|
2017年最新深度学习神经网络算法与推荐系统实战全套高清视频教程附讲义作业（anaconda3Python3.5） 43课
课程介绍:
基于tensorflow的讲解演练。从安装到神经网络算法的讲解实操，最后配合推荐系统开发实战，用到了spark。
课程目录:
第一章深度学习概述
1.1、tensorflow安装
1.2、深度学习概述
1.3、深度学习之非线性划分+BP算法
1.4、Linear线性回归案例
1.5、手写数字（mnist）
1.6、手写数字（SimpleNeuralNetwork）
第二章CNN卷积神经网络
2.1、CNN卷积神经网络
2.2、卷积神经网络可视化理解
2.3、CNN案例操作(1)
2.4、CNN案例操作(2)
第三章RNN循环神经网络
3.1、RNN概述
3.2、RNN实例——验证码识别
3.3、RNN实例——邮件分类
第四章总结
4.1、深度学习总结
第五章推荐系统
5.1、0101_机器学习部署方式回顾
5.2、0102_推荐系统概述及推荐系统效果评估方式讲解
5.3、0103_协同过滤之基于用户最近邻推荐方式讲解
5.4、0104_协同过滤之基于用户最近邻推荐案例过程讲解
5.5、0105_协同过滤之基于物品最近邻推荐原理及案例过程讲解
5.6、0106_协同过滤之最近邻算法总结一
5.7、0107_协同过滤之最近邻算法总结二
5.8、0108_协同过滤之SVD矩阵分解及关联规则推荐方式讲解
5.9、0109_基于内存的推荐系统讲解
5.10、0110_基于知识的推荐系统讲解
5.11、0111_混合推荐系统及推荐系统攻击讲解
5.12、0112_推荐系统框架介绍及python-recsys简单讲解
5.13、0113_SparkMLlib相关知识概述
5.14、0114_SparkMLlib开发环境搭建
5.15、0115_SparkMLlib案例一：基于豆瓣电影评分数据的协同过滤算法推荐
第六章推荐系统&数据挖掘&人工智能
6.1、0201_推荐系统知识回顾
6.2、0202_协同过滤之基于物品最近邻算法SparkCore代码实现一
6.3、0203_协同过滤之基于物品最近邻算法SparkCore代码实现二
6.4、0204_协同过滤之基于物品最近邻算法SparkCore代码实现三
6.5、0205_协同过滤之基于物品最近邻算法SparkCore代码实现四
6.6、0206_Mahout推荐算法实现API讲解一
6.7、0207_Mahout推荐算法实现API讲解二
6.8、0208_Mahout推荐算法实现API讲解三
6.9、0209_Mahout推荐算法实现API讲解四
6.10、0210_Mahout推荐算法实现API讲解五
6.11、0211_数据挖掘基本概念讲解
6.12、0212_关联规则算法逻辑讲解
6.13、0213_关联规则算法SparkCore代码实现讲解
6.14、0214_人工智能总结
| 
发表于 2019-3-21 15:33
