│ 第一课:微分学基本概念.mp4
│ 第二课:微分学进阶.mp4
│ 第三课:概率论简介.mp4
│ 第四课:极大似然估计.mp4
│ 第五课:线性代数基础.mp4
│ 第六课:线性代数进阶.mp4
│ 第七课:凸优化简介.mp4
│ 第八课:优化的稳定性.mp4
│ 第九课:从线性模型谈起的机器学习分类与回归.mp4
│ 第十课:从信息论到工业界最爱的树模型.mp4
│
└─课件与代码
│ Bayesian Reasoning and Machine Learning.pdf
│ ESLII.pdf
│ Gaussian Processes for Machine Learning.pdf
│ Information Theory, Inference, and Learning Algorithms.pdf
│ Machine Learning-A Probabilistic Perspective.pdf
│ matrix cookbook.pdf
│ MLE.pdf
│ Pattern Recognition and Machine Learning.pdf
│ PRML中文版.pdf javazx.com
│ Python_SciPy_Cheat_Sheet_Linear_Algebra.pdf
│ 数学班第二期第8课代码示范.支持向量机.ipynb
│ 机器学习中的数学第二期 第1课微分学与梯度下降法.pdf
│ 机器学习中的数学第二期 第2课微分学进阶.pdf
│ 机器学习中的数学第二期 第5课-线性代数基础_.pdf
│ 机器学习中的数学第二期 第6课-线性代数进阶.pdf
│ 机器学习中的数学第二期 第7课凸优化简介.pdf
│ 机器学习中的数学第二期 第8课凸优化进阶.pdf
│ 机器学习中的数学第二期 第9课-机器学习分类问题与数学(上).pdf
│ 机器学习中的数学第二期 第10课-机器学习分类问题与数学(下).pdf
│ 机器学习中的数学第二期 机器学习数学 教材.rar
│
├─Lesson1_2
│ p142_p143.JPG
│ p148.JPG
│ p176.JPG
│ p210.JPG
│ p211.JPG
│
└─Lesson1_2作业 HW
p142_p143.JPG
p148.JPG
p176.JPG
p211.JPG