【人工智能】人工智能与云计算多套视频教程合集
收藏
- 大小：32 GB
- 类别：软件教程
- 下载权限： 至尊会员
关键词：
下载地址
资源简介
人工智能与云计算视频教程合集
总目录：
人工智能基础课
机器学习40讲
深入浅出云计算
深度学习推荐系统实战
人工智能视频三套
《深度学习》花书训练营【第二期】（完结）
人工智能与信息社会 - 北京大学
人工智能原理 - 北京大学
人工智能实践：Tensorflow笔记_北京大学
人工智能相关资料
————————————————————————————————————————————————
│ Deeplearning深度学习笔记v5.71.pdf
│ leetcode cookbook.pdf
│ Neural Network and Deep Learning-中文版.pdf
│ nndl-book.pdf
│ 《Python深度学习》2018中文版.pdf
│ 机器学习个人笔记完整版v5.51-A4打印版.pdf
│ 百面机器学习.pdf
│ 目录22222.bat
│ 神经网络与深度学习-3小时.pdf
│
├─023.《深度学习》花书训练营【第二期】（完结）
│ ├─00【学前准备】开营仪式，认识群内的小伙伴
│ │ 深度输出活动.docx
│ │ 看开营仪式，了解学习模式.docx
│ │
│ ├─01 第一周线性代数
│ │ PCA.mp4
│ │ 伪逆矩阵最小二乘.mp4
│ │ 矩阵对角化以及SVD分解.mp4
│ │ 资料下载.doc
│ │
│ ├─02 第一周：概率与信息伦，数值计算，拼课，加微信，zszhp2019
│ │ 无约束最优化.mp4
│ │ 有约束最优化.mp4
│ │ 极大似然估计.mp4
│ │
│ ├─03 第一周：本周学习任务简单总结
│ │ 03 第一周：本周学习任务简单总结.doc
│ │
│ ├─04 第二周 机器学习算法基本概念，拼课，加微信，zszhp2019
│ │ 估计、偏差和方差.mp4
│ │ 机器学习算法基本概念.doc
│ │ 机器学习算法基本概念.mp4
│ │ 过拟合欠拟合超参数验证集.mp4
│ │
│ ├─05 第二周 贝叶斯统计与逻辑回归，
│ │ 贝叶斯统计.mp4
│ │ 逻辑回归.mp4
│ │
│ ├─06 第二周：本周学习任务简单总结
│ │ 第二周：本周学习任务简单总结.docx
│ │
│ ├─07 第三周：LDA与SVM算法，
│ │ LDA.mp4
│ │ SVM.mp4
│ │
│ ├─08 第三周：随机梯度下降，拼课，加微信，zszhp2019
│ │ 决策树，.mp4
│ │
│ ├─09 第三周：本周学习任务简单总结
│ │ 08 第三周：本周学习任务简单总结，拼课，加微信，zszhp2019.doc
│ │
│ ├─10 第四周：前馈神经网络损失函数
│ │ 前馈神经网络结构表达能力.mp4
│ │ 激活函数损失函数，.mp4
│ │
│ ├─11 第四周：前馈神经网络架构设计 反向传播、，
│ │ 前向后向算法、.mp4
│ │
│ ├─12 第四周：直播答疑日
│ │ 第四周：直播答疑日.mp4
│ │
│ ├─13 第四周：本周学习任务简单总结
│ │ 第四周：本周学习任务简单总结.docx
│ │
│ ├─14 第五周：范数惩罚正则化，
│ │ 数据增强bagging dropout.mp4
│ │ 范数惩罚正则化，.mp4
│ │
│ ├─15 第五周：深度模型中的优化
│ │ 第五周：深度模型中的优化.mp4
│ │
│ ├─16 第五周：本周学习任务简单总结，
│ │ 总结.docx
│ │
│ ├─17 第五周：直播答疑
│ │ 直播答疑.mp4
│ │
│ ├─18 第六周：卷积神经网络基础，
│ │ cnn前向后向，.mp4
│ │ 局部感知权值共享，.mp4
│ │
│ ├─19 第六周：卷积函数变体
│ │ lenet alexnet，拼课，加微信，zszhp2019.mp4
│ │ vggnet googlenet，拼课，加微信，zszhp2019.mp4
│ │
│ ├─20 第六周：本周任务简单总结+直播答疑日，
│ │ 第六周：本周学习任务简单总结.docx
│ │ 答疑.mp4
│ │
│ ├─21 第七周：RNN概念&前向传播
│ │ RNN概念&前向传播，.mp4
│ │
│ ├─22 第七周：RNN反向传播与并行计算，
│ │ RNN反向传播与并行计算.mp4
│ │
│ ├─23 第七周：本周学习任务简单总结
│ │ 第七周：本周学习任务简单总结.docx
│ │
│ ├─24 第八周：lstm，
│ │ lstm.mp4
│ │
│ ├─25 第八周：gru，
│ │ gru.mp4
│ │
│ ├─26 第八周：本周任务简单总结+直播答疑日，
│ │ 任务总结.docx
│ │ 直播答疑.mp4
│ │
│ ├─27 第九周：推理加速、训练加速
│ │ 推理加速，.mp4
│ │ 训练加速.mp4
│ │
│ ├─28 第九周：自适应和gan，
│ │ 28 第九周：自适应和gan.mp4
│ │
│ ├─29 第九周：本周学习任务简单总结，
│ │ 第九周：本周学习任务简单总结.docx
│ │
│ └─花书第二期视频课PPT（完结），拼课，加微信，zszhp2019
│ 第一周：数学基础(修正版）.pdf
│ 第七、八周：第十章循环神经网络.pdf
│ 第九周：实际工作中的一些高级技术2.0.pdf
│ 第二周和第三周：机器学习基础.pdf
│ 第五周深度模型的优化.pdf
│ 第五周：深度学习中的正则化，.pdf
│ 第六周：第九章卷积网络2.0，.pdf
│ 第四周：深度前馈网络，.pdf
│
├─人工智能与信息社会 - 北京大学
│ │ Playlist.dpl
│ │
│ ├─1 1新闻热点与身边的人工智能(68min)
│ │ ├─1.1 101家庭助手(8min)
│ │ │ 1.1.1 101家庭助手.mp4
│ │ │ 1.1.1 101家庭助手_zh.srt
│ │ │ 1.1.3 101家庭助手.pdf
│ │ │
│ │ ├─1.2 102机器翻译(9min)
│ │ │ 1.2.1 102机器翻译.mp4
│ │ │ 1.2.1 102机器翻译_zh.srt
│ │ │ 1.2.2 102机器翻译.pdf
│ │ │
│ │ ├─1.3 103图像识别(9min)
│ │ │ 1.3.1 103图像识别.mp4
│ │ │ 1.3.1 103图像识别_zh.srt
│ │ │ 1.3.2 103图像识别.pdf
│ │ │
│ │ ├─1.4 104下棋高手(13min)
│ │ │ 1.4.1 104下棋高手.mp4
│ │ │ 1.4.1 104下棋高手_zh.srt
│ │ │ 1.4.2 104下棋高手.pdf
│ │ │
│ │ ├─1.5 105自动驾驶(7min)
│ │ │ 1.5.1 105自动驾驶.mp4
│ │ │ 1.5.1 105自动驾驶_zh.srt
│ │ │ 1.5.2 105自动驾驶.pdf
│ │ │
│ │ ├─1.6 106医疗健康(8min)
│ │ │ 1.6.1 106医疗健康.mp4
│ │ │ 1.6.1 106医疗健康_zh.srt
│ │ │ 1.6.2 106医疗健康.pdf
│ │ │
│ │ ├─1.7 107金融与商业(12min)
│ │ │ 1.7.1 107金融与商业.mp4
│ │ │ 1.7.1 107金融与商业_zh.srt
│ │ │ 1.7.2 107金融与商业.pdf
│ │ │
│ │ ├─1.8 108微软亚洲研究院院长洪小文博士寄语计算机教育(2min)
│ │ │ 1.8.1 108微软亚洲研究院院长洪小文博士寄语计算机教育.mp4
│ │ │
│ │ └─1.9 109人工智能改变世界：微软新视界Center One（3min）
│ │ 1.9.1 109人工智能改变世界：微软新视界Center One.mp4
│ │
│ ├─2 2人工智能发展简史(73min)
│ │ ├─2.1 201什么是人工智能(10min)
│ │ │ 2.1.1 201什么是人工智能.mp4
│ │ │ 2.1.1 201什么是人工智能_zh.srt
│ │ │ 2.1.2 201什么是人工智能pdf.pdf
│ │ │
│ │ ├─2.2 202人工智能经典问题(10min)
│ │ │ 2.2.1 202人工智能经典问题.mp4
│ │ │ 2.2.1 202人工智能经典问题_zh.srt
│ │ │ 2.2.3 202人工智能经典问题pdf.pdf
│ │ │
│ │ ├─2.3 203第一次热潮(12min)
│ │ │ 2.3.1 203第一次热潮.mp4
│ │ │ 2.3.1 203第一次热潮_zh.srt
│ │ │ 2.3.2 203第一次热潮pdf.pdf
│ │ │
│ │ ├─2.4 204第二次热潮(11min)
│ │ │ 2.4.1 204第二次热潮.mp4
│ │ │ 2.4.1 204第二次热潮_zh.srt
│ │ │ 2.4.2 204第二次热潮pdf.pdf
│ │ │
│ │ ├─2.5 205第三次热潮(15min)
│ │ │ 2.5.1 205第三次热潮.mp4
│ │ │ 2.5.1 205第三次热潮_zh.srt
│ │ │ 2.5.2 205第三次热潮pdf.pdf
│ │ │
│ │ ├─2.6 206人工智能发展状况(14min)
│ │ │ 2.6.1 206人工智能发展状况.mp4
│ │ │ 2.6.1 206人工智能发展状况_zh.srt
│ │ │ 2.6.2 206人工智能发展状况pdf.pdf
│ │ │
│ │ └─2.7 微软亚研院刘铁岩副院长访谈：人工智能发展简史(52min)
│ │ 2.7.1 207访谈-人工智能发展历史.mp4
│ │ 2.7.1 207访谈-人工智能发展历史_zh.srt
│ │ 2.7.2 208访谈-人工智能发展热潮.mp4
│ │ 2.7.2 208访谈-人工智能发展热潮_zh.srt
│ │ 2.7.3 209访谈-人工智能发展未来.mp4
│ │ 2.7.3 209访谈-人工智能发展未来_zh.srt
│ │
│ ├─3 3基于决策树和搜索的智能系统（上）(65min)
│ │ ├─3.1 301实例1读心术(9min)
│ │ │ 3.1.1 301实例1读心术.mp4
│ │ │ 3.1.1 301实例1读心术_zh.srt
│ │ │ 3.1.2 301实例1读心术pdf.pdf
│ │ │
│ │ ├─3.2 302和人类一样的判断方式(13min)
│ │ │ 3.2.1 302和人类一样的判断方式.mp4
│ │ │ 3.2.1 302和人类一样的判断方式_zh.srt
│ │ │ 3.2.2 302和人类一样的判断方式pdf.pdf
│ │ │
│ │ ├─3.3 303专家系统应用与发展(12min)
│ │ │ 3.3.1 303专家系统应用与发展.mp4
│ │ │ 3.3.1 303专家系统应用与发展_zh.srt
│ │ │ 3.3.2 303专家系统应用与发展pdf.pdf
│ │ │
│ │ ├─3.4 304实例2井字棋(11min)
│ │ │ 3.4.1 304实例2井字棋.mp4
│ │ │ 3.4.1 304实例2井字棋_zh.srt
│ │ │ 3.4.2 304实例2井字棋pdf.pdf
│ │ │
│ │ ├─3.5 305博弈树(20min)
│ │ │ 3.5.1 305博弈树.mp4
│ │ │ 3.5.1 305博弈树_zh.srt
│ │ │ 3.5.3 305博弈树pdf.pdf
│ │ │
│ │ └─3.6 实例1读心术代码运行及说明
│ │ 3.6.1 实例虚拟机安装与使用.mp4
│ │ 3.6.1 实例虚拟机安装与使用_zh.srt
│ │ 3.6.2 实例1读心术代码运行及说明.mp4
│ │ 3.6.2 实例1读心术代码运行及说明_zh.srt
│ │
│ ├─4 3基于决策树和搜索的智能系统（下）(72min)
│ │ ├─4.1 306估值决策(18min)
│ │ │ 4.1.1 306估值决策.mp4
│ │ │ 4.1.1 306估值决策_zh.srt
│ │ │ 4.1.2 306估值决策pdf.pdf
│ │ │
│ │ ├─4.2 307最大最小值法(15min)
│ │ │ 4.2.1 307最大最小值法.mp4
│ │ │ 4.2.1 307最大最小值法_zh.srt
│ │ │ 4.2.2 307最大最小值法pdf.pdf
│ │ │
│ │ ├─4.3 308AlphaBeta剪枝(13min)
│ │ │ 4.3.1 308AlphaBeta剪枝.mp4
│ │ │ 4.3.1 308AlphaBeta剪枝_zh.srt
│ │ │ 4.3.2 308AlphaBeta剪枝pdf.pdf
│ │ │
│ │ ├─4.4 309启发式算法(11min)
│ │ │ 4.4.1 309启发式算法.mp4
│ │ │ 4.4.1 309启发式算法_zh.srt
│ │ │ 4.4.2 309启发式算法pdf.pdf
│ │ │
│ │ ├─4.5 310从国际象棋到围棋(15min)
│ │ │ 4.5.1 310从国际象棋到围棋.mp4
│ │ │ 4.5.1 310从国际象棋到围棋_zh.srt
│ │ │ 4.5.2 310从国际象棋到围棋pdf.pdf
│ │ │
│ │ └─4.6 实例2井字棋代码运行及说明
│ │ 4.6.1 实例2井字棋代码运行及说明.mp4
│ │ 4.6.1 实例2井字棋代码运行及说明_zh.srt
│ │
│ ├─5 4基于仿生算法的智能系统(63min)
│ │ ├─5.1 401仿生算法简介(14min)
│ │ │ 5.1.1 401仿生算法简介.mp4
│ │ │ 5.1.1 401仿生算法简介_zh.srt
│ │ │ 5.1.2 401仿生算法简介pdf.pdf
│ │ │
│ │ ├─5.2 402基因遗传算法(16min)
│ │ │ 5.2.1 402基因遗传算法.mp4
│ │ │ 5.2.1 402基因遗传算法_zh.srt
│ │ │ 5.2.2 402基因遗传算法pdf.pdf
│ │ │
│ │ ├─5.3 403实例3拼图游戏(6min)
│ │ │ 5.3.1 403实例3拼图游戏.mp4
│ │ │ 5.3.1 403实例3拼图游戏_zh.srt
│ │ │ 5.3.2 403实例3拼图游戏pdf.pdf
│ │ │
│ │ ├─5.4 404拼图的基因(7min)
│ │ │ 5.4.1 404拼图的基因.mp4
│ │ │ 5.4.1 404拼图的基因_zh.srt
│ │ │ 5.4.2 404拼图的基因pdf.pdf
│ │ │
│ │ ├─5.5 405遗传和变异(10min)
│ │ │ 5.5.1 405遗传和变异.mp4
│ │ │ 5.5.1 405遗传和变异_zh.srt
│ │ │ 5.5.2 405遗传和变异pdf.pdf
│ │ │
│ │ ├─5.6 406自然选择(10min)
│ │ │ 5.6.1 406自然选择.mp4
│ │ │ 5.6.1 406自然选择_zh.srt
│ │ │ 5.6.2 406自然选择pdf.pdf
│ │ │
│ │ └─5.7 实例3基因遗传算法代码运行及说明
│ │ 5.7.1 实例3基因遗传算法代码运行及说明.mp4
│ │
│ ├─6 5基于神经网络的智能系统I (62min)
│ │ ├─6.1 501神经元与神经网络(12min)
│ │ │ 6.1.1 501神经元与神经网络.mp4
│ │ │ 6.1.1 501神经元与神经网络_zh.srt
│ │ │ 6.1.2 501神经元与神经网络.pdf.pdf
│ │ │
│ │ ├─6.2 502实例4手写数字识别(9min)
│ │ │ 6.2.1 502实例4手写数字识别.mp4
│ │ │ 6.2.1 502实例4手写数字识别_zh.srt
│ │ │ 6.2.2 502实例4手写数字识别.pdf.pdf
│ │ │
│ │ ├─6.3 503网络构建(13min)
│ │ │ 6.3.1 503网络构建.mp4
│ │ │ 6.3.1 503网络构建_zh.srt
│ │ │ 6.3.2 503网络构建.pdf.pdf
│ │ │
│ │ ├─6.4 504计算损失函数(8min)
│ │ │ 6.4.1 504计算损失函数.mp4
│ │ │ 6.4.1 504计算损失函数_zh.srt
│ │ │ 6.4.2 504计算损失函数.pdf.pdf
│ │ │
│ │ ├─6.5 505优化器优化函数(10min)
│ │ │ 6.5.1 505优化器优化函数.mp4
│ │ │ 6.5.1 505优化器优化函数_zh.srt
│ │ │ 6.5.2 505优化器优化函数.pdf.pdf
│ │ │
│ │ ├─6.6 506反向传播(10min)
│ │ │ 6.6.1 506反向传播.mp4
│ │ │ 6.6.1 506反向传播_zh.srt
│ │ │ 6.6.4 506反向传播.pdf.pdf
│ │ │
│ │ └─6.7 实例4手写数字识别代码运行及说明
│ │ 6.7.1 实例4手写数字识别代码运行及说明.mp4
│ │
│ ├─7 6基于神经网络的智能系统II (79min)
│ │ ├─7.1 601监督学习和非监督学习(16min)
│ │ │ 7.1.1 601监督学习和非监督学习.mp4
│ │ │ 7.1.1 601监督学习和非监督学习_zh.srt
│ │ │ 7.1.2 601监督学习和非监督学习.pdf.pdf
│ │ │
│ │ ├─7.2 602让人工智能学会玩游戏(12min)
│ │ │ 7.2.1 602让人工智能学会玩游戏.mp4
│ │ │ 7.2.1 602让人工智能学会玩游戏_zh.srt
│ │ │ 7.2.2 602让人工智能学会玩游戏.pdf.pdf
│ │ │
│ │ ├─7.3 603试错式学习(7min)
│ │ │ 7.3.1 603试错式学习.mp4
│ │ │ 7.3.1 603试错式学习_zh.srt
│ │ │ 7.3.2 603试错式学习.pdf.pdf
│ │ │
│ │ ├─7.4 604状态动作回报(9min)
│ │ │ 7.4.1 604状态动作回报.mp4
│ │ │ 7.4.1 604状态动作回报_zh.srt
│ │ │ 7.4.2 604状态动作回报.pdf.pdf
│ │ │
│ │ ├─7.5 605价值判断Q函数(12min)
│ │ │ 7.5.1 605价值判断Q函数.mp4
│ │ │ 7.5.1 605价值判断Q函数_zh.srt
│ │ │ 7.5.2 605价值判断Q函数.pdf.pdf
│ │ │
│ │ ├─7.6 606尝遍百草(9min)
│ │ │ 7.6.1 606尝遍百草.mp4
│ │ │ 7.6.1 606尝遍百草_zh.srt
│ │ │ 7.6.2 606尝遍百草.pdf.pdf
│ │ │
│ │ ├─7.7 607熟能生巧(11min)
│ │ │ 7.7.1 607熟能生巧.mp4
│ │ │ 7.7.1 607熟能生巧_zh.srt
│ │ │ 7.7.2 607熟能生巧.pdf.pdf
│ │ │
│ │ └─7.8 实例5FlappyBird代码运行及说明
│ │ 7.8.1 实例5FlappyBird代码运行及说明.mp4
│ │
│ ├─8 7人工智能应用 (123min)
│ │ ├─8.1 701图像识别与分类(10min)
│ │ │ 8.1.1 701图像识别与分类.mp4
│ │ │ 8.1.1 701图像识别与分类_zh.srt
│ │ │ 8.1.2 701图像识别与分类.pdf.pdf
│ │ │
│ │ ├─8.2 702医学影像分析(12min)
│ │ │ 8.2.1 702医学影像分析.mp4
│ │ │ 8.2.1 702医学影像分析_zh.srt
│ │ │ 8.2.2 702医学影像分析.pdf.pdf
│ │ │
│ │ ├─8.3 微软亚研院张益肇副院长访谈：人工智能应用 医疗+AI(26min)
│ │ │ 8.3.1 703访谈-医疗AI综述(8min).mp4
│ │ │ 8.3.1 703访谈-医疗AI综述(8min)_zh.srt
│ │ │ 8.3.2 704访谈-医疗AI当前成就(11min).mp4
│ │ │ 8.3.2 704访谈-医疗AI当前成就(11min)_zh.srt
│ │ │ 8.3.3 705医疗AI未来展望(7min).mp4
│ │ │ 8.3.3 705医疗AI未来展望(7min)_zh.srt
│ │ │
│ │ ├─8.4 706语音识别(12min)
│ │ │ 8.4.1 706语音识别.mp4
│ │ │ 8.4.1 706语音识别_zh.srt
│ │ │ 8.4.2 706语音识别.pdf
│ │ │
│ │ ├─8.5 707人脸识别和情感计算(13min)
│ │ │ 8.5.1 707人脸识别和情感计算.mp4
│ │ │ 8.5.1 707人脸识别和情感计算_zh.srt
│ │ │ 8.5.2 707人脸识别和情感计算.pdf.pdf
│ │ │
│ │ ├─8.6 微软亚研院周明副院长访谈：人工智能应用 自然语言处理(37min)
│ │ │ 8.6.1 708访谈-自然语言处理综述(12min).mp4
│ │ │ 8.6.1 708访谈-自然语言处理综述(12min)_zh.srt
│ │ │ 8.6.2 709访谈-自然语言处理当前成就(15min).mp4
│ │ │ 8.6.2 709访谈-自然语言处理当前成就(15min)_zh.srt
│ │ │ 8.6.3 710访谈-自然语言处理未来展望(10min).mp4
│ │ │ 8.6.3 710访谈-自然语言处理未来展望(10min)_zh.srt
│ │ │
│ │ └─8.7 711自动驾驶(12min)
│ │ 8.7.1 711自动驾驶.mp4
│ │ 8.7.1 711自动驾驶_zh.srt
│ │ 8.7.2 711自动驾驶.pdf.pdf
│ │
│ └─9 8人工智能与人类社会未来
│ ├─9.1 801挑战-技术视角(9min)
│ │ 9.1.2 801挑战-技术视角.mp4
│ │ 9.1.2 801挑战-技术视角_zh.srt
│ │ 9.1.3 801挑战-技术视角.pdf.pdf
│ │
│ ├─9.2 802挑战-人文视角(12min)
│ │ 9.2.1 802挑战-人文视角.mp4
│ │ 9.2.1 802挑战-人文视角_zh.srt
│ │ 9.2.2 802挑战-人文视角.pdf.pdf
│ │
│ ├─9.3 803伦理规范-社会层面(14min)
│ │ 9.3.1 803伦理规范-社会层面.mp4
│ │ 9.3.1 803伦理规范-社会层面_zh.srt
│ │ 9.3.2 803伦理规范-社会层面.pdf.pdf
│ │
│ ├─9.4 804伦理规范-公共政策(10min)
│ │ 9.4.1 804伦理规范-公共政策.mp4
│ │ 9.4.1 804伦理规范-公共政策_zh.srt
│ │ 9.4.2 804伦理规范-公共政策.pdf.pdf
│ │
│ ├─9.5 微软亚研院潘天佑副院长访谈：人工智能与人类关系(50min)
│ │ 9.5.1 805访谈-人工智能各个领域发展.mp4
│ │ 9.5.1 805访谈-人工智能各个领域发展_zh.srt
│ │ 9.5.2 806访谈-伦理规范的影响.mp4
│ │ 9.5.2 806访谈-伦理规范的影响_zh.srt
│ │ 9.5.3 807访谈-人工智能与人类的关系.mp4
│ │ 9.5.3 807访谈-人工智能与人类的关系_zh.srt
│ │
│ ├─9.6 808科幻作品中的人工智能(23min)
│ │ 9.6.1 808科幻作品中的人工智能.mp4
│ │ 9.6.1 808科幻作品中的人工智能_zh.srt
│ │ 9.6.2 808科幻作品中的人工智能.pdf.pdf
│ │
│ └─9.7 809奇点理论-畅想未来(16min)
│ 9.7.1 809奇点理论-畅想未来.mp4
│ 9.7.1 809奇点理论-畅想未来_zh.srt
│ 9.7.2 809奇点理论-畅想未来.pdf.pdf
│ 9.7.3 【阅读材料】三个AI：从人工智能到增强智能.pdf
│
├─人工智能原理 - 北京大学
│ │ Playlist.dpl
│ │
│ ├─1 Part I. Basics： Chapter 1. Introduction
│ │ ├─1.1 Overview of Artificial Intelligence
│ │ │ 1.1.1 视频：欢迎选修本课程.mp4
│ │ │ 1.1.2 视频：Overview of Artificial Intelligence.mp4
│ │ │ 1.1.3 课件：Overview of Artificial Intelligence.pdf
│ │ │
│ │ ├─1.2 Foundations of Artificial Intelligence
│ │ │ 1.2.1 视频：Foundations of Artificial Intelligence.mp4
│ │ │ 1.2.2 课件：Foundations of Artificial Intelligence.pdf
│ │ │
│ │ ├─1.3 History of Artificial Intelligence
│ │ │ 1.3.1 视频：History of Artificial Intelligence.mp4
│ │ │ 1.3.2 课件：History of Artificial Intelligence.pdf
│ │ │
│ │ └─1.4 The State of The Art
│ │ 1.4.1 视频：The State of The Art.mp4
│ │ 1.4.2 课件：The State of The Art.pdf
│ │
│ ├─10 Part V. Learning： Chapter 10. Tasks in Machine Learning
│ │ ├─10.1 Classification
│ │ │ 10.1.1 视频：Classification.mp4
│ │ │ 10.1.2 课件：Classification.pdf
│ │ │
│ │ ├─10.2 Regression
│ │ │ 10.2.1 视频：Regression.mp4
│ │ │ 10.2.2 课件：Regression.pdf
│ │ │
│ │ ├─10.3 Clustering
│ │ │ 10.3.1 视频：Clustering.mp4
│ │ │ 10.3.2 课件：Clustering.pdf
│ │ │
│ │ ├─10.4 Ranking
│ │ │ 10.4.1 视频：Ranking.mp4
│ │ │ 10.4.2 课件：Ranking.pdf
│ │ │
│ │ └─10.5 Dimensionality Reduction
│ │ 10.5.1 视频：Dimensionality Reduction.mp4
│ │ 10.5.2 课件：Dimensionality Reduction.pdf
│ │
│ ├─11 Part V. Learning： Chapter 11. Paradigms in Machine Learning
│ │ ├─11.1 Supervised Learning Paradigm
│ │ │ 11.1.1 视频 ：Supervised Learning Paradigm.mp4
│ │ │ 11.1.2 课件：Supervised Learning Paradigm.pdf
│ │ │
│ │ ├─11.2 Unsupervised Learning Paradigm
│ │ │ 11.2.1 视频：Unsupervised Learning Paradigm.mp4
│ │ │ 11.2.2 课件：Unsupervised Learning Paradigm.pdf
│ │ │
│ │ ├─11.3 Reinforcement Learning Paradigm
│ │ │ 11.3.1 视频：Reinforcement Learning Paradigm.mp4
│ │ │ 11.3.2 课件：Reinforcement Learning Paradigm.pdf
│ │ │
│ │ └─11.4 Other Learning Paradigms
│ │ 11.4.1 视频：Other Learning Paradigms.mp4
│ │ 11.4.2 课件：Other Learning Paradigms.pdf
│ │
│ ├─12 Part V. Learning： Chapter 12. Models in Machine Learning
│ │ ├─12.1 Probabilistic Models
│ │ │ 12.1.1 视频：Probabilistic Models.mp4
│ │ │ 12.1.2 课件：Probabilistic Models.pdf
│ │ │
│ │ ├─12.2 Geometric Models
│ │ │ 12.2.1 视频：Geometric Models.mp4
│ │ │ 12.2.2 课件：Geometric Models.pdf
│ │ │
│ │ ├─12.3 Logical Models
│ │ │ 12.3.1 视频：Logical Models.mp4
│ │ │ 12.3.2 课件：Logical Models.pdf
│ │ │
│ │ └─12.4 Networked Models
│ │ 12.4.1 视频：Networked Models.mp4
│ │ 12.4.2 课件：Networked Models.pdf
│ │
│ ├─2 Part I. Basics： Chapter 2. Intelligent Agent
│ │ ├─2.1 Approaches for Artificial Intelligence
│ │ │ 2.1.1 视频：Approaches for Artificial Intelligence.mp4
│ │ │ 2.1.2 课件：Approaches for Artificial Intelligence.pdf
│ │ │
│ │ ├─2.2 Rational Agents
│ │ │ 2.2.1 视频：Rational Agents.mp4
│ │ │ 2.2.2 课件：Rational Agents.pdf
│ │ │
│ │ ├─2.3 Task Environments
│ │ │ 2.3.1 视频：Task Environments.mp4
│ │ │ 2.3.2 课件：Task Environments.pdf
│ │ │
│ │ ├─2.4 Intelligent Agent Structure
│ │ │ 2.4.1 视频：Intelligent Agent Structure.mp4
│ │ │ 2.4.2 课件：Intelligent Agent Structure.pdf
│ │ │
│ │ └─2.5 Category of Intelligent Agents
│ │ 2.5.1 视频：Category of Intelligent Agents.mp4
│ │ 2.5.2 课件：Category of Intelligent Agents.pdf
│ │
│ ├─3 Part II. Searching： Chapter 3. Solving Problems by Search
│ │ ├─3.1 Problem Solving Agents
│ │ │ 3.1.1 视频：Problem Solving Agents.mp4
│ │ │ 3.1.2 课件：Problem Solving Agents.pdf
│ │ │
│ │ ├─3.2 Example Problems
│ │ │ 3.2.1 视频：Example Problems.mp4
│ │ │ 3.2.2 课件：Example Problems.pdf
│ │ │
│ │ ├─3.3 Searching for Solutions
│ │ │ 3.3.1 视频：Searching for Solutions.mp4
│ │ │ 3.3.2 课件：Searching for Solutions.pdf
│ │ │
│ │ ├─3.4 Uninformed Search Strategies
│ │ │ 3.4.1 视频1：Breadth-first Search.mp4
│ │ │ 3.4.10 课件5：Bidirectional Search.pdf
│ │ │ 3.4.11 视频6：Comparing Uninformed Search Strategies.mp4
│ │ │ 3.4.12 课件6：Comparing Uninformed Search Strategies.pdf
│ │ │ 3.4.2 课件1：Breadth-first Search.pdf
│ │ │ 3.4.3 视频2：Uniform-cost Search.mp4
│ │ │ 3.4.4 课件2：Uniform-cost Search.pdf
│ │ │ 3.4.5 视频3：Depth-first Search.mp4
│ │ │ 3.4.6 课件3：Depth-first Search.pdf
│ │ │ 3.4.7 视频4：Variants of Depth-first Search.mp4
│ │ │ 3.4.8 课件4：Variants of Depth-first Search.pdf
│ │ │ 3.4.9 视频5：Bidirectional Search.mp4
│ │ │
│ │ ├─3.5 Informed Search Strategies
│ │ │ 3.5.1 视频1：Best-first Search&Greedy Search.mp4
│ │ │ 3.5.2 课件1：Best-first Search&Greedy Search.pdf
│ │ │ 3.5.3 视频2：A＊ Search&Iterative Deepening A＊ Search.mp4
│ │ │ 3.5.4 课件2：A＊ Search&Iterative Deepening A＊ Search.pdf
│ │ │
│ │ └─3.6 Heuristic Functions
│ │ 3.6.1 视频：Heuristic Functions.mp4
│ │ 3.6.2 课件：Heuristic Functions.pdf
│ │
│ ├─4 Part II. Searching： Chapter 4. Local Search and Swarm Intelligence
│ │ ├─4.1 Overview
│ │ │ 4.1.1 视频：Overview.mp4
│ │ │ 4.1.2 课件：Overview.pdf
│ │ │
│ │ ├─4.2 Local Search Algorithms
│ │ │ 4.2.1 视频1：Hill-Climbing Search.mp4
│ │ │ 4.2.2 课件1：Hill-Climbing Search.pdf
│ │ │ 4.2.3 视频2：Local Beam Search.mp4
│ │ │ 4.2.4 课件2：Local Beam Search.pdf
│ │ │ 4.2.5 视频3：Tabu Search.mp4
│ │ │ 4.2.6 课件3：Tabu Search.pdf
│ │ │
│ │ ├─4.3 Optimization and Evolutionary Algorithms
│ │ │ 4.3.1 视频：Optimization and Evolutionary Algorithms.mp4
│ │ │ 4.3.2 课件：Optimization and Evolutionary Algorithms.pdf
│ │ │
│ │ └─4.4 Swarm Intelligence and Optimization
│ │ 4.4.1 视频：Swarm Intelligence and Optimization.mp4
│ │ 4.4.2 课件：Swarm Intelligence and Optimization.pdf
│ │
│ ├─5 Part II. Searching： Chapter 5. Adversarial Search
│ │ ├─5.1 Games
│ │ │ 5.1.1 视频：Games.mp4
│ │ │ 5.1.2 课件：Games.pdf
│ │ │
│ │ ├─5.2 Optimal Decisions in Games
│ │ │ 5.2.1 视频：Optimal Decisions in Games.mp4
│ │ │ 5.2.2 课件：Optimal Decisions in Games.pdf
│ │ │
│ │ ├─5.3 Alpha-Beta Pruning
│ │ │ 5.3.1 视频：Alpha-Beta Pruning.mp4
│ │ │ 5.3.2 课件：Alpha-Beta Pruning.pdf
│ │ │
│ │ ├─5.4 Imperfect Real-time Decisions
│ │ │ 5.4.1 视频：Imperfect Real-time Decisions.mp4
│ │ │ 5.4.2 课件：Imperfect Real-time Decisions.pdf
│ │ │
│ │ ├─5.5 Stochastic Games
│ │ │ 5.5.1 视频：Stochastic Games.mp4
│ │ │ 5.5.2 课件：Stochastic Games.pdf
│ │ │
│ │ └─5.6 Monte-Carlo Methods
│ │ 5.6.1 视频：Monte-Carlo Methods.mp4
│ │ 5.6.2 课件：Monte-Carlo Methods.pdf
│ │
│ ├─6 Part II. Searching： Chapter 6. Constraint Satisfaction Problem
│ │ ├─6.1 Constraint Satisfaction Problems (CSPs)
│ │ │ 6.1.1 视频：Constraint Satisfaction Problems (CSPs).mp4
│ │ │ 6.1.2 课件：Constraint Satisfaction Problems (CSPs).pdf
│ │ │
│ │ ├─6.2 Constraint Propagation： Inference in CSPs
│ │ │ 6.2.1 视频：Constraint Propagation： Inference in CSPs.mp4
│ │ │ 6.2.2 课件：Constraint Propagation： Inference in CSPs.pdf
│ │ │
│ │ ├─6.3 Backtracking Search for CSPs
│ │ │ 6.3.1 视频：Backtracking Search for CSPs.mp4
│ │ │ 6.3.2 课件：Backtracking Search for CSPs.pdf
│ │ │
│ │ ├─6.4 Local Search for CSPs
│ │ │ 6.4.1 视频：Local Search for CSPs.mp4
│ │ │ 6.4.2 课件：Local Search for CSPs.pdf
│ │ │
│ │ └─6.5 The Structure of Problems
│ │ 6.5.1 视频：The Structure of Problems.mp4
│ │ 6.5.2 课件：The Structure of Problems.pdf
│ │
│ ├─7 Part III. Reasoning： Chapter 7. Reasoning by Knowledge
│ │ ├─7.1 Overview
│ │ │ 7.1.1 视频：Overview.mp4
│ │ │ 7.1.2 课件：Overview.pdf
│ │ │
│ │ ├─7.2 Knowledge Representation
│ │ │ 7.2.1 视频：Knowledge Representation.mp4
│ │ │ 7.2.2 课件：Knowledge Representation.pdf
│ │ │
│ │ ├─7.3 Representation using Logic
│ │ │ 7.3.1 视频：Representation using Logic.mp4
│ │ │ 7.3.2 课件：Representation using Logic.pdf
│ │ │
│ │ ├─7.4 Ontological Engineering
│ │ │ 7.4.1 视频：Ontological Engineering.mp4
│ │ │ 7.4.2 课件：Ontological Engineering.pdf
│ │ │
│ │ └─7.5 Bayesian Networks
│ │ 7.5.1 视频：Bayesian Networks.mp4
│ │ 7.5.2 课件：Bayesian Networks.pdf
│ │
│ ├─8 Part IV. Planning： Chapter 8. Classic and Real-world Planning
│ │ ├─8.1 Planning Problems
│ │ │ 8.1.1 视频：Planning Problems.mp4
│ │ │ 8.1.2 课件：Planning Problems.pdf
│ │ │
│ │ ├─8.2 Classic Planning
│ │ │ 8.2.1 视频：Classic Planning.mp4
│ │ │ 8.2.2 课件：Classic Planning.pdf
│ │ │
│ │ ├─8.3 Planning and Scheduling
│ │ │ 8.3.1 视频：Planning and Scheduling.mp4
│ │ │ 8.3.2 课件：Planning and Scheduling.pdf
│ │ │
│ │ ├─8.4 Real-World Planning
│ │ │ 8.4.1 视频：Real-World Planning.mp4
│ │ │ 8.4.2 课件：Real-World Planning.pdf
│ │ │
│ │ └─8.5 Decision-theoretic Planning
│ │ 8.5.1 视频：Decision-theoretic Planning.mp4
│ │ 8.5.2 课件：Decision-theoretic Planning.pdf
│ │
│ └─9 Part V. Learning： Chapter 9. Perspectives about Machine Leaning
│ ├─9.1 What is Machine Learning
│ │ 9.1.1 视频：What is Machine Learning.mp4
│ │ 9.1.2 课件：What is Machine Learning.pdf
│ │
│ ├─9.2 History of Machine Learning
│ │ 9.2.1 视频：History of Machine Learning.mp4
│ │ 9.2.2 课件：History of Machine Learning.pdf
│ │
│ ├─9.3 Why Different Perspectives
│ │ 9.3.1 视频：Why Different Perspectives.mp4
│ │ 9.3.2 课件：Why Different Perspectives.pdf
│ │
│ ├─9.4 Three Perspectives on Machine Learning
│ │ 9.4.1 视频：Three Perspectives on Machine Learning.mp4
│ │ 9.4.2 课件：Three Perspectives on Machine Learning.pdf
│ │
│ └─9.5 Applications and Terminologies
│ 9.5.1 视频：Applications and Terminologies.mp4
│ 9.5.2 课件：Applications and Terminologies.pdf
│
└─人工智能实践：Tensorflow笔记_北京大学
│ DPL_PYJUN
│ 修复播放列表.bat
│ 播放列表.dpl
│
└─{1}--课程
├─{1}--第一讲神经网络计算
│ ├─{10}--PPT：第一讲神经网络计算
│ │ (1.10.1)--PPT：第一讲神经网络计算.pdf
│ │
│ ├─{1}--1.1人工智能三学派
│ │ [1.1.1]--1.1人工智能三学派.mp4
│ │
│ ├─{2}--1.2神经网络设计过程
│ │ [1.2.1]--1.2神经网络设计过程.mp4
│ │
│ ├─{3}--1.3张量生成
│ │ [1.3.1]--1.3张量生成.mp4
│ │
│ ├─{4}--1.4TF2常用函数1
│ │ [1.4.1]--1.4TF2常用函数1.mp4
│ │
│ ├─{5}--1.5TF2常用函数2
│ │ [1.5.1]--1.5TF2常用函数2.mp4
│ │
│ ├─{6}--1.6鸢尾花数据集读入
│ │ [1.6.1]--1.6鸢尾花数据集读入.mp4
│ │
│ ├─{7}--1.7神经网络实现鸢尾花分类
│ │ [1.7.1]--1.7神经网络实现鸢尾花分类.mp4
│ │
│ ├─{8}--1.8Tensorflow2安装
│ │ [1.8.1]--1.8-Tensorflow2安装.mp4
│ │
│ └─{9}--TensorFlow笔记：第一讲神经网络计算
│ (1.9.1)--TensorFlow笔记：第一讲神经网络计算.pdf
│
├─{5}--第二讲神经网络优化
│ ├─{1}--2.1预备知识
│ │ [5.1.1]--2.1预备知识.mp4
│ │
│ ├─{2}--2.2复杂度学习率
│ │ [5.2.1]--2.2复杂度学习率.mp4
│ │
│ ├─{3}--2.3激活函数
│ │ [5.3.1]--2.3激活函数.mp4
│ │
│ ├─{4}--2.4损失函数
│ │ [5.4.1]--2.4损失函数.mp4
│ │
│ ├─{5}--2.5缓解过拟合
│ │ [5.5.1]--2.5缓解过拟合.mp4
│ │
│ ├─{6}--2.6优化器
│ │ [5.6.1]--2.6优化器.mp4
│ │
│ ├─{7}--TensorFlow笔记：第二讲神经网络优化
│ │ (5.7.1)--TensorFlow笔记：第二讲神经网络优化.pdf
│ │
│ └─{8}--PPT：第二讲神经网络优化
│ (5.8.1)--PPT：第二讲神经网络优化.pdf
│
├─{6}--第三讲神经网络八股
│ ├─{1}--3.1搭建网络八股sequential
│ │ [6.1.1]--3.1搭建网络八股sequential.mp4
│ │
│ ├─{2}--3.2搭建网络八股class
│ │ [6.2.1]--3.2搭建网络八股class.mp4
│ │
│ ├─{3}--3.3MNIST数据集
│ │ [6.3.1]--3.3MNIST数据集.mp4
│ │
│ ├─{4}--3.4FASHION数据集
│ │ [6.4.1]--3.4FASHION数据集.mp4
│ │
│ ├─{5}--TensorFlow笔记：第三讲神经网络八股
│ │ (6.5.1)--TensorFlow笔记：第三讲神经网络八股.pdf
│ │
│ └─{6}--PPT：第三讲神经网络八股
│ (6.6.1)--PPT：第三讲神经网络八股.pdf
│
├─{7}--第四讲网络八股扩展
│ ├─{1}--4.1搭建网络八股总览
│ │ [7.1.1]--4.1搭建网络八股总览.mp4
│ │
│ ├─{2}--4.2自制数据集
│ │ [7.2.1]--4.2自制数据集.mp4
│ │
│ ├─{3}--4.3数据增强
│ │ [7.3.1]--4.3数据增强.mp4
│ │
│ ├─{4}--4.4断点续训
│ │ [7.4.1]--4.4断点续训.mp4
│ │
│ ├─{5}--4.5参数提取
│ │ [7.5.1]--4.5参数提取.mp4
│ │
│ ├─{6}--4.6acc&loss可视化
│ │ [7.6.1]--4.6acc&loss可视化.mp4
│ │
│ ├─{7}--4.7给图识物
│ │ [7.7.1]--4.7给图识物.mp4
│ │
│ ├─{8}--TensorFlow笔记：第四讲网络八股扩展
│ │ (7.8.1)--TensorFlow笔记：第四讲网络八股扩展.pdf
│ │
│ └─{9}--PPT：第四讲网络八股扩展
│ (7.9.1)--PPT：第四讲网络八股扩展.pdf
│
├─{8}--第五讲卷积神经网络
│ ├─{10}--5.10卷积神经网络搭建示例
│ │ [8.10.1]--5.10卷积神经网络搭建示例.mp4
│ │
│ ├─{11}--5.11LeNet
│ │ [8.11.1]--5.11LeNet.mp4
│ │
│ ├─{12}--5.12AlexNet
│ │ [8.12.1]--5.12AlexNet.mp4
│ │
│ ├─{13}--5.13VGGNet
│ │ [8.13.1]--5.13VGGNet.mp4
│ │
│ ├─{14}--5.14InceptionNet
│ │ [8.14.1]--5.14InceptionNet.mp4
│ │
│ ├─{15}--5.15ResNet
│ │ [8.15.1]--5.15ResNet.mp4
│ │
│ ├─{16}--5.16经典卷及网络小结
│ │ [8.16.1]--5.16经典卷及网络小结.mp4
│ │
│ ├─{17}--TensorFlow笔记：第五讲卷积神经网络
│ │ (8.17.1)--TensorFlow笔记：第五讲卷积神经网络.pdf
│ │
│ ├─{18}--PPT：第五讲卷积神经网络
│ │ (8.18.1)--PPT：第五讲卷积神经网络.pdf
│ │
│ ├─{1}--5.1卷积计算过程
│ │ [8.1.1]--5.1卷积计算过程.mp4
│ │
│ ├─{2}--5.2感受野
│ │ [8.2.1]--5.2感受野.mp4
│ │
│ ├─{3}--5.3全零填充
│ │ [8.3.1]--5.3全零填充.mp4
│ │
│ ├─{4}--5.4TF描述卷积计算层
│ │ [8.4.1]--5.4TF描述卷积计算层.mp4
│ │
│ ├─{5}--5.5批标准化
│ │ [8.5.1]--5.5批标准化.mp4
│ │
│ ├─{6}--5.6池化
│ │ [8.6.1]--5.6池化.mp4
│ │
│ ├─{7}--5.7舍弃
│ │ [8.7.1]--5.7舍弃.mp4
│ │
│ ├─{8}--5.8卷积神经网络
│ │ [8.8.1]--5.8卷积神经网络.mp4
│ │
│ └─{9}--5.9CIFAR0数据集
│ [8.9.1]--5.9CIFAR0数据集.mp4
│
└─{9}--第六讲循环神经网络
├─{10}--6.10字母预测Embedding_1pre1
│ [9.10.1]--6.10字母预测Embedding_1pre1.mp4
│
├─{11}--6.11字母预测Embedding_4pre1
│ [9.11.1]--6.11字母预测Embedding_4pre1.mp4
│
├─{12}--6.12RNN实现股票预测
│ [9.12.1]--6.12RNN实现股票预测.mp4
│
├─{13}--6.13LSTM实现股票预测(LSTM计算过程_TF描述LSTM
│ [9.13.1]--6.13LSTM实现股票预测(LSTM计算过程_TF描述LSTM.mp4
│
├─{14}--6.14GRU实现股票预测(GRU计算过程_TF描述GRU层)
│ [9.14.1]--6.14GRU实现股票预测(GRU计算过程_TF描述GRU层).mp4
│
├─{15}--TensorFlow笔记：第六讲循环神经网络
│ (9.15.1)--TensorFlow笔记：第六讲循环神经网络.pdf
│
├─{16}--PPT：第六讲循环神经网络
│ (9.16.1)--PPT：第六讲循环神经网络.pdf
│
├─{1}--6.1循环核
│ [9.1.1]--6.1循环核.mp4
│
├─{2}--6.2循环核时间步展开
│ [9.2.1]--6.2循环核时间步展开.mp4
│
├─{3}--6.3循环计算层
│ [9.3.1]--6.3循环计算层.mp4
│
├─{4}--6.4TF描述循环计算层
│ [9.4.1]--6.4TF描述循环计算层.mp4
│
├─{5}--6.5循环计算过程I
│ [9.5.1]--6.5循环计算过程I.mp4
│
├─{6}--6.6字母预测onehot_1pre1
│ [9.6.1]--6.6字母预测onehot_1pre1.mp4
│
├─{7}--6.7循环计算过程II
│ [9.7.1]--6.7循环计算过程II.mp4
│
├─{8}--6.8字母预测onehot_4pre1
│ [9.8.1]--6.8字母预测onehot_4pre1.mp4
│
└─{9}--6.9Embedding编码
[9.9.1]--6.9Embedding编码.mp4
├─01-开篇词 (1讲)
│ 00丨开篇词丨人工智能：新时代的必修课.html
│ 00丨开篇词丨人工智能：新时代的必修课.pdf
│
├─02-数学基础 (7讲)
│ 01 数学基础丨九层之台，起于累土：线性代数.html
│ 01 数学基础丨九层之台，起于累土：线性代数.pdf
│ 02 数学基础丨月有阴晴圆缺，此事古难全：概率论.html
│ 02 数学基础丨月有阴晴圆缺，此事古难全：概率论.pdf
│ 03 数学基础丨窥一斑而知全豹：数理统计.html
│ 03 数学基础丨窥一斑而知全豹：数理统计.pdf
│ 04 数学基础丨不畏浮云遮望眼：最优化方法.html
│ 04 数学基础丨不畏浮云遮望眼：最优化方法.pdf
│ 05 数学基础丨万物皆数，信息亦然：信息论.html
│ 05 数学基础丨万物皆数，信息亦然：信息论.pdf
│ 06 数学基础丨明日黄花迹难寻：形式逻辑.html
│ 06 数学基础丨明日黄花迹难寻：形式逻辑.pdf
│ （课外辅导）数学基础丨拓展阅读参考书.html
│ （课外辅导）数学基础丨拓展阅读参考书.pdf
│
├─03-机器学习 (10讲)
│ 07 机器学习丨数山有路，学海无涯：机器学习概论.html
│ 07 机器学习丨数山有路，学海无涯：机器学习概论.pdf
│ 08 机器学习丨简约而不简单：线性回归.html
│ 08 机器学习丨简约而不简单：线性回归.pdf
│ 09 机器学习丨大道至简：朴素贝叶斯方法.html
│ 09 机器学习丨大道至简：朴素贝叶斯方法.pdf
│ 10 机器学习丨衍化至繁：逻辑回归.html
│ 10 机器学习丨衍化至繁：逻辑回归.pdf
│ 11 机器学习丨步步为营，有章可循：决策树.html
│ 11 机器学习丨步步为营，有章可循：决策树.pdf
│ 12 机器学习丨穷则变，变则通：支持向量机.html
│ 12 机器学习丨穷则变，变则通：支持向量机.pdf
│ 13 机器学习丨三个臭皮匠，赛过诸葛亮：集成学习.html
│ 13 机器学习丨三个臭皮匠，赛过诸葛亮：集成学习.pdf
│ 14 机器学习丨物以类聚，人以群分：聚类分析.html
│ 14 机器学习丨物以类聚，人以群分：聚类分析.pdf
│ 15 机器学习丨好钢用在刀刃上：降维学习.html
│ 15 机器学习丨好钢用在刀刃上：降维学习.pdf
│ （课外辅导）机器学习丨拓展阅读参考书.html
│ （课外辅导）机器学习丨拓展阅读参考书.pdf
│
├─04-人工神经网络 (7讲)
│ 16 人工神经网络丨道法自然，久藏玄冥：神经网络的生理学背景.html
│ 16 人工神经网络丨道法自然，久藏玄冥：神经网络的生理学背景.pdf
│ 17 人工神经网络丨一个青年才俊的意外死亡：神经元与感知器.html
│ 17 人工神经网络丨一个青年才俊的意外死亡：神经元与感知器.pdf
│ 18 人工神经网络丨左手信号，右手误差：多层感知器.html
│ 18 人工神经网络丨左手信号，右手误差：多层感知器.pdf
│ 19 人工神经网络丨各人自扫门前雪：径向基函数神经网络.html
│ 19 人工神经网络丨各人自扫门前雪：径向基函数神经网络.pdf
│ 20 人工神经网络丨看不见的手：自组织特征映射.html
│ 20 人工神经网络丨看不见的手：自组织特征映射.pdf
│ 21 人工神经网络丨水无至清，人莫至察：模糊神经网络.html
│ 21 人工神经网络丨水无至清，人莫至察：模糊神经网络.pdf
│ （课外辅导）人工神经网络丨拓展阅读参考书.html
│ （课外辅导）人工神经网络丨拓展阅读参考书.pdf
│
├─05-深度学习 (7讲)
│ 22 深度学习丨空山鸣响，静水流深：深度学习概述.html
│ 22 深度学习丨空山鸣响，静水流深：深度学习概述.pdf
│ 23 深度学习丨前方有路，未来可期：深度前馈网络.html
│ 23 深度学习丨前方有路，未来可期：深度前馈网络.pdf
│ 24 深度学习丨小树不修不直溜：深度学习中的正则化.html
│ 24 深度学习丨小树不修不直溜：深度学习中的正则化.pdf
│ 25 深度学习丨玉不琢不成器：深度学习中的优化.html
│ 25 深度学习丨玉不琢不成器：深度学习中的优化.pdf
│ 26 深度学习丨空竹里的秘密：自编码器.html
│ 26 深度学习丨空竹里的秘密：自编码器.pdf
│ 27 深度学习丨困知勉行者勇：深度强化学习.html
│ 27 深度学习丨困知勉行者勇：深度强化学习.pdf
│ （课外辅导）深度学习丨拓展阅读参考书.html
│ （课外辅导）深度学习丨拓展阅读参考书.pdf
│
├─06-深度学习框架下的神经网络 (5讲)
│ 28 深度学习框架下的神经网络丨枯木逢春：深度信念网络.html
│ 28 深度学习框架下的神经网络丨枯木逢春：深度信念网络.pdf
│ 29 深度学习框架下的神经网络丨见微知著：卷积神经网络.html
│ 29 深度学习框架下的神经网络丨见微知著：卷积神经网络.pdf
│ 30 深度学习框架下的神经网络丨昨日重现：循环神经网络.html
│ 30 深度学习框架下的神经网络丨昨日重现：循环神经网络.pdf
│ 31 深度学习框架下的神经网络丨左右互搏：生成式对抗网络.html
│ 31 深度学习框架下的神经网络丨左右互搏：生成式对抗网络.pdf
│ 32 深度学习框架下的神经网络丨三重门：长短期记忆网络.html
│ 32 深度学习框架下的神经网络丨三重门：长短期记忆网络.pdf
│
├─07-深度学习之外的人工智能 (4讲)
│ 33 深度学习之外的人工智能丨一图胜千言：概率图模型.html
│ 33 深度学习之外的人工智能丨一图胜千言：概率图模型.pdf
│ 34 深度学习之外的人工智能丨乌合之众的逆袭：集群智能.html
│ 34 深度学习之外的人工智能丨乌合之众的逆袭：集群智能.pdf
│ 35 深度学习之外的人工智能丨授人以鱼不如授人以渔：迁移学习.html
│ 35 深度学习之外的人工智能丨授人以鱼不如授人以渔：迁移学习.pdf
│ 36 深度学习之外的人工智能丨滴水藏海：知识图谱.html
│ 36 深度学习之外的人工智能丨滴水藏海：知识图谱.pdf
│
├─08-应用场景 (4讲)
│ 37 应用场景丨你是我的眼：计算机视觉.html
│ 37 应用场景丨你是我的眼：计算机视觉.pdf
│ 38 应用场景丨嘿, Siri：语音处理.html
│ 38 应用场景丨嘿, Siri：语音处理.pdf
│ 39 应用场景丨心有灵犀一点通：对话系统.html
│ 39 应用场景丨心有灵犀一点通：对话系统.pdf
│ 40 应用场景丨数字巴别塔：机器翻译.html
│ 40 应用场景丨数字巴别塔：机器翻译.pdf
│
├─09-加餐 (5讲)
│ 推荐阅读丨我与人工智能的故事.html
│ 推荐阅读丨我与人工智能的故事.pdf
│ 新书丨《裂变：秒懂人工智能的基础课》.html
│ 新书丨《裂变：秒懂人工智能的基础课》.pdf
│ 直播回顾丨机器学习必备的数学基础.html
│ 直播回顾丨机器学习必备的数学基础.pdf
│ 第2季回归丨这次我们来聊聊机器学习.html
│ 第2季回归丨这次我们来聊聊机器学习.pdf
│ 课外谈丨“人工智能基础课”之二三闲话.html
│ 课外谈丨“人工智能基础课”之二三闲话.pdf
│
├─10-复习课 (7讲)
│ 一键到达丨人工神经网络复习课.html
│ 一键到达丨人工神经网络复习课.pdf
│ 一键到达丨应用场景复习课.html
│ 一键到达丨应用场景复习课.pdf
│ 一键到达丨数学基础复习课.html
│ 一键到达丨数学基础复习课.pdf
│ 一键到达丨机器学习复习课.html
│ 一键到达丨机器学习复习课.pdf
│ 一键到达丨深度学习之外的人工智能复习课.html
│ 一键到达丨深度学习之外的人工智能复习课.pdf
│ 一键到达丨深度学习复习课.html
│ 一键到达丨深度学习复习课.pdf
│ 一键到达丨深度学习框架下的神经网络复习课.html
│ 一键到达丨深度学习框架下的神经网络复习课.pdf
│
└─11-结束语 (1讲)
结课丨溯洄从之，道阻且长.html
结课丨溯洄从之，道阻且长.pdf
│
├─00丨开篇词 (1讲)
│ 00丨开篇词丨云计算，这是开发者最好的时代.html
│ 00丨开篇词丨云计算，这是开发者最好的时代.m4a
│ 00丨开篇词丨云计算，这是开发者最好的时代.pdf
│
├─01丨IaaS篇 (8讲)
│ 01丨区域和可用区：欢迎来到云端数据中心.html
│ 01丨区域和可用区：欢迎来到云端数据中心.m4a
│ 01丨区域和可用区：欢迎来到云端数据中心.pdf
│ 02丨云虚拟机（一）：云端“攒机”，有哪些容易忽视的要点？.html
│ 02丨云虚拟机（一）：云端“攒机”，有哪些容易忽视的要点？.m4a
│ 02丨云虚拟机（一）：云端“攒机”，有哪些容易忽视的要点？.pdf
│ 03丨云虚拟机（二）：眼花缭乱的虚拟机型号，我该如何选择？.html
│ 03丨云虚拟机（二）：眼花缭乱的虚拟机型号，我该如何选择？.m4a
│ 03丨云虚拟机（二）：眼花缭乱的虚拟机型号，我该如何选择？.pdf
│ 04丨云虚拟机（三）：老板要求省省省，有哪些妙招？.html
│ 04丨云虚拟机（三）：老板要求省省省，有哪些妙招？.m4a
│ 04丨云虚拟机（三）：老板要求省省省，有哪些妙招？.pdf
│ 05丨云硬盘：云上IO到底给不给力？.html
│ 05丨云硬盘：云上IO到底给不给力？.m4a
│ 05丨云硬盘：云上IO到底给不给力？.pdf
│ 06丨云上虚拟网络：开合有度，编织无形之网.html
│ 06丨云上虚拟网络：开合有度，编织无形之网.m4a
│ 06丨云上虚拟网络：开合有度，编织无形之网.pdf
│ 07丨云端架构最佳实践：与故障同舞，与伸缩共生.html
│ 07丨云端架构最佳实践：与故障同舞，与伸缩共生.m4a
│ 07丨云端架构最佳实践：与故障同舞，与伸缩共生.pdf
│ 08丨云上运维：云端究竟需不需要运维？需要怎样的运维？.html
│ 08丨云上运维：云端究竟需不需要运维？需要怎样的运维？.m4a
│ 08丨云上运维：云端究竟需不需要运维？需要怎样的运维？.pdf
│
├─02丨PaaS篇 (8讲)
│ 09丨什么是PaaS？怎样深入理解和评估PaaS？.html
│ 09丨什么是PaaS？怎样深入理解和评估PaaS？.m4a
│ 09丨什么是PaaS？怎样深入理解和评估PaaS？.pdf
│ 10丨对象存储：看似简单的存储服务都有哪些玄机？.html
│ 10丨对象存储：看似简单的存储服务都有哪些玄机？.m4a
│ 10丨对象存储：看似简单的存储服务都有哪些玄机？.pdf
│ 11丨应用托管服务：Web应用怎样在云上安家？.html
│ 11丨应用托管服务：Web应用怎样在云上安家？.m4a
│ 11丨应用托管服务：Web应用怎样在云上安家？.pdf
│ 12丨云数据库：高歌猛进的数据库“新贵”.html
│ 12丨云数据库：高歌猛进的数据库“新贵”.m4a
│ 12丨云数据库：高歌猛进的数据库“新贵”.pdf
│ 13丨云上大数据：云计算遇上大数据，为什么堪称天作之合？.html
│ 13丨云上大数据：云计算遇上大数据，为什么堪称天作之合？.m4a
│ 13丨云上大数据：云计算遇上大数据，为什么堪称天作之合？.pdf
│ 14丨云上容器服务：从Docker到Kubernetes，迎接云原生浪潮.html
│ 14丨云上容器服务：从Docker到Kubernetes，迎接云原生浪潮.m4a
│ 14丨云上容器服务：从Docker到Kubernetes，迎接云原生浪潮.pdf
│ 15丨无服务器计算：追求极致效率的多面手.html
│ 15丨无服务器计算：追求极致效率的多面手.m4a
│ 15丨无服务器计算：追求极致效率的多面手.pdf
│ 16丨云上AI服务：云AI能从哪些方面帮助构建智能应用？.html
│ 16丨云上AI服务：云AI能从哪些方面帮助构建智能应用？.m4a
│ 16丨云上AI服务：云AI能从哪些方面帮助构建智能应用？.pdf
│
├─03丨结课测试 (1讲)
│ 结课测试｜这些云计算知识，你都掌握了吗？.html
│ 结课测试｜这些云计算知识，你都掌握了吗？.m4a
│ 结课测试｜这些云计算知识，你都掌握了吗？.pdf
│
└─04丨结束语 (1讲)
结束语丨与云计算一起，迈向未来.html
结束语丨与云计算一起，迈向未来.m4a
结束语丨与云计算一起，迈向未来.pdf
│
├─01-开篇词 (1讲)
│ 开篇词｜从0开始搭建一个深度学习推荐系统.html
│ 开篇词｜从0开始搭建一个深度学习推荐系统.m4a
│ 开篇词｜从0开始搭建一个深度学习推荐系统.pdf
│
├─02-基础架构篇 (3讲)
│ 01｜深度学习推荐系统的经典技术架构长啥样？.html
│ 01｜深度学习推荐系统的经典技术架构长啥样？.m4a
│ 01｜深度学习推荐系统的经典技术架构长啥样？.pdf
│ 02｜SparrowRecSys：我们要实现什么样的推荐系统？.html
│ 02｜SparrowRecSys：我们要实现什么样的推荐系统？.m4a
│ 02｜SparrowRecSys：我们要实现什么样的推荐系统？.pdf
│ 03｜深度学习基础：你打牢深度学习知识的地基了吗？.html
│ 03｜深度学习基础：你打牢深度学习知识的地基了吗？.m4a
│ 03｜深度学习基础：你打牢深度学习知识的地基了吗？.pdf
│
├─03-国庆策划 (2讲)
│ 国庆策划丨关于深度学习推荐系统，我有这些资料想推荐给你.html
│ 国庆策划丨关于深度学习推荐系统，我有这些资料想推荐给你.m4a
│ 国庆策划丨关于深度学习推荐系统，我有这些资料想推荐给你.pdf
│ 国庆策划丨深度学习推荐系统基础，你掌握了多少？.html
│ 国庆策划丨深度学习推荐系统基础，你掌握了多少？.m4a
│ 国庆策划丨深度学习推荐系统基础，你掌握了多少？.pdf
│
├─04-特征工程篇 (6讲)
│ 04｜特征工程：推荐系统有哪些可供利用的特征？.html
│ 04｜特征工程：推荐系统有哪些可供利用的特征？.m4a
│ 04｜特征工程：推荐系统有哪些可供利用的特征？.pdf
│ 05｜特征处理：如何利用Spark解决特征处理问题？.html
│ 05｜特征处理：如何利用Spark解决特征处理问题？.m4a
│ 05｜特征处理：如何利用Spark解决特征处理问题？.pdf
│ 06｜Embedding：所有人都在谈的Embedding技术到底是什么？.html
│ 06｜Embedding：所有人都在谈的Embedding技术到底是什么？.m4a
│ 06｜Embedding：所有人都在谈的Embedding技术到底是什么？.pdf
│ 07｜Embedding进阶：如何利用图结构数据生成GraphEmbedding？.html
│ 07｜Embedding进阶：如何利用图结构数据生成GraphEmbedding？.m4a
│ 07｜Embedding进阶：如何利用图结构数据生成GraphEmbedding？.pdf
│ 08｜Embedding实战：如何使用Spark生成Item2vec和GraphEmbedding？.html
│ 08｜Embedding实战：如何使用Spark生成Item2vec和GraphEmbedding？.m4a
│ 08｜Embedding实战：如何使用Spark生成Item2vec和GraphEmbedding？.pdf
│ 答疑丨基础架构篇+特征工程篇常见问题解答.html
│ 答疑丨基础架构篇+特征工程篇常见问题解答.m4a
│ 答疑丨基础架构篇+特征工程篇常见问题解答.pdf
│
├─05-线上服务篇 (7讲)
│ 09｜线上服务：如何在线上提供高并发的推荐服务？.html
│ 09｜线上服务：如何在线上提供高并发的推荐服务？.m4a
│ 09｜线上服务：如何在线上提供高并发的推荐服务？.pdf
│ 10｜存储模块：如何用Redis解决推荐系统特征的存储问题？.html
│ 10｜存储模块：如何用Redis解决推荐系统特征的存储问题？.m4a
│ 10｜存储模块：如何用Redis解决推荐系统特征的存储问题？.pdf
│ 11｜召回层：如何快速又准确地筛选掉不相关物品？.html
│ 11｜召回层：如何快速又准确地筛选掉不相关物品？.m4a
│ 11｜召回层：如何快速又准确地筛选掉不相关物品？.pdf
│ 12丨 局部敏感哈希：如何在常数时间内搜索Embedding最近邻？.html
│ 12丨 局部敏感哈希：如何在常数时间内搜索Embedding最近邻？.m4a
│ 12丨 局部敏感哈希：如何在常数时间内搜索Embedding最近邻？.pdf
│ 13丨 模型服务：怎样把你的离线模型部署到线上？.html
│ 13丨 模型服务：怎样把你的离线模型部署到线上？.m4a
│ 13丨 模型服务：怎样把你的离线模型部署到线上？.pdf
│ 14丨 融会贯通：SparrowRecSys中的电影相似推荐功能是如何实现的？.html
│ 14丨 融会贯通：SparrowRecSys中的电影相似推荐功能是如何实现的？.m4a
│ 14丨 融会贯通：SparrowRecSys中的电影相似推荐功能是如何实现的？.pdf
│ 答疑丨 线上服务篇留言问题详解.html
│ 答疑丨 线上服务篇留言问题详解.m4a
│ 答疑丨 线上服务篇留言问题详解.pdf
│
├─06-推荐模型篇 (12讲)
│ 15丨 协同过滤：最经典的推荐模型，我们应该掌握什么？.html
│ 15丨 协同过滤：最经典的推荐模型，我们应该掌握什么？.m4a
│ 15丨 协同过滤：最经典的推荐模型，我们应该掌握什么？.pdf
│ 16丨 深度学习革命：深度学习推荐模型发展的整体脉络是怎样的？.html
│ 16丨 深度学习革命：深度学习推荐模型发展的整体脉络是怎样的？.m4a
│ 16丨 深度学习革命：深度学习推荐模型发展的整体脉络是怎样的？.pdf
│ 17 _ Embedding+MLP：如何用TensorFlow实现经典的深度学习模型？.html
│ 17 _ Embedding+MLP：如何用TensorFlow实现经典的深度学习模型？.pdf
│ 17丨Embedding+MLP：如何用TensorFlow实现经典的深度学习模型？.m4a
│ 18丨Wide&Deep：怎样让你的模型既有想象力又有记忆力？.m4a
│ 18｜Wide&Deep：怎样让你的模型既有想象力又有记忆力？.html
│ 18｜Wide&Deep：怎样让你的模型既有想象力又有记忆力？.pdf
│ 19丨NeuralCF：如何用深度学习改造协同过滤？.m4a
│ 19｜NeuralCF：如何用深度学习改造协同过滤？.html
│ 19｜NeuralCF：如何用深度学习改造协同过滤？.pdf
│ 20 _ DeepFM：如何让你的模型更好地处理特征交叉？.html
│ 20 _ DeepFM：如何让你的模型更好地处理特征交叉？.pdf
│ 20丨DeepFM：如何让你的模型更好地处理特征交叉？.m4a
│ 21丨注意力机制、兴趣演化：推荐系统如何抓住用户的心？.m4a
│ 21｜注意力机制、兴趣演化：推荐系统如何抓住用户的心？.html
│ 21｜注意力机制、兴趣演化：推荐系统如何抓住用户的心？.pdf
│ 22丨强化学习：让推荐系统像智能机器人一样自主学习.m4a
│ 22｜强化学习：让推荐系统像智能机器人一样自主学习.html
│ 22｜强化学习：让推荐系统像智能机器人一样自主学习.pdf
│ 23丨实战：如何用深度学习模型实现SparrowRecSys的个性化推荐功能？.m4a
│ 23｜ 实战：如何用深度学习模型实现Sparrow RecSys的个性化推荐功能？.html
│ 23｜ 实战：如何用深度学习模型实现Sparrow RecSys的个性化推荐功能？.pdf
│ 模型实战准备（一）丨 TensorFlow入门和环境配置.html
│ 模型实战准备（一）丨 TensorFlow入门和环境配置.m4a
│ 模型实战准备（一）丨 TensorFlow入门和环境配置.pdf
│ 模型实战准备（二） _ 模型特征、训练样本的处理.html
│ 模型实战准备（二） _ 模型特征、训练样本的处理.pdf
│ 模型实战准备（二）丨模型特征、训练样本的处理.m4a
│ 特别加餐 _ “银弹”不可靠，最优的模型结构该怎么找？.html
│ 特别加餐 _ “银弹”不可靠，最优的模型结构该怎么找？.pdf
│ 特别加餐丨“银弹”不可靠，最优的模型结构该怎么找？.m4a
│
├─07-模型评估篇 (5讲)
│ 24丨离线评估：常用的推荐系统离线评估方法有哪些？.html
│ 24丨离线评估：常用的推荐系统离线评估方法有哪些？.m4a
│ 24丨离线评估：常用的推荐系统离线评估方法有哪些？.pdf
│ 25丨评估指标：我们可以用哪些指标来衡量模型的好坏？.html
│ 25丨评估指标：我们可以用哪些指标来衡量模型的好坏？.m4a
│ 25丨评估指标：我们可以用哪些指标来衡量模型的好坏？.pdf
│ 26丨在线测试：如何在推荐服务器内部实现AB测试？.html
│ 26丨在线测试：如何在推荐服务器内部实现AB测试？.m4a
│ 26丨在线测试：如何在推荐服务器内部实现AB测试？.pdf
│ 27丨评估体系：如何解决AB测试资源紧张的窘境？.html
│ 27丨评估体系：如何解决AB测试资源紧张的窘境？.m4a
│ 27丨评估体系：如何解决AB测试资源紧张的窘境？.pdf
│ 特别加餐丨TensorFlow的模型离线评估实践怎么做？.html
│ 特别加餐丨TensorFlow的模型离线评估实践怎么做？.m4a
│ 特别加餐丨TensorFlow的模型离线评估实践怎么做？.pdf
│
├─08-前沿拓展篇 (6讲)
│ 28丨业界经典：YouTube深度学习推荐系统的经典架构长什么样？.html
│ 28丨业界经典：YouTube深度学习推荐系统的经典架构长什么样？.m4a
│ 28丨业界经典：YouTube深度学习推荐系统的经典架构长什么样？.pdf
│ 29丨图神经网络：Pinterest是如何应用图神经网络的？.html
│ 29丨图神经网络：Pinterest是如何应用图神经网络的？.m4a
│ 29丨图神经网络：Pinterest是如何应用图神经网络的？.pdf
│ 30丨流处理平台：Flink是如何快速识别用户兴趣，实现实时推荐的？.html
│ 30丨流处理平台：Flink是如何快速识别用户兴趣，实现实时推荐的？.m4a
│ 30丨流处理平台：Flink是如何快速识别用户兴趣，实现实时推荐的？.pdf
│ 31丨模型迭代：阿里巴巴是如何迭代更新推荐模型的？.html
│ 31丨模型迭代：阿里巴巴是如何迭代更新推荐模型的？.m4a
│ 31丨模型迭代：阿里巴巴是如何迭代更新推荐模型的？.pdf
│ 32丨强化学习案例：美团是如何在推荐系统中落地强化学习的？.html
│ 32丨强化学习案例：美团是如何在推荐系统中落地强化学习的？.m4a
│ 32丨强化学习案例：美团是如何在推荐系统中落地强化学习的？.pdf
│ 33丨技术权衡：解决方案这么多，哪个最合适？.html
│ 33丨技术权衡：解决方案这么多，哪个最合适？.m4a
│ 33丨技术权衡：解决方案这么多，哪个最合适？.pdf
│
└─09-结束语 (2讲)
34丨结束语丨深度学习时代需要什么样的推荐工程师？.html
34丨结束语丨深度学习时代需要什么样的推荐工程师？.m4a
34丨结束语丨深度学习时代需要什么样的推荐工程师？.pdf
35丨期末考试丨“深度学习推荐系统”100分试卷等你来挑战！.html
35丨期末考试丨“深度学习推荐系统”100分试卷等你来挑战！.pdf
│
├─01-开篇词 (1讲)
│ 00丨开篇词丨打通修炼机器学习的任督二脉.html
│ 00丨开篇词丨打通修炼机器学习的任督二脉.pdf
│
├─02-机器学习概观 (10讲)
│ 01丨频率视角下的机器学习.html
│ 01丨频率视角下的机器学习.pdf
│ 02丨贝叶斯视角下的机器学习.html
│ 02丨贝叶斯视角下的机器学习.pdf
│ 03丨学什么与怎么学.html
│ 03丨学什么与怎么学.pdf
│ 04丨计算学习理论.html
│ 04丨计算学习理论.pdf
│ 05丨模型的分类方式.html
│ 05丨模型的分类方式.pdf
│ 06丨模型的设计准则.html
│ 06丨模型的设计准则.pdf
│ 07丨模型的验证方法.html
│ 07丨模型的验证方法.pdf
│ 08丨模型的评估指标.html
│ 08丨模型的评估指标.pdf
│ 09丨实验设计.html
│ 09丨实验设计.pdf
│ 10丨特征预处理.html
│ 10丨特征预处理.pdf
│
├─03-统计机器学习模型 (18讲)
│ 11丨基础线性回归：一元与多元.html
│ 11丨基础线性回归：一元与多元.pdf
│ 12丨正则化处理：收缩方法与边际化.html
│ 12丨正则化处理：收缩方法与边际化.pdf
│ 13丨线性降维：主成分的使用.html
│ 13丨线性降维：主成分的使用.pdf
│ 14丨非线性降维：流形学习.html
│ 14丨非线性降维：流形学习.pdf
│ 15丨从回归到分类：联系函数与降维.html
│ 15丨从回归到分类：联系函数与降维.pdf
│ 16丨建模非正态分布：广义线性模型.html
│ 16丨建模非正态分布：广义线性模型.pdf
│ 17丨几何角度看分类：支持向量机.html
│ 17丨几何角度看分类：支持向量机.pdf
│ 18丨从全局到局部：核技巧.html
│ 18丨从全局到局部：核技巧.pdf
│ 19丨非参数化的局部模型：K近邻.html
│ 19丨非参数化的局部模型：K近邻.pdf
│ 20丨基于距离的学习：聚类与度量学习.html
│ 20丨基于距离的学习：聚类与度量学习.pdf
│ 21丨基函数扩展：属性的非线性化.html
│ 21丨基函数扩展：属性的非线性化.pdf
│ 22丨自适应的基函数：神经网络.html
│ 22丨自适应的基函数：神经网络.pdf
│ 23丨层次化的神经网络：深度学习.html
│ 23丨层次化的神经网络：深度学习.pdf
│ 24丨深度编解码：表示学习.html
│ 24丨深度编解码：表示学习.pdf
│ 25丨基于特征的区域划分：树模型.html
│ 25丨基于特征的区域划分：树模型.pdf
│ 26丨集成化处理：Boosting与Bagging.html
│ 26丨集成化处理：Boosting与Bagging.pdf
│ 27丨万能模型：梯度提升与随机森林.html
│ 27丨万能模型：梯度提升与随机森林.pdf
│ 总结课丨机器学习的模型体系.html
│ 总结课丨机器学习的模型体系.pdf
│
├─04-概率图模型 (14讲)
│ 28丨最简单的概率图：朴素贝叶斯.html
│ 28丨最简单的概率图：朴素贝叶斯.pdf
│ 29丨有向图模型：贝叶斯网络.html
│ 29丨有向图模型：贝叶斯网络.pdf
│ 30丨无向图模型：马尔可夫随机场.html
│ 30丨无向图模型：马尔可夫随机场.pdf
│ 31丨建模连续分布：高斯网络.html
│ 31丨建模连续分布：高斯网络.pdf
│ 32丨从有限到无限：高斯过程.html
│ 32丨从有限到无限：高斯过程.pdf
│ 33丨序列化建模：隐马尔可夫模型.html
│ 33丨序列化建模：隐马尔可夫模型.pdf
│ 34丨连续序列化模型：线性动态系统.html
│ 34丨连续序列化模型：线性动态系统.pdf
│ 35丨精确推断：变量消除及其拓展.html
│ 35丨精确推断：变量消除及其拓展.pdf
│ 36丨确定近似推断：变分贝叶斯.html
│ 36丨确定近似推断：变分贝叶斯.pdf
│ 37丨随机近似推断：MCMC.html
│ 37丨随机近似推断：MCMC.pdf
│ 38丨完备数据下的参数学习：有向图与无向图.html
│ 38丨完备数据下的参数学习：有向图与无向图.pdf
│ 39丨隐变量下的参数学习：EM方法与混合模型.html
│ 39丨隐变量下的参数学习：EM方法与混合模型.pdf
│ 40丨结构学习：基于约束与基于评分.html
│ 40丨结构学习：基于约束与基于评分.pdf
│ 总结课丨贝叶斯学习的模型体系.html
│ 总结课丨贝叶斯学习的模型体系.pdf
│
└─05-结束语 (1讲)
结课丨终有一天，你将为今天的付出骄傲.html
结课丨终有一天，你将为今天的付出骄傲.pdf
