全新升级第三代机器学习升级课程，融汇了最新总结的流形学习，强化学习，概念学习及神经网络课程，全新升级的机器学习等一系列课程，还对于有难度的章节和课程部分安排了课程答疑，以便汇总各类同学们学习中非常容易遇到的问题，帮助大家提高学习质量。同时课程为同学们提供了全面的课程配套学习资料，这样在结合视频课程学习，文档学习以及课程的答疑，相信同学们一定可以将机器学习这块技术难点攻克下来。

===============课程目录===============

├─1、机器学习的数学基础.flv
├─2、机器学习的数学基础.flv
├─3、机器学习的哲学.flv
├─4 、机器学习的数学基础..flv
├─5、经典机器学习模型.flv
├─6、经典机器学习模型.flv
├─7、经典机器学习模型.flv
├─8、线性模型.flv
├─9、线性模型.flv
├─10、核方法.flv
├─11、核方法.flv
├─12、统计学习.flv
├─13、统计学习.flv
├─14、统计学习.flv
├─15、统计学习.flv
├─16、无监督学习.flv
├─17、流形学习.flv
├─18、概念学习.flv
├─19、神经网络.flv
├─20、强化学习.flv
├─第10课_答疑.flv
├─第12课_答疑.flv
├─第15课_答疑.flv
├─第17课_答疑.flv
├─第18课_答疑.flv
├─第1课_答疑.flv
├─第20课_答疑.flv
├─第2课_答疑.flv
├─第3课_答疑.flv
├─第4课_答疑.flv
├─第5课_答疑.flv
├─第6课_答疑.flv
├─第7课_答疑.flv
├─第9课_答疑.flv
(1)\02.资料；目录中文件数:41个
├─10、核方法.pdf
├─12、统计学习.pdf
├─15、统计学习.pdf
├─16、无监督学习.pdf
├─1、机器学习的数学基础.pdf
├─2、机器学习的数学基础.pdf
├─3、机器学习的哲学.pdf
├─4、机器学习的数学基础.pdf
├─5、经典机器学习模型.pdf
├─6、经典机器学习模型.pdf
├─72-Guo-PRICAI.pdf
├─7、经典机器学习模型.pdf
├─8、线性模型.pdf
├─lda_exp.zip
├─lle.pdf
├─Logistic Regression.zip
├─Note11_Lagrange.pdf
├─Note12_Lagrange2.pdf
├─Note_10_GOLS.pdf
├─Note_13_MaxMargin.pdf
├─Note_14_Kernel.pdf
├─Note_15_GeoIntMaxMargin.pdf
├─Note_16_ EM.pdf
├─Note_16_Expectation Maximization Algorithm.pdf
├─Note_17_Locally Linear Embedding.pdf
├─Note_3_LNorm.pdf
├─Note_4-GradientDescent.pdf
├─Note_5_NaiveBayes.pdf
├─Note_6_CART.pdf
├─Note_7_EnsembleLearning.pdf
├─Note_7_GBDT.pdf
├─Note_8_OLS.pdf
├─probability ( MIT Bertsekas).pdf
├─RandomForest.zip
├─第一课：相关资料chapter03.pdf
├─第一课：笔记Note_1_MachineLearningIntro.pdf
├─第一课：笔记Note_2_Geometric Interpretation of Determinant(1).pdf
├─第一课：笔记Note_3_LNorm(1).pdf
├─第五课_代码.zip
├─第六课_代码.zip
├─第六课_代码Py3.rar