画像

课时368

构建画像_用户画像

课时369

召回策略_内容召回

课时370

召回策略_形容召回

课时371

召回策略_热门召回

课时372

召回策略_实时召回

课时373

使用多路召回的原因

课时374

排序模型

课时375

微服务

课时376

AB Test

课时377

Spark调优_代码调优

课时378

Spark调优_数据倾斜的解决方案

课时379

Spark调优_资源调优 (1)

课时380

Spark调优_资源调优 (2)