大数据技术之机器学习和推荐系统

目录
├─1.笔记
│  ├─1_推荐系统简介.pdf
│  ├─2_数学基础.pdf
│  ├─3_机器学习基础.pdf
│  ├─4_机器学习模型.pdf
│  ├─5_推荐系统算法详解.pdf
│  ├─6_电影推荐系统设计.pdf
│  ├─Python简单教程.docx
│  ├─jupyter notebook安装使用.docx
│  ├─大数据技术之电影推荐系统.pdf
├─2.资料
│  ├─01_工具
│  │  ├─Anaconda3-2018.12-Windows-x86_64.exe
│  │  ├─apache-flume-1.9.0-bin.tar.gz
│  │  ├─elasticsearch-5.6.2.tar.gz
│  │  ├─kafka_2.11-2.1.0.tgz
│  │  ├─scala-2.11.8.zip
│  │  ├─spark-2.1.1-bin-hadoop2.7.tgz
│  │  ├─zookeeper-3.4.10.tar.gz
│  ├─02_扩展学习资料
│  │  ├─周志华-机器学习.pdf
│  │  ├─推荐系统实践.pdf
│  │  ├─统计学习方法.pdf
├─3.代码
│  ├─01_算法代码_JupyterNotebook
│  │  ├─.ipynb_checkpoints
│  │  │  ├─1_线性回归最小二乘法-checkpoint.ipynb
│  │  │  ├─2_线性回归梯度下降法-checkpoint.ipynb
│  │  │  ├─3_线性回归调sklearn库实现-checkpoint.ipynb
│  │  │  ├─4_knn代码实现-checkpoint.ipynb
│  │  │  ├─5_kmeans-checkpoint.ipynb
│  │  │  ├─5_kmeans代码实现-checkpoint.ipynb
│  │  │  ├─6_tfidf代码实现-checkpoint.ipynb
│  │  │  ├─7_LFM梯度下降-checkpoint.ipynb
│  │  │  ├─7_LFM梯度下降代码实现-checkpoint.ipynb
│  │  ├─1_线性回归最小二乘法.ipynb
│  │  ├─2_线性回归梯度下降法.ipynb
│  │  ├─3_线性回归调sklearn库实现.ipynb
│  │  ├─4_knn代码实现.ipynb
│  │  ├─5_kmeans代码实现.ipynb
│  │  ├─6_tfidf代码实现.ipynb
│  │  ├─7_LFM梯度下降代码实现.ipynb
│  │  ├─data.csv
│  ├─02_项目代码_MovieRecommendSystem
│  │  ├─MovieRecommendSystem.rar
├─4.视频
│  ├─000机器学习和推荐系统_课程简介.wmv
│  ├─II_电影推荐项目
│  │  ├─037电影推荐系统_项目系统设计（上）.wmv
│  │  ├─038电影推荐系统_项目系统设计（中）.wmv
│  │  ├─039电影推荐系统_项目系统设计（下）.wmv
│  │  ├─040电影推荐系统_项目框架搭建.wmv
│  │  ├─041电影推荐系统_数据加载模块（一）.wmv
│  │  ├─042电影推荐系统_数据加载模块（二）.wmv
│  │  ├─043电影推荐系统_数据加载模块（三）.wmv
│  │  ├─044电影推荐系统_数据加载模块（四）.wmv
│  │  ├─045电影推荐系统_数据加载模块（五）.wmv
│  │  ├─046电影推荐系统_统计推荐模块（上）.wmv
│  │  ├─047电影推荐系统_统计推荐模块（中）.wmv
│  │  ├─048电影推荐系统_统计推荐模块（下）.wmv
│  │  ├─049电影推荐系统_基于LFM的离线推荐模块（上）.wmv
│  │  ├─050电影推荐系统_基于LFM的离线推荐模块（中）.wmv
│  │  ├─051电影推荐系统_基于LFM的离线推荐模块（下）.wmv
│  │  ├─052电影推荐系统_ALS模型评估和参数选取（上）.wmv
│  │  ├─053电影推荐系统_ALS模型评估和参数选取（下）.wmv
│  │  ├─054电影推荐系统_实时推荐模块（一）.wmv
│  │  ├─055电影推荐系统_实时推荐模块（二）.wmv
│  │  ├─056电影推荐系统_实时推荐模块（三）.wmv
│  │  ├─057电影推荐系统_实时推荐模块（四）.wmv
│  │  ├─058电影推荐系统_实时推荐模块（五）.wmv
│  │  ├─059电影推荐系统_实时推荐模块测试.wmv
│  │  ├─060电影推荐系统_基于内容推荐模块（一）.wmv
│  │  ├─061电影推荐系统_基于内容推荐模块（二）.wmv
│  │  ├─062电影推荐系统_基于内容推荐模块（三）.wmv
│  │  ├─063电影推荐系统_基于内容推荐模块（四）.wmv
│  │  ├─064电影推荐系统_实时系统联调测试（上）.wmv
│  │  ├─065电影推荐系统_实时系统联调测试（下）.wmv
│  ├─I_理论
│  │  ├─001推荐系统简介_概述.wmv
│  │  ├─002推荐系统简介_推荐系统算法简介.wmv
│  │  ├─003推荐系统简介_推荐系统评测.wmv
│  │  ├─004机器学习入门_数学基础（上）.wmv
│  │  ├─005机器学习入门_数学基础（下）.wmv
│  │  ├─006机器学习入门_机器学习概述.wmv
│  │  ├─007机器学习入门_监督学习（上）.wmv
│  │  ├─008机器学习入门_监督学习（中）.wmv
│  │  ├─009机器学习入门_监督学习（下）.wmv
│  │  ├─010机器学习模型和算法_python简介.wmv
│  │  ├─011机器学习模型和算法_python基础语法（上）.wmv
│  │  ├─012机器学习模型和算法_python基础语法（下）.wmv
│  │  ├─013机器学习模型和算法_线性回归（上）.wmv
│  │  ├─014机器学习模型和算法_线性回归最小二乘代码实现（上）.wmv
│  │  ├─015机器学习模型和算法_线性回归最小二乘代码实现（下）.wmv
│  │  ├─016机器学习模型和算法_线性回归（下）.wmv
│  │  ├─017机器学习模型和算法_线性回归梯度下降代码实现.wmv
│  │  ├─018机器学习模型和算法_线性回归调用sklearn库代码实现.wmv
│  │  ├─019机器学习模型和算法_K近邻.wmv
│  │  ├─020机器学习模型和算法_K近邻代码实现（上）.wmv
│  │  ├─021机器学习模型和算法_K近邻代码实现（中）.wmv
│  │  ├─022机器学习模型和算法_K近邻代码实现（下）.wmv
│  │  ├─023机器学习模型和算法_逻辑回归（上）.wmv
│  │  ├─024机器学习模型和算法_逻辑回归（下）.wmv
│  │  ├─025机器学习模型和算法_决策树.wmv
│  │  ├─026机器学习模型和算法_K均值聚类.wmv
│  │  ├─027机器学习模型和算法_K均值聚类代码实现（上）.wmv
│  │  ├─028机器学习模型和算法_K均值聚类代码实现（下）.wmv
│  │  ├─029推荐系统_推荐系统算法详解（一）.wmv
│  │  ├─030推荐系统_推荐系统算法详解（二）.wmv
│  │  ├─031推荐系统_推荐系统算法详解（三）.wmv
│  │  ├─032推荐系统_TF-IDF算法代码示例.wmv
│  │  ├─033推荐系统_推荐系统算法详解（四）.wmv
│  │  ├─034推荐系统_推荐系统算法详解（五）.wmv
│  │  ├─035推荐系统_LFM梯度下降算法代码实现（上）.wmv
│  │  ├─036推荐系统_LFM梯度下降算法代码实现（下）.wmv