机器学习大数据标签相关课程
  • 三个项目玩转深度学习(附1G源码)

    初级课

    三个项目玩转深度学习(附1G源码)
    34课时 208分钟 钱兴会
    从事大数据与人工智能开发与实践约十年,钱老师亲自见证了大数据行业的发展与人工智能的从冷到热。事实证明,计算机技术的发展,算力突破,海量数据,机器人技术等,开启了第四次工业革命的序章。深度学习图像分类一直是人工智能的经典任务,是智慧零售、安防、无人驾驶等机器视觉应用领域的核心技术之一,掌握图像分类技术是机器视觉学习的重中之重。针对现有线上学习的特点与实际需求,我们开发了人工智能案例实战系列课程。打造:以项目案例实践为驱动的课程学习方式,覆盖了智能零售,智慧交通等常见领域,通过基础学习、项目案例实践、社群答疑,三维立体的方式,打造最好的学习效果。
    免费试看
  • (一)Logistic回归基本原理
    (一)Logistic回归基本原理
    6227课时 AI100讲师
    从原理到实战应用,摆脱枯燥的公式,由浅入深,为快速进入人工智能行业,进军金融、医疗、教育等领域,成为一名机器学习工程师,奠定坚实的基础!
    免费试看
  • 朋友圈爆款背后的计算机视觉技术与应用
    朋友圈爆款背后的计算机视觉技术与应用
    8190课时 AI100讲师
    本课程适合对图像、人工智能服务感兴趣的用户,适合有一定AI算法开发经验但更想透彻了解如何将AI算法落地为云产品的开发者。 扫码添加小助手,邀你进群免费学习
    免费试看
  • 达观数据个性化推荐系统实践-1
    达观数据个性化推荐系统实践-1
    10548课时 CSDN讲师
    通俗易懂的方式掌握AngularJS技术 理解AngularJS原理 掌握AngularJS的使用
    免费试看
  • 课程的讲义下载
    课程的讲义下载
    26971课时 Array老师
    您知道什么是5G吗? 思考:5G什么产业会更热? 中国的5G水平? 5G投资?
    免费试看
  • 【第五场】从芯片到云端——Python 物联网全栈开发经验教训共享
    【第五场】从芯片到云端——Python 物联网全栈开发经验教训共享
    5321课时 CSDN讲师
    1. 了解物联网技术的知识结构;2. 了解现代物联网嵌入式开发的发展状况,体会高效的嵌入式开发;3. 了解用最小资源完成供应链工程的方法,了解供应链关键控制节点。
    免费试看
  • 网络规划设计师案例分析题冲刺(二)
    网络规划设计师案例分析题冲刺(二)
    6314课时 徐朋
    【视频课程动态更新,付费学员可随时免费学习最新内容,配套资料免费赠送,直至通过考试】考前冲刺课重点讲解考试重点、难点、易考点,独门传授解题技巧,帮助广大考生短时间内查缺补漏、快速提分 ,顺利拿到软考...
    免费试看
  • 1-1Helloworld
    1-1Helloworld
    6794课时 王桂林
    让所有对C语言有入门恐惧的人都可以找到学习C语言的正确方法,并且轻松搞定各种难题。
    免费试看
  • 使用string类型进行全局计数
    使用string类型进行全局计数
    5024课时 肖海鹏
    1. 理解cache的使用 2.掌握nosql数据库的应用 3.掌握http session的远程存储方案 4.掌握数据库connection的优化方案 5.了解高并发系统解决方案
    免费试看
更多
免费试看
8504人学习 2704课时
介绍大数据技术生态圈主流技术框架的应用与发展,介绍如何搭建Hadoop大数据分布式系统集群平台、大数据分布式文件系统HDFS 、大数据分布式并行计算框架MapReduce。 本课程介绍大数据的学习基础。 本课程介绍大数据的背景。 带你深入了解大数据,对大数据有不同的认识。 介绍大数据的基本概念和技术生态圈。 本课程以杨力老师主编的《Hadoop大数据开发实战》为参考,书中详细的介绍了各个步骤,有需要的同学可以留意一下。 该课程的后续课程为杨力老师主讲的《hive大数据离线应用开发》,想要更进一步的同学可以继续观看杨老师的系列视频。
免费
免费试看
8482人学习 286课时
大数据技术在金融领域的应用与实战视频培训教程,系列课程是CSDN学院主题月专属视频,本期主题为 “金融大数据 ”,内容秉承干货实料的原则,邀请业内顶尖的数据技术讲师,共话大数据平台、Spark部署实践以及实现应用大数据支持业务发展等核心话题,旨在通过来自国内一线互联网公司的实践案例,为开发者提供一个有价值的高效技术交流平台,带你全面了解大数据在金融行业的应用与实战。
¥39.00 免费
免费试看
13160人学习 65课时
Hadoop入门和大数据应用视频教程,该课程主要分享Hadoop基础及大数据方面的基础知识。 讲师介绍:翟周伟,就职于百度,Hadoop技术讲师,专注于Hadoop&大数据、数据挖掘、自然语言处理等领域。2009年便开始利用Hadoop构建商业级大数据系统,是国内该领域早的一批人之一,负责设计过多个基于Hadoop的大数据平台和分析系统。2011年合著出版《Hadoop开源云计算平台》。在自然语言处理领域申请过一项发明专利。新出版书籍 《Hadoop核心技术》 。
会员免费
免费试看
35260人学习 2477课时
大数据Spark实战视频培训教程:本课程内容涉及,Spark虚拟机安装、Spark表配置、平台搭建、快学Scala入门、Spark集群通信、任务调度、持久化等实战内容。Spark是UC Berkeley AMP lab (加州大学伯克利分校的AMP实验室)所开源的类Hadoop MapReduce的通用并行框架,Spark,拥有Hadoop MapReduce所具有的优点;但不同于MapReduce的是Job中间输出结果可以保存在内存中,从而不再需要读写HDFS,因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。
¥208.00 拼团
免费试看
1609人学习 1721课时
本课程以CDH作为大数据平台,详细介绍CDH平台各个组件在生产环境的应用及开发,并结合实际的业务场景,离线数仓,实时数仓,构建企业核心的数据架构。 在实际的工作当中,大数据架构,运维或者开发人员会与多个公司团队合作,ETL团队,爬虫团队,算法团队,运营团队等等,指导大家如何与个个团队打交道,提升工作效率。减少团队之间不愉快的沟通。 希望学习者最好从事过数据库相关工作,有一些 JAVA开发基础,或者有其他工作经验,想学习大数据及数据仓库的同学,对于没有工作经验,或者对开发,数据完全小白的同学,建议先了解相关知识再学习。 本课程的宗旨只有一条,任何学习完本课程的同学,都能熟悉企业主流的数据架构,都有能力维护一个中等HADOOP集群,也就是1P左右的数据的集群或者多个集群。
¥800.00
免费试看
2655人学习 606课时
本课程主要讲解在实际项目开发中,企业构建大数据平台的方案及实战。详细阐述企业级大数据平台的架构设计、机器选型、集群规划、技术选型、资源规划等技术方案。实战演练基于Cloudera Manager(CDH6)安装部署、监控管理、运营维护大数据平台的各个服务组件。从理论经验到实战演练,从设计思想到流程实施,亲力亲测,你也绝对可以。推荐进阶课程:大数据运维尖刀班
¥99.00
免费试看
297人学习 718课时
    本课程中,你将学习到,项目架构搭建,数据生产,数据消费,数据分析,以及数据展示等项目核心业务功能的实现。学习过程中,我们将使用Flume,Kafka,HBase,Hadoop,Echarts,Crontab等大数据框架完成整个业务的实现,并在学习过程中对各个框架的应用和原理进行梳理和剖析。 【视频特点】 通信运营商每时每刻会产生大量的通信数据,例如通话记录,短信记录,彩信记录,第三方服务资费等等繁多信息。数据量如此巨大,除了要满足用户的实时查询和展示之外,还需要定时定期的对已有数据进行离线的分析处理。 电信客服综合案例就是以此为切入点所开发的大数据实战案例。  在本课程中,你将学习到,项目架构搭建,数据生产,数据消费,数据分析,以及数据展示等项目核心业务功能的实现。学习过程中,我们将使用Flume,Kafka,HBase,Hadoop,Echarts,Crontab等大数据框架完成整个业务的实现,并在学习过程中对各个框架的应用和原理进行梳理和剖析。
¥199.00 拼团
免费试看
209人学习 253课时
课程由猎豹移动大数据架构师,根据Java在公司大数据开发中的实际应用,精心设计和打磨的大数据必备Java课程。通过本课程学习大数据新手能够少走弯路,以最短的时间系统掌握大数据开发必备语言Java,为后续大数据课程的学习奠定了坚实的语言基础。 课程特色 1.课程是由猎豹移动大数据架构师亲自授课 2.课程理论讲解透彻形象,手把手实战操作 3.课程包含大数据开发必备的所有Java知识 4.课程前后连贯、系统完整,不会出现跳讲和断讲 技术说明 1. 语言版本:JDK1.8 2. 开发工具:Eclipse 课程资料 免费提供完整的PPT资料 免费提供完整的Word文档 免费提供完整的随堂笔记 免费提供完整的课程代码 免费提供完整的软件包
¥12.00
免费试看
263人学习 549课时
如今大数据已经成了各大互联网公司工作的重点方向,而推荐系统可以说就是大数据最好的落地应用之一,已经为企业带来了可观的用户流量和销售额。特别是对于电商,好的推荐系统可以大大提升电商企业的销售业绩。国内外的知名电商,如亚马逊、淘宝、京东等公司,都在推荐系统领域投入了大量研发力量,也在大量招收相关的专业人才。打造的电商推荐系统项目,就是以经过修改的中文亚马逊电商数据集作为依托,并以某电商网站真实的业务架构作为基础来实现的,其中包含了离线推荐与实时推荐体系,综合利用了协同过滤算法以及基于内容的推荐方法来提供混合推荐。具体实现的模块主要有:基于统计的离线推荐、基于隐语义模型的离线推荐、基于自定义模型的实时推荐,以及基于内容的、和基于Item-CF的离线相似推荐。整个项目具有很强的实操性和综合性,对已有的大数据和机器学习相关知识是一个系统性的梳理和整合,通过学习,同学们可以深入了解推荐系统在电商企业中的实际应用,可以为有志于增加大数据项目经验的开发人员、特别是对电商业务领域感兴趣的求职人员,提供更好的学习平台。适合人群:1.有一定的 Java、Scala 基础,希望了解大数据应用方向的编程人员2.有 Java、Scala 开发经验,了解大数据相关知识,希望增加项目经验的开发人员3.有电商领域开发经验,希望拓展电商业务场景、丰富经验的开发人员4.有较好的数学基础,希望学br习机器学习和推荐系统相关算法的求职人员
¥128.00 拼团
免费试看
701人学习 20课时
购买课程后,可扫码进入学习群,获取赵强老师答疑 本系列课程,完全免费,旨在帮助更多的学员了解大数据,包括:基本思想、Hadoop和Spark的基础知识,为进一步学习大数据奠定基础。
会员免费
免费试看
197人学习 804课时
通过此案例可以学习大数据整体开发流程,课程是围绕一个大数据整理流程而做的教学课程,让大家明白大数据不同技术的相互协调,从收集数据,过滤数据,数据分析,数据展示,调度的使用而开发的课程,而且怎么从hadoop,hive应用快速的过度到spark上面而做的整套流程。学完此课程可以企业流程做一个整体的认识。 配套资料-答疑专属答疑群 购买课程后加入qq群 951117762 (备注订单号后四位)
¥198.00 拼团
免费试看
675人学习 188课时
Spark大数据实时分析系统课程旨在帮助同学们收获一份有含金量、能写在简历上的项目经验,课程无死角讲解项目每个环节。课程内容涉及项目业务介绍、技术选型与架构设计、项目的架构演进、手机端到服务端数据流程、日志采集设计与要求、日志采集拓扑结构、线上和本地集群资源规划、项目全流程开发、项目总结、项目面试21问。项目内容比较丰满,零基础的同学可以从基础学到项目,有基础的同学可以直接选择项目学习。
免费
免费试看
418人学习 832课时
随着大数据技术的不断发展壮大, Hive不再是大数据技术生态圈中一个普通的工具,而是在大数据分析和大数据仓库中占据着几乎不可替代的重要作用,大数据分析中Hive和Hbase、Hive和Spark SQL、Hive和Impala的结合使用愈加紧密,大数据仓库中Hive在数据仓库建模模块的作用暂时无可替代。所以,深入学好Hive是入门大数据分析、大数据仓库最好的选择。
¥199.00
免费试看
1026人学习 1694课时
该课程采用时下后的编程语言Python讲解,囊括了当前火的大数据技术Spark/Hadoop/Hive知识,学习环境是基于Docker搭建的5个容器。通过这门课程不仅可以学到Spark/Hadoop/Hive大数据知识,还可以学到当下后的云计算技术Docker. 任务作业: 很多人都想入门机器学习和人工智能,挑战高薪!殊不知人工智能和机器学习的基础是数据及数学,特别是在大数据时代,90%以上的公司不单单是招聘算法工程师,到猎聘Boss直聘上查找算法岗位,查看其招聘条件往往都需要熟练使用大数据平台。这门课程涵盖Docker云计算容器技术,要求学员学完本门课程能够使用Docker容器部署4个容器的Spark集群并能用学到的Docker技术制作一个微服务镜像并对外提供服务;本课程全面讲解了Spark原理及接口,要求学员学完本课程能用网络爬虫爬取全国各地的房价数据,并用Spark编写mapreduce程序分析房价分布情况;本课程涉及分布式机器学习SparkML,要求学员学完本课程,能用SVR,LinearRegreesion,多层感知机算法,决策树回归算法等算法进行房价预测。 人人都想入门人工智能,殊不知人工智能的入门准则是基础的算法和数据处理的能力,学完本课程希望人人拿高薪! (注意: 作业需写在CSDN博客中,请把作业链接贴在评论区,老师会定期逐个批改~~)
¥399.00 拼团
免费试看
517人学习 40课时
随着大数据与人工智能技术的应用普及,海量多源异构数据急剧增加。传统大数据平台在面临多源异构数据处理时,面临数据采集处理能力不足、数据结构难以统一,数据运维困难等挑战,为企业探索数据价值带来了层层阻碍。那么,有没有办法解决上述问题呢?答案是肯定的,浪潮商用机器有限公司推出的基于POWER9架构的Hadoop+Spark的异构大数据平台,将能轻松应对多样化并发处理任务,实现异构资源灵活调配,为企业提供一个完美的异构大数据解决方案。本次公开课力邀浪潮商用机器的资深专家——刘长生先生,为您带来《异构大数据平台,让多源异构数据融合贯通!》主题分享,详细解读该异构大数据解决方案,诚邀您参加!
免费
免费试看
555人学习 294课时
购买课程后,可扫码进入学习群,获取赵强老师答疑 本系列课程将基于RedHat Linux 7.4版本、Hadoop 2.7.3、Spark 2 版本全面介绍大数据的整体内容,让学员深入理解并掌握运行机制和原理,从而进一步掌握大数据的相关内容。
¥181.00
猜你喜欢
相关培训 相关博客
  • 机器学习概览机器学习的种类机器学习的分类有多种准则,主要是一些三种:数据是否有标签监督学习:全部的数据都带有标签,相应的机器学习算法如:SVM,分类树等非监督学习,全部的数据都没有标签。算法要从数据中找出某种规则和模式。如:Apriori算法,聚类算法等半监督学习:含有大量的未标记数据和少量的标记数据,比较又代表性质的就是受限玻尔兹曼机(通过无监督的方式进行训练,然后通过监督...
    2020-02-11 11:02:27
    阅读量:43
    评论:0
  • 机器学习(MACHING LEARNING)一 认识机器学习定义:为了解决任务T,设计一段程序,从经验E中学习,达到性能度量值P,当且仅当有了经验E后,经过P评判,程序在处理T时的性能得到提升。二 机器学习分类1. 监督学习定义:训练样本包含对应的标签。比如Titanic数据集中生存与否就是标签。分类问题:样本标签属于离散变量,比如判断垃圾邮件。回归问题:样本标签属于连续变量,比...
    2019-11-04 20:43:51
    阅读量:0
    评论:0
  • 装饰Matplotlib(标签、文本、标记、注释…)在机器学习实际应用中,最关键的部分就是数据可视化,否则无论调试还是总结,你无从下手。python大牛们提供了非常牛逼的库—Matplotlib回顾
    2017-11-15 11:06:55
    阅读量:513
    评论:0
  • 根据机器学习的应用,一般说来,机器学习有三种算法:监督式学习(Supervised Learning, SL)监督学习是指原始数据中既有特征值也有标签值的机器学习。用输入层的数据计算输出层的值,然后对比标签值计算误差,再通过迭代找到最佳模型参数。所谓机器学习就是指对已知数据不断迭代从而找到最佳参数的过程。属于监督式学习的算法有:KNN、回归模型,决策树,随机森林,K邻近算法,逻辑回归、SVM等。无监
    2018-01-19 15:22:24
    阅读量:3517
    评论:0
  • 文章目录机器学习的分类无监督学习无监督学习应用监督学习监督学习的应用机器学习的分类监督学习提供数据并提供数据对应结果的机器学习过程无监督学习提供数据并不提供数据对应结果的机器学习过程强化学习通过与环境的交互并获取延迟返回进而改进行为的学习过程无监督学习定义:我们不知道数据集中数据、特征之间的关系,而是要根据分组或聚类或一定的模型得到数据之间的关系。可以这么说,比起监督学习,无监督学习更像是自学,让机器学会自己做事情,是没有标签(label)的。无监督学习应用Google新闻按照内
    2020-05-12 23:56:56
    阅读量:0
    评论:0
  • 机器学习概述@(机器学习)什么是机器学习?机器学习主要是研究如何使计算机从给定的数据中学习规律,即从观测数据(样本)中寻找规律,并利用学习到的规律(模型)对位置或无法观测的数据进行预测。机器学习基本概念1、机器学习算法类型  根据训练数据提供的信息以及反馈方式的不同,可以分为: * 有监督学习(Supervised Learning):每组训练数据都有一个明确的标签和结果,利用这些已知的数据来学
    2017-04-14 22:47:34
    阅读量:2776
    评论:0
  • 机器学习-Python实践Day1机器学习的两个大类监督学习 --分类和回归分类回归无监督学习 --聚类机器学习的两个大类监督学习 --分类和回归监督学习:在机器学习中提供包含特征和标签的数据,通过机器学习的相关算法实现数据的分类和回归。分类分类:标签是离散的数据回归回归:标签是连续的数据无监督学习 --聚类无监督学习:在机器学习中只提供包含特征的数据,通过相关算...
    2019-01-10 16:33:09
    阅读量:118
    评论:0
  • 机器学习算法 机器学习算法可以分为传统的机器学习算法和深度学习。传统机器学习算法主要包括以下五类: 回归:建立一个回归方程来预测目标值,用于连续型分布预测分类:给定大量带标签的数据,计算出未知标签样本的标签取值聚类:将不带标签的数据根据距离聚集成不同的簇,每一簇数据有共同的特征关联分析:计算出数据之间的频繁项集合降维:原高维空间中的数据点映射到低维度的空间中...
    2019-11-08 11:02:04
    阅读量:0
    评论:0
  • 机器学习最大的特点是利用数据而不是指令来进行各种工作,其学习过程主要包括:数据的特征提取、数据预处理、训练模型、测试模型、模型评估改进等几部分。二、机器学习算法:机器学习算法可以分为传统的机器学习算法和深度学习。传统机器学习算法主要包括以下五类:回归:建立一个回归方程来预测目标值,用于连续型分布预测分类:给定大量带标签的数据,计算出未知标签样本的标签取值聚类:将不带标签的数据根据距离...
    2019-05-30 19:40:03
    阅读量:1500
    评论:0
  • 1、什么是标签编码将字符型的特征映射为整数(将字符串转换为整数)但没有被广泛使用因为求平均值之类的数据会出现问题(不过具体需求具体分析)有[dog,cat,dog,mouse,cat],我们把其转换为[1,2,1,3,2]。这里就产生了一个奇怪的现象:dog和mouse的平均值是cat。所以目前还没有发现标签编码的广泛使用(不过在决策树,随机森林对数据值不做要求的算法中是常见的)调用库包代码...
    2020-02-13 15:08:37
    阅读量:122
    评论:0