===============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