目录
人工智能之深度学习+推荐系统
├─01.深度学习概述
│ 01_01.走进深度学习
│ 01_02.神经网络
│ 01_03.TensorFlow介绍
│ 01_04.Bp案例
│ 01_05.神经网络实现线性回归
│ 01_06.神经网络实现手写数字识别
│
├─02.CNN卷积神经网络
│ 02_01.什么是CNN
│ 02_02.CNN结构设计
│ 02_03.CNN典型结构分析
│ 02_04.CNN案例
│ 02_05.修改案例使用alexnet
│ 02_06.调用别人的VGG模型做预测
│ 02_07.总结
│
├─03.RNN循环神经网络
│ 03_01.RNN概述
│ 03_02.RNN实例-验证码识别
│ 03_03.RNN实例-邮件分类
│
├─04.总结
│ 04_01.深度学习总结
│
├─05.推荐系统
│ 05_01.机器学习部署方式回顾
│ 05_02.推荐系统概述及推荐系统效果评估方式讲解
│ 05_03.协同过滤之基于用户最近邻推荐方式讲解
│ 05_04.协同过滤之基于用户最近邻推荐案例过程讲解
│ 05_05.协同过滤之基于物品最近邻推荐原理及案例过程讲解
│ 05_06.协同过滤之最近邻算法总结一
│ 05_07.协同过滤之最近邻算法总结二
│ 05_08.协同过滤之SVD矩阵分解及关联规则推荐方式讲解
│ 05_09.基于内存的推荐系统讲解
│ 05_10.基于知识的推荐系统讲解
│ 05_11.混合推荐系统及推荐系统攻击讲解
│ 05_12.推荐系统框架介绍及python-recsys简单讲解
│ 05_13.SparkMLlib相关知识概述
│ 05_14.SparkMLlib开发环境搭建
│ 05_15.SparkMLlib案例一:基于豆瓣电影评分数据的协同过滤算法推荐
│
└─06.推荐系统&数据挖掘&人工智能
06_01.推荐系统知识回顾
06_02.协同过滤之基于物品最近邻算法SparkCore代码实现一
06_03.协同过滤之基于物品最近邻算法SparkCore代码实现二
06_04.协同过滤之基于物品最近邻算法SparkCore代码实现三
06_05.协同过滤之基于物品最近邻算法SparkCore代码实现四
06_06.Mahout推荐算法实现API讲解一
06_07.Mahout推荐算法实现API讲解二
06_08.Mahout推荐算法实现API讲解三
06_09.Mahout推荐算法实现API讲解四
06_10.Mahout推荐算法实现API讲解五
06_11.数据挖掘基本概念讲解
06_12.关联规则算法逻辑讲解
06_13.关联规则算法SparkCore代码实现讲解
06_14.人工智能总结