机器学习与深度学习

1. (Part One)深度学习基础/视频/6.2神经网络算法应用上.mp495.96MB
2. (Part One)深度学习基础/视频/神经网络NN算法.mp477.51MB
3. (Part One)深度学习基础/视频/3.2决策树应用.mp472.42MB
4. (Part One)深度学习基础/视频/8.4Hierarchical clustering 层次聚类应用.mp462.52MB
5. (Part One)深度学习基础/视频/8.2Kmeans应用.mp461MB
6. (Part One)深度学习基础/视频/4.2最邻近规则KNN分类应用.mp457.47MB
7. (Part One)深度学习基础/视频/2基本概念.mp456.92MB
8. (Part One)深度学习基础/视频/7.6非线性回归应用.mp456.58MB
9. (Part One)深度学习基础/视频/总结.mp455.39MB
10. (Part One)深度学习基础/视频/支持向量机(SVM)算法(下)应用.mp455.15MB
11. (Part One)深度学习基础/视频/3.1决策树算法.mp454.25MB
12. (Part One)深度学习基础/视频/1.2深度学习介绍.mp452.68MB
13. (Part One)深度学习基础/视频/7.2简单线性回归下.mp452.49MB
14. (Part One)深度学习基础/视频/7.4多元线性回归应用.mp451.17MB
15. (Part One)深度学习基础/视频/1.1课程介绍机器学习介绍上.mp450.56MB
16. (Part One)深度学习基础/视频/7.8回归中的相关性和R平方值应用.mp443.12MB
17. (Part One)深度学习基础/视频/7.3多元线性回归.mp442.22MB
18. (Part One)深度学习基础/视频/7.1简单线性回归上.mp440.76MB
19. (Part One)深度学习基础/视频/4.1最邻近规则分类KNN算法.mp438.85MB
20. (Part One)深度学习基础/视频/7.7回归中的相关度和决定系数.mp438.05MB
21. (Part One)深度学习基础/视频/支持向量机(SVM)算法下.mp436.1MB
22. (Part One)深度学习基础/视频/5.1支持向量机SVM上.mp435.56MB
23. (Part One)深度学习基础/视频/8.1Kmeans算法.mp435.43MB
24. (Part One)深度学习基础/视频/5.1支持向量机SVM上应用.mp434.97MB
25. (Part One)深度学习基础/视频/6.3神经网络算法应用下.mp434.25MB
26. (Part One)深度学习基础/视频/7.5非线性回归 Logistic Regression.mp430.34MB
27. (Part One)深度学习基础/视频/8.3Hierarchical clustering 层次聚类.mp429.82MB
28. (Part One)深度学习基础/视频/1.1课程介绍机器学习介绍下.mp49.95MB
29. (Part One)深度学习基础/课件/6.2神经网络算法应用上/6.2神经网络算法应用上.mp495.96MB
30. (Part One)深度学习基础/课件/6.3神经网络算法应用下/6.3神经网络算法应用下.mp434.25MB
31. (Part Three)深度学习深入与强化/第10课 更多框架/第10课 更多框架.avi429.37MB
32. (Part Three)深度学习深入与强化/第1课 机器学习中数学基础/第1课 机器学习中数学基础.avi609.35MB
33. (Part Three)深度学习深入与强化/第2课 高效计算基础与图像线性分类器/第2课 高效计算基础与图像线性分类器.avi677.91MB
34. (Part Three)深度学习深入与强化/第3课 梯度下降法与反向传播/第3课 梯度下降法与反向传播.avi438.73MB
35. (Part Three)深度学习深入与强化/第4课 CNN与常用框架/第4课 CNN与常用框架.avi650.8MB
36. (Part Three)深度学习深入与强化/第5课 CNN训练注意事项与框架使用/第5课 CNN训练注意事项与框架使用.avi743.32MB
37. (Part Three)深度学习深入与强化/第6课 CNN推展案例/第6课 CNN推展案例.avi662.57MB
38. (Part Three)深度学习深入与强化/第7课 RNN介绍/第7课 RNN介绍.avi362.89MB
39. (Part Three)深度学习深入与强化/第8课 RNN应用/第8课 RNN应用.avi531.08MB
40. (Part Three)深度学习深入与强化/第9课 更多的网络类型/第9课 更多的网络类型.avi483.73MB
41. (Part Two)深度学习进阶/视频/第4章 环境配置分部详解下.mp4111.05MB
42. (Part Two)深度学习进阶/视频/第10章 神经网络手写数字演示.mp4107.29MB
43. (Part Two)深度学习进阶/视频/第6章 神经网络基本结构及梯度下降算法.mp482.79MB
44. (Part Two)深度学习进阶/视频/第2章 软件包安装和环境配置总述.mp480.2MB
45. (Part Two)深度学习进阶/视频/第25章 ConvolutionNeuralNetwork实现下.mp478.28MB
46. (Part Two)深度学习进阶/视频/第3章 环境配置分部详解.mp477.09MB
47. (Part Two)深度学习进阶/视频/第21章 深度神经网络中的难点.mp476.06MB
48. (Part Two)深度学习进阶/视频/第15章 Softmax和Overfitting.mp475.9MB
49. (Part Two)深度学习进阶/视频/第19章 提高版本的手写数字识别实现.mp472.83MB
50. (Part Two)深度学习进阶/视频/第9章 梯度下降算法实现下.mp469.03MB
51. (Part Two)深度学习进阶/视频/第11章 Backpropagation算法上.mp465.96MB
52. (Part Two)深度学习进阶/视频/第23章 ConvolutionNerualNetwork算法.mp464.74MB
53. (Part Two)深度学习进阶/视频/第13章 Backpropagation算法实现.mp464.12MB
54. (Part Two)深度学习进阶/视频/第26章 Restricted Boltzmann Machine.mp463.15MB
55. (Part Two)深度学习进阶/视频/第12章 Backpropagation算法下.mp461.54MB
56. (Part Two)深度学习进阶/视频/第20章 神经网络参数hyper-parameters选择.mp454.96MB
57. (Part Two)深度学习进阶/视频/第24章 ConvolutionNeuralNetwork实现上.mp451.73MB
58. (Part Two)深度学习进阶/视频/第17章 Regulazition和Dropout.mp450.49MB
59. (Part Two)深度学习进阶/视频/第8章 梯度下降算法实现上.mp450.19MB
60. (Part Two)深度学习进阶/视频/第14章 cross-entropy函数.mp449.72MB
61. (Part Two)深度学习进阶/视频/第27章 Restricted Boltzmann Machine下.mp449.49MB
62. (Part Two)深度学习进阶/视频/第28章 Deep Brief Network 和 Autoencoder.mp447.36MB
63. (Part Two)深度学习进阶/视频/第5章 手写数字识别.mp446.17MB
64. (Part Two)深度学习进阶/视频/第1章 基本概念清晰版.mp442.58MB
65. (Part Two)深度学习进阶/视频/第16章 Regulization.mp437.48MB
66. (Part Two)深度学习进阶/视频/第22章 用ReL解决VanishingGradient问题.mp437.01MB
67. (Part Two)深度学习进阶/视频/第18章 正态分布和初始化(修正版).mp428.78MB
68. (Part Two)深度学习进阶/视频/第7章 随机梯度下降算法.mp420.57MB
69. 机器学习/(01)机器学习与相关数学初步/(1)机器学习与相关数学初步.avi427.96MB
70. 机器学习/(02)数理统计与参数估计/(2)数理统计与参数估计.avi470.89MB
71. 机器学习/(03)矩阵分析与应用/(3)矩阵分析与应用.avi450.44MB
72. 机器学习/(04)凸优化初步/(4)凸优化初步.avi453.1MB
73. 机器学习/(05)回归分析与工程应用/(5)回归分析与工程应用.avi500.18MB
74. 机器学习/(06)特征工程/(6)特征工程.avi731.61MB
75. 机器学习/(07)工作流程与模型调优/(7)工作流程与模型调优.avi763.8MB
76. 机器学习/(08)最大熵模型与EM算法/(8)最大熵模型与EM算法.avi445.37MB
77. 机器学习/(09)推荐系统与应用/(9)推荐系统与应用.avi702.91MB
78. 机器学习/(10)聚类算法与应用/(10)聚类算法与应用.avi727.71MB
79. 机器学习/(11)决策树随机森林和adaboost/代码/randomforests.py1.68KB
80. 机器学习/(11)决策树随机森林和adaboost/(11)决策树随机森林adaboost.avi408.17MB
81. 机器学习/(12)SVM/(12)SVM.avi487.86MB
82. 机器学习/(13)贝叶斯方法/(13)贝叶斯方法.avi435.48MB
83. 机器学习/(14)主题模型/(14)主题模型.avi437.07MB
84. 机器学习/(15)贝叶斯推理采样与变分/(15)贝叶斯推理采样变分方法.avi323.43MB
85. 机器学习/(16)人工神经网络/(16)人工神经网络.avi391.51MB
86. 机器学习/(17)卷积神经网络/(17)卷积神经网络.avi476.19MB
87. 机器学习/(18)循环神经网络与LSTM/(18)循环神经网络和LSTM.avi419.65MB
88. 机器学习/(19)Caffe&Tensor Flow&MxNet 简介/(19)Caffe&Tensor Flow&MxNet 简介.avi401.93MB
89. 机器学习/(20)贝叶斯网络和HMM/(20)贝叶斯网络和HMM.avi405.42MB
90. 机器学习/(额外补充)词嵌入word embedding/(额外补充)词嵌入word embedding.avi471.74MB