清华大学-数据挖掘：理论与算法（国家级精品课）
http://www.xuetangx.com/courses/course-v1:TsinghuaX+80240372X+sp/about
本课程完整覆盖数据挖掘领域的各项核心技术，包括数据预处理、分类、聚类、回归、关联、推荐、集成学习、进化计算等。强调在知识的广度、深度和趣味性之间寻找最佳平衡点，在生动幽默中讲述数据挖掘的核心思想、关键技术以及一些在其它相关课程和教科书中少有涉及的重要知识点。本课程适合对大数据和数据科学感兴趣的各专业学生以及工程技术人员学习，不追求纯粹的理论推导，而是把理论
视频选集
（1/69）
自动连播
数据挖掘：理论与算法（自主模式）-学堂在线-精品中文慕课(mooc)平台
01:19
1.1.1.1 整装待发
08:24
2.1.2.1 学而不思则罔
11:05
3.1.3.1 知行合一
22:37
4.1.4.1 从数据到知识
14:50
5.1.5.1 分类问题
18:25
6.1.6.1 聚类及其它数据挖掘问题
12:38
7.1.7.1 隐私保护与并行计算
19:50
8.1.8.1 迷雾重重
24:06
9.1.9.1 视频来源：互联网
03:06
10.2.1.1 数据清洗
13:11
11.2.2.1 异常值与重复数据检测
13:24
12.2.3.1 类型转换与采样
17:22
13.2.4.1 数据描述与可视化
15:36
14.2.5.1 特征选择
12:38
15.2.6.1 主成分分析
24:09
16.2.7.1 线性判别分析
12:59
17.2.7.2 线性判别分析
16:29
18.2.8.1 视频来源：互联网
03:23
19.3.1.1 贝叶斯奇幻之旅
15:57
20.3.2.1 朴素是一种美德
26:55
21.3.3.1 数据、规则与树
11:49
22.3.4.1 植树造林学问大
22:58
23.3.5.1 视频来源：互联网
02:19
24.4.1.1 智慧之源神经元
11:47
25.4.2.1 会学习的神经元
12:14
26.4.3.1 从一个到一群
10:27
27.4.4.1 层次分明，责任到人
19:07
28.4.5.1 管中窥豹，抛砖引玉
09:57
29.4.6.1 视频来源：互联网
03:53
30.5.1.1 最大间隔
13:22
31.5.2.1 线性SVM
15:58
32.5.3.1 数学家的把戏
18:00
33.5.4.1 致敬真神
16:52
34.5.5.1 视频来源：互联网
05:25
35.6.1.1 无监督学习
12:40
36.6.2.1 K-Means
20:26
37.6.3.1 期望最大法
19:27
38.6.4.1 密度与层次
20:27
39.7.1.1 项集与规则
07:26
40.7.2.1 支持度与置信度
08:48
41.7.3.1 误区
05:28
42.7.4.1 Apriori 算法
11:14
43.7.5.1 实例分析
14:45
44.7.6.1 序列模式
10:25
45.7.7.1 视频来源：互联网
11:14
46.8.1.1 无所不在的推荐
10:28
47.8.2.1 隐含语义分析
17:47
48.8.3.1 PageRank传奇
10:41
49.8.4.1 协同过滤
18:14
50.8.5.1 告诉你一个真实的推荐
15:39
51.9.1.1 民主协商：Ensemble
09:08
52.9.2.1 群策群议：Bagging
18:00
53.9.3.1 环环相扣：Boosting
19:06
54.9.4.1 集成之美：AdaBoost
16:35
55.9.5.1 继往开来：RegionBoost
08:28
56.10.1.1 人与自然
14:54
57.10.2.1 尽善尽美
13:53
58.10.3.1 走向进化
11:26
59.10.4.1 遗传算法初探
15:33
60.10.5.1 遗传算法进阶
15:49
61.10.5.2 遗传算法进阶
11:37
62.10.6.1 遗传程序设计
11:03
63.10.7.1 万物皆进化
13:17
64.10.8.1 视频来源：互联网
06:14
65.10.8.2 视频来源：互联网
02:08
66.11.1.1 数据之美
18:49
67.11.1.2 数据之美
19:05
68.11.2.1 南国紫荆亦芬芳
08:33
【B站高考论坛】发帖共建志愿填报分区
高考互助小站>>
顶部