课时001: mlcamp course info.mp4
课时002:课程介绍.mp4
课时003: 凸集凸函数判定函102330).mp4
课时00
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: dulity.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11: 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
时022:直播答疑01.mp4
课时023:直播答疑02.mp4
课时024: Ip实战01.mp4
课时025: lp实战02.mp4
果时026: Ip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:狺mp4
课时031:线性回8.mp4
课时032: basis expansion.mp4
课时033: bis与vriancemp4
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: sotmax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交交验…
课时040: sm人脸识别结stross-validation交叉验证…
果时041: svm人脸识别结合crossvalidation交交验…
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102.mp4
时045:模型评估方法和svm做人脸识别103.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051: softmax with cross entropy03.mp4
课时052: kernel logistic regression and the import ..
果时053: kernel logistic regression and the import ..
课时055: Ida作为分类器答疑:mp4
课时056: Ida作为降维工具.mp4
课时057: kernel Ida 5 kernel lda答疑.mp4
课时058: ensemble majority voting.mp
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
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: aditive taining.mp4
课时069: 使用泰勒级数近似目标函数.mp4
课时070:重新定义-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
果时076: xgboost的代码解读工程实战-02.mp4
果时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
果时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
眼时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: kaggler 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
果时096: kaggler告点击欺诈识别实战-04.mp4
课时098: klda实例+homework1讲评-02.mp4
课时099: kla实例+homework1讲评03.mp4
果时100: klda实例+homework1讲评-04 _(new,.mp4
课时101: Analysis and Aplications-01 ev.mp4
课时102: Analysis and Applications-O2 ev.mp4
课时103: Analysis and Aplications-03 ev.mp4
课时104:基于HMM的中文分词: jeba分词原理1. ev
课时105:基于HMM的中文分词:
课时106:基于HMM的中文分词: jieba分词原理3 e
课时107:基于HM的中分词: jeba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11: 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121: backward algorithm.mp4
课时122: complete vs incomplete case.mp4
果时123: estimate areview 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: mutinomial lgistic rereson.mpo
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:活
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: neption-resne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
果时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:多邇道输入，多通道输出的卷积操作,典型的卷..
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: EfNet-01.mp4
课时154: EfNet-02.mp4
课时155: MobileNet-01.mp4
课时156: MobileNet-02.mp4
课时157: MobileNet-03.mp4
课时158: SfleNet-01.mp4
课时159: ShffleNet-02.mp4
课时160: SufleNet-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 Nooail..
课时166:批处理梯度下降法，随机梯度下降法，min批处..
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:于n-gram的语言模型.mp4
课时178:基于固定音口的神经语言模型.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
果时182: GRU的原理，mp4
课时183:梯度跌爆炸的解决方案mp4
课时184:双向Bidirectional RNN,多层Mutilayer RN..
课时185:课后答疑mp4
果时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
果时190: LONG SHORT-TERM MEMORY-02.mp4
课时191:为什么需要Atention注意力机制.mp4
课时192: Attention的原理 mp4
课时193: Transformer入门].mp4
课时194: Sl-Attention注意力机制的原理mp4
课时195: Positional Encoding.mp4
课时196: Layer Normaliztin.mp4
课时197: Transformer Decoder解码器的原理损失函…
课时198: Bert的原理mp4
课时199:课后答疑mp4
课时200:课中答疑mp4
课时201: Word2Vec论文解读-01.mp4
课时202: Word2Vec论文解读 -02.mp4
课时203: Word2Vec论文解读-03.mp4
课时204:使用BILSTM+CNN实现NER-01.mp4
课时205:使用BiLSTM+CNN实现NER-02.mp4
课时206:使用BiLSTM+CNN实现NER-03.mp4
课时207 _mp4
课时208 _.mp4
课时209_ .mp4
课时210. .mp4
课时211 _mp4
课时212_ .mp4
课时213_ .mp4
课时214_ .mp4
课时215. .mp4
课时216. .mp4
课时217_ .mp4
课时218.mp4
课时219. .mp4
课时220. .mp4
课时221_ .mp4
课时222. _.mp4
课时223_ .mp4
课时224. .mp4
课时225_ .mp4
课时226. _.mp4
课时227. .mp4
课时228. .mp4
课时229_ .mp4
课时230_ .mp4
课时231_ .mp4
课时232_ .mp4
课时233. .mp4
课时234_ .mp4
课时235_ .mp4
课时236_ .mp4
课时237 _mp4
。。。。
课时343
资料
