贪心学院机器学习课程目录

}
├ 课时001：mlcamp_couRsE_Info.mp4
├ 课时002：课程介绍.mp4
├ 课时003：凸集、凸函数、判定凸函数(102330).mp4
├ 课时003：凸集、凸函数、判定凸函数.mp4
├ 课时004：Transportation PRoblem.mp4
├ 课时005：portfolio optimization.mp4
├ 课时006：set cover problem.mp4
├ 课时007：duality.mp4
├ 课时008：答疑部分.mp4
├ 课时009：从词嵌入到文档距离01.mp4
├ 课时010：从词嵌入到文档距离02.mp4
├ 课时011：KKT Condition.mp4
├ 课时012：svm 的直观理解.mp4
├ 课时013：svm 的数学模型.mp4
├ 课时014：带松弛变量的svm.mp4
├ 课时015：带kernel的svm.mp4
├ 课时016：svm的smo的解法.mp4
├ 课时017：使用svm支持多个类别.mp4
├ 课时018：kernel linear regression.mp4
├ 课时019：kernel pca.mp4
├ 课时020：交叉验证.mp4
├ 课时021：vc维.mp4
├ 课时022：直播答疑01.mp4
├ 课时023：直播答疑02.mp4
├ 课时024：lp实战01.mp4
├ 课时025：lp实战02.mp4
├ 课时026：lp实战03.mp4
├ 课时027：hard，np hard-01.mp4
├ 课时028：hard，np hard-02.mp4
├ 课时029：hard，np hard-03.mp4
├ 课时030：引言.mp4
├ 课时031：线性回归.mp4
├ 课时032：basis Expansion.mp4
├ 课时033：bias 与 VAriance.mp4
├ 课时034：正则化.mp4
├ 课时035：ridge, lasSo, elasticnet.mp4
├ 课时036：逻辑回归.mp4
├ 课时037：softmax 多元逻辑回归.mp4
├ 课时038：梯度下降法.mp4
├ 课时039：svm人脸识别结合cross-validation交叉验证01.mp4
├ 课时040：svm人脸识别结合cross-validation交叉验证02.mp4
├ 课时041：svm人脸识别结合cross-validation交叉验证03.mp4
├ 课时042：svm人脸识别结合cross-validation交叉验证04.mp4
├ 课时043：模型评估方法和svm做人脸识别01.mp4
├ 课时044：模型评估方法和svm做人脸识别02.mp4
├ 课时045：模型评估方法和svm做人脸识别03.mp4
├ 课时046：pca和lda的原理和实战01.mp4
├ 课时047：pca和lda的原理和实战02.mp4
├ 课时048：pca和lda的原理和实战03.mp4
├ 课时049：softmax with cross entropy01.mp4
├ 课时050：softmax with cross entropy02.mp4
├ 课时051：softmax with cross entropy03.mp4
├ 课时052：kernel Logistic regression and the import vec01.mp4
├ 课时053：kernel logistic regression and the import vec02.mp4
├ 课时054：lda 作为分类器.mp4
├ 课时055：lda 作为分类器答疑.mp4
├ 课时056：lda 作为降维工具.mp4
├ 课时057：kernel lda 5 kernel lda答疑.mp4
├ 课时058：ensemble majority voting.mp4
├ 课时059：ensemble bagging.mp4
├ 课时060：ensemble boosting.mp4
├ 课时061：ensemble random forests.mp4
├ 课时062：ensemble stacking.mp4
├ 课时063：答疑.mp4
├ 课时064：决策树的应用.mp4
├ 课时065：集成模型.mp4
├ 课时066：提升树.mp4
├ 课时067：目标函数的构建.mp4
├ 课时068：additive training.mp4
├ 课时069：使用泰勒级数近似目标函数.mp4
├ 课时070：重新定义一棵树.mp4
├ 课时071：如何寻找树的形状.mp4
├ 课时072：xgboost-01.mp4
├ 课时073：xgboost-02.mp4
├ 课时074：xgboost-03.mp4
├ 课时075：xgboost的代码解读 工程实战-01.mp4
├ 课时076：xgboost的代码解读 工程实战-02.mp4
├ 课时077：xgboost的代码解读 工程实战-03.mp4
├ 课时078：理解和比较xgboost gbdt lightgbm-01.mp4
├ 课时079：理解和比较xgboost gbdt lightgbm-02.mp4
├ 课时080：理解和比较xgboost gbdt lightgbm-03.mp4
├ 课时081：lightgbm-01.mp4
├ 课时082：lightgbm-02.mp4
├ 课时083：lightgbm-03.mp4
├ 课时084：聚类算法介绍 k-means 算法描述.mp4
├ 课时085：k-means 的特性 k-means++.mp4
├ 课时086：em 算法思路.mp4
├ 课时087：em 算法推演.mp4
├ 课时088：em 算法的收敛性证明.mp4
├ 课时089：em 与高斯混合模型.mp4
├ 课时090：em 与 kmeans 的关系.mp4
├ 课时091：dbscan聚类算法.mp4
├ 课时092：课后答疑.mp4
├ 课时093：kaggle广告点击欺诈识别实战-01.mp4
├ 课时094：kaggle广告点击欺诈识别实战-02.mp4
├ 课时095：kaggle广告点击欺诈识别实战-03.mp4
├ 课时096：kaggle广告点击欺诈识别实战-04.mp4
├ 课时097：klda实例+homework1讲评-01.mp4
├ 课时098：klda实例+homework1讲评-02.mp4
├ 课时099：klda实例+homework1讲评-03.mp4
├ 课时100：klda实例+homework1讲评-04.mp4
├ 课时101：Analysis and Applications-01_ev.mp4
├ 课时102：Analysis and Applications-02_ev.mp4
├ 课时103：Analysis and Applications-03_ev.mp4
├ 课时104：基于HMM的中文分词： jieba分词原理1_ev.mp4
├ 课时105：基于HMM的中文分词： jieba分词原理2_ev.mp4
├ 课时106：基于HMM的中文分词： jieba分词原理3_ev.mp4
├ 课时107：基于HMM的中文分词： jieba分词原理_ev.mp4
├ 课时108：Graphical Models_ev.mp4
├ 课时109：Hidden MARKov Model_ev.mp4
├ 课时110：Finding Best Z_ev.mp4
├ 课时111：Finding Best Z：Viterbi_ev.mp4
├ 课时112：HMM 的参数估计_ev.mp4
├ 课时113：XGBoost分类问题-01_ev.mp4
├ 课时114：XGBoost分类问题-02_ev.mp4
├ 课时115：XGBoost分类问题-03_ev.mp4
├ 课时116：基于STM-CRF命名实体识别-01_ev.mp4
├ 课时117：基于STM-CRF命名实体识别-02_ev.mp4
├ 课时118：基于STM-CRF命名实体识别-03_ev.mp4
├ 课时119.mp4
├ 课时120：forward alGorithm.mp4
├ 课时121：Backward alGorithm.mp4
├ 课时122：complete vs Inc.mplete case.mp4
├ 课时123：estimate a-review of language model.mp4
├ 课时124：回顾-生成模型与判别模型.mp4
├ 课时125：回顾-有向图vs无向图.mp4
├ 课时126：multiNo!MIAl logistic regression.mp4
├ 课时127：回顾-hmm.mp4
├ 课时128：log-linear model to linear-crf.mp4
├ 课时129：inference problem.mp4
├ 课时130：bp算法.mp4
├ 课时131：pytorch基础.mp4
├ 课时132：深度学习与深度神经网络的历史背景.mp4
├ 课时133：神经网络的前向算法.mp4
├ 课时134：神经网络的误差向后传递算法.mp4
├ 课时135：误差向后传递算法推导.mp4
├ 课时136：课后答疑.mp4
├ 课时137：inception-resnet卷积神经网络-01.mp4
├ 课时138：inception-resnet卷积神经网络-02.mp4
├ 课时139：bp算法回顾-01.mp4
├ 课时140：bp算法回顾-02.mp4
├ 课时141：bp算法回顾-03.mp4
├ 课时142：矩阵求导-01.mp4
├ 课时143：矩阵求导-02.mp4
├ 课时144：矩阵求导-03.mp4
├ 课时145：卷积的原理.mp4
├ 课时146：多通道输入, 多通道输出的卷积操作, 典型的卷积网络结构.mp4
├ 课时147：卷积层用于降低网络模型的复杂度.mp4
├ 课时148：卷积层复杂度的推演 padding的种类.mp4
├ 课时149：卷积层的误差向后传递算法(梯度推演) .mp4
├ 课时150：卷积层的各种变体.mp4
├ 课时151：经典的卷积网络一览.mp4
├ 课时152：课后答疑.mp4
├ 课时153：EffNet-01.mp4
├ 课时154：EffNet-02.mp4
├ 课时155：MobileNet-01.mp4
├ 课时156：MobileNet-02.mp4
├ 课时157：MobileNet-03.mp4
├ 课时158：ShuffleNet-01.mp4
├ 课时159：ShuffleNet-02.mp4
├ 课时160：ShuffleNet-03.mp4
├ 课时161：神经网络的梯度消失及其对策.mp4
├ 课时162：神经网络的过拟合及其对策1-Dropout.mp4
├ 课时163：神经网络的过拟合及其对策2-L1 L2 Regularization.mp4
├ 课时164：神经网络的过拟合及其对策3-Max Norm.mp4
├ 课时165：神经网络的过拟合及其对策4-Batch Normalization.mp4
├ 课时166：批处理梯度下降法, 随机梯度下降法, mini批处理梯度下降法.mp4
├ 课时167.mp4
├ 课时168.mp4
├ 课时169.mp4
├ 课时170.mp4
├ 课时171.mp4
├ 课时172.mp4
├ 课时173.mp4
├ 课时174.mp4
├ 课时175：课后答疑.mp4
├ 课时176：语言模型的原理及其应用.mp4
├ 课时177：基于n-gRAM的语言模型.mp4
├ 课时178：基于固定窗口的神经语言模型.mp4
├ 课时179：RNN的原理, 基于RNN的语言模型及其应用.mp4
├ 课时180：RNN中的梯度消失与梯度爆炸.mp4
├ 课时181：LSTM的原理.mp4
├ 课时182：GRU的原理.mp4
├ 课时183：梯度消失 爆炸的解决方案.mp4
├ 课时184：双向Bidirectional RNN, 多层Multi-layer RNN.mp4
├ 课时185：课后答疑.mp4
├ 课时186：人脸关键点检测项目讲解-01.mp4
├ 课时187：人脸关键点检测项目讲解-02.mp4
├ 课时188：人脸关键点检测项目讲解-03.mp4
├ 课时189：LONG SHORT-TERM MEMORY-01.mp4
├ 课时190：LONG SHORT-TERM MEMORY-02.mp4
├ 课时191：为什么需要Attention注意力机制.mp