内容介绍：
001： mlcamp_course_info.mp4
002： 课程介绍.mp4
003： 凸集、凸函数、判定凸函数.mp4
004： transportation problem.mp4
005： portfolio optimization.mp4
006： set cover problem.mp4
007： duality.mp4
008： 答疑部分.mp4
009：从词嵌入到文档距离01.mp4
010：从词嵌入到文档距离02.mp4
011：KKT Condition.mp4
012：svm 的直观理解.mp4
013：svm 的数学模型.mp4
014：带松弛变量的svm.mp4
015：带kernel的svm.mp4
016：svm的smo的解法.mp4
017：使用svm支持多个类别.mp4
018：kernel linear regression.mp4
019：kernel pca.mp4
020：交叉验证.mp4
021：vc维.mp4
022：直播答疑01.mp4
023：直播答疑02.mp4
024：lp实战01.mp4
025：lp实战02.mp4
026：lp实战03.mp4
027：hard，np hard-01.mp4
028：hard，np hard-02.mp4
029：hard，np hard-03.mp4
030：引言.mp4
031：线性回归.mp4
032：basis expansion.mp4
033：bias 与 variance.mp4
034：正则化.mp4
035：ridge, lasso, elasticnet.mp4
036：逻辑回归.mp4
037：softmax 多元逻辑回归.mp4
038：梯度下降法.mp4
039：svm人脸识别结合cross-validation交叉验证01.mp4
040：svm人脸识别结合cross-validation交叉验证02.mp4
041：svm人脸识别结合cross-validation交叉验证03.mp4
042：svm人脸识别结合cross-validation交叉验证04.mp4
043：模型评估方法和svm做人脸识别01.mp4
044：模型评估方法和svm做人脸识别02.mp4
045：模型评估方法和svm做人脸识别03.mp4
046：pca和lda的原理和实战01.mp4
047：pca和lda的原理和实战02.mp4
048：pca和lda的原理和实战03.mp4
049：softmax with cross entropy01.mp4
050：softmax with cross entropy02.mp4
051：softmax with cross entropy03.mp4
052：kernel logistic regression and the import vec01.mp4
053：kernel logistic regression and the import vec02.mp4
054：lda 作为分类器.mp4
055：lda 作为分类器答疑.mp4
056：lda 作为降维工具.mp4
057：kernel lda 5 kernel lda答疑.mp4
058：ensemble majority voting.mp4
059：ensemble bagging.mp4
060：ensemble boosting.mp4
061：ensemble random forests.mp4
062：ensemble stacking.mp4
063：答疑.mp4
064：决策树的应用.mp4
065：集成模型.mp4
066：提升树.mp4
067：目标函数的构建.mp4
068：additive training.mp4
069：使用泰勒级数近似目标函数.mp4
070：重新定义一棵树.mp4
071：如何寻找树的形状.mp4
072：xgboost-01.mp4
073：xgboost-02.mp4
074：xgboost-03.mp4
075：xgboost的代码解读 工程实战-01.mp4
076：xgboost的代码解读 工程实战-02.mp4
077：xgboost的代码解读 工程实战-03.mp4
078：理解和比较xgboost gbdt lightgbm-01.mp4
079：理解和比较xgboost gbdt lightgbm-02.mp4
080：理解和比较xgboost gbdt lightgbm-03.mp4
081：lightgbm-01.mp4
082：lightgbm-02.mp4
083：lightgbm-03.mp4
084：聚类算法介绍 k-means 算法描述.mp4
085：k-means 的特性 k-means++.mp4
086：em 算法思路.mp4
087：em 算法推演.mp4
088：em 算法的收敛性证明.mp4
089：em 与高斯混合模型.mp4
090：em 与 kmeans 的关系.mp4
091：dbscan聚类算法.mp4
092：课后答疑.mp4
093：kaggle广告点击欺诈识别实战-01.mp4
094：kaggle广告点击欺诈识别实战-02.mp4
095：kaggle广告点击欺诈识别实战-03.mp4
096：kaggle广告点击欺诈识别实战-04.mp4
097：klda实例+homework1讲评-01.mp4
098：klda实例+homework1讲评-02.mp4
099：klda实例+homework1讲评-03.mp4
100：klda实例+homework1讲评-04_(new).mp4
101：Analysis and Applications-01_ev.mp4
102：Analysis and Applications-02_ev.mp4
103：Analysis and Applications-03_ev.mp4
104：基于HMM的中文分词： jieba分词原理1_ev.mp4
105：基于HMM的中文分词： jieba分词原理2_ev.mp4
106：基于HMM的中文分词： jieba分词原理3_ev.mp4
107：基于HMM的中文分词： jieba分词原理_ev.mp4
108：Graphical Models_ev.mp4
109：Hidden Markov Model_ev.mp4
110：Finding Best Z_ev.mp4
111：Finding Best Z：Viterbi_ev.mp4
112：HMM 的参数估计_ev.mp4
113：XGBoost分类问题-01_ev.mp4
114：XGBoost分类问题-02_ev.mp4
115：XGBoost分类问题-03_ev.mp4
116：基于STM-CRF命名实体识别-01_ev.mp4
117：基于STM-CRF命名实体识别-02_ev.mp4
118：基于STM-CRF命名实体识别-03_ev.mp4
119.mp4
120：forward algorithm.mp4
121：backward algorithm.mp4
122：complete vs incomplete case.mp4
123：estimate a-review of language model.mp4
124：回顾-生成模型与判别模型.mp4
125：回顾-有向图vs无向图.mp4
126：multinomial logistic regression.mp4
127：回顾-hmm.mp4
128：log-linear model to linear-crf.mp4
129：inference problem.mp4
130：bp算法.mp4
131：pytorch基础.mp4
132：深度学习与深度神经网络的历史背景.mp4
133：神经网络的前向算法.mp4
134：神经网络的误差向后传递算法.mp4
135：误差向后传递算法推导.mp4
136：课后答疑.mp4
137：inception-resnet卷积神经网络-01.mp4
138：inception-resnet卷积神经网络-02.mp4
139：bp算法回顾-01.mp4
140：bp算法回顾-02.mp4
141：bp算法回顾-03.mp4
142：矩阵求导-01.mp4
143：矩阵求导-02.mp4
144：矩阵求导-03.mp4
145：卷积的原理.mp4
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
147：卷积层用于降低网络模型的复杂度.mp4
148：卷积层复杂度的推演 padding的种类.mp4
149：卷积层的误差向后传递算法(梯度推演) .mp4
150：卷积层的各种变体.mp4
151：经典的卷积网络一览.mp4
152：课后答疑.mp4
153：EffNet-01.mp4
154：EffNet-02.mp4
155：MobileNet-01.mp4
156：MobileNet-02.mp4
157：MobileNet-03.mp4
158：ShuffleNet-01.mp4
159：ShuffleNet-02.mp4
160：ShuffleNet-03.mp4
161：神经网络的梯度消失及其对策.mp4
162：神经网络的过拟合及其对策1-Dropout.mp4
163：神经网络的过拟合及其对策2-L1 L2 Regularization.mp4
164：神经网络的过拟合及其对策3-Max Norm.mp4
165：神经网络的过拟合及其对策4-Batch Normalization.mp4
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
167.mp4
168.mp4
169.mp4
170.mp4
171.mp4
172.mp4
173.mp4
174.mp4
175：课后答疑.mp4
176：语言模型的原理及其应用.mp4
177：基于n-gram的语言模型.mp4
178：基于固定窗口的神经语言模型.mp4
179：RNN的原理, 基于RNN的语言模型及其应用.mp4
180：RNN中的梯度消失与梯度爆炸.mp4
181：LSTM的原理.mp4
182：GRU的原理.mp4
183：梯度消失 爆炸的解决方案.mp4
184：双向Bidirectional RNN, 多层Multi-layer RNN.mp4
185：课后答疑.mp4
186：人脸关键点检测项目讲解-01.mp4
187：人脸关键点检测项目讲解-02.mp4
188：人脸关键点检测项目讲解-03.mp4
189：LONG SHORT-TERM MEMORY-01.mp4
190：LONG SHORT-TERM MEMORY-02.mp4
191：为什么需要Attention注意力机制.mp4
192：Attention的原理.mp4
193：Transformer入门.mp4
194：Self-Attention注意力机制的原理.mp4
195：Positional Encoding.mp4
196：Layer Normalization.mp4
197：Transformer Decoder解码器的原理, 损失函数, 训练小技巧.mp4
198：Bert的原理.mp4
199：课后答疑.mp4
200：课中答疑.mp4
201：Word2Vec论文解读-01.mp4
202：Word2Vec论文解读-02.mp4
203：Word2Vec论文解读-03.mp4
204：使用BiLSTM+CNN实现NER-01.mp4
205：使用BiLSTM+CNN实现NER-02.mp4
206：使用BiLSTM+CNN实现NER-03.mp4
......
343.mp4
资料.rar

百度网盘下载地址：