商务数据分析教程

商务数据分析教程资源简介：

 课程目录

├──{10}--第十单元电子推荐系统  

|   ├──{1}--推荐系统基础  

|   ├──{2}--推荐系统结构  

|   ├──{3}--基于人口统计学的推荐、基于内容的推荐  

|   ├──{4}--基于协同过滤的推荐算法  

|   ├──{5}--基于图的模型、基于PageRank的推荐、基于关联规则的推荐  

|   ├──{6}--其他推荐方法  

|   ├──{7}--推荐结果的评测方法  

|   ├──{8}--推荐结果的评测指标  

|   └──{9}--推荐系统常见问题  

├──{11}--第十一单元深度学习  

|   ├──{10}--基于LSTM的股票预测  

|   ├──{11}--图像定位与识别1  

|   ├──{12}--图像定位于识别2  

|   ├──{13}--强化学习  

|   ├──{14}--生成对抗网络  

|   ├──{15}--迁移学习  

|   ├──{16}--对偶学习  

|   ├──{17}--深度学习复习  

|   ├──{1}--卷积基本概念  

|   ├──{2}--LeNet框架（1）  

|   ├──{3}--LeNet框架（2）  

|   ├──{4}--卷积基本单元  

|   ├──{5}--卷积神经网络训练  

|   ├──{6}--基于卷积的股票预测  

|   ├──{7}--循环神经网络RNN基础  

|   ├──{8}--循环神经网络的训练和示例  

|   └──{9}--长短期记忆网络LSTM  

├──{12}--第十二单元面向实践的机器学习课程研讨  

|   └──{1}--课程教学方法研讨  

├──{1}--第一单元机器学习概论  

|   ├──{1}--机器学习简介  

|   ├──{2}--机器学习过程  

|   ├──{3}--机器学习常用算法（1）  

|   ├──{4}--机器学习常用算法（2）  

|   ├──{5}--机器学习常见问题  

|   ├──{6}--从事机器学习的准备  

|   └──{7}--机器学习的常用应用领域  

├──{2}--第二单元分类算法  

|   ├──{10}--贝叶斯网络模型算法  

|   ├──{11}--贝叶斯网络的应用  

|   ├──{12}--主分量分析和奇异值分解  

|   ├──{13}--判别分析  

|   ├──{1}--决策树概述  

|   ├──{2}--ID3算法  

|   ├──{3}--C4.5算法和CART算法  

|   ├──{4}--连续属性离散化、过拟合问题  

|   ├──{5}--集成学习  

|   ├──{6}--支持向量机基本概念  

|   ├──{7}--支持向量机原理  

|   ├──{8}--支持向量机的应用  

|   └──{9}--朴素贝叶斯模型  

├──{3}--第三单元神经网络基础  

|   ├──{1}--神经网络简介  

|   ├──{2}--神经网络相关概念  

|   ├──{3}--BP神经网络算法（1）  

|   ├──{4}--BP神经网络算法（2）  

|   └──{5}--神经网络的应用  

├──{4}--第四单元聚类分析  

|   ├──{1}--聚类分析的概念  

|   ├──{2}--聚类分析的度量  

|   ├──{3}--基于划分的方法（1）  

|   ├──{4}--基于划分的方法（2）  

|   ├──{5}--基于密度聚类和基于层次聚类  

|   ├──{6}--基于模型的聚类  

|   └──{7}--EM算法  

├──{5}--第五单元可视化分析  

|   ├──{1}--可视化分析基础  

|   ├──{2}--可视化分析方法  

|   └──{3}--在线教学的数据分析案例  

├──{6}--第六单元关联分析  

|   ├──{1}--关联分析基本概念  

|   ├──{2}--Apriori算法  

|   └──{3}--关联规则应用  

├──{7}--第七单元回归分析  

|   ├──{1}--回归分析基础  

|   ├──{2}--线性回归分析  

|   └──{3}--非线性回归分析  

├──{8}--第八单元文本分析  

|   ├──{1}--文本分析简介  

|   ├──{2}--文本分析基本概念  

|   ├──{3}--语言模型、向量空间模型  

|   ├──{4}--词法、分词、句法分析  

|   ├──{5}--语义分析  

|   ├──{6}--文本分析应用  

|   ├──{7}--知识图谱简介  

|   ├──{8}--知识图谱技术  

|   └──{9}--知识图谱构建和应用  

└──{9}--第九单元分布式机器学习、遗传算法  

|   ├──{1}--分布式机器学习基础  

|   ├──{2}--分布式机器学习框架  

|   ├──{3}--并行决策树  

|   ├──{4}--并行k-均值算法  

|   ├──{5}--并行多元线性回归模型  

|   ├──{6}--遗传算法基础  

|   ├──{7}--遗传算法的过程  

|   ├──{8}--遗传算法的应用  

|   └──{9}--蜂群算法