深度之眼-人工智能研究生课程库
资源目录
├──01-软件安装及环境配置
| ├──02-Anaconda介绍及安装.mp431.51M
| ├──03-【Python 3.6】 Python安装及验证.mp415.64M
| ├──04-【Python 3.6】 Python配置环境变量.mp47.92M
| ├──05-【Python 3.6】 Python卸载及验证.mp46.24M
| ├──06-【PyTorch 1.2】 PyTorch简介与安装.mp448.34M
| ├──07-【Pytorch1.2】 Pytorch开发环境安装.mp4210.80M
| ├──08-【TensorFlow 2.1.0】环境安装-ubuntu.mp4174.66M
| ├──09-【TensorFlow 2.1.0】环境安装-windows.mp4132.37M
| ├──10-【GPU驱动安装】GPU_driver_windows.mp419.82M
| ├──11-【GPU驱动安装】GPU_driver_Linux.mp496.04M
| ├──12-Linux 常用命令.mp492.54M
| ├──13-【数据分析工具】 MySQL.mp434.26M
| ├──14-【数据分析工具】 Navicate.mp418.11M
| └──15-【数据分析工具】 Tableau Public.mp435.85M
├──02-人工智能数学基础
| ├──05-【第一章 线性代数(上)】章节导读.mp411.07M
| ├──06-【第一章 线性代数(上)】-1 矩阵及其基本运算①.mp434.70M
| ├──07-【第一章 线性代数(上)】-2 矩阵及其基本运算②.mp464.40M
| ├──08-【第一章 线性代数(上)】-3 矩阵的行列式①.mp438.86M
| ├──09-【第一章 线性代数(上)】-4 矩阵的行列式②.mp446.99M
| ├──10-【第一章 线性代数(上)】-5 矩阵的行列式③.mp437.79M
| ├──11-【第一章 线性代数(上)】-6 矩阵的行列式④.mp410.01M
| ├──12-【第一章 线性代数(上)】-7 矩阵的逆①.mp441.26M
| ├──13-【第一章 线性代数(上)】-8 矩阵的逆②.mp426.80M
| ├──14-【第一章 线性代数(上)】-9 矩阵的逆③.mp430.43M
| ├──15-【第二章 线性代数(下)】章节导读.mp49.90M
| ├──16-【第二章 线性代数(下)】-1 矩阵的初等变换①.mp450.39M
| ├──17-【第二章 线性代数(下)】-2 矩阵的初等变换②.mp423.98M
| ├──18-【第二章 线性代数(下)】-3 矩阵的初等变换③.mp462.92M
| ├──19-【第二章 线性代数(下)】-4 矩阵的初等变换④.mp424.74M
| ├──20-【第二章 线性代数(下)】-5 矩阵的特征值与特征向量①.mp455.00M
| ├──21-【第二章 线性代数(下)】-6 矩阵的特征值与特征向量②.mp446.51M
| ├──22-【第二章 线性代数(下)】-7 矩阵的特征值与特征向量③.mp439.71M
| ├──23-【第二章 线性代数(下)】-8 矩阵对角化以及二次型①.mp448.69M
| ├──24-【第二章 线性代数(下)】-9 矩阵对角化以及二次型②.mp433.98M
| ├──25-【第二章 线性代数(下)】-10 矩阵对角化以及二次型③.mp432.49M
| ├──26-【第二章 线性代数(下)】-11svd分解的应用.mp449.81M
| ├──27-【第三章 微积分】-01常用函数的导数以及到导数的常用公式.mp450.35M
| ├──28-【第三章 微积分】-02 中值定理&洛必达法则&泰勒公式及应用.mp446.01M
| ├──29-【第三章 微积分】-03 函数的凹凸性&函数的极值.mp445.39M
| ├──30-【第三章 微积分】-04 不定积分.mp428.30M
| ├──31-【第三章 微积分】-05 定积分.mp429.72M
| ├──32-【第三章 微积分】-06 偏导数&多元函数复合求导法则链式求导法则.mp443.21M
| ├──33-【第三章 微积分】-07 方向导数与梯度及其应用.mp453.22M
| ├──34-【第三章 微积分】-08 多元函数泰勒公式与海森矩阵&多元函数的极值.mp437.63M
| ├──35-【第三章 微积分】-09 矩阵的求导.mp443.88M
| ├──36-【第三章 微积分】-10 矩阵的求导在深度学习中的应用.mp447.41M
| ├──37-【第四章 概率论】-01随机实验样本空间随机事件&概率的定义.mp453.38M
| ├──38-【第四章 概率论】-02全概率公式与贝叶斯公式及应用&独立性.mp437.17M
| ├──39-【第四章 概率论】-03随机变量与多维随机变量.mp447.05M
| ├──40-【第四章 概率论】-04期望与方差part1.mp442.55M
| ├──41-【第四章 概率论】-05期望与方差part2.mp419.22M
| ├──42-【第四章 概率论】-06参数的估计.mp447.82M
| ├──43-【第五章 最优化】-1 无约束最优化梯度下降.mp449.51M
| ├──44-【第五章 最优化】-2 无约束最优化梯度下降.mp449.56M
| └──45-【第五章 最优化】-3 约束最优化.mp443.06M
├──03-Python基础+数据科学入门
| ├──05-第一章 绪论和环境配置.mp443.13M
| ├──06-【作业讲解】第一章：助教实际演示配置环境过程.mp423.91M
| ├──07-第二章 Python 基本语法元素.mp492.02M
| ├──08-【作业讲解】第二章：Python基本语法元素.mp448.38M
| ├──09-第三章 基本数据类型.mp479.01M
| ├──10-【作业讲解】第三章：基本数据类型.mp442.30M
| ├──11-第四章 组合数据类型.mp482.14M
| ├──12-【作业讲解】第四章：复杂数据类型.mp459.00M
| ├──13-第五章 程序控制结构.mp472.94M
| ├──14-【作业讲解】第五章：程序控制结构.mp420.77M
| ├──15-第六章 函数-面向过程的编程.mp4110.26M
| ├──16-【作业讲解】第六章：函数.mp433.59M
| ├──17-第七章 类-面向对象的编程.mp467.41M
| ├──18-【作业讲解】第七章：类.mp421.34M
| ├──19-第八章 文件-异常和模块.mp4100.66M
| ├──20-【作业讲解】第八章：文件-异常和模块.mp410.27M
| ├──21-第九章 有益的探索.mp4111.45M
| ├──22-【作业讲解】第九章：有益的探索.mp425.27M
| ├──23-第十章 Python标准库.mp478.54M
| ├──24-【作业讲解】第十章：Python标准库.mp49.60M
| ├──25-第十一章 科学计算库—Numpy应用.mp468.47M
| ├──26-【作业讲解】第十一章：Numpy库.mp419.28M
| ├──27-第十二章 Pandas库.mp4117.04M
| ├──28-【作业讲解】第十二章：Pandas库.mp422.13M
| ├──29-第十三章 Matplotlib.mp483.33M
| ├──30-【作业讲解】第十三章：Matplotlib.mp431.47M
| ├──31-第十四章 Sklearn常规用法.mp451.57M
| ├──32-【作业讲解】第十四章：Sklearn常规用法.mp437.32M
| ├──33-第十五章 再谈编程.mp461.58M
| ├──35-【比赛实战】大牛手把手指导如何打一场完整的二分类比赛.mp4103.75M
| └──36-【比赛实战】二分类算法比赛小测验—提供银行精准营销解决方案.mp47.51M
├──04-机器学习算法应用实战
| ├──05-01-01-机器学习概述.mp435.45M
| ├──06-02-01线性回归简介-数学符号-假设函数-损失函数-代价函数.mp423.34M
| ├──07-02-02-梯度下降法..mp424.11M
| ├──08-02-03-梯度下降法代码实现.mp414.75M
| ├──09-02-04-使用梯度下降法求解线性回归问题.mp426.13M
| ├──10-02-05-线性回归代码实现.mp437.36M
| ├──100-08-02协方差矩阵的特征值分解算法.mp413.02M
| ├──101-08-03协方差矩阵的特征值分解算法代码实现.mp424.46M
| ├──102-08-04基于数据矩阵的奇异值分解算法.mp412.22M
| ├──103-08-05基于数据矩阵的奇异值分解算法代码实现.mp410.88M
| ├──104-08-【实战】-Sklearn实现PCA.mp415.34M
| ├──105-08-【案例】PCA实现照片压缩.mp421.11M
| ├──106-09-01-集成学习介绍.mp45.74M
| ├──107-09-02-Voting能够提高准确度的原因.mp412.08M
| ├──108-09-03-Voting原理.mp48.40M
| ├──109-09-04-Voting代码实现.mp417.61M
| ├──11-02-06-线性回归代码实现-做特征归一化.mp429.95M
| ├──110-09-05-Bagging与随机森林及其代码实现.mp432.82M
| ├──111-09-06-Boosting.mp418.09M
| ├──112-09-07-Adaboost举例.mp426.29M
| ├──113-09-08-AdaBoost代码实现.mp424.55M
| ├──114-09-09-GBDT之提升和提升树概念.mp431.87M
| ├──115-09-10-GBDT梯度提升树.mp411.29M
| ├──116-09-11-XGBoost介绍，目标函数，正则项.mp421.72M
| ├──117-09-12-XGBoost求解.mp423.50M
| ├──118-09-13-XGBoost树结构生成.mp411.25M
| ├──119-09-14-XGBoost代码实现1.mp439.17M
| ├──12-02-07-批量梯度下降，随机梯度下降，小批量梯度下降.mp411.35M
| ├──120-09-15-XGBoost代码实现2.mp443.97M
| ├──121-09-16-Stacking.mp416.55M
| ├──122-09-17-Stacking 代码实现.mp411.55M
| ├──123-10-【银行营销策略分析】-01 数据说明.mp428.41M
| ├──124-10-【银行营销策略分析】-02探索性分析.mp423.52M
| ├──125-10-【银行营销策略分析】-03数据预处理与特征工程.mp437.52M
| ├──126-10-【银行营销策略分析】-04模型训练.mp425.49M
| ├──127-10-【信用卡发欺诈模型】-01数据说明及不平衡数据的训练集及测试及分割方法.mp424.54M
| ├──128-10-【信用卡发欺诈模型】-02采样之上采样.mp435.41M
| ├──129-10-【信用卡发欺诈模型】-03采样之下采样.mp426.74M
| ├──13-02-08-模型评价 · 几种常见的模型评价指标.mp424.08M
| ├──130-10-【信用卡发欺诈模型】-04建模与调参.mp428.18M
| ├──14-02-09-欠拟合与过拟合.mp412.23M
| ├──15-02-10-Ridge回归求解与代码实现.mp422.89M
| ├──16-02-11-LASSO回归求解.mp426.19M
| ├──17-02-12-LASSO回归求解举例说明.mp413.76M
| ├──18-02-13-LASSO回归代码实现.mp418.01M
| ├──19-02-14-最小二乘法求线性回归.mp419.32M
| ├──20-02-15-最小二乘法代码实现.mp49.21M
| ├──21-02-【实战】使用Sklearn实现Ridge，LASSO和ElasticNet.mp422.01M
| ├──22-02-【案例】波士顿房价预测(上).mp434.17M
| ├──23-02-【案例】-波士顿房价预测(下).mp441.17M
| ├──24-03-01-逻辑回归简介-假设函数-损失函数-成本函数.mp418.96M
| ├──25-03-02-逻辑回归求解.mp423.66M
| ├──26-03-03-一个示例解释逻辑回归的求解公式.mp412.44M
| ├──27-03-04-逻辑回归代码实现(上).mp428.99M
| ├──28-03-04-逻辑回归代码实现(下).mp426.09M
| ├──29-03-06-逻辑回归的正则化.mp417.17M
| ├──30-03-07-逻辑回归实现多分类方法.mp424.84M
| ├──31-03-08-【实战】使用Sklearn实现逻辑回归.mp417.68M
| ├──32-03-【案例】鸢尾花分类.mp443.16M
| ├──33-03-【案例】手写数字识别.mp435.34M
| ├──34-04-01-决策树简介-熵.mp417.68M
| ├──35-04-02条件熵及计算举例.mp413.47M
| ├──36-04-03信息增益-ID3算法.mp416.85M
| ├──37-04-04决策树代码实现(1-熵的计算).mp417.81M
| ├──38-04-05决策树代码实现(2-划分数据集-选择最好的特征).mp432.38M
| ├──39-04-06决策树代码实现(3-类别投票表决).mp411.60M
| ├──40-04-07决策树代码实现( 4-决策树递归生成，决策树对新数据进行预测).mp425.17M
| ├──41-04-08 C4.5算法.mp49.98M
| ├──42-04-09基尼指数(Gini Index)生成决策树.mp417.50M
| ├──43-04-10决策树剪枝.mp416.69M
| ├──44-04-11决策树处理连续值与缺失值.mp423.53M
| ├──45-04-12多变量决策树.mp412.46M
| ├──46-04-【实战】Sklearn实现决策树.mp431.51M
| ├──47-04-【案例】：使用决策树进行个人信用风险评估(1.数据集介绍-数据预处理).mp432.17M
| ├──48-04-【案例】：使用决策树进行个人信用风险评估(2.模型评估指标).mp429.95M
| ├──49-04-【案例】：使用决策树进行个人信用风险评估(3.模型评估，优化).mp417.91M
| ├──50-05-01-贝叶斯决策简介.mp418.35M
| ├──51-05-02-贝叶斯决策模型.mp410.29M
| ├──52-05-03-朴素贝叶斯模型.mp418.21M
| ├──53-05-04-朴素贝叶斯代码实现(1.训练过程).mp432.73M
| ├──54-05-05-朴素贝叶斯代码实现(2.预测过程).mp413.60M
| ├──55-05-06-拉普拉斯修正及代码实现.mp422.10M
| ├──56-05-07-朴素贝叶斯如何处理连续型数据.mp49.02M
| ├──57-05-08-Sklearn实现朴素贝叶斯.mp412.85M
| ├──58-05-【案例】垃圾邮件识别(1.实现原理).mp412.68M
| ├──59-05-【案例】垃圾邮件识别(2.代码实现).mp434.20M
| ├──60-06-01-支持向量机简介.mp48.81M
| ├──61-06-02-线性可分支持向量机(几何间隔，函数间隔，目标函数).mp431.89M
| ├──62-06-03-拉格朗日乘子法求带有等式约束的极值问题.mp424.76M
| ├──63-06-04-拉格朗日乘子法求带有不等式约束的极值问题-KKT条件.mp423.88M
| ├──64-06-05-目标函数求解(1.对偶问题-先对w-b求极小).mp424.50M
| ├──65-06-06-目标函数求解(2.对alpha求极大).mp412.65M
| ├──66-06-07-SVM求解举例.mp436.66M
| ├──67-06-08-线性支持向量机的目标函数.mp413.22M
| ├──68-06-09-线性支持向量机目标函数优化.mp422.48M
| ├──69-06-10-非线性支持向量机简介.mp431.31M
| ├──70-06-11-非线性支持向量机的目标函数.mp49.95M
| ├──71-06-12-SMO算法推导结果.mp421.00M
| ├──72-06-13-1SVM代码实现之简易版(上).mp453.18M
| ├──73-06-14-1SVM代码实现之简易版(下).mp414.95M
| ├──74-06-15-2SVM代码实现之改进版.mp433.84M
| ├──75-06-16-3SVM代码实现之引进核函数版.mp421.79M
| ├──76-06-17-SMO算法推导过程1.mp415.81M
| ├──77-06-18-SMO算法推导过程2.mp416.81M
| ├──78-06-19-SMO算法推导过程3.mp410.45M
| ├──79-06-20-SMO算法推导过程4.mp417.75M
| ├──80-06-21-SVM总结.mp49.48M
| ├──81-06-【实战】-Sklearn实现SVM1.mp411.86M
| ├──82-06-【实战】-Sklearn实现SVM2-3，输出常用属性值，使用高斯核.mp418.88M
| ├──83-06-【实战】-Sklearn实现SVM4，调参.mp418.03M
| ├──84-06-【案例】使用SVM完成人脸识别.mp447.14M
| ├──85-07-01-K-means基本原理及推导.mp414.09M
| ├──86-07-02-K-means中距离计算方法.mp412.38M
| ├──87-07-03-K-means代码实现(1原生代码实现).mp434.74M
| ├──88-07-04-K-means代码实现(2sklearn实现KMeans).mp46.56M
| ├──89-07-05-层次聚类原理及距离计算.mp413.59M
| ├──90-07-06层次聚类举例.mp49.68M
| ├──91-07-07Sklearn实现层次聚类.mp48.77M
| ├──92-07-08密度聚类.mp413.61M
| ├──93-07-09Sklearn实现密度聚类.mp47.33M
| ├──94-07-10-高斯混合模型介绍.mp414.59M
| ├──95-07-11-高斯混合模型参数估计.mp424.50M
| ├──96-07-12高斯混合模型原生代码实现.mp435.61M
| ├──97-07-13 Sklearn实现高斯混合模型.mp410.01M
| ├──98-07-【案例】对亚洲足球队进行聚类分析.mp411.90M
| └──99-08-01-主成分分析介绍.mp416.12M
├──05-李航《统计学习方法》训练营（含无监督学习部分）
| ├──06-第一章 1.1 导论.mp4123.85M
| ├──07-第一章 1.2 极大似然估计.mp440.14M
| ├──08-第一章 1.3 梯度下降法.mp431.36M
| ├──09-第一章作业讲解-极大似然估计.mp416.28M
| ├──10-第二章 2.1 导论.mp4110.02M
| ├──100-第十九章19.4Metropolis-Hastings算法与吉布斯抽样算法.mp450.58M
| ├──101-第十九章 作业讲解.mp418.06M
| ├──102-第二十章20.1LDA分布-模型与Gibbs抽样算法.mp467.27M
| ├──103-第二十章20.2LDA的变分EM算法.mp458.99M
| ├──104-第二十章 作业讲解.mp424.87M
| ├──105-第二十一章21.1PageRank算法的定义与幂法计算.mp439.47M
| ├──106-第二十一章 作业讲解.mp48.43M
| ├──107-第二十二章 22无监督学习方法总结.mp49.32M
| ├──11-第二章 2.2 对偶形式.mp446.54M
| ├──12-第二章 2.3 收敛性.mp450.18M
| ├──13-code——感知机.mp4127.37M
| ├──14-第二章作业讲解-感知机自编程实现.mp429.02M
| ├──15-第二章作业讲解-感知机sklearn实现.mp435.03M
| ├──16-第三章 3.1 导论.mp454.68M
| ├──17-第三章 3.2 kd树.mp476.74M
| ├──18-code——k近邻.mp480.75M
| ├──19-第三章作业讲解-KNN 自编程.mp419.58M
| ├──20-第三章作业讲解-KNN-sklearn.mp427.37M
| ├──21-第四章 4.1 导论.mp489.38M
| ├──22-第四章 4.2 贝叶斯估计.mp415.12M
| ├──23-第四章 4.3 期望风险最小化.mp428.80M
| ├──24-code——朴素贝叶斯.mp4100.24M
| ├──25-第四章作业讲解-贝叶斯估计.mp417.35M
| ├──26-第四章作业讲解-朴素贝叶斯.mp450.59M
| ├──27-第五章 5.1 导论.mp4126.42M
| ├──28-第五章 5.2 剪枝.mp466.26M
| ├──29-code——决策树.mp496.17M
| ├──30-第五章作业讲解-决策树.mp439.10M
| ├──31-第六章 6.1 逻辑斯蒂回归与最大熵.mp499.15M
| ├──32-第六章 6.2 改进的迭代尺度法.mp460.37M
| ├──33-第六章作业讲解-逻辑斯谛回归.mp460.30M
| ├──34-code——逻辑斯蒂回归与最大熵.mp4108.23M
| ├──35-第七章 7.1 导论.mp4174.87M
| ├──36-第七章 7.2 存在唯一性.mp450.05M
| ├──37-第七章作业讲解-支持向量机习题7.1.mp450.23M
| ├──38-第七章作业讲解-支持向量机 sklearn习题7.2.mp423.14M
| ├──39-第七章作业讲解-支持向量机习题7.3.mp417.34M
| ├──40-code——支持向量机.mp4164.19M
| ├──41-第八章 8.1 导论.mp499.07M
| ├──42-第八章 8.2 前向分步算法.mp447.02M
| ├──43-第八章 8.3 adaboost的训练误差.mp470.11M
| ├──44-第八章作业讲解-提升方法.mp434.31M
| ├──45-code——提升方法.mp4181.83M
| ├──46-第九章 9.1 导论.mp475.11M
| ├──47-第九章 9.2 高斯混合模型.mp468.54M
| ├──48-第九章作业讲解-EM算法.mp443.92M
| ├──49-code——EM算法及推广.mp479.73M
| ├──50-第十章 10.1 导论.mp483.19M
| ├──51-第十章 10.2 前向算法.mp435.30M
| ├──52-第十章 10.3 维特比算法.mp429.18M
| ├──53-第十章作业讲解-隐马尔可夫模型.mp439.78M
| ├──54-code——隐马尔可夫.mp4160.18M
| ├──55-第十一章 11.1 导论.mp453.15M
| ├──56-第十一章 11.2 拟牛顿法.mp421.16M
| ├──57-第十一章 11.3 条件随机场的矩阵形式.mp420.05M
| ├──58-第十一章作业讲解-条件随机场.mp420.80M
| ├──59-第十三章无监督学习导论.mp444.13M
| ├──60-第十四章14.1聚类的基本概念.mp461.30M
| ├──61-第十四章14.2.1距离与相似度.mp440.97M
| ├──62-第十四章14.2.2聚合聚类 距离公式介绍.mp434.06M
| ├──63-第十四章14.2.3距离公式证明.mp459.60M
| ├──64-第十四章14.2.4确定最佳聚类数.mp430.80M
| ├──65-第十四章14.2.5有序样本分类法.mp435.23M
| ├──66-第十四章14.3K均值聚类.mp427.58M
| ├──67-第十四章14.1作业讲解- K-Means算法和高斯混合模型的比较.mp417.47M
| ├──68-第十四章14.2作业讲解- 14.2 有关类的定义推导.mp48.44M
| ├──69-第十四章14.3作业讲解-离差平方和距离推导公式证明.mp413.53M
| ├──70-第十四章14.3作业讲解-重心距离推导公式证明.mp421.92M
| ├──71-第十五章15.1矩阵奇异值分解步骤.mp423.35M
| ├──72-第十五章15.2矩阵奇异值分解基本定理.mp422.06M
| ├──73-第十五章15.3矩阵奇异值分解性质与计算.mp423.36M
| ├──74-第十五章15.4.1矩阵奇异值分解的酉空间表示法.mp437.84M
| ├──75-第十五章15.5矩阵奇异值分解的应用.mp427.22M
| ├──76-第十五章作业讲解- 奇异值分解01.mp422.90M
| ├──77-第十五章作业讲解- 奇异值分解02.mp425.06M
| ├──78-第十六章16.1主成分分析介绍.mp431.91M
| ├──79-第十六章16.2主成分分析基本定理.mp425.71M
| ├──80-第十六章16.3主成分的性质与选择.mp418.91M
| ├──81-第十六章16.4主成分的特征.mp421.11M
| ├──82-第十六章16.5牛顿迭代与梯度下降法.mp434.58M
| ├──83-第十六章16.6拟牛顿迭代法.mp460.66M
| ├──84-第十六章16.1作业讲解- 样本主成分分析.mp432.31M
| ├──85-第十六章16.2 作业讲解-样本方差无偏估计的理解.mp416.78M
| ├──86-第十六章16.3作业讲解- 求第一主成分.mp49.62M
| ├──87-第十七章17.1LSA导入.mp420.64M
| ├──88-第十七章17.2LSA算法实现.mp412.81M
| ├──89-第十七章17.3非负矩阵分解算法.mp416.06M
| ├──90-第十七章17.4LSA案例分析与编程实现.mp421.35M
| ├──91-第十七章 作业讲解.mp418.46M
| ├──92-第十八章18.1PLSA生成模型.mp425.87M
| ├──93-第十八章18.2PLSA共现模型.mp413.19M
| ├──94-第十八章18.3PLSA模型算法实现.mp424.10M
| ├──95-第十八章18.4PLSA模型EM算法详解.mp421.14M
| ├──96-第十八章 作业讲解.mp415.24M
| ├──97-第十九章19.1蒙特卡罗法引入.mp416.40M
| ├──98-第十九章19.2马尔科夫链的定义与性质.mp435.49M
| └──99-第十九章19.3连续状态马尔科夫链.mp447.25M
├──06-《机器学习》西瓜书训练营
| ├──06-【第一周】机器学习绪论.mp438.33M
| ├──08-【第二周】西瓜书公式推导学习指南.mp411.20M
| ├──09-【第二周】一元线性回归公式.mp451.86M
| ├──10-【第二周】多元线性回归公式.mp458.27M
| ├──11-【第二周】对数几率回归公式.mp460.68M
| ├──14-【第二周】【作业讲解】逻辑回归.mp429.47M
| ├──15-【第三周】决策树的分裂准则.mp456.59M
| ├──19-【第三周】【作业讲解】决策树.mp415.56M
| ├──20-【第四周】支持向量机原始模型的建立和求解.mp4113.79M
| ├──21-【第四周】核函数和软间隔支持向量机.mp454.90M
| ├──24-【第四周】【作业讲解】SVM.mp461.24M
| ├──25-【第五周】极大似然估计与朴素贝叶斯.mp484.76M
| ├──26-【第五周】EM算法1.mp432.77M
| ├──27-【第五周】EM算法2.mp439.64M
| ├──28-【第五周】EM算法3.mp444.78M
| ├──31-【第五周】【作业讲解】贝叶斯和EM算法.mp425.02M
| ├──32-【第六周】神经网络结构.mp467.03M
| ├──35-【第六周】【作业讲解】神经网络.mp48.18M
| ├──41-【第七周】【作业讲解】模型评估与选择.mp414.90M
| ├──47-【第八周】【作业讲解】特征选择.mp416.09M
| ├──52-【第九周】【作业讲解】k-means.mp437.34M
| ├──53-【第十周】聚类.mp461.91M
| ├──54-【第十周】HMM-1.mp489.29M
| ├──55-【第十周】HMM-2.mp447.50M
| ├──56-【第十周】HMM-3.mp432.35M
| ├──61-【达观杯nlp比赛】第一节课 了解NLP任务和熟悉比赛题目-赛前介绍和准备.mp448.83M
| ├──62-【达观杯nlp比赛】第二节课 了解NLP任务和熟悉比赛题目-赛题介绍和思路分析.mp471.37M
| ├──63-【达观杯nlp比赛】第三节课 数据分析及处理.mp4114.17M
| ├──64-【达观杯nlp比赛】第四节课——Baseline实现.mp4107.05M
| └──65-【达观杯nlp比赛】第五节课 验证集构建和交叉验证.mp4120.80M
├──07-吴恩达《机器学习》作业班
| ├──06-【先修】学习绪论视频，了解预备知识.mp426.06M
| ├──07-【学前准备】开营仪式回放-老师部分.mp4177.90M
| ├──08-【学前准备】开营仪式回放-班主任部分.mp4224.38M
| ├──14-Week2 Day2【作业讲解】对照作业讲解视频查漏补缺.mp4149.98M
| ├──19-Week3-Day2 【作业讲解】完成编程作业2 (1).mp4153.93M
| ├──20-Week3-Day2 【作业讲解】完成编程作业2 (2).mp4130.59M
| ├──21-Week3-Day4 【达观杯文本智能处理挑战赛】（入门指导）.mp421.95M
| ├──25-Week4-Day2【作业讲解】编程作业3：神经网络（上）.mp480.15M
| ├──26-Week4-Day2【作业讲解】编程作业3：神经网络（下）.mp456.86M
| ├──27-Week4-Day4【达观杯文本智能处理挑战赛】（进阶指导）.mp430.56M
| ├──30-Week5-Day2【作业讲解】编程作业4（上）.mp490.66M
| ├──31-Week5-Day2【作业讲解】编程作业5.mp493.51M
| ├──32-Week5-Day2【作业讲解】编程作业4（下）.mp4133.03M
| ├──36-Week6-Day2【作业讲解】编程作业5.mp493.53M
| ├──40-Week7-Day2【作业讲解】编程作业6（上）.mp4113.69M
| ├──41-Week7-Day2【作业讲解】编程作业6（下）.mp475.46M
| ├──47-Week8-Day4【作业讲解】编程作业7（上）.mp4109.90M
| ├──48-Week8-Day4【作业讲解】编程作业7（下）.mp468.39M
| ├──52-Week9-Day4【作业实操】编程作业编程作业8：异常检测与推荐系统P1.mp476.10M
| ├──53-Week9-Day4【作业实操】编程作业编程作业8：异常检测与推荐系统P2.mp496.25M
| ├──54-Week9-Day4【作业实操】编程作业编程作业8：异常检测与推荐系统P3.mp448.62M
| └──56-Week10-Day1【kaggle大赛】进阶指导.mp47.02M
├──08-深度学习TensorFlow2.0框架班
| ├──05-Week1【任务1】tensorflow 2.0简介.mp446.77M
| ├──06-Week1【任务2】tensorflow2.0环境安装-ubuntu.mp4126.30M
| ├──07-Week1【任务2】tensorflow2.0环境安装-windows.mp4132.37M
| ├──09-Week2【任务1】张量与操作 & 三种自定义模型.mp4103.87M
| ├──10-Week2【任务2】keras模型训练.mp4124.12M
| ├──11-Week2【任务3】tensorflow2.0模型训练.mp483.26M
| ├──12-Week2【任务4】计算图机制详解.mp460.92M
| ├──13-Week2【任务5】计算图机制详解.mp460.83M
| ├──15-Week3【任务1】自定义层详解.mp487.91M
| ├──16-Week3【任务2】常用损失函数和自定义损失函数.mp4108.56M
| ├──17-Week3【任务3】常用评估函数和自定义评估函数.mp492.30M
| ├──18-Week3【任务4】tensorboard小试牛刀.mp493.51M
| ├──19-Week4【任务1】tf.data简介.mp456.74M
| ├──20-Week4【任务2】tf.data简介.mp4114.63M
| ├──21-Week4【任务3】tfrecord详解.mp471.49M
| ├──23-Week5【任务1】cnn介绍.mp488.61M
| ├──24-Week5【任务2】实战项目上.mp456.51M
| ├──25-Week5【任务3】实战项目下.mp4148.77M
| ├──26-Week6 【任务1】循环神经网络讲解.mp497.48M
| ├──27-Week6【任务2】word2vec简介.mp446.86M
| ├──28-Week6【任务3】实战四.mp4124.30M
| ├──29-Week7【任务1】ransformer简介.mp4107.00M
| ├──30-Week7【任务2】实战5.mp4325.10M
| ├──31-Week8【任务1】GPU分布式训练.mp465.81M
| ├──32-Week 8【任务2】TPU训练.mp484.47M
| ├──33-Week 9【任务1】TF.hub使用.mp452.01M
| ├──34-Week 9【任务2】BERT实战.mp4125.01M
| └──35-Week9【任务3】模型部署.mp478.17M
├──09-深度学习PyTorch框架班
| ├──05-【必看】深入浅出PyTorch.mp470.96M
| ├──06-【第一周】PyTorch简介与安装.mp446.31M
| ├──07-【第一周】补充-pytorch开发环境安装.mp4135.13M
| ├──08-【第一周】张量简介与创建.mp448.04M
| ├──09-【第一周】张量操作与线性回归.mp457.10M
| ├──10-【第一周】计算图与动态图机制.mp434.56M
| ├──11-【第一周】autograd与逻辑回归.mp455.17M
| ├──12-【第一周】作业讲解1.mp425.56M
| ├──13-【第一周】作业讲解2.mp423.26M
| ├──14-【第一周】作业讲解3.mp422.48M
| ├──15-【第二周】数据读取机制Dataloader与Dataset.mp450.29M
| ├──16-【第二周】数据预处理transforms模块机制.mp447.73M
| ├──17-【第二周】二十二种transforms数据预处理方法.mp491.65M
| ├──18-【第二周】学会自定义transforms方法.mp498.26M
| ├──19-【第二周】作业讲解.mp482.19M
| ├──20-【第三周】模型创建步骤与nn.Module.mp451.86M
| ├──21-【第三周】模型容器与AlexNet构建.mp455.33M
| ├──22-【第三周】nn网络层-卷积层.mp457.09M
| ├──23-【第三周】nn网络层-池化-线性-激活函数层.mp454.22M
| ├──24-【第三周】作业讲解.mp453.23M
| ├──25-【第四周】权值初始化.mp453.52M
| ├──26-【第四周】损失函数（一）.mp486.59M
| ├──27-【第四周】损失函数(二).mp488.01M
| ├──28-【第四周】优化器optimizer的概念.mp457.21M
| ├──29-【第四周】torch.optim.SGD.mp466.70M
| ├──30-【第四周】作业讲解.mp427.85M
| ├──31-【第五周】学习率调整策略.mp473.92M
| ├──32-【第五周】TensorBoard简介与安装.mp437.68M
| ├──33-【第五周】TensorBoard使用（一）.mp460.16M
| ├──34-【第五周】TensorBoard使用（二）.mp496.24M
| ├──35-【第五周】hook函数与CAM可视化.mp472.36M
| ├──36-【第五周】作业讲解.mp437.44M
| ├──37-【第六周】正则化之weight_decay.mp452.74M
| ├──38-【第六周】正则化之Dropout.mp453.35M
| ├──39-【第六周】Batch Normalization.mp473.00M
| ├──40-【第六周】Normalizaiton_layers.mp452.75M
| ├──41-【第六周】作业讲解.mp432.65M
| ├──42-【第七周】模型保存与加载.mp439.07M
| ├──43-【第七周】模型finetune.mp456.40M
| ├──44-【第七周】GPU的使用.mp461.77M
| ├──45-【第七周】PyTorch常见报错.mp450.94M
| ├──46-【第七周】作业讲解.mp419.18M
| ├──47-【第八周】图像分类一瞥.mp475.63M
| ├──48-【第八周】图像分割一瞥.mp497.51M
| ├──49-【第八周】图像目标检测一瞥（上）.mp467.71M
| ├──50-【第八周】图像目标检测一瞥（下）.mp4120.59M
| ├──51-【第九周】生成对抗网络一瞥.mp482.38M
| └──52-【第九周】循环神经网络一瞥.mp454.93M
├──10-《深度学习》花书训练营
| ├──05-第一周【任务1】矩阵对角化以及SVD分解.mp491.28M
| ├──06-第一周【任务1】逆矩阵-最小二乘及PCA原理推导.mp454.89M
| ├──07-第一周【任务2】：极大似然估计.mp428.59M
| ├──08-第一周【任务2】：无约束最优化.mp474.01M
| ├──09-第一周【任务2】：有约束最优化.mp441.10M
| ├──10-【第一周作业讲解】为什么要用最小二乘.mp44.24M
| ├──11-【第一周作业讲解】矩阵的分解及其应用.mp46.37M
| ├──12-【第一周作业讲解】极大似然估计以及优化理论.mp411.26M
| ├──13-【第一周作业讲解】熟悉svd分解算法的流程.mp411.00M
| ├──14-第二周【任务1】：机器学习算法基本概念.mp447.82M
| ├──15-第二周【任务1】：过拟合欠拟合超参数验证集.mp444.98M
| ├──16-第二周【任务2】：估计-偏差和方差.mp422.33M
| ├──17-第二周【任务2】：贝叶斯估计.mp423.38M
| ├──18-第二周【任务2】：逻辑回归.mp461.92M
| ├──19-第二周作业讲解.mp414.74M
| ├──20-第三周【任务1】学习支持向量机LDA.mp469.89M
| ├──21-第三周【任务1】其他监督学习算法SVM.mp4100.44M
| ├──22-第三周【任务2】决策树-kmeans算法.mp460.07M
| ├──23-第三周作业讲解.mp414.79M
| ├──24-第四周【任务1】：前馈神经网络结构表达能力.mp472.05M
| ├──25-第四周【任务1】：激活函数损失函数.mp490.22M
| ├──26-第四周【任务2】前馈神经网络技巧.mp451.37M
| ├──27-第四周【任务2】前向后向算法.mp472.55M
| ├──28-第四周作业讲解.mp410.16M
| ├──29-第五周【任务1】范数惩罚正则化.mp470.77M
| ├──30-第五周【任务1】：数据增强bagging&dropout.mp4107.92M
| ├──31-第五周【任务2】深度模型中的优化.mp4183.38M
| ├──32-第五周作业讲解.mp47.66M
| ├──33-第六周【任务1】cnn前向后向.mp484.28M
| ├──34-第六周【任务1】局部感知权值共享.mp495.90M
| ├──35-第六周【任务2】lenet&alexnet.mp4104.84M
| ├──36-第六周【任务2】vggnet googlenet.mp4109.77M
| ├──37-第六周【任务3】CNN应用——RCNN目标检测.mp495.09M
| ├──38-第六周【任务3】CNN应用——Bounding_box regression.mp461.68M
| ├──39-第六周【任务3】CNN应用——FastRCNN.mp496.62M
| ├──40-第六周【任务3】CNN应用——CNN人脸特征点定位.mp433.95M
| ├──41-第六周作业讲解.mp46.88M
| ├──42-【论文精读（选修）】mobilenet-01-背景介绍.mp438.10M
| ├──43-【论文精读（选修）】mobilenet-02-论文结构&摘要精读.mp464.46M
| ├──44-【论文精读（选修）】mobilenet-03-主体架构&深度可分离卷积.mp467.41M
| ├──45-【论文精读（选修）】mobilenet-04-超参数.mp444.36M
| ├──46-【论文精读（选修）】mobilenet-05-后续创新及改进.mp447.73M
| ├──47-【论文精读（选修）】mobilenet-06-代码结构.mp435.81M
| ├──48-【论文精读（选修）】mobilenet-07-模型设计.mp420.76M
| ├──49-【论文精读（选修）】mobilenet-08-模型评估.mp441.20M
| ├──50-第七周【任务1】RNN概念&前向传播.mp484.01M
| ├──51-第七周【任务1】RNN反向传播与并行计算.mp462.53M
| ├──52-第七周【任务2】lstm.mp471.97M
| ├──53-第七周【任务2】gru.mp445.45M
| ├──54-第七周【任务3】plstm&lstm在ocr的应用.mp4112.54M
| ├──55-第七周作业讲解.mp47.28M
| ├──56-第八周【任务1】推理加速.mp4101.71M
| ├──57-第八周【任务1】训练加速.mp448.50M
| ├──58-第八周【任务2】自适应技术.mp437.80M
| └──59-第8周作业讲解.mp436.98M
├──11-李飞飞斯坦福CS231n计算机视觉课
| ├──05-计算机视觉发展历史及一些计算机视觉任务概念.mp410.86M
| ├──08-knn与线性分类器知识点提点.mp418.91M
| ├──10-学习内容总结+观看作业解答视频.mp458.04M
| ├──11-损失函数和优化导读.mp410.05M
| ├──12-svm多分类损失函数与softmax.mp430.49M
| ├──15-学习反向传播.mp47.68M
| ├──16-作业讲解视频.mp467.97M
| ├──17-作业讲解视频.mp490.36M
| ├──19-学习卷积神经网络历史.mp47.29M
| ├──20-学习卷积和池化.mp427.72M
| ├──21-学习激活函数-数据处理-权重初始化.mp411.39M
| ├──22-作业讲解视频.mp438.63M
| ├──25-学习优化策略.mp416.75M
| ├──27-作业讲解视频.mp442.86M
| ├──30-学习比较流行的cnn网络结构.mp415.86M
| ├──31-学习rnn，lstm，gru.mp48.69M
| ├──33-学习图像分割学习任务，分类和定位.mp422.89M
| ├──35-学习特征可视化方法.mp411.29M
| ├──37-学习Pixel RNN，Pixel CNN与变分自编码.mp417.95M
| ├──45-【kaggle猫狗分类比赛】比赛简介.mp45.94M
| └──46-【学习kaggle猫狗分类比赛】详细操作.mp424.74M
├──12-斯坦福CS224n自然语言处理课训练营
| ├──05-学习CS224n第一课和课程导学.mp455.45M
| ├──06-【作业讲解】：assignment1讲解.mp478.67M
| ├──07-打达观杯NLP比赛（报名指导和入门指导）.mp421.96M
| ├──08-学习CS224n第二课和重难点讲解视频.mp457.65M
| ├──09-学习CS224n第三课和课程导学.mp465.74M
| ├──10-python numpy pytorch学习及编程作业解析.mp436.88M
| ├──11-学习CS224n第四课和课程导学.mp473.98M
| ├──12-观看看作业解答视频.mp452.68M
| ├──13-学习CS224n Lecture 05及导学.mp438.53M
| ├──15-Assignment 3作业讲解.mp469.37M
| ├──16-学习CS224n Lecture 06及导学.mp467.11M
| ├──18-观看作业解答视频.mp456.36M
| ├──19-观看作业解答视频2.mp4120.59M
| ├──20-观看作业解答视频3.mp462.14M
| ├──21-神经机器翻译及attention.mp485.01M
| ├──23-Neural Machine Translation with RNN.mp448.47M
| ├──24-基于卷积神经网络的nlp.mp476.06M
| ├──26-观看作业解答视频.mp482.42M
| ├──27-观看A5作业讲解视频2.mp473.73M
| ├──28-transformers and BERT.mp492.87M
| ├──29-Lecture 14.mp464.06M
| ├──30-Natural Language Generation.mp486.54M
| ├──33-Lecture 18.mp4165.36M
| ├──35-Future of NLP + Deep Learning.mp469.81M
| ├──36-kaggle文本分类比赛-比赛介绍.mp422.10M
| ├──37-kaggle文本分类比赛-数据分析.mp410.40M
| ├──38-kaggle文本分类比赛-baseline模型(1).mp428.76M
| ├──39-kaggle文本分类比赛-baseline模型(2).mp430.03M
| └──40-kaggle文本分类比赛-提交数据+提分策略.mp417.83M
├──13-人工智能项目实战班
| ├──05-【试听CV项目】1.1-背景介绍.mp439.19M
| ├──06-【试听CV项目】1.2.1-图像初步-可视化.mp440.97M
| ├──07-【试听】算法工作分享——1面试准备.mp492.99M
| ├──08-【NLP项目一人工智能辅助信息抽取】第三周第一节Ⅰ课程导读.mp413.64M
| ├──09-【NLP项目一人工智能辅助信息抽取】第三周第一节Ⅱ知识图谱的概念与应用.mp415.58M
| ├──10-【NLP项目一人工智能辅助信息抽取】第三周第一节Ⅲ信息抽取构建知识图谱实例.mp411.01M
| ├──11-【NLP项目一人工智能辅助信息抽取】第三周第二节-正则表达式与AC自动机算法讲解与应用.mp437.11M
| ├──12-【NLP项目一人工智能辅助信息抽取】第三周第三节Ⅰ中文自然语言处理基础.mp418.50M
| ├──13-【NLP项目一人工智能辅助信息抽取】第三周第三节Ⅱ命名实体识别详解.mp427.84M
| ├──14-【NLP项目一人工智能辅助信息抽取】第三周第三节Ⅲ隐马尔可夫模型与维特比算法.mp452.23M
| ├──15-【NLP项目一人工智能辅助信息抽取】第三周第四节：条件随机场.mp461.10M
| ├──16-【NLP项目一人工智能辅助信息抽取】第四周-2.1深度学习NLP问题.mp49.01M
| ├──17-【NLP项目一人工智能辅助信息抽取】第四周-2.2文本表示.mp471.13M
| ├──18-【NLP项目一人工智能辅助信息抽取】第四周-2.3文本特征抽取.mp480.90M
| ├──19-【NLP项目一人工智能辅助信息抽取】第四周-2.4常见NLP任务模型结构.mp415.51M
| ├──20-【NLP项目一人工智能辅助信息抽取】第四周-2.5 bilstm-crf模型介绍.mp436.85M
| ├──21-【NLP项目一人工智能辅助信息抽取】第四周-2.6 bilstm-crf实战.mp4134.95M
| ├──22-【NLP项目一人工智能辅助信息抽取】第四周-2.7 关系抽取介绍.mp425.88M
| ├──23-【NLP项目一人工智能辅助信息抽取】第四周-2.8 PCNN介绍.mp428.71M
| ├──24-【NLP项目一人工智能辅助信息抽取】第四周-2.9 PCNN实战.mp488.56M
| ├──25-【NLP项目一人工智能辅助信息抽取】3.1 图像预训练模型.mp422.73M
| ├──26-【NLP项目一人工智能辅助信息抽取】3.2 NLP预训练模型.mp453.76M
| ├──27-【NLP项目一人工智能辅助信息抽取】3.3 信息抽取深度学习综述.mp451.94M
| ├──28-【NLP项目一人工智能辅助信息抽取】3.4 BERT NER实战.mp4110.69M
| ├──29-【NLP项目一人工智能辅助信息抽取】3.5 总结与展望.mp442.16M
| ├──30-【CV项目一图像分割深度学习实战】第一周-1.1-背景介绍.mp439.19M
| ├──31-【CV项目一图像分割深度学习实战】第一周1.2.1-图像初步-可视化.mp440.97M
| ├──32-【CV项目一图像分割深度学习实战】第一周1.2.2-图像初步-图像运算.mp430.80M
| ├──33-【CV项目一图像分割深度学习实战】第一周1.3-训练数据准备.mp442.68M
| ├──34-【CV项目一图像分割深度学习实战】第一周-1.4-1-深度学习代码框架.mp446.33M
| ├──35-【CV项目一图像分割深度学习实战】第一周-1.4-2-pytorch基础知识.mp4183.39M
| ├──36-【CV项目一图像分割深度学习实战】第二周2.1-模版代码概述-A.mp453.19M
| ├──37-【CV项目一图像分割深度学习实战】第二周2.1-模版代码概述-B.mp467.19M
| ├──38-【CV项目一图像分割深度学习实战】第二周2.2-调参基础篇.mp426.97M
| ├──39-【CV项目一图像分割深度学习实战】第二周2.3-选择损失函数.mp411.94M
| ├──41-【CV项目一图像分割深度学习实战】第二周-2.5-调参-总结.mp413.95M
| ├──42-【CV项目一图像分割深度学习实战】第二周2.6-U-Net理论课.mp4217.50M
| ├──43-【CV项目一图像分割深度学习实战】第二周2.7-DeepLabv3+理论课.mp4120.79M
| ├──49-【CV项目一图像分割深度学习实战】第三周-3.3-梯度累积法.mp421.78M
| ├──50-【CV项目一图像分割深度学习实战】第三周-3.4-选择模型权重.mp424.17M
| ├──51-【CV项目一图像分割深度学习实战】第三周-U-Net理论课进阶-迁移学习.mp4115.93M
| ├──53-【CV项目一图像分割深度学习实战】第四周-4.1-数据标注-a.mp421.53M
| ├──54-【CV项目一图像分割深度学习实战】第四周-4.1-数据标注-b.mp441.78M
| ├──58-【CV项目一图像分割深度学习实战】第四周-4.3-bad.mp413.07M
| ├──59-【CV项目一图像分割深度学习实战】第四周-算法工作分享——1面试准备.mp492.99M
| ├──60-【CV项目一图像分割深度学习实战】第四周-算法工作分享——2工作日常.mp494.10M
| ├──61-【CV项目一图像分割深度学习实战】第四周-算法工作分享——3职业前景.mp445.86M
| ├──62-【推荐系统项目一电影推荐项目】1.1：推荐系统简介.mp455.92M
| ├──63-【推荐系统项目一电影推荐项目】1.2： 简单的电影推荐.mp466.49M
| ├──64-【推荐系统项目一电影推荐项目】1.3： IMDB评分.mp447.38M
| ├──65-【推荐系统项目一电影推荐项目】1.4：基于内容推荐.mp4115.67M
| ├──66-【推荐系统项目一电影推荐项目】1.5：协同过滤算法.mp482.96M
| ├──67-【推荐系统项目】2.1criteo ctr.mp489.88M
| ├──68-【推荐系统项目】2.2FM&FFM.mp482.62M
| ├──69-【推荐系统项目】2.3Wide&Deep.mp471.63M
| ├──70-【推荐系统项目】2.4DeepFM.mp474.73M
| ├──71-【医疗知识图谱构建及图表征学习实践项目】课时0：项目先导课.mp430.67M
| ├──72-【医疗知识图谱构建及图表征学习实践项目】课时1：数据获取—爬虫.mp419.80M
| ├──73-【医疗知识图谱构建及图表征学习实践项目】课时2：数据处理.mp429.36M
| ├──74-【医疗知识图谱构建及图表征学习实践项目】课时3：BiLSTM+CRF.mp433.33M
| ├──75-【医疗知识图谱构建及图表征学习实践项目】课时4：NLP前沿技术讲解.mp466.12M
| ├──76-【医疗知识图谱构建及图表征学习实践项目】课时5：Neo4j.mp433.49M
| ├──77-【医疗知识图谱构建及图表征学习实践项目】课时6：图表征学习.mp440.12M
| ├──78-【医疗知识图谱构建及图表征学习实践项目】课时7：图表征算法代码学习.mp434.56M
| ├──79-【医疗知识图谱构建及图表征学习实践项目】课时8：项目总结.mp416.01M
| ├──80-【医疗知识图谱构建及图表征学习实践项目】补充内容：额外的LSTM.mp413.74M
| └──81-【医疗知识图谱构建及图表征学习实践项目】补充内容：额外的python编码.mp418.61M
├──14-04 神经网络基础知识
| ├──02-01-神经网络基础与多层感知机-0.mp450.27M
| ├──03-01-神经网络基础与多层感知机-1.mp439.18M
| ├──04-01-神经网络基础与多层感知机-2.mp458.01M
| ├──05-01-神经网络基础与多层感知机-3.mp436.52M
| ├──06-01-神经网络基础与多层感知机-4.mp472.88M
| ├──07-02-卷积神经网络-0.mp456.52M
| ├──08-02-卷积神经网络-1.mp488.02M
| ├──09-02-卷积神经网络-2.mp445.81M
| ├──10-03-循环神经网络-0.mp441.30M
| ├──11-03-循环神经网络-1.mp477.05M
| └──12-03-循环神经网络-2.mp453.78M
├──15-06 OpenCV 图像基础
| ├──02-1-1图像基础知识.mp425.87M
| ├──03-1-2图像基础知识.mp430.36M
| ├──04-1-3图像基础知识.mp450.56M
| ├──05-1-4图像基础知识.mp440.81M
| ├──06-2-1图像基本处理.mp454.16M
| ├──07-2_2图像基本处理.mp424.47M
| ├──08-2_3图像基本处理.mp444.18M
| ├──09-2_4图像基本处理.mp452.09M
| ├──10-2_5图像基本操作_图像滤波.mp458.94M
| ├──11-2_6图像基本操作_图像增强.mp440.22M
| ├──12-2-7形态学操作_腐蚀..mp443.71M
| ├──13-2_8形态学操作_膨胀开运算与闭运算.mp461.29M
| ├──14-3_1固定阈值分割.mp441.30M
| ├──15-3_2自动阈值分割.mp451.64M
| ├──16-3_3边缘检测算子.mp464.32M
| ├──17-3_4连通区域_区域生长算法.mp448.26M
| ├──18-3_5分水岭算法图像分割.mp442.80M
| ├──19-4_1特征描述_HOG.mp447.18M
| ├──20-4_2特征描述Harris和SIFT算法.mp438.34M
| ├──21-4_3纹理特征LBP算法.mp446.89M
| ├──22-4_4模板匹配算法.mp436.39M
| ├──23-4_5人脸检测算法.mp458.78M
| ├──24-5_1摄像头调用和视频的读取保存.mp452.42M
| ├──25-5_2帧差法视频目标识别.mp443.94M
| └──26-5_3光流法和背景减除法..mp450.62M
├──16-【论文】baseline基础篇目——NLP
| ├──02-1.1joint-bert.mp472.20M
| ├──03-1.2 joint-bert.mp420.53M
| ├──04-1.3 joint-bert.mp410.51M
| ├──05-1.4joint-bert.mp4163.58M
| ├──06-1.5 joint-bert.mp420.31M
| ├──07-1.6 joint-bert.mp42.42M
| ├──08-1.7 joint-bert.mp459.41M
| ├──09-1.8joint-bert-代码.mp441.67M
| ├──10-1.9 joint-bert-代码.mp4171.59M
| ├──11-01 cnn_for-re-01（新版）.mp444.68M
| ├──12-01 cnn_for-re-02（新版）.mp462.23M
| ├──13-01 cnn_for-re-03（新版）.mp473.00M
| ├──14-01 cnn_for-re-04（新版）.mp477.66M
| ├──15-01 cnn_for-re-05（新版）.mp460.89M
| ├──16-01 code_cnn_for_re-06（新版）.mp489.23M
| ├──17-01 code_cnn_for_re-07（新版）.mp484.48M
| ├──18-01 code_cnn_for_re-08（新版）.mp498.82M
| ├──19-01 code_cnn_for_re-09（新版）.mp4109.69M
| ├──20-01 code_cnn_for_re-10（新版）.mp469.05M
| ├──21-03elmo-01-elmo的下游任务介绍..mp447.00M
| ├──22-03elmo-02-feature_based和fine_tuning.mp444.11M
| ├──23-03elmo-03-word2vec和charcnn回顾.mp435.84M
| ├──24-03elmo-04-Bidirectional_language_models.mp446.09M
| ├──25-03elmo-05-how to use emol..mp439.38M
| ├──26-03elmo-06-论文回顾..mp4117.24M
| ├──27-03elmo-07-代码预处理部分.mp4242.87M
| ├──28-03elmo-08-代码模型结构部分.mp4218.74M
| ├──29-03elmo-09-代码crf流程..mp4163.52M
| ├──30-03elmo-10-代码crf实现..mp4233.32M
| ├──31-01nodevec-01-研究背景.mp4.mp470.40M
| ├──32-01nodevec-02-研究成果.mp4.mp4177.29M
| ├──33-01nodevec-03-图的应用.mp4.mp498.82M
| ├──34-01nodevec-04-模型结构&BFS&DFS.mp4.mp4401.92M
| ├──35-01nodevec-05-模型算法&alias算法.mp4.mp4593.86M
| ├──36-01nodevec-06-实验分析.mp4.mp4515.00M
| ├──37-01nodevec-07-论文总结.mp4.mp4255.50M
| ├──38-01nodevec-08-代码整体介绍.mp4414.96M
| ├──39-01nodevec-09-代码节点和边的alias实现.mp4.mp4457.58M
| ├──40-01nodevec-10-代码有偏随机游走和模型训练.mp4.mp4183.10M
| ├──41-01nodevec-11-代码结果展示和总结.mp4.mp485.83M
| ├──42-01transformer-01-论文背景&研究成果.mp4134.08M
| ├──43-01transformer-02-attention回顾.mp4126.21M
| ├──44-01transformer-03-模型框架和self_attention.mp4114.95M
| ├──45-01transformer-04-模型小trick..mp4240.65M
| ├──46-01transformer-05-代码框架部分和encoder.mp4423.84M
| ├──47-01transformer-06-代码decoder和self_attention.mp4433.47M
| ├──48-01transformer-07-代码训练部分和预测部分.mp4537.31M
| ├──49-1.1 word2vec1-1背景知识.mp4200.15M
| ├──50-1.2 word2vec1-2论文泛读.mp4163.96M
| ├──51-1.3 word2vec2-1对比模型.mp4160.79M
| ├──52-1.4 word2vec2-2原理.mp489.22M
| ├──53-1.5 word2vec2-3word2vec关键技术.mp4123.18M
| ├──54-1.6 word2vec2-4模型复杂度.mp457.38M
| ├──55-1.7 word2vec2-5实验结果.mp4164.15M
| ├──56-1.8 word2vec3-1代码部分上.mp4240.51M
| ├──57-1.9 word2vec3-2代码部分下.mp4264.11M
| ├──58-1.1- BiLSTM-CRF-论文研究背景.mp4129.95M
| ├──59-1.2- BiLSTM-CRF-论文算法总览.mp492.20M
| ├──60-1.3-BiLSTM-CRF模型结构.mp473.23M
| ├──61-1.4-BiLSTM-CRF损失函数与维特比解码.mp456.29M
| ├──62-1.5- BiLSTM-CRF-实验结果与论文总结.mp435.22M
| ├──63-1.6- BiLSTM-CRF代码讲解.mp4180.90M
| ├──64-1.7- BiLSTM-CRF-NCR-Fpp代码详解.mp4155.81M
| ├──65-01DSSM-00专题引言.mp434.45M
| ├──66-01DSSM-01-学习目标..mp49.80M
| ├──67-01DSSM-02-论文背景-贡献及意义.mp421.73M
| ├──68-01DSSM-03摘要精读-总结.mp415.85M
| ├──69-01DSSM-04-上节回顾.mp412.39M
| ├──70-01DSSM-05-词哈希.mp427.39M
| ├──71-01DSSM-06-DSSM整体结构.mp413.01M
| ├──72-01DSSM-07-优化函数-实验与总结.mp420.27M
| ├──73-01DSSM-08-代码总览.mp422.27M
| ├──74-01DSSM-09-词哈希表的建立与数据载入.mp447.05M
| └──75-01DSSM-10-模型的搭建与训练-测试.mp436.95M
├──17-【论文】baseline基础篇目——CV
| ├──02-1.1 CRNN-泛读-背景论文.mp4239.74M
| ├──03-1.2 CRNN-泛读-研究成果及意义.mp479.27M
| ├──04-1.3 CRNN-泛读-LSTM-CTC-Beam Search-论文泛读.mp4134.24M
| ├──05-1.4 CRNN-精读-原有模型.mp437.97M
| ├──07-1.6 CRNN-精读-论文细节二三四.mp498.25M
| ├──08-1.7 CRNN-精读-实验结果及总结.mp440.13M
| ├──09-1.8 CRNN-code1.mp471.62M
| ├──10-1.9 CRNN-code2.mp475.49M
| ├──11-1.10 CRNN-code3.mp476.27M
| ├──12-1.11 CRNN-code4.mp426.15M
| ├──13-1.12 CRNN-code5.mp429.05M
| ├──14-YOLO-01-发展历史和YOLO v1.mp479.22M
| ├──15-YOLO-02-YOLO v2.mp4.mp4112.09M
| ├──16-YOLO-03-YOLO v3_2.mp4.mp4117.62M
| ├──17-YOLO-04-代码复现.mp445.47M
| ├──18-YOLO-05-数据预处理和网络结构代码讲解.mp4.mp4290.84M
| ├──19-YOLO-06-训练和检测代码讲解.mp445.15M
| ├──20-03{white}Faster{white}R-CNN-01-论文泛读_RCNN演变.mp4197.17M
| ├──21-03 Faster R-CNN-02-论文泛读_摘要和网络结构.mp4291.86M
| ├──22-03 Faster R-CNN-03-精读_结构总览.mp4.mp4189.81M
| ├──23-03 Faster R-CNN-04-精读Paper_背景介绍.mp4.mp4215.97M
| ├──24-03 Faster R-CNN-05-精读Paper_RPN与rpn_loss.mp4.mp4535.99M
| ├──25-03 Faster R-CNN-06-精读Paper_RPN训练.mp4.mp4317.93M
| ├──26-03 Faster R-CNN-07-精读Paper_实验和结论.MP4.mp4459.85M
| ├──27-03Faster R-CNN-08-精读PPT_Anchor和RPN.mp4.mp4231.19M
| ├──28-03Faster R-CNN-09-精读PPT_网络细节.mp4102.33M
| ├──29-03 Faster R-CNN-10-代码讲解_训练VOC数据集.mp4211.14M
| ├──30-03 Faster R-CNN-11-代码讲解_backbone网络讲解.mp4378.81M
| ├──31-03Faster R-CNN-12-代码讲解_RPN.mp447.96M
| ├──32-03 Faster R-CNN-13-代码讲解_数据和标签的同步处理(Dataset类).mp4287.45M
| ├──33-03 Faster R-CNN-14代码讲解_建议框的生成(Proposal layer).mp4154.31M
| ├──34-03 Faster R-CNN-15-代码讲解_Anchor box的生成和正负样本的划分.mp4380.29M
| ├──35-01GAN-01-论文摘要.mp4147.71M
| ├──36-01GAN-02-论文背景.mp459.74M
| ├──37-01GAN-03-论文泛读.mp4198.37M
| ├──38-01GAN-04-价值函数.mp486.38M
| ├──39-01GAN-05-训练流程&理论证明1.mp475.72M
| ├──40-01GAN-06-理论证明2&实验结果&总结展望.mp4115.88M
| ├──41-01GAN-07-代码分析综述.mp4131.77M
| ├──42-01GAN-08-代码分析精讲.mp4194.73M
| ├──43-01mobileNet-01-背景介绍.mp451.82M
| ├──44-01mobileNet-02-论文结构&摘要精读.mp4143.80M
| ├──45-01mobileNet-03-主体架构&深度可分离卷积.mp4187.30M
| ├──46-01MobileNet-04-超参数.mp4128.33M
| ├──47-01mobileNet-05-后续创新及改进.mp4119.38M
| ├──49-01MobileNets-07-模型设计.mp488.27M
| ├──50-01MobileNets-08-模型评估.mp4150.81M
| ├──51-01FCN-01-语意分割简介.mp460.32M
| ├──52-01FCN-02常用数据集-指标-研究成果..mp466.09M
| ├──53-01FCN-03-论文摘要精读..mp4202.53M
| ├──54-01FCN-04-论文引言-全局信息及部分信息.mp4114.78M
| ├──55-01FCN-05-感受域&平移不变性.mp4112.51M
| ├──56-01FCN-06-经典算法&本文算法-上采样.mp457.42M
| ├──57-01FCN-07-算法架构..mp4103.19M
| ├──58-01FCN-08-训练技巧&实验结果及分析..mp4119.27M
| ├──59-01FCN-09-讨论&总结.mp428.19M
| ├──60-01FCN-10-代码实现.mp463.70M
| ├──61-01FCN-11-数据预处理..mp4138.36M
| ├──62-01FCN-12-模型搭建.mp4155.84M
| ├──63-01FCN-13-训练-验证&预测函数搭建..mp4104.17M
| ├──64-01FCN-14-损失函数.mp495.08M
| ├──65-01FCN-15-指标计算.mp4130.86M
| ├──66-01AlexNet-01-研究背景.mp4155.77M
| ├──67-01AlexNet-02- 研究成果意义.mp424.05M
| ├──68-01AlexNet-03-论文结构.mp481.13M
| ├──69-01AlexNet-04-结构.mp471.65M
| ├──70-01AlexNet-05网络结构特点.mp4226.10M
| ├──71-01AlexNet-06-训练技巧.mp478.92M
| ├──72-01AlexNet-07实验结果及分析.mp495.69M
| ├──73-01AlexNet-08-论文总结.mp452.16M
| ├──74-01AlexNet-09-准备工作&代码结构.mp493.60M
| ├──75-01AlexNet-10-代码结构.mp4196.09M
| ├──76-01AlexNet-11-代码结构.mp483.08M
| ├──77-01AlexNet-12- 代码结构4&训练方法.mp4421.73M
| ├──78-1.1 特征脸识别-人脸识别背景介绍.mp4109.04M
| ├──79-1.2 特征脸识别-论文研究背景成果以及意义.mp478.72M
| ├──80-1.3 特征脸识别-论文泛读摘要部分.mp4131.86M
| ├──81-1.4 特征脸识别-论文泛读介绍部分.mp481.39M
| ├──82-1.5 特征脸识别-论文泛读相关工作部分.mp4100.49M
| ├──83-1.6 特征脸识别-论文精读PCA补充.mp4133.72M
| ├──84-1.7 特征脸识别-论文精读特征脸计算上.mp4245.61M
| ├──85-1.8 特征脸识别-论文精读特征脸计算中.mp4162.81M
| ├──86-1.9 特征脸识别-论文精读特征脸计算下.mp4267.53M
| ├──87-1.10 特征脸识别-代码讲解pca计算.mp4118.07M
| ├──88-1.11 特征脸识别-代码讲解特征提取以及人脸重构.mp478.57M
| ├──89-1.12 特征脸识别-代码讲解人脸分类之最短距离方法.mp477.75M
| ├──90-1.13 特征脸识别-代码讲解人脸分类之SVM方法.mp468.57M
| ├──91-1.14 特征脸识别-代码讲解人脸分类之神经网络方法.mp4153.78M
| └──92-1.15 特征脸识别-论文总结.mp428.74M
├──18-【NLP经典大赛】数据科学： 疫情期间网民情绪识别赛
| ├──01-打造舒适的AI开发环境.mp4100.84M
| ├──02-【01课】赛题详解.mp4156.41M
| ├──03-【02课】比赛专题讲解.mp4125.32M
| ├──04-【03课】模型调参和文本增强比赛专题讲解.mp4121.68M
| ├──05-【04课】比赛思路进阶专题讲解.mp499.24M
| └──06-【05课】比赛思路全复盘（纯干货）.mp4126.57M
├──19-面试刷题班
| ├──04-开营仪式—老师部分.mp481.28M
| ├──05-【了解机器学习中的特征工程和模型评估】P1快速排序.mp435.42M
| ├──06-【了解机器学习中的特征工程和模型评估】P2堆排序.mp434.87M
| ├──07-【了解机器学习中的特征工程和模型评估】P3滑动窗口.mp425.24M
| ├──08-【了解机器学习中的特征工程和模型评估】P4双指针.mp427.90M
| ├──09-【了解监督学习中的经典算法】P1逻辑回归.mp432.73M
| ├──10-【了解监督学习中的经典算法】P2决策树.mp441.34M
| ├──12-【学习支持向量机】P1几个重要的概念.mp422.15M
| ├──13-【学习支持向量机】P2svm最优化问题.mp439.20M
| ├──14-【学习支持向量机】P3硬间隔SVM最优化问题的推导.mp496.87M
| ├──15-【学习支持向量机】P4线性可分SVM.mp466.00M
| ├──16-【学习支持向量机】P5核函数.mp477.82M
| ├──17-【学习支持向量机】P6smo算法.mp4129.72M
| ├──18-【数据结构和算法】P1KMP算法.mp476.58M
| ├──19-【数据结构和算法】P2二分搜索.mp466.96M
| ├──20-【数据结构和算法】P3哈希表.mp434.23M
| ├──21-【了解机器学习中如何降维处理】PCA和LDA.mp467.52M
| ├──23-【了解机器学习中的非监督学习算法】K-means.mp455.13M
| ├──24-【数据结构和算法】P1虚拟头结点.mp478.52M
| ├──25-【数据结构和算法】P2链表中环的入口结点.mp478.52M
| ├──26-【数据结构和算法】P3删除链表中重复的结点.mp438.28M
| ├──27-【数据结构和算法】P4栈，队列.mp453.21M
| ├──28-【机器学习中的概率图模型】P1hmm的引出和问题的介绍.mp435.71M
| ├──29-【机器学习中的概率图模型】P2HMM预测问题之维特比算法.mp4125.42M
| ├──30-【机器学习中的概率图模型】P3crf的一些基础概念.mp481.50M
| ├──31-【机器学习中的概率图模型】P4crf具体介绍.mp4101.93M
| ├──33-【数据结构和算法】P1DFS和BFS.mp438.73M
| ├──34-【数据结构和算法】P2最短路径.mp435.67M
| ├──35-【数据结构和算法】P3最小生成树.mp432.40M
| ├──36-【数据结构和算法】P4二叉树的遍历.mp427.83M
| ├──37-【数据结构和算法】P4二叉搜索树和平衡二叉树.mp481.70M
| ├──38-【前向神经网络】P1网络图和激活函数.mp427.04M
| ├──39-【前向神经网络】P2前向传播.mp449.22M
| ├──40-【前向神经网络】P3损失函数选用.mp426.01M
| ├──41-【前向神经网络】P4反向传播1.mp479.04M
| ├──42-【前向神经网络】P5反向传播2.mp457.35M
| ├──43-【了解序列数据中常用的循环神经网络】P1RNN.mp422.47M
| ├──44-【了解序列数据中常用的循环神经网络】P2GRU和LSTM.mp411.63M
| ├──46-【集成学习的原理和常见的集成学习】P1提升树算法.mp425.66M
| ├──47-【集成学习的原理和常见的集成学习】P2梯度提升树算法.mp426.23M
| ├──48-【集成学习的原理和常见的集成学习】P3二分类问题.mp437.45M
| ├──49-【集成学习的原理和常见的集成学习】P4多分类问题和回归问题.mp411.66M
| ├──50-【数据结构和算法】01背包问题.mp447.05M
| ├──51-【数据结构和算法】什么是动态规划(leetcode 70题).mp418.30M
| ├──52-【数据结构和算法】回溯法(机器人的运动范围).mp466.27M
| ├──53-【数据结构和算法】什么是递归(斐波那契额数列-跳台阶-变态跳台阶).mp438.55M
| ├──54-【数据结构和算法】leetcode416（01背包实例）.mp436.41M
| ├──55-【数据结构和算法】最长公共子序列(leetcode 1143题).mp427.30M
| ├──56-【数据结构和算法】最长上升子序列(leetcode 300题).mp424.12M
| ├──57-【xgboost的原理以及常见面试题】P1xgboost的一些预备知识.mp420.54M
| ├──58-【xgboost的原理以及常见面试题】P2结构分.mp426.77M
| ├──59-【xgboost的原理以及常见面试题】P3贪心算法寻找分裂点.mp433.79M
| ├──60-【xgboost的原理以及常见面试题】P4近似算法和加权分桶.mp445.57M
| ├──61-【xgboost的原理以及常见面试题】P5缺失值处理算法.mp420.02M
| ├──62-【xgboost的原理以及常见面试题】P6其他优化.mp411.12M
| ├──64-【了解优化算法的原理】P1深度学习中的优化问题.mp418.96M
| ├──65-【了解优化算法的原理】P2梯度下降简单的数学原理.mp423.21M
| ├──66-【了解优化算法的原理】P3随机梯度下降和小批量随机梯度下降.mp410.38M
| ├──67-【了解优化算法的原理】P4动量法.mp429.39M
| ├──68-【了解优化算法的原理】P5常见的一些改进的优化算法.mp434.29M
| ├──69-【了解常见的采样方法-作用-具体实现，以及应用】P1蒙塔卡罗模拟定积分和重要性采样.mp432.67M
| ├──70-【了解常见的采样方法-作用-具体实现，以及应用】P2.mp422.86M
| ├──71-【了解常见的采样方法-作用-具体实现，以及应用】P3.mp454.74M
| ├──72-【了解常见的采样方法-作用-具体实现，以及应用】P4.mp419.63M
| ├──74-面试刷题班8月5日直播答疑.mp4355.32M
| ├──76-面试刷题班8月9日直播答疑.mp4357.08M
| ├──78-面试刷题班8月15日直播答疑.mp4407.94M
| └──80-面试刷题班8月22日直播答疑.mp4151.49M
├──20-05 NLP基础知识
| ├──02-1-1 前言..mp4181.87M
| ├──03-1-2 研究方向概述..mp4142.59M
| ├──04-2-1 预备知识..mp482.84M
| ├──05-2-2 NLP问题中的特征..mp485.13M
| ├──06-2-3 特征输入..mp4152.25M
| ├──07-2-4 文本的向量化表示与案例实现..mp4120.55M
| ├──08-3-1 统计语言模型简介与案例实现..mp4279.29M
| ├──09-3-2 语言模型任务评估..mp4106.57M
| ├──10-3-3 神经语言模型简介与代码实现..mp4340.85M
| ├──11-3-4 预训练的词表示及其使用实例..mp4143.40M
| ├──12-4-1 word2vec原理..mp4159.83M
| ├──13-4-2 word2vec代码复现..mp4409.43M
| ├──14-4-3 word2vec项目实战展示..mp4213.51M
| ├──15-4-4 BERT使用实战讲解..mp4247.82M
| ├──16-4-5 MLP模型与实战..mp4204.34M
| ├──17-4-6 RNN模型原理-代码复现与实战..mp4339.92M
| ├──18-5-1 HMM序列标注..mp471.02M
| ├──19-5-2 HMM模型简介..mp4130.72M
| ├──20-5-3 HMM样本生成..mp4166.83M
| ├──21-5-4 HMM训练..mp490.57M
| ├──22-5-5 HMM预测..mp4127.18M
| └──23-5-6 HMM代码实现..mp4287.92M
├──代码资料汇总
| └──02代码资料汇总
| | ├──02线性回归
| | ├──03逻辑回归
| | ├──04决策树
| | ├──05朴素贝叶斯
| | ├──06支持向量机
| | ├──07聚类
| | ├──08主成分分析
| | ├──09集成学习
| | └──10案例
└──课件合集PDF版本
| ├──01机器学习概述
| | └──01-01-机器学习概述.pdf2.38M
| ├──02线性回归
| | ├──02-01-线性回归简介、数学符号、假设函数、损失函数、代价函数.pdf3.31M
| | ├──02-02-梯度下降法.pdf3.22M
| | ├──02-03-梯度下降法代码实现.pdf3.01M
| | ├──02-04-使用梯度下降法求解线性回归问题.pdf3.17M
| | ├──02-05-线性回归代码实现.pdf1.83M
| | ├──02-06-线性回归代码实现-做特征归一化.pdf3.01M
| | ├──02-07-批量梯度下降，随机梯度下降，小批量梯度下降.pdf3.06M
| | ├──02-08-几种常见的模型评价指标.pdf3.05M
| | ├──02-09-欠拟合与过拟合.pdf1.87M
| | ├──02-10-Ridge回归求解与代码实现.pdf1.83M
| | ├──02-11-LASSO回归求解.pdf1.85M
| | ├──02-12-LASSO回归求解举例说明.pdf3.11M
| | ├──02-13-LASSO回归代码实现.pdf2.98M
| | ├──02-14-最小二乘法求线性回归.pdf3.13M
| | ├──02-15-最小二乘法代码实现.pdf2.98M
| | ├──02-16-使用Sklearn实现Ridge，LASSO和ElasticNet.pdf3.10M
| | └──02-17-波士顿房价预测.pdf3.08M
| ├──03逻辑回归
| | ├──03-01-逻辑回归简介、假设函数、损失函数、成本函数.pdf3.36M
| | ├──03-02-逻辑回归求解.pdf3.57M
| | ├──03-03-一个示例解释逻辑回归的求解公式.pdf3.06M
| | ├──03-04-逻辑回归代码实现.pdf2.96M
| | ├──03-05-逻辑回归的正则化.pdf3.03M
| | ├──03-06-逻辑回归实现多分类方法.pdf3.29M
| | ├──03-07-使用Sklearn实现逻辑回归.pdf2.96M
| | ├──03-08-案例：鸢尾花分类.pdf2.98M
| | └──03-09-案例：手写数字识别.pdf3.05M
| ├──04决策树
| | ├──04-01-决策树简介、熵.pdf1.92M
| | ├──04-02-条件熵及计算举例.pdf3.11M
| | ├──04-03-信息增益、ID3算法.pdf3.29M
| | ├──04-04-决策树代码实现.pdf2.96M
| | ├──04-05-C4.pdf3.14M
| | ├──04-06-基尼指数(Gini Index)生成决策树.pdf3.15M
| | ├──04-07-决策树剪枝.pdf3.10M
| | ├──04-08-决策树处理连续值与缺失值.pdf3.10M
| | ├──04-09-多变量决策树.pdf3.20M
| | ├──04-10-Sklearn实现决策树.pdf2.96M
| | └──04-11-案例：使用决策树进行个人信用风险评估.pdf3.06M
| ├──05朴素贝叶斯
| | ├──05-01-贝叶斯决策简介.pdf3.20M
| | ├──05-02-贝叶斯决策模型.pdf3.21M
| | ├──05-03-朴素贝叶斯模型.pdf3.12M
| | ├──05-04-朴素贝叶斯代码实现.pdf2.96M
| | ├──05-05-拉普拉斯修正及代码实现.pdf3.03M
| | ├──05-06-朴素贝叶斯如何处理连续型数据.pdf3.11M
| | ├──05-07-Sklearn实现朴素贝叶斯.pdf2.96M
| | └──05-08-案例：垃圾邮件识别.pdf3.00M
| ├──06支持向量机
| | ├──06-01-支持向量机简介.pdf3.08M
| | ├──06-02-线性可分支持向量机(几何间隔，函数间隔，目标函数).pdf3.48M
| | ├──06-03-拉格朗日乘子法求带有等式约束的极值问题.pdf3.17M
| | ├──06-04-拉格朗日乘子法求带有不等式约束的极值问题、KKT条件.pdf3.23M
| | ├──06-05-目标函数求解(1.pdf3.08M
| | ├──06-06-目标函数求解(2.pdf3.17M
| | ├──06-07-SVM求解举例.pdf3.28M
| | ├──06-08-线性支持向量机的目标函数.pdf1.71M
| | ├──06-09-线性支持向量机目标函数优化.pdf3.21M
| | ├──06-10-非线性支持向量机简介.pdf3.47M
| | ├──06-11-非线性支持向量机的目标函数.pdf3.04M
| | ├──06-12-SMO算法推导结果.pdf3.07M
| | ├──06-13-SVM代码实现.pdf2.96M
| | ├──06-14-SMO算法推导过程.pdf3.52M
| | ├──06-15-SVM总结.pdf3.16M
| | ├──06-16-Sklearn实现SVM.pdf2.96M
| | └──06-17-案例：使用SVM完成人脸识别.pdf2.96M
| ├──07聚类
| | ├──07-01-K-means基本原理及推导.pdf3.17M
| | ├──07-02-K-means中距离计算方法.pdf3.05M
| | ├──07-03-K-means代码实现.pdf1.73M
| | ├──07-04-层次聚类原理及距离计算.pdf3.33M
| | ├──07-05-层次聚类举例.pdf3.03M
| | ├──07-06-Sklearn实现层次聚类.pdf2.96M
| | ├──07-07-密度聚类.pdf3.08M
| | ├──07-08-Sklearn实现密度聚类.pdf2.96M
| | ├──07-09-高斯混合模型介绍.pdf3.15M
| | ├──07-10-高斯混合模型参数估计.pdf2.98M
| | ├──07-11-高斯混合模型代码实现.pdf2.96M
| | └──07-12-案例：对亚洲足球队进行聚类分析.pdf2.96M
| ├──08主成分分析
| | ├──08-01-主成分分析介绍.pdf3.11M
| | ├──08-02-协方差矩阵的特征值分解算法.pdf3.06M
| | ├──08-03-协方差矩阵的特征值分解算法代码实现.pdf2.97M
| | ├──08-04-基于数据矩阵的奇异值分解算法.pdf3.02M
| | ├──08-05-基于数据矩阵的奇异值分解算法代码实现.pdf2.97M
| | ├──08-06-Sklearn实现PCA.pdf3.09M
| | └──08-07-案例：PCA实现照片压缩.pdf2.96M
| └──09集成学习
| | ├──09-01-集成学习介绍.pdf2.98M
| | ├──09-02-Voting能够提高准确度的原因.pdf2.99M
| | ├──09-03-Voting原理.pdf3.04M
| | ├──09-04-Voting代码实现.pdf2.96M
| | ├──09-05-Bagging与随机森林及其代码实现.pdf3.04M
| | ├──09-06-Boosting.pdf3.04M
| | ├──09-07-Adaboost举例.pdf1.92M
| | ├──09-08-AdaBoost代码实现.pdf2.96M
| | ├──09-09-GBDT之提升和提升树概念.pdf3.01M
| | ├──09-10-GBDT梯度提升树.pdf3.04M
| | ├──09-11-XGBoost介绍，目标函数，正则项.pdf3.60M
| | ├──09-12-XGBoost求解.pdf3.10M
| | ├──09-13-XGBoost树结构生成.pdf3.29M
| | ├──09-14-XGBoost代码实现.pdf2.96M
| | ├──09-15-Stacking.pdf3.27M
| | └──09-16-Stacking 代码实现.pdf2.96M
资源下载地址和密码（百度云盘）：**** Hidden Message ***** 百度网盘信息回帖可见
本资源由Java自学网收集整理【www.javazx.com】 激动人心，无法言表！ 强烈支持楼主ing…… 强烈支持楼主ing…… 很完美的教程!!!! 学习编程好地方 加油 it视频教程网 你牛 VERY GOOOOOOD 非常好，顶一下 赞一个，还能说什么呢