机器学习算法入门学习视频 July七月在线机器学习算法基础课程

机器学习算法入门学习视频 July七月在线机器学习算法基础课程
===============课程目录===============
│ ├<(01)机器学习与相关数学初步>
│ │ ├(1)机器学习初步与微积分概率论.pdf
│ │ └(1)机器学习与相关数学初步.avi
│ ├<(02)数理统计与参数估计>
│ │ ├(2)数理统计与参数估计.avi
│ │ └(2)数理统计与参数估计.pdf
│ ├<(03)矩阵分析与应用>
│ │ ├(3)矩阵分析与应用.avi
│ │ └(3)矩阵分析与应用.pdf
│ ├<(04)凸优化初步>
│ │ ├(4)凸优化初步.avi
│ │ └(4)凸优化初步.pdf
│ ├<(05)回归分析与工程应用>
│ │ ├(5)回归分析与工程应用.avi
│ │ ├<课件和数据及代码>
│ │ │ ├4月班第5课课件：回归及工程应用经验.pdf
│ │ │ ├data1.txt
│ │ │ ├data2.txt
│ │ │ ├logistic_regression_example.ipynb
│ │ │ ├Untitled.ipynb
│ │ │ ├<.ipynb_checkpoints>
│ │ │ │ ├logistic_regression_example-checkpoint.ipynb
│ │ │ │ └Untitled-checkpoint.ipynb
│ ├<(06)特征工程>
│ │ ├(6)特征工程.avi
│ │ ├<课件与数据及代码>
│ │ │ ├4月班第6课课件：特征工程.pdf
│ │ │ ├feature_engineering_example.ipynb
│ │ │ └kaggle_bike_competition_train.csv
│ ├<(07)工作流程与模型调优>
│ │ ├(7)工作流程与模型调优.avi
│ │ └(7)工作流程与模型调优.zip
│ ├<(08)最大熵模型与EM算法>
│ │ ├(8)最大熵模型与EM算法.avi
│ │ └(8)最大熵模型与EM算法.pdf
│ ├<(09)推荐系统与应用>
│ │ ├(9)推荐系统与应用.avi
│ │ ├<(9)推荐系统与应用>
│ │ │ ├4月机器学习班第9课–推荐系统.pdf
│ │ │ ├CF&&MF recommendation system.zip
│ │ │ └Reccomendation System Examples.ipynb
│ ├<(10)聚类算法与应用>
│ │ ├(10)聚类算法与应用.avi
│ │ └(10)聚类算法与应用.pdf
│ ├<(11)决策树随机森林和adaboost>
│ │ ├(11)决策树随机森林adaboost.avi
│ │ ├(11)决策树随机森林adaboost.pdf
│ │ ├<代码>
│ │ │ ├randomforests.py
│ │ │ ├randomforests.pyc
│ │ │ ├samtrain.csv
│ │ │ ├samval.csv
│ │ │ ├随机森林.ipynb
│ │ │ ├<.ipynb_checkpoints>
│ │ │ │ └随机森林-checkpoint.ipynb
│ ├<(12)SVM>
│ │ ├(12)SVM.avi
│ │ ├(12)SVM.pdf
│ │ ├(12)支持向量机.ipynb
│ │ ├<(补充材料1)SVM补充视频>
│ │ │ └补充SVM视频下载地址.txt
│ │ ├<(补充材料2)SVM的Python程序代码>
│ │ │ └sklearnExample.py
│ ├<(13)贝叶斯方法>
│ │ ├(13)贝叶斯方法.avi
│ │ ├(13)贝叶斯方法.pdf
│ │ └naive_bayes-master.zip
│ ├<(14)主题模型>
│ │ ├(14)主题模型.avi
│ │ ├(14)主题模型.pdf
│ │ ├(补充阅读材料1)Comparing LDA with pLSI as a Dimensionality Reduction Method in Document Clustering.pdf
│ │ ├(补充阅读材料2)Investigating task performance of probabilistic topic models – an empirical study of PLSA and LDA.pdf
│ │ └LDAClassify.zip
│ ├<(15)贝叶斯推理采样与变分>
│ │ ├(15)贝叶斯推理采样变分方法.avi
│ │ ├(15)贝叶斯推理-采样与变分简介.pdf
│ │ └gibbsGauss.py
│ ├<(16)人工神经网络>
│ │ ├(16)人工神经网络.avi
│ │ ├(16)人工神经网络.pdf
│ │ └Lesson_16_Neural_network_example.ipynb
│ ├<(17)卷积神经网络>
│ │ ├(17)卷积神经网络.avi
│ │ └(17)卷积神经网络.pdf
│ ├<(18)循环神经网络与LSTM>
│ │ ├(18)循环神经网络和LSTM.avi
│ │ └(18)循环神经网络与LSTM.pdf
│ ├<(19)Caffe&Tensor Flow&MxNet 简介>
│ │ ├(19)Caffe&Tensor Flow&MxNet 简介.avi
│ │ └(19)Caffe&Tensor Flow&MxNet 简介.pdf
│ ├<(20)贝叶斯网络和HMM>
│ │ ├(20)贝叶斯网络和HMM.avi
│ │ └(20)贝叶斯网络和HMM.pdf
│ ├<(额外补充)词嵌入word embedding>
│ │ ├(额外补充)词嵌入word embedding.avi
│ │ └(额外补充)词嵌入原理及应用简介.pdf