课程目录:
├──01-软件安装及环境配置
├──02-Anaconda介绍及安装.mp4 31.51M
├──03-【Python 3.6】 Python安装及验证.mp4 15.64M
├──04-【Python 3.6】 Python配置环境变量.mp4 7.92M
├──05-【Python 3.6】 Python卸载及验证.mp4 6.24M
├──06-【PyTorch 1.2】 PyTorch简介与安装.mp4 48.34M
├──07-【Pytorch1.2】 Pytorch开发环境安装.mp4 210.80M
├──08-【TensorFlow 2.1.0】环境安装-ubuntu.mp4 174.66M
├──09-【TensorFlow 2.1.0】环境安装-windows.mp4 132.37M
├──10-【GPU驱动安装】GPU_driver_windows.mp4 19.82M
├──11-【GPU驱动安装】GPU_driver_Linux.mp4 96.04M
├──12-Linux 常用命令.mp4 92.54M
├──13-【数据分析工具】 MySQL.mp4 34.26M
├──14-【数据分析工具】 Navicate.mp4 18.11M
└──15-【数据分析工具】 Tableau Public.mp4 35.85M
├──02-人工智能数学基础
├──05-【第一章 线性代数(上)】章节导读.mp4 11.07M
├──06-【第一章 线性代数(上)】-1 矩阵及其基本运算①.mp4 34.70M
├──07-【第一章 线性代数(上)】-2 矩阵及其基本运算②.mp4 64.40M
├──08-【第一章 线性代数(上)】-3 矩阵的行列式①.mp4 38.86M
├──09-【第一章 线性代数(上)】-4 矩阵的行列式②.mp4 46.99M
├──10-【第一章 线性代数(上)】-5 矩阵的行列式③.mp4 37.79M
├──11-【第一章 线性代数(上)】-6 矩阵的行列式④.mp4 10.01M
├──12-【第一章 线性代数(上)】-7 矩阵的逆①.mp4 41.26M
├──13-【第一章 线性代数(上)】-8 矩阵的逆②.mp4 26.80M
├──14-【第一章 线性代数(上)】-9 矩阵的逆③.mp4 30.43M
├──15-【第二章 线性代数(下)】章节导读.mp4 9.90M
├──16-【第二章 线性代数(下)】-1 矩阵的初等变换①.mp4 50.39M
├──17-【第二章 线性代数(下)】-2 矩阵的初等变换②.mp4 23.98M
├──18-【第二章 线性代数(下)】-3 矩阵的初等变换③.mp4 62.92M
├──19-【第二章 线性代数(下)】-4 矩阵的初等变换④.mp4 24.74M
├──20-【第二章 线性代数(下)】-5 矩阵的特征值与特征向量①.mp4 55.00M
├──21-【第二章 线性代数(下)】-6 矩阵的特征值与特征向量②.mp4 46.51M
├──22-【第二章 线性代数(下)】-7 矩阵的特征值与特征向量③.mp4 39.71M
├──23-【第二章 线性代数(下)】-8 矩阵对角化以及二次型①.mp4 48.69M
├──24-【第二章 线性代数(下)】-9 矩阵对角化以及二次型②.mp4 33.98M
├──25-【第二章 线性代数(下)】-10 矩阵对角化以及二次型③.mp4 32.49M
├──26-【第二章 线性代数(下)】-11svd分解的应用.mp4 49.81M
├──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.mp4 50.35M
├──28-【第三章 微积分】-02 中值定理&洛必达法则&泰勒公式及应用.mp4 46.01M
├──29-【第三章 微积分】-03 函数的凹凸性&函数的极值.mp4 45.39M
├──30-【第三章 微积分】-04 不定积分.mp4 28.30M
├──31-【第三章 微积分】-05 定积分.mp4 29.72M
├──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.mp4 43.21M
├──33-【第三章 微积分】-07 方向导数与梯度及其应用.mp4 53.22M
├──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.mp4 37.63M
├──35-【第三章 微积分】-09 矩阵的求导.mp4 43.88M
├──36-【第三章 微积分】-10 矩阵的求导在深度学习中的应用.mp4 47.41M
├──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.mp4 53.38M
├──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.mp4 37.17M
├──39-【第四章 概率论】-03随机变量与多维随机变量.mp4 47.05M
├──40-【第四章 概率论】-04期望与方差part1.mp4 42.55M
├──41-【第四章 概率论】-05期望与方差part2.mp4 19.22M
├──42-【第四章 概率论】-06参数的估计.mp4 47.82M
├──43-【第五章 最优化】-1 无约束最优化梯度下降.mp4 49.51M
├──44-【第五章 最优化】-2 无约束最优化梯度下降.mp4 49.56M
└──45-【第五章 最优化】-3 约束最优化.mp4 43.06M
├──03-Python基础+数据科学入门
├──05-第一章 绪论和环境配置.mp4 43.13M
├──06-【作业讲解】第一章:助教实际演示配置环境过程.mp4 23.91M
├──07-第二章 Python 基本语法元素.mp4 92.02M
├──08-【作业讲解】第二章:Python基本语法元素.mp4 48.38M
├──09-第三章 基本数据类型.mp4 79.01M
├──10-【作业讲解】第三章:基本数据类型.mp4 42.30M
├──11-第四章 组合数据类型.mp4 82.14M
├──12-【作业讲解】第四章:复杂数据类型.mp4 59.00M
├──13-第五章 程序控制结构.mp4 72.94M
├──14-【作业讲解】第五章:程序控制结构.mp4 20.77M
├──15-第六章 函数-面向过程的编程.mp4 110.26M
├──16-【作业讲解】第六章:函数.mp4 33.59M
├──17-第七章 类-面向对象的编程.mp4 67.41M
├──18-【作业讲解】第七章:类.mp4 21.34M
├──19-第八章 文件-异常和模块.mp4 100.66M
├──20-【作业讲解】第八章:文件-异常和模块.mp4 10.27M
├──21-第九章 有益的探索.mp4 111.45M
├──22-【作业讲解】第九章:有益的探索.mp4 25.27M
├──23-第十章 Python标准库.mp4 78.54M
├──24-【作业讲解】第十章:Python标准库.mp4 9.60M
├──25-第十一章 科学计算库—Numpy应用.mp4 68.47M
├──26-【作业讲解】第十一章:Numpy库.mp4 19.28M
├──27-第十二章 Pandas库.mp4 117.04M
├──28-【作业讲解】第十二章:Pandas库.mp4 22.13M
├──29-第十三章 Matplotlib.mp4 83.33M
├──30-【作业讲解】第十三章:Matplotlib.mp4 31.47M
├──31-第十四章 Sklearn常规用法.mp4 51.57M
├──32-【作业讲解】第十四章:Sklearn常规用法.mp4 37.32M
├──33-第十五章 再谈编程.mp4 61.58M
├──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.mp4 103.75M
└──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.mp4 7.51M
├──04-机器学习算法应用实战
├──05-01-01-机器学习概述.mp4 35.45M
├──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.mp4 23.34M
├──07-02-02-梯度下降法…mp4 24.11M
├──08-02-03-梯度下降法代码实现.mp4 14.75M
├──09-02-04-使用梯度下降法求解线性回归问题.mp4 26.13M
├──10-02-05-线性回归代码实现.mp4 37.36M
├──100-08-02协方差矩阵的特征值分解算法.mp4 13.02M
├──101-08-03协方差矩阵的特征值分解算法代码实现.mp4 24.46M
├──102-08-04基于数据矩阵的奇异值分解算法.mp4 12.22M
├──103-08-05基于数据矩阵的奇异值分解算法代码实现.mp4 10.88M
├──104-08-【实战】-Sklearn实现PCA.mp4 15.34M
├──105-08-【案例】PCA实现照片压缩.mp4 21.11M
├──106-09-01-集成学习介绍.mp4 5.74M
├──107-09-02-Voting能够提高准确度的原因.mp4 12.08M
├──108-09-03-Voting原理.mp4 8.40M
├──109-09-04-Voting代码实现.mp4 17.61M
├──11-02-06-线性回归代码实现-做特征归一化.mp4 29.95M
├──110-09-05-Bagging与随机森林及其代码实现.mp4 32.82M
├──111-09-06-Boosting.mp4 18.09M
├──112-09-07-Adaboost举例.mp4 26.29M
├──113-09-08-AdaBoost代码实现.mp4 24.55M
├──114-09-09-GBDT之提升和提升树概念.mp4 31.87M
├──115-09-10-GBDT梯度提升树.mp4 11.29M
├──116-09-11-XGBoost介绍,目标函数,正则项.mp4 21.72M
├──117-09-12-XGBoost求解.mp4 23.50M
├──118-09-13-XGBoost树结构生成.mp4 11.25M
├──119-09-14-XGBoost代码实现1.mp4 39.17M
├──12-02-07-批量梯度下降,随机梯度下降,小批量梯度下降.mp4 11.35M
├──120-09-15-XGBoost代码实现2.mp4 43.97M
├──121-09-16-Stacking.mp4 16.55M
├──122-09-17-Stacking 代码实现.mp4 11.55M
├──123-10-【银行营销策略分析】-01 数据说明.mp4 28.41M
├──124-10-【银行营销策略分析】-02探索性分析.mp4 23.52M
├──125-10-【银行营销策略分析】-03数据预处理与特征工程.mp4 37.52M
├──126-10-【银行营销策略分析】-04模型训练.mp4 25.49M
├──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.mp4 24.54M
├──128-10-【信用卡发欺诈模型】-02采样之上采样.mp4 35.41M
├──129-10-【信用卡发欺诈模型】-03采样之下采样.mp4 26.74M
├──13-02-08-模型评价 · 几种常见的模型评价指标.mp4 24.08M
├──130-10-【信用卡发欺诈模型】-04建模与调参.mp4 28.18M
├──14-02-09-欠拟合与过拟合.mp4 12.23M
├──15-02-10-Ridge回归求解与代码实现.mp4 22.89M
├──16-02-11-LASSO回归求解.mp4 26.19M
├──17-02-12-LASSO回归求解举例说明.mp4 13.76M
├──18-02-13-LASSO回归代码实现.mp4 18.01M
├──19-02-14-最小二乘法求线性回归.mp4 19.32M
├──20-02-15-最小二乘法代码实现.mp4 9.21M
├──21-02-【实战】使用Sklearn实现Ridge,LASSO和ElasticNet.mp4 22.01M
├──22-02-【案例】波士顿房价预测(上).mp4 34.17M
├──23-02-【案例】-波士顿房价预测(下).mp4 41.17M
├──24-03-01-逻辑回归简介-假设函数-损失函数-成本函数.mp4 18.96M
├──25-03-02-逻辑回归求解.mp4 23.66M
├──26-03-03-一个示例解释逻辑回归的求解公式.mp4 12.44M
├──27-03-04-逻辑回归代码实现(上).mp4 28.99M
├──28-03-04-逻辑回归代码实现(下).mp4 26.09M
├──29-03-06-逻辑回归的正则化.mp4 17.17M
├──30-03-07-逻辑回归实现多分类方法.mp4 24.84M
├──31-03-08-【实战】使用Sklearn实现逻辑回归.mp4 17.68M
├──32-03-【案例】鸢尾花分类.mp4 43.16M
├──33-03-【案例】手写数字识别.mp4 35.34M
├──34-04-01-决策树简介-熵.mp4 17.68M
├──35-04-02条件熵及计算举例.mp4 13.47M
├──36-04-03信息增益-ID3算法.mp4 16.85M
├──37-04-04决策树代码实现(1-熵的计算).mp4 17.81M
├──38-04-05决策树代码实现(2-划分数据集-选择最好的特征).mp4 32.38M
├──39-04-06决策树代码实现(3-类别投票表决).mp4 11.60M
├──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).mp4 25.17M
├──41-04-08 C4.5算法.mp4 9.98M
├──42-04-09基尼指数(Gini Index)生成决策树.mp4 17.50M
├──43-04-10决策树剪枝.mp4 16.69M
├──44-04-11决策树处理连续值与缺失值.mp4 23.53M
├──45-04-12多变量决策树.mp4 12.46M
├──46-04-【实战】Sklearn实现决策树.mp4 31.51M
├──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).mp4 32.17M
├──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).mp4 29.95M
├──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).mp4 17.91M
├──50-05-01-贝叶斯决策简介.mp4 18.35M
├──51-05-02-贝叶斯决策模型.mp4 10.29M
├──52-05-03-朴素贝叶斯模型.mp4 18.21M
├──53-05-04-朴素贝叶斯代码实现(1.训练过程).mp4 32.73M
├──54-05-05-朴素贝叶斯代码实现(2.预测过程).mp4 13.60M
├──55-05-06-拉普拉斯修正及代码实现.mp4 22.10M
├──56-05-07-朴素贝叶斯如何处理连续型数据.mp4 9.02M
├──57-05-08-Sklearn实现朴素贝叶斯.mp4 12.85M
├──58-05-【案例】垃圾邮件识别(1.实现原理).mp4 12.68M
├──59-05-【案例】垃圾邮件识别(2.代码实现).mp4 34.20M
├──60-06-01-支持向量机简介.mp4 8.81M
├──61-06-02-线性可分支持向量机(几何间隔,函数间隔,目标函数).mp4 31.89M
├──62-06-03-拉格朗日乘子法求带有等式约束的极值问题.mp4 24.76M
├──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.mp4 23.88M
├──64-06-05-目标函数求解(1.对偶问题-先对w-b求极小).mp4 24.50M
├──65-06-06-目标函数求解(2.对alpha求极大).mp4 12.65M
├──66-06-07-SVM求解举例.mp4 36.66M
├──67-06-08-线性支持向量机的目标函数.mp4 13.22M
├──68-06-09-线性支持向量机目标函数优化.mp4 22.48M
├──69-06-10-非线性支持向量机简介.mp4 31.31M
├──70-06-11-非线性支持向量机的目标函数.mp4 9.95M
├──71-06-12-SMO算法推导结果.mp4 21.00M
├──72-06-13-1SVM代码实现之简易版(上).mp4 53.18M
├──73-06-14-1SVM代码实现之简易版(下).mp4 14.95M
├──74-06-15-2SVM代码实现之改进版.mp4 33.84M
├──75-06-16-3SVM代码实现之引进核函数版.mp4 21.79M
├──76-06-17-SMO算法推导过程1.mp4 15.81M
├──77-06-18-SMO算法推导过程2.mp4 16.81M
├──78-06-19-SMO算法推导过程3.mp4 10.45M
├──79-06-20-SMO算法推导过程4.mp4 17.75M
├──80-06-21-SVM总结.mp4 9.48M
├──81-06-【实战】-Sklearn实现SVM1.mp4 11.86M
├──82-06-【实战】-Sklearn实现SVM2-3,输出常用属性值,使用高斯核.mp4 18.88M
├──83-06-【实战】-Sklearn实现SVM4,调参.mp4 18.03M
├──84-06-【案例】使用SVM完成人脸识别.mp4 47.14M
├──85-07-01-K-means基本原理及推导.mp4 14.09M
├──86-07-02-K-means中距离计算方法.mp4 12.38M
├──87-07-03-K-means代码实现(1原生代码实现).mp4 34.74M
├──88-07-04-K-means代码实现(2sklearn实现KMeans).mp4 6.56M
├──89-07-05-层次聚类原理及距离计算.mp4 13.59M
├──90-07-06层次聚类举例.mp4 9.68M
├──91-07-07Sklearn实现层次聚类.mp4 8.77M
├──92-07-08密度聚类.mp4 13.61M
├──93-07-09Sklearn实现密度聚类.mp4 7.33M
├──94-07-10-高斯混合模型介绍.mp4 14.59M
├──95-07-11-高斯混合模型参数估计.mp4 24.50M
├──96-07-12高斯混合模型原生代码实现.mp4 35.61M
├──97-07-13 Sklearn实现高斯混合模型.mp4 10.01M
├──98-07-【案例】对亚洲足球队进行聚类分析.mp4 11.90M
└──99-08-01-主成分分析介绍.mp4 16.12M
├──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.mp4 123.85M
├──07-第一章 1.2 极大似然估计.mp4 40.14M
├──08-第一章 1.3 梯度下降法.mp4 31.36M
├──09-第一章作业讲解-极大似然估计.mp4 16.28M
├──10-第二章 2.1 导论.mp4 110.02M
├──100-第十九章19.4Metropolis-Hastings算法与吉布斯抽样算法.mp4 50.58M
├──101-第十九章 作业讲解.mp4 18.06M
├──102-第二十章20.1LDA分布-模型与Gibbs抽样算法.mp4 67.27M
├──103-第二十章20.2LDA的变分EM算法.mp4 58.99M
├──104-第二十章 作业讲解.mp4 24.87M
├──105-第二十一章21.1PageRank算法的定义与幂法计算.mp4 39.47M
├──106-第二十一章 作业讲解.mp4 8.43M
├──107-第二十二章 22无监督学习方法总结.mp4 9.32M
├──11-第二章 2.2 对偶形式.mp4 46.54M
├──12-第二章 2.3 收敛性.mp4 50.18M
├──13-code——感知机.mp4 127.37M
├──14-第二章作业讲解-感知机自编程实现.mp4 29.02M
├──15-第二章作业讲解-感知机sklearn实现.mp4 35.03M
├──16-第三章 3.1 导论.mp4 54.68M
├──17-第三章 3.2 kd树.mp4 76.74M
├──18-code——k近邻.mp4 80.75M
├──19-第三章作业讲解-KNN 自编程.mp4 19.58M
├──20-第三章作业讲解-KNN-sklearn.mp4 27.37M
├──21-第四章 4.1 导论.mp4 89.38M
├──22-第四章 4.2 贝叶斯估计.mp4 15.12M
├──23-第四章 4.3 期望风险最小化.mp4 28.80M
├──24-code——朴素贝叶斯.mp4 100.24M
├──25-第四章作业讲解-贝叶斯估计.mp4 17.35M
├──26-第四章作业讲解-朴素贝叶斯.mp4 50.59M
├──27-第五章 5.1 导论.mp4 126.42M
├──28-第五章 5.2 剪枝.mp4 66.26M
├──29-code——决策树.mp4 96.17M
├──30-第五章作业讲解-决策树.mp4 39.10M
├──31-第六章 6.1 逻辑斯蒂回归与最大熵.mp4 99.15M
├──32-第六章 6.2 改进的迭代尺度法.mp4 60.37M
├──33-第六章作业讲解-逻辑斯谛回归.mp4 60.30M
├──34-code——逻辑斯蒂回归与最大熵.mp4 108.23M
├──35-第七章 7.1 导论.mp4 174.87M
├──36-第七章 7.2 存在唯一性.mp4 50.05M
├──37-第七章作业讲解-支持向量机习题7.1.mp4 50.23M
├──38-第七章作业讲解-支持向量机 sklearn习题7.2.mp4 23.14M
├──39-第七章作业讲解-支持向量机习题7.3.mp4 17.34M
├──40-code——支持向量机.mp4 164.19M
├──41-第八章 8.1 导论.mp4 99.07M
├──42-第八章 8.2 前向分步算法.mp4 47.02M
├──43-第八章 8.3 adaboost的训练误差.mp4 70.11M
├──44-第八章作业讲解-提升方法.mp4 34.31M
├──45-code——提升方法.mp4 181.83M
├──46-第九章 9.1 导论.mp4 75.11M
├──47-第九章 9.2 高斯混合模型.mp4 68.54M
├──48-第九章作业讲解-EM算法.mp4 43.92M
├──49-code——EM算法及推广.mp4 79.73M
├──50-第十章 10.1 导论.mp4 83.19M
├──51-第十章 10.2 前向算法.mp4 35.30M
├──52-第十章 10.3 维特比算法.mp4 29.18M
├──53-第十章作业讲解-隐马尔可夫模型.mp4 39.78M
├──54-code——隐马尔可夫.mp4 160.18M
├──55-第十一章 11.1 导论.mp4 53.15M
├──56-第十一章 11.2 拟牛顿法.mp4 21.16M
├──57-第十一章 11.3 条件随机场的矩阵形式.mp4 20.05M
├──58-第十一章作业讲解-条件随机场.mp4 20.80M
├──59-第十三章无监督学习导论.mp4 44.13M
├──60-第十四章14.1聚类的基本概念.mp4 61.30M
├──61-第十四章14.2.1距离与相似度.mp4 40.97M
├──62-第十四章14.2.2聚合聚类 距离公式介绍.mp4 34.06M
├──63-第十四章14.2.3距离公式证明.mp4 59.60M
├──64-第十四章14.2.4确定最佳聚类数.mp4 30.80M
├──65-第十四章14.2.5有序样本分类法.mp4 35.23M
├──66-第十四章14.3K均值聚类.mp4 27.58M
├──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.mp4 17.47M
├──68-第十四章14.2作业讲解- 14.2 有关类的定义推导.mp4 8.44M
├──69-第十四章14.3作业讲解- 离差平方和距离推导公式证明.mp4 13.53M
├──70-第十四章14.3作业讲解-重心距离推导公式证明.mp4 21.92M
├──71-第十五章15.1矩阵奇异值分解步骤.mp4 23.35M
├──72-第十五章15.2矩阵奇异值分解基本定理.mp4 22.06M
├──73-第十五章15.3矩阵奇异值分解性质与计算.mp4 23.36M
├──74-第十五章15.4.1矩阵奇异值分解的酉空间表示法.mp4 37.84M
├──75-第十五章15.5矩阵奇异值分解的应用.mp4 27.22M
├──76-第十五章作业讲解- 奇异值分解01.mp4 22.90M
├──77-第十五章作业讲解- 奇异值分解02.mp4 25.06M
├──78-第十六章16.1主成分分析介绍.mp4 31.91M
├──79-第十六章16.2主成分分析基本定理.mp4 25.71M
├──80-第十六章16.3主成分的性质与选择.mp4 18.91M
├──81-第十六章16.4主成分的特征.mp4 21.11M
├──82-第十六章16.5牛顿迭代与梯度下降法.mp4 34.58M
├──83-第十六章16.6拟牛顿迭代法.mp4 60.66M
├──84-第十六章16.1作业讲解- 样本主成分分析.mp4 32.31M
├──85-第十六章16.2 作业讲解-样本方差无偏估计的理解.mp4 16.78M
├──86-第十六章16.3作业讲解- 求第一主成分.mp4 9.62M
├──87-第十七章17.1LSA导入.mp4 20.64M
├──88-第十七章17.2LSA算法实现.mp4 12.81M
├──89-第十七章17.3非负矩阵分解算法.mp4 16.06M
├──90-第十七章17.4LSA案例分析与编程实现.mp4 21.35M
├──91-第十七章 作业讲解.mp4 18.46M
├──92-第十八章18.1PLSA生成模型.mp4 25.87M
├──93-第十八章18.2PLSA共现模型.mp4 13.19M
├──94-第十八章18.3PLSA模型算法实现.mp4 24.10M
├──95-第十八章18.4PLSA模型EM算法详解.mp4 21.14M
├──96-第十八章 作业讲解.mp4 15.24M
├──97-第十九章19.1蒙特卡罗法引入.mp4 16.40M
├──98-第十九章19.2马尔科夫链的定义与性质.mp4 35.49M
└──99-第十九章19.3连续状态马尔科夫链.mp4 47.25M
├──06-《机器学习》西瓜书训练营
├──06-【第一周】机器学习绪论.mp4 38.33M
├──08-【第二周】西瓜书公式推导学习指南.mp4 11.20M
├──09-【第二周】一元线性回归公式.mp4 51.86M
├──10-【第二周】多元线性回归公式.mp4 58.27M
├──11-【第二周】对数几率回归公式.mp4 60.68M
├──14-【第二周】【作业讲解】逻辑回归.mp4 29.47M
├──15-【第三周】决策树的分裂准则.mp4 56.59M
├──19-【第三周】【作业讲解】决策树.mp4 15.56M
├──20-【第四周】支持向量机原始模型的建立和求解.mp4 113.79M
├──21-【第四周】核函数和软间隔支持向量机.mp4 54.90M
├──24-【第四周】【作业讲解】SVM.mp4 61.24M
├──25-【第五周】极大似然估计与朴素贝叶斯.mp4 84.76M
├──26-【第五周】EM算法1.mp4 32.77M
├──27-【第五周】EM算法2.mp4 39.64M
├──28-【第五周】EM算法3.mp4 44.78M
├──31-【第五周】【作业讲解】贝叶斯和EM算法.mp4 25.02M
├──32-【第六周】神经网络结构.mp4 67.03M
├──35-【第六周】【作业讲解】神经网络.mp4 8.18M
├──41-【第七周】【作业讲解】模型评估与选择.mp4 14.90M
├──47-【第八周】【作业讲解】特征选择.mp4 16.09M
├──52-【第九周】【作业讲解】k-means.mp4 37.34M
├──53-【第十周】聚类.mp4 61.91M
├──54-【第十周】HMM-1.mp4 89.29M
├──55-【第十周】HMM-2.mp4 47.50M
├──56-【第十周】HMM-3.mp4 32.35M
├──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.mp4 48.83M
├──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.mp4 71.37M
├──63-【达观杯nlp比赛】第三节课 数据分析及处理.mp4 114.17M
├──64-【达观杯nlp比赛】第四节课——Baseline实现.mp4 107.05M
└──65-【达观杯nlp比赛】第五节课 验证集构建和交叉验证.mp4 120.80M
├──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.mp4 26.06M
├──07-【学前准备】开营仪式回放-老师部分.mp4 177.90M
├──08-【学前准备】开营仪式回放-班主任部分.mp4 224.38M
├──14-Week2 Day2【作业讲解】对照作业讲解视频查漏补缺.mp4 149.98M
├──19-Week3-Day2 【作业讲解】完成编程作业2 (1).mp4 153.93M
├──20-Week3-Day2 【作业讲解】完成编程作业2 (2).mp4 130.59M
├──21-Week3-Day4 【达观杯文本智能处理挑战赛】(入门指导).mp4 21.95M
├──25-Week4-Day2【作业讲解】编程作业3:神经网络(上).mp4 80.15M
├──26-Week4-Day2【作业讲解】编程作业3:神经网络(下).mp4 56.86M
├──27-Week4-Day4【达观杯文本智能处理挑战赛】(进阶指导).mp4 30.56M
├──30-Week5-Day2【作业讲解】编程作业4(上).mp4 90.66M
├──31-Week5-Day2【作业讲解】编程作业5.mp4 93.51M
├──32-Week5-Day2【作业讲解】编程作业4(下).mp4 133.03M
├──36-Week6-Day2【作业讲解】编程作业5.mp4 93.53M
├──40-Week7-Day2【作业讲解】编程作业6(上).mp4 113.69M
├──41-Week7-Day2【作业讲解】编程作业6(下).mp4 75.46M
├──47-Week8-Day4【作业讲解】编程作业7(上).mp4 109.90M
├──48-Week8-Day4【作业讲解】编程作业7(下).mp4 68.39M
├──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.mp4 76.10M
├──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.mp4 96.25M
├──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.mp4 48.62M
└──56-Week10-Day1【kaggle大赛】进阶指导.mp4 7.02M
├──08-深度学习TensorFlow2.0框架班
├──05-Week1【任务1】tensorflow 2.0简介.mp4 46.77M
├──06-Week1【任务2】tensorflow2.0环境安装-ubuntu.mp4 126.30M
├──07-Week1【任务2】tensorflow2.0环境安装-windows.mp4 132.37M
├──09-Week2【任务1】张量与操作 & 三种自定义模型.mp4 103.87M
├──10-Week2【任务2】keras模型训练.mp4 124.12M
├──11-Week2【任务3】tensorflow2.0模型训练.mp4 83.26M
├──12-Week2【任务4】计算图机制详解.mp4 60.92M
├──13-Week2【任务5】计算图机制详解.mp4 60.83M
├──15-Week3【任务1】自定义层详解.mp4 87.91M
├──16-Week3【任务2】常用损失函数和自定义损失函数.mp4 108.56M
├──17-Week3【任务3】常用评估函数和自定义评估函数.mp4 92.30M
├──18-Week3【任务4】tensorboard小试牛刀.mp4 93.51M
├──19-Week4【任务1】tf.data简介.mp4 56.74M
├──20-Week4【任务2】tf.data简介.mp4 114.63M
├──21-Week4【任务3】tfrecord详解.mp4 71.49M
├──23-Week5【任务1】cnn介绍.mp4 88.61M
├──24-Week5【任务2】实战项目上.mp4 56.51M
├──25-Week5【任务3】实战项目下.mp4 148.77M
├──26-Week6 【任务1】循环神经网络讲解.mp4 97.48M
├──27-Week6【任务2】word2vec简介.mp4 46.86M
├──28-Week6【任务3】实战四.mp4 124.30M
├──29-Week7【任务1】ransformer简介.mp4 107.00M
├──30-Week7【任务2】实战5.mp4 325.10M
├──31-Week8【任务1】GPU分布式训练.mp4 65.81M
├──32-Week 8【任务2】TPU训练.mp4 84.47M
├──33-Week 9【任务1】TF.hub使用.mp4 52.01M
├──34-Week 9【任务2】BERT实战.mp4 125.01M
└──35-Week9【任务3】模型部署.mp4 78.17M
├──09-深度学习PyTorch框架班
├──05-【必看】深入浅出PyTorch.mp4 70.96M
├──06-【第一周】PyTorch简介与安装.mp4 46.31M
├──07-【第一周】补充-pytorch开发环境安装.mp4 135.13M
├──08-【第一周】张量简介与创建.mp4 48.04M
├──09-【第一周】张量操作与线性回归.mp4 57.10M
├──10-【第一周】计算图与动态图机制.mp4 34.56M
├──11-【第一周】autograd与逻辑回归.mp4 55.17M
├──12-【第一周】作业讲解1.mp4 25.56M
├──13-【第一周】作业讲解2.mp4 23.26M
├──14-【第一周】作业讲解3.mp4 22.48M
├──15-【第二周】数据读取机制Dataloader与Dataset.mp4 50.29M
├──16-【第二周】数据预处理transforms模块机制.mp4 47.73M
├──17-【第二周】二十二种transforms数据预处理方法.mp4 91.65M
├──18-【第二周】学会自定义transforms方法.mp4 98.26M
├──19-【第二周】作业讲解.mp4 82.19M
├──20-【第三周】模型创建步骤与nn.Module.mp4 51.86M
├──21-【第三周】模型容器与AlexNet构建.mp4 55.33M
├──22-【第三周】nn网络层-卷积层.mp4 57.09M
├──23-【第三周】nn网络层-池化-线性-激活函数层.mp4 54.22M
├──24-【第三周】作业讲解.mp4 53.23M
├──25-【第四周】权值初始化.mp4 53.52M
├──26-【第四周】损失函数(一).mp4 86.59M
├──27-【第四周】损失函数(二).mp4 88.01M
├──28-【第四周】优化器optimizer的概念.mp4 57.21M
├──29-【第四周】torch.optim.SGD.mp4 66.70M
├──30-【第四周】作业讲解.mp4 27.85M
├──31-【第五周】学习率调整策略.mp4 73.92M
├──32-【第五周】TensorBoard简介与安装.mp4 37.68M
├──33-【第五周】TensorBoard使用(一).mp4 60.16M
├──34-【第五周】TensorBoard使用(二).mp4 96.24M
├──35-【第五周】hook函数与CAM可视化.mp4 72.36M
├──36-【第五周】作业讲解.mp4 37.44M
├──37-【第六周】正则化之weight_decay.mp4 52.74M
├──38-【第六周】正则化之Dropout.mp4 53.35M
├──39-【第六周】Batch Normalization.mp4 73.00M
├──40-【第六周】Normalizaiton_layers.mp4 52.75M
├──41-【第六周】作业讲解.mp4 32.65M
├──42-【第七周】模型保存与加载.mp4 39.07M
├──43-【第七周】模型finetune.mp4 56.40M
├──44-【第七周】GPU的使用.mp4 61.77M
├──45-【第七周】PyTorch常见报错.mp4 50.94M
├──46-【第七周】作业讲解.mp4 19.18M
├──47-【第八周】图像分类一瞥.mp4 75.63M
├──48-【第八周】图像分割一瞥.mp4 97.51M
├──49-【第八周】图像目标检测一瞥(上).mp4 67.71M
├──50-【第八周】图像目标检测一瞥(下).mp4 120.59M
├──51-【第九周】生成对抗网络一瞥.mp4 82.38M
└──52-【第九周】循环神经网络一瞥.mp4 54.93M
├──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.mp4 91.28M
├──06-第一周【任务1】逆矩阵-最小二乘及PCA原理推导.mp4 54.89M
├──07-第一周【任务2】:极大似然估计.mp4 28.59M
├──08-第一周【任务2】:无约束最优化.mp4 74.01M
├──09-第一周【任务2】:有约束最优化.mp4 41.10M
├──10-【第一周作业讲解】为什么要用最小二乘.mp4 4.24M
├──11-【第一周作业讲解】矩阵的分解及其应用.mp4 6.37M
├──12-【第一周作业讲解】极大似然估计以及优化理论.mp4 11.26M
├──13-【第一周作业讲解】熟悉svd分解算法的流程.mp4 11.00M
├──14-第二周【任务1】:机器学习算法基本概念.mp4 47.82M
├──15-第二周【任务1】:过拟合欠拟合超参数验证集.mp4 44.98M
├──16-第二周【任务2】:估计-偏差和方差.mp4 22.33M
├──17-第二周【任务2】:贝叶斯估计.mp4 23.38M
├──18-第二周【任务2】:逻辑回归.mp4 61.92M
├──19-第二周作业讲解.mp4 14.74M
├──20-第三周【任务1】学习支持向量机LDA.mp4 69.89M
├──21-第三周【任务1】其他监督学习算法SVM.mp4 100.44M
├──22-第三周【任务2】决策树-kmeans算法.mp4 60.07M
├──23-第三周作业讲解.mp4 14.79M
├──24-第四周【任务1】:前馈神经网络结构表达能力.mp4 72.05M
├──25-第四周【任务1】:激活函数损失函数.mp4 90.22M
├──26-第四周【任务2】前馈神经网络技巧.mp4 51.37M
├──27-第四周【任务2】前向后向算法.mp4 72.55M
├──28-第四周作业讲解.mp4 10.16M
├──29-第五周【任务1】范数惩罚正则化.mp4 70.77M
├──30-第五周【任务1】:数据增强bagging&dropout.mp4 107.92M
├──31-第五周【任务2】深度模型中的优化.mp4 183.38M
├──32-第五周作业讲解.mp4 7.66M
├──33-第六周【任务1】cnn前向后向.mp4 84.28M
├──34-第六周【任务1】局部感知权值共享.mp4 95.90M
├──35-第六周【任务2】lenet&alexnet.mp4 104.84M
├──36-第六周【任务2】vggnet googlenet.mp4 109.77M
├──37-第六周【任务3】CNN应用——RCNN目标检测.mp4 95.09M
├──38-第六周【任务3】CNN应用——Bounding_box regression.mp4 61.68M
├──39-第六周【任务3】CNN应用——FastRCNN.mp4 96.62M
├──40-第六周【任务3】CNN应用——CNN人脸特征点定位.mp4 33.95M
├──41-第六周作业讲解.mp4 6.88M
├──42-【论文精读(选修)】mobilenet-01-背景介绍.mp4 38.10M
├──43-【论文精读(选修)】mobilenet-02-论文结构&摘要精读.mp4 64.46M
├──44-【论文精读(选修)】mobilenet-03-主体架构&深度可分离卷积.mp4 67.41M
├──45-【论文精读(选修)】mobilenet-04-超参数.mp4 44.36M
├──46-【论文精读(选修)】mobilenet-05-后续创新及改进.mp4 47.73M
├──47-【论文精读(选修)】mobilenet-06-代码结构.mp4 35.81M
├──48-【论文精读(选修)】mobilenet-07-模型设计.mp4 20.76M
├──49-【论文精读(选修)】mobilenet-08-模型评估.mp4 41.20M
├──50-第七周【任务1】RNN概念&前向传播.mp4 84.01M
├──51-第七周【任务1】RNN反向传播与并行计算.mp4 62.53M
├──52-第七周【任务2】lstm.mp4 71.97M
├──53-第七周【任务2】gru.mp4 45.45M
├──54-第七周【任务3】plstm&lstm在ocr的应用.mp4 112.54M
├──55-第七周作业讲解.mp4 7.28M
├──56-第八周【任务1】推理加速.mp4 101.71M
├──57-第八周【任务1】训练加速.mp4 48.50M
├──58-第八周【任务2】自适应技术.mp4 37.80M
└──59-第8周作业讲解.mp4 36.98M
├──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.mp4 10.86M
├──08-knn与线性分类器知识点提点.mp4 18.91M
├──10-学习内容总结+观看作业解答视频.mp4 58.04M
├──11-损失函数和优化导读.mp4 10.05M
├──12-svm多分类损失函数与softmax.mp4 30.49M
├──15-学习反向传播.mp4 7.68M
├──16-作业讲解视频.mp4 67.97M
├──17-作业讲解视频.mp4 90.36M
├──19-学习卷积神经网络历史.mp4 7.29M
├──20-学习卷积和池化.mp4 27.72M
├──21-学习激活函数-数据处理-权重初始化.mp4 11.39M
├──22-作业讲解视频.mp4 38.63M
├──25-学习优化策略.mp4 16.75M
├──27-作业讲解视频.mp4 42.86M
├──30-学习比较流行的cnn网络结构.mp4 15.86M
├──31-学习rnn,lstm,gru.mp4 8.69M
├──33-学习图像分割学习任务,分类和定位.mp4 22.89M
├──35-学习特征可视化方法.mp4 11.29M
├──37-学习Pixel RNN,Pixel CNN与变分自编码.mp4 17.95M
├──45-【kaggle猫狗分类比赛】比赛简介.mp4 5.94M
└──46-【学习kaggle猫狗分类比赛】详细操作.mp4 24.74M
├──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.mp4 55.45M
├──06-【作业讲解】:assignment1讲解.mp4 78.67M
├──07-打达观杯NLP比赛(报名指导和入门指导).mp4 21.96M
├──08-学习CS224n第二课和重难点讲解视频.mp4 57.65M
├──09-学习CS224n第三课和课程导学.mp4 65.74M
├──10-python numpy pytorch学习及编程作业解析.mp4 36.88M
├──11-学习CS224n第四课和课程导学.mp4 73.98M
├──12-观看看作业解答视频.mp4 52.68M
├──13-学习CS224n Lecture 05及导学.mp4 38.53M
├──15-Assignment 3作业讲解.mp4 69.37M
├──16-学习CS224n Lecture 06及导学.mp4 67.11M
├──18-观看作业解答视频.mp4 56.36M
├──19-观看作业解答视频2.mp4 120.59M
├──20-观看作业解答视频3.mp4 62.14M
├──21-神经机器翻译及attention.mp4 85.01M
├──23-Neural Machine Translation with RNN.mp4 48.47M
├──24-基于卷积神经网络的nlp.mp4 76.06M
├──26-观看作业解答视频.mp4 82.42M
├──27-观看A5作业讲解视频2.mp4 73.73M
├──28-transformers and BERT.mp4 92.87M
├──29-Lecture 14.mp4 64.06M
├──30-Natural Language Generation.mp4 86.54M
├──33-Lecture 18.mp4 165.36M
├──35-Future of NLP + Deep Learning.mp4 69.81M
├──36-kaggle文本分类比赛-比赛介绍.mp4 22.10M
├──37-kaggle文本分类比赛-数据分析.mp4 10.40M
├──38-kaggle文本分类比赛-baseline模型(1).mp4 28.76M
├──39-kaggle文本分类比赛-baseline模型(2).mp4 30.03M
└──40-kaggle文本分类比赛-提交数据+提分策略.mp4 17.83M
├──13-人工智能项目实战班
├──05-【试听CV项目】1.1-背景介绍.mp4 39.19M
├──06-【试听CV项目】1.2.1-图像初步-可视化.mp4 40.97M
├──07-【试听】算法工作分享——1面试准备.mp4 92.99M
├──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.mp4 13.64M
├──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.mp4 15.58M
├──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.mp4 11.01M
├──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.mp4 37.11M
├──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.mp4 18.50M
├──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.mp4 27.84M
├──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.mp4 52.23M
├──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.mp4 61.10M
├──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.mp4 9.01M
├──17-【NLP项目一人工智能辅助信息抽取】第四周-2.2文本表示.mp4 71.13M
├──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.mp4 80.90M
├──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.mp4 15.51M
├──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.mp4 36.85M
├──21-【NLP项目一人工智能辅助信息抽取】第四周-2.6 bilstm-crf实战.mp4 134.95M
├──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.mp4 25.88M
├──23-【NLP项目一人工智能辅助信息抽取】第四周-2.8 PCNN介绍.mp4 28.71M
├──24-【NLP项目一人工智能辅助信息抽取】第四周-2.9 PCNN实战.mp4 88.56M
├──25-【NLP项目一人工智能辅助信息抽取】3.1 图像预训练模型.mp4 22.73M
├──26-【NLP项目一人工智能辅助信息抽取】3.2 NLP预训练模型.mp4 53.76M
├──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.mp4 51.94M
├──28-【NLP项目一人工智能辅助信息抽取】3.4 BERT NER实战.mp4 110.69M
├──29-【NLP项目一人工智能辅助信息抽取】3.5 总结与展望.mp4 42.16M
├──30-【CV项目一图像分割深度学习实战】第一周-1.1-背景介绍.mp4 39.19M
├──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.mp4 40.97M
├──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.mp4 30.80M
├──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.mp4 42.68M
├──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.mp4 46.33M
├──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.mp4 183.39M
├──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.mp4 53.19M
├──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.mp4 67.19M
├──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.mp4 26.97M
├──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.mp4 11.94M
├──41-【CV项目一图像分割深度学习实战】第二周-2.5-调参-总结.mp4 13.95M
├──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.mp4 217.50M
├──43-【CV项目一图像分割深度学习实战】第二周2.7-DeepLabv3+理论课.mp4 120.79M
├──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.mp4 21.78M
├──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.mp4 24.17M
├──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.mp4 115.93M
├──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.mp4 21.53M
├──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.mp4 41.78M
├──58-【CV项目一图像分割深度学习实战】第四周-4.3-bad.mp4 13.07M
├──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.mp4 92.99M
├──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.mp4 94.10M
├──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.mp4 45.86M
├──62-【推荐系统项目一电影推荐项目】1.1:推荐系统简介.mp4 55.92M
├──63-【推荐系统项目一电影推荐项目】1.2: 简单的电影推荐.mp4 66.49M
├──64-【推荐系统项目一电影推荐项目】1.3: IMDB评分.mp4 47.38M
├──65-【推荐系统项目一电影推荐项目】1.4:基于内容推荐.mp4 115.67M
├──66-【推荐系统项目一电影推荐项目】1.5:协同过滤算法.mp4 82.96M
├──67-【推荐系统项目】2.1criteo ctr.mp4 89.88M
├──68-【推荐系统项目】2.2FM&FFM.mp4 82.62M
├──69-【推荐系统项目】2.3Wide&Deep.mp4 71.63M
├──70-【推荐系统项目】2.4DeepFM.mp4 74.73M
├──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.mp4 30.67M
├──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.mp4 19.80M
├──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.mp4 29.36M
├──74-【医疗知识图谱构建及图表征学习实践项目】课时3:BiLSTM+CRF.mp4 33.33M
├──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.mp4 66.12M
├──76-【医疗知识图谱构建及图表征学习实践项目】课时5:Neo4j.mp4 33.49M
├──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.mp4 40.12M
├──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.mp4 34.56M
├──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.mp4 16.01M
├──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.mp4 13.74M
└──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.mp4 18.61M
├──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.mp4 50.27M
├──03-01-神经网络基础与多层感知机-1.mp4 39.18M
├──04-01-神经网络基础与多层感知机-2.mp4 58.01M
├──05-01-神经网络基础与多层感知机-3.mp4 36.52M
├──06-01-神经网络基础与多层感知机-4.mp4 72.88M
├──07-02-卷积神经网络-0.mp4 56.52M
├──08-02-卷积神经网络-1.mp4 88.02M
├──09-02-卷积神经网络-2.mp4 45.81M
├──10-03-循环神经网络-0.mp4 41.30M
├──11-03-循环神经网络-1.mp4 77.05M
└──12-03-循环神经网络-2.mp4 53.78M
├──15-06 OpenCV 图像基础
├──02-1-1图像基础知识.mp4 25.87M
├──03-1-2图像基础知识.mp4 30.36M
├──04-1-3图像基础知识.mp4 50.56M
├──05-1-4图像基础知识.mp4 40.81M
├──06-2-1图像基本处理.mp4 54.16M
├──07-2_2图像基本处理.mp4 24.47M
├──08-2_3图像基本处理.mp4 44.18M
├──09-2_4图像基本处理.mp4 52.09M
├──10-2_5图像基本操作_图像滤波.mp4 58.94M
├──11-2_6图像基本操作_图像增强.mp4 40.22M
├──12-2-7形态学操作_腐蚀…mp4 43.71M
├──13-2_8形态学操作_膨胀开运算与闭运算.mp4 61.29M
├──14-3_1固定阈值分割.mp4 41.30M
├──15-3_2自动阈值分割.mp4 51.64M
├──16-3_3边缘检测算子.mp4 64.32M
├──17-3_4连通区域_区域生长算法.mp4 48.26M
├──18-3_5分水岭算法图像分割.mp4 42.80M
├──19-4_1特征描述_HOG.mp4 47.18M
├──20-4_2特征描述Harris和SIFT算法.mp4 38.34M
├──21-4_3纹理特征LBP算法.mp4 46.89M
├──22-4_4模板匹配算法.mp4 36.39M
├──23-4_5人脸检测算法.mp4 58.78M
├──24-5_1摄像头调用和视频的读取保存.mp4 52.42M
├──25-5_2帧差法视频目标识别.mp4 43.94M
└──26-5_3光流法和背景减除法…mp4 50.62M
├──16-【论文】baseline基础篇目——NLP
├──02-1.1 joint-bert.mp4 72.20M
├──03-1.2 joint-bert.mp4 20.53M
├──04-1.3 joint-bert.mp4 10.51M
├──05-1.4 joint-bert.mp4 163.58M
├──06-1.5 joint-bert.mp4 20.31M
├──07-1.6 joint-bert.mp4 2.42M
├──08-1.7 joint-bert.mp4 59.41M
├──09-1.8 joint-bert-代码.mp4 41.67M
├──10-1.9 joint-bert-代码.mp4 171.59M
├──11-01 cnn_for-re-01(新版).mp4 44.68M
├──12-01 cnn_for-re-02(新版).mp4 62.23M
├──13-01 cnn_for-re-03(新版).mp4 73.00M
├──14-01 cnn_for-re-04(新版).mp4 77.66M
├──15-01 cnn_for-re-05(新版).mp4 60.89M
├──16-01 code_cnn_for_re-06(新版).mp4 89.23M
├──17-01 code_cnn_for_re-07(新版).mp4 84.48M
├──18-01 code_cnn_for_re-08(新版).mp4 98.82M
├──19-01 code_cnn_for_re-09(新版).mp4 109.69M
├──20-01 code_cnn_for_re-10(新版).mp4 69.05M
├──21-03elmo-01-elmo的下游任务介绍…mp4 47.00M
├──22-03elmo-02-feature_based和fine_tuning.mp4 44.11M
├──23-03elmo-03-word2vec和charcnn回顾.mp4 35.84M
├──24-03elmo-04-Bidirectional_language_models.mp4 46.09M
├──25-03elmo-05-how to use emol…mp4 39.38M
├──26-03elmo-06-论文回顾…mp4 117.24M
├──27-03elmo-07-代码预处理部分.mp4 242.87M
├──28-03elmo-08-代码模型结构部分.mp4 218.74M
├──29-03elmo-09-代码crf流程…mp4 163.52M
├──30-03elmo-10-代码crf实现…mp4 233.32M
├──31-01nodevec-01-研究背景.mp4.mp4 70.40M
├──32-01nodevec-02-研究成果.mp4.mp4 177.29M
├──33-01nodevec-03-图的应用.mp4.mp4 98.82M
├──34-01nodevec-04-模型结构&BFS&DFS.mp4.mp4 401.92M
├──35-01nodevec-05-模型算法&alias算法.mp4.mp4 593.86M
├──36-01nodevec-06-实验分析.mp4.mp4 515.00M
├──37-01nodevec-07-论文总结.mp4.mp4 255.50M
├──38-01nodevec-08-代码整体介绍.mp4 414.96M
├──39-01nodevec-09-代码节点和边的alias实现.mp4.mp4 457.58M
├──40-01nodevec-10-代码有偏随机游走和模型训练.mp4.mp4 183.10M
├──41-01nodevec-11-代码结果展示和总结.mp4.mp4 85.83M
├──42-01transformer-01-论文背景&研究成果.mp4 134.08M
├──43-01transformer-02-attention回顾.mp4 126.21M
├──44-01transformer-03-模型框架和self_attention.mp4 114.95M
├──45-01transformer-04-模型小trick…mp4 240.65M
├──46-01transformer-05-代码框架部分和encoder.mp4 423.84M
├──47-01transformer-06-代码decoder和self_attention.mp4 433.47M
├──48-01transformer-07-代码训练部分和预测部分.mp4 537.31M
├──49-1.1 word2vec1-1背景知识.mp4 200.15M
├──50-1.2 word2vec1-2论文泛读.mp4 163.96M
├──51-1.3 word2vec2-1对比模型.mp4 160.79M
├──52-1.4 word2vec2-2原理.mp4 89.22M
├──53-1.5 word2vec2-3word2vec关键技术.mp4 123.18M
├──54-1.6 word2vec2-4模型复杂度.mp4 57.38M
├──55-1.7 word2vec2-5实验结果.mp4 164.15M
├──56-1.8 word2vec3-1代码部分上.mp4 240.51M
├──57-1.9 word2vec3-2代码部分下.mp4 264.11M
├──58-1.1- BiLSTM-CRF-论文研究背景.mp4 129.95M
├──59-1.2- BiLSTM-CRF-论文算法总览.mp4 92.20M
├──60-1.3-BiLSTM-CRF模型结构.mp4 73.23M
├──61-1.4-BiLSTM-CRF损失函数与维特比解码.mp4 56.29M
├──62-1.5- BiLSTM-CRF-实验结果与论文总结.mp4 35.22M
├──63-1.6- BiLSTM-CRF代码讲解.mp4 180.90M
├──64-1.7- BiLSTM-CRF-NCR-Fpp代码详解.mp4 155.81M
├──65-01DSSM-00专题引言.mp4 34.45M
├──66-01DSSM-01-学习目标…mp4 9.80M
├──67-01DSSM-02-论文背景-贡献及意义.mp4 21.73M
├──68-01DSSM-03摘要精读-总结.mp4 15.85M
├──69-01DSSM-04-上节回顾.mp4 12.39M
├──70-01DSSM-05-词哈希.mp4 27.39M
├──71-01DSSM-06-DSSM整体结构.mp4 13.01M
├──72-01DSSM-07-优化函数-实验与总结.mp4 20.27M
├──73-01DSSM-08-代码总览.mp4 22.27M
├──74-01DSSM-09-词哈希表的建立与数据载入.mp4 47.05M
└──75-01DSSM-10-模型的搭建与训练-测试.mp4 36.95M
├──17-【论文】baseline基础篇目——CV
├──02-1.1 CRNN-泛读-背景论文.mp4 239.74M
├──03-1.2 CRNN-泛读-研究成果及意义.mp4 79.27M
├──04-1.3 CRNN-泛读-LSTM-CTC-Beam Search-论文泛读.mp4 134.24M
├──05-1.4 CRNN-精读-原有模型.mp4 37.97M
├──07-1.6 CRNN-精读-论文细节二三四.mp4 98.25M
├──08-1.7 CRNN-精读-实验结果及总结.mp4 40.13M
├──09-1.8 CRNN-code1.mp4 71.62M
├──10-1.9 CRNN-code2.mp4 75.49M
├──11-1.10 CRNN-code3.mp4 76.27M
├──12-1.11 CRNN-code4.mp4 26.15M
├──13-1.12 CRNN-code5.mp4 29.05M
├──14-YOLO-01-发展历史和YOLO v1.mp4 79.22M
├──15-YOLO-02-YOLO v2.mp4.mp4 112.09M
├──16-YOLO-03-YOLO v3_2.mp4.mp4 117.62M
├──17-YOLO-04-代码复现.mp4 45.47M
├──18-YOLO-05-数据预处理和网络结构代码讲解.mp4.mp4 290.84M
├──19-YOLO-06-训练和检测代码讲解.mp4 45.15M
├──20-03{white}Faster{white}R-CNN-01-论文泛读_RCNN演变.mp4 197.17M
├──21-03 Faster R-CNN-02-论文泛读_摘要和网络结构.mp4 291.86M
├──22-03 Faster R-CNN-03-精读_结构总览.mp4.mp4 189.81M
├──23-03 Faster R-CNN-04-精读Paper_背景介绍.mp4.mp4 215.97M
├──24-03 Faster R-CNN-05-精读Paper_RPN与rpn_loss.mp4.mp4 535.99M
├──25-03 Faster R-CNN-06-精读Paper_RPN训练.mp4.mp4 317.93M
├──26-03 Faster R-CNN-07-精读Paper_实验和结论.MP4.mp4 459.85M
├──27-03 Faster R-CNN-08-精读PPT_Anchor和RPN.mp4.mp4 231.19M
├──28-03 Faster R-CNN-09-精读PPT_网络细节.mp4 102.33M
├──29-03 Faster R-CNN-10-代码讲解_训练VOC数据集.mp4 211.14M
├──30-03 Faster R-CNN-11-代码讲解_backbone网络讲解.mp4 378.81M
├──31-03 Faster R-CNN-12-代码讲解_RPN.mp4 47.96M
├──32-03 Faster R-CNN-13-代码讲解_数据和标签的同步处理(Dataset类).mp4 287.45M
├──33-03 Faster R-CNN-14代码讲解_建议框的生成(Proposal layer).mp4 154.31M
├──34-03 Faster R-CNN-15-代码讲解_Anchor box的生成和正负样本的划分.mp4 380.29M
├──35-01GAN-01-论文摘要.mp4 147.71M
├──36-01GAN-02-论文背景.mp4 59.74M
├──37-01GAN-03-论文泛读.mp4 198.37M
├──38-01GAN-04-价值函数.mp4 86.38M
├──39-01GAN-05-训练流程&理论证明1.mp4 75.72M
├──40-01GAN-06-理论证明2&实验结果&总结展望.mp4 115.88M
├──41-01GAN-07-代码分析综述.mp4 131.77M
├──42-01GAN-08-代码分析精讲.mp4 194.73M
├──43-01mobileNet-01-背景介绍.mp4 51.82M
├──44-01mobileNet-02-论文结构&摘要精读.mp4 143.80M
├──45-01mobileNet-03-主体架构&深度可分离卷积.mp4 187.30M
├──46-01MobileNet-04-超参数.mp4 128.33M
├──47-01mobileNet-05-后续创新及改进.mp4 119.38M
├──49-01MobileNets-07-模型设计.mp4 88.27M
├──50-01MobileNets-08-模型评估.mp4 150.81M
├──51-01FCN-01-语意分割简介.mp4 60.32M
├──52-01FCN-02常用数据集-指标-研究成果…mp4 66.09M
├──53-01FCN-03-论文摘要精读…mp4 202.53M
├──54-01FCN-04-论文引言-全局信息及部分信息.mp4 114.78M
├──55-01FCN-05-感受域&平移不变性.mp4 112.51M
├──56-01FCN-06-经典算法&本文算法-上采样.mp4 57.42M
├──57-01FCN-07-算法架构…mp4 103.19M
├──58-01FCN-08-训练技巧&实验结果及分析…mp4 119.27M
├──59-01FCN-09-讨论&总结.mp4 28.19M
├──60-01FCN-10-代码实现.mp4 63.70M
├──61-01FCN-11-数据预处理…mp4 138.36M
├──62-01FCN-12-模型搭建.mp4 155.84M
├──63-01FCN-13-训练-验证&预测函数搭建…mp4 104.17M
├──64-01FCN-14-损失函数.mp4 95.08M
├──65-01FCN-15-指标计算.mp4 130.86M
├──66-01AlexNet-01-研究背景.mp4 155.77M
├──67-01AlexNet-02- 研究成果意义.mp4 24.05M
├──68-01AlexNet-03-论文结构.mp4 81.13M
├──69-01AlexNet-04-结构.mp4 71.65M
├──70-01AlexNet-05网络结构特点.mp4 226.10M
├──71-01AlexNet-06-训练技巧.mp4 78.92M
├──72-01AlexNet-07实验结果及分析.mp4 95.69M
├──73-01AlexNet-08-论文总结.mp4 52.16M
├──74-01AlexNet-09-准备工作&代码结构.mp4 93.60M
├──75-01AlexNet-10-代码结构.mp4 196.09M
├──76-01AlexNet-11-代码结构.mp4 83.08M
├──77-01AlexNet-12- 代码结构4&训练方法.mp4 421.73M
├──78-1.1 特征脸识别-人脸识别背景介绍.mp4 109.04M
├──79-1.2 特征脸识别-论文研究背景成果以及意义.mp4 78.72M
├──80-1.3 特征脸识别-论文泛读摘要部分.mp4 131.86M
├──81-1.4 特征脸识别-论文泛读介绍部分.mp4 81.39M
├──82-1.5 特征脸识别-论文泛读相关工作部分.mp4 100.49M
├──83-1.6 特征脸识别-论文精读PCA补充.mp4 133.72M
├──84-1.7 特征脸识别-论文精读特征脸计算上.mp4 245.61M
├──85-1.8 特征脸识别-论文精读特征脸计算中.mp4 162.81M
├──86-1.9 特征脸识别-论文精读特征脸计算下.mp4 267.53M
├──87-1.10 特征脸识别-代码讲解pca计算.mp4 118.07M
├──88-1.11 特征脸识别-代码讲解特征提取以及人脸重构.mp4 78.57M
├──89-1.12 特征脸识别-代码讲解人脸分类之最短距离方法.mp4 77.75M
├──90-1.13 特征脸识别-代码讲解人脸分类之SVM方法.mp4 68.57M
├──91-1.14 特征脸识别-代码讲解人脸分类之神经网络方法.mp4 153.78M
└──92-1.15 特征脸识别-论文总结.mp4 28.74M
├──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.mp4 100.84M
├──02-【01课】赛题详解.mp4 156.41M
├──03-【02课】比赛专题讲解.mp4 125.32M
├──04-【03课】模型调参和文本增强比赛专题讲解.mp4 121.68M
├──05-【04课】比赛思路进阶专题讲解.mp4 99.24M
└──06-【05课】比赛思路全复盘(纯干货).mp4 126.57M
├──19-面试刷题班
├──04-开营仪式—老师部分.mp4 81.28M
├──05-【了解机器学习中的特征工程和模型评估】P1快速排序.mp4 35.42M
├──06-【了解机器学习中的特征工程和模型评估】P2堆排序.mp4 34.87M
├──07-【了解机器学习中的特征工程和模型评估】P3滑动窗口.mp4 25.24M
├──08-【了解机器学习中的特征工程和模型评估】P4双指针.mp4 27.90M
├──09-【了解监督学习中的经典算法】P1逻辑回归.mp4 32.73M
├──10-【了解监督学习中的经典算法】P2决策树.mp4 41.34M
├──12-【学习支持向量机】P1几个重要的概念.mp4 22.15M
├──13-【学习支持向量机】P2svm最优化问题.mp4 39.20M
├──14-【学习支持向量机】P3硬间隔SVM最优化问题的推导.mp4 96.87M
├──15-【学习支持向量机】P4线性可分SVM.mp4 66.00M
├──16-【学习支持向量机】P5核函数.mp4 77.82M
├──17-【学习支持向量机】P6smo算法.mp4 129.72M
├──18-【数据结构和算法】P1KMP算法.mp4 76.58M
├──19-【数据结构和算法】P2二分搜索.mp4 66.96M
├──20-【数据结构和算法】P3哈希表.mp4 34.23M
├──21-【了解机器学习中如何降维处理】PCA和LDA.mp4 67.52M
├──23-【了解机器学习中的非监督学习算法】K-means.mp4 55.13M
├──24-【数据结构和算法】P1虚拟头结点.mp4 78.52M
├──25-【数据结构和算法】P2链表中环的入口结点.mp4 78.52M
├──26-【数据结构和算法】P3删除链表中重复的结点.mp4 38.28M
├──27-【数据结构和算法】P4栈,队列.mp4 53.21M
├──28-【机器学习中的概率图模型】P1hmm的引出和问题的介绍.mp4 35.71M
├──29-【机器学习中的概率图模型】P2HMM预测问题之维特比算法.mp4 125.42M
├──30-【机器学习中的概率图模型】P3crf的一些基础概念.mp4 81.50M
├──31-【机器学习中的概率图模型】P4crf具体介绍.mp4 101.93M
├──33-【数据结构和算法】P1DFS和BFS.mp4 38.73M
├──34-【数据结构和算法】P2最短路径.mp4 35.67M
├──35-【数据结构和算法】P3最小生成树.mp4 32.40M
├──36-【数据结构和算法】P4二叉树的遍历.mp4 27.83M
├──37-【数据结构和算法】P4二叉搜索树和平衡二叉树.mp4 81.70M
├──38-【前向神经网络】P1网络图和激活函数.mp4 27.04M
├──39-【前向神经网络】P2前向传播.mp4 49.22M
├──40-【前向神经网络】P3损失函数选用.mp4 26.01M
├──41-【前向神经网络】P4反向传播1.mp4 79.04M
├──42-【前向神经网络】P5反向传播2.mp4 57.35M
├──43-【了解序列数据中常用的循环神经网络】P1RNN.mp4 22.47M
├──44-【了解序列数据中常用的循环神经网络】P2GRU和LSTM.mp4 11.63M
├──46-【集成学习的原理和常见的集成学习】P1提升树算法.mp4 25.66M
├──47-【集成学习的原理和常见的集成学习】P2梯度提升树算法.mp4 26.23M
├──48-【集成学习的原理和常见的集成学习】P3二分类问题.mp4 37.45M
├──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.mp4 11.66M
├──50-【数据结构和算法】01背包问题.mp4 47.05M
├──51-【数据结构和算法】什么是动态规划(leetcode 70题).mp4 18.30M
├──52-【数据结构和算法】回溯法(机器人的运动范围).mp4 66.27M
├──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).mp4 38.55M
├──54-【数据结构和算法】leetcode416(01背包实例).mp4 36.41M
├──55-【数据结构和算法】最长公共子序列(leetcode 1143题).mp4 27.30M
├──56-【数据结构和算法】最长上升子序列(leetcode 300题).mp4 24.12M
├──57-【xgboost的原理以及常见面试题】P1xgboost的一些预备知识.mp4 20.54M
├──58-【xgboost的原理以及常见面试题】P2结构分.mp4 26.77M
├──59-【xgboost的原理以及常见面试题】P3贪心算法寻找分裂点.mp4 33.79M
├──60-【xgboost的原理以及常见面试题】P4近似算法和加权分桶.mp4 45.57M
├──61-【xgboost的原理以及常见面试题】P5缺失值处理算法.mp4 20.02M
├──62-【xgboost的原理以及常见面试题】P6其他优化.mp4 11.12M
├──64-【了解优化算法的原理】P1深度学习中的优化问题.mp4 18.96M
├──65-【了解优化算法的原理】P2梯度下降简单的数学原理.mp4 23.21M
├──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.mp4 10.38M
├──67-【了解优化算法的原理】P4动量法.mp4 29.39M
├──68-【了解优化算法的原理】P5常见的一些改进的优化算法.mp4 34.29M
├──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.mp4 32.67M
├──70-【了解常见的采样方法-作用-具体实现,以及应用】P2.mp4 22.86M
├──71-【了解常见的采样方法-作用-具体实现,以及应用】P3.mp4 54.74M
├──72-【了解常见的采样方法-作用-具体实现,以及应用】P4.mp4 19.63M
├──74-面试刷题班 8月5日直播答疑.mp4 355.32M
├──76-面试刷题班 8月9日直播答疑.mp4 357.08M
├──78-面试刷题班 8月15日直播答疑.mp4 407.94M
└──80-面试刷题班 8月22日直播答疑.mp4 151.49M
├──20-05 NLP基础知识
├──02-1-1 前言…mp4 181.87M
├──03-1-2 研究方向概述…mp4 142.59M
├──04-2-1 预备知识…mp4 82.84M
├──05-2-2 NLP问题中的特征…mp4 85.13M
├──06-2-3 特征输入…mp4 152.25M
├──07-2-4 文本的向量化表示与案例实现…mp4 120.55M
├──08-3-1 统计语言模型简介与案例实现…mp4 279.29M
├──09-3-2 语言模型任务评估…mp4 106.57M
├──10-3-3 神经语言模型简介与代码实现…mp4 340.85M
├──11-3-4 预训练的词表示及其使用实例…mp4 143.40M
├──12-4-1 word2vec原理…mp4 159.83M
├──13-4-2 word2vec代码复现…mp4 409.43M
├──14-4-3 word2vec项目实战展示…mp4 213.51M
├──15-4-4 BERT使用实战讲解…mp4 247.82M
├──16-4-5 MLP模型与实战…mp4 204.34M
├──17-4-6 RNN模型原理-代码复现与实战…mp4 339.92M
├──18-5-1 HMM序列标注…mp4 71.02M
├──19-5-2 HMM模型简介…mp4 130.72M
├──20-5-3 HMM样本生成…mp4 166.83M
├──21-5-4 HMM训练…mp4 90.57M
├──22-5-5 HMM预测…mp4 127.18M
└──23-5-6 HMM代码实现…mp4 287.92M
├──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.pdf 2.38M
├──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.pdf 3.31M
├──02-02-梯度下降法.pdf 3.22M
├──02-03-梯度下降法代码实现.pdf 3.01M
├──02-04-使用梯度下降法求解线性回归问题.pdf 3.17M
├──02-05-线性回归代码实现.pdf 1.83M
├──02-06-线性回归代码实现-做特征归一化.pdf 3.01M
├──02-07-批量梯度下降,随机梯度下降,小批量梯度下降.pdf 3.06M
├──02-08-几种常见的模型评价指标.pdf 3.05M
├──02-09-欠拟合与过拟合.pdf 1.87M
├──02-10-Ridge回归求解与代码实现.pdf 1.83M
├──02-11-LASSO回归求解.pdf 1.85M
├──02-12-LASSO回归求解举例说明.pdf 3.11M
├──02-13-LASSO回归代码实现.pdf 2.98M
├──02-14-最小二乘法求线性回归.pdf 3.13M
├──02-15-最小二乘法代码实现.pdf 2.98M
├──02-16-使用Sklearn实现Ridge,LASSO和ElasticNet.pdf 3.10M
└──02-17-波士顿房价预测.pdf 3.08M
├──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.pdf 3.36M
├──03-02-逻辑回归求解.pdf 3.57M
├──03-03-一个示例解释逻辑回归的求解公式.pdf 3.06M
├──03-04-逻辑回归代码实现.pdf 2.96M
├──03-05-逻辑回归的正则化.pdf 3.03M
├──03-06-逻辑回归实现多分类方法.pdf 3.29M
├──03-07-使用Sklearn实现逻辑回归.pdf 2.96M
├──03-08-案例:鸢尾花分类.pdf 2.98M
└──03-09-案例:手写数字识别.pdf 3.05M
├──04决策树
├──04-01-决策树简介、熵.pdf 1.92M
├──04-02-条件熵及计算举例.pdf 3.11M
├──04-03-信息增益、ID3算法.pdf 3.29M
├──04-04-决策树代码实现.pdf 2.96M
├──04-05-C4.pdf 3.14M
├──04-06-基尼指数(Gini Index)生成决策树.pdf 3.15M
├──04-07-决策树剪枝.pdf 3.10M
├──04-08-决策树处理连续值与缺失值.pdf 3.10M
├──04-09-多变量决策树.pdf 3.20M
├──04-10-Sklearn实现决策树.pdf 2.96M
└──04-11-案例:使用决策树进行个人信用风险评估.pdf 3.06M
├──05朴素贝叶斯
├──05-01-贝叶斯决策简介.pdf 3.20M
├──05-02-贝叶斯决策模型.pdf 3.21M
├──05-03-朴素贝叶斯模型.pdf 3.12M
├──05-04-朴素贝叶斯代码实现.pdf 2.96M
├──05-05-拉普拉斯修正及代码实现.pdf 3.03M
├──05-06-朴素贝叶斯如何处理连续型数据.pdf 3.11M
├──05-07-Sklearn实现朴素贝叶斯.pdf 2.96M
└──05-08-案例:垃圾邮件识别.pdf 3.00M
├──06支持向量机
├──06-01-支持向量机简介.pdf 3.08M
├──06-02-线性可分支持向量机(几何间隔,函数间隔,目标函数).pdf 3.48M
├──06-03-拉格朗日乘子法求带有等式约束的极值问题.pdf 3.17M
├──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.pdf 3.23M
├──06-05-目标函数求解(1.pdf 3.08M
├──06-06-目标函数求解(2.pdf 3.17M
├──06-07-SVM求解举例.pdf 3.28M
├──06-08-线性支持向量机的目标函数.pdf 1.71M
├──06-09-线性支持向量机目标函数优化.pdf 3.21M
├──06-10-非线性支持向量机简介.pdf 3.47M
├──06-11-非线性支持向量机的目标函数.pdf 3.04M
├──06-12-SMO算法推导结果.pdf 3.07M
├──06-13-SVM代码实现.pdf 2.96M
├──06-14-SMO算法推导过程.pdf 3.52M
├──06-15-SVM总结.pdf 3.16M
├──06-16-Sklearn实现SVM.pdf 2.96M
└──06-17-案例:使用SVM完成人脸识别.pdf 2.96M
├──07聚类
├──07-01-K-means基本原理及推导.pdf 3.17M
├──07-02-K-means中距离计算方法.pdf 3.05M
├──07-03-K-means代码实现.pdf 1.73M
├──07-04-层次聚类原理及距离计算.pdf 3.33M
├──07-05-层次聚类举例.pdf 3.03M
├──07-06-Sklearn实现层次聚类.pdf 2.96M
├──07-07-密度聚类.pdf 3.08M
├──07-08-Sklearn实现密度聚类.pdf 2.96M
├──07-09-高斯混合模型介绍.pdf 3.15M
├──07-10-高斯混合模型参数估计.pdf 2.98M
├──07-11-高斯混合模型代码实现.pdf 2.96M
└──07-12-案例:对亚洲足球队进行聚类分析.pdf 2.96M
├──08主成分分析
├──08-01-主成分分析介绍.pdf 3.11M
├──08-02-协方差矩阵的特征值分解算法.pdf 3.06M
├──08-03-协方差矩阵的特征值分解算法代码实现.pdf 2.97M
├──08-04-基于数据矩阵的奇异值分解算法.pdf 3.02M
├──08-05-基于数据矩阵的奇异值分解算法代码实现.pdf 2.97M
├──08-06-Sklearn实现PCA.pdf 3.09M
└──08-07-案例:PCA实现照片压缩.pdf 2.96M
└──09集成学习
├──09-01-集成学习介绍.pdf 2.98M
├──09-02-Voting能够提高准确度的原因.pdf 2.99M
├──09-03-Voting原理.pdf 3.04M
├──09-04-Voting代码实现.pdf 2.96M
├──09-05-Bagging与随机森林及其代码实现.pdf 3.04M
├──09-06-Boosting.pdf 3.04M
├──09-07-Adaboost举例.pdf 1.92M
├──09-08-AdaBoost代码实现.pdf 2.96M
├──09-09-GBDT之提升和提升树概念.pdf 3.01M
├──09-10-GBDT梯度提升树.pdf 3.04M
├──09-11-XGBoost介绍,目标函数,正则项.pdf 3.60M
├──09-12-XGBoost求解.pdf 3.10M
├──09-13-XGBoost树结构生成.pdf 3.29M
├──09-14-XGBoost代码实现.pdf 2.96M
├──09-15-Stacking.pdf 3.27M
└──09-16-Stacking 代码实现.pdf 2.96M
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。