窥见人工智能算法-麦子学院机器学习-深度学习基础课程+深度学习进阶实战视频教程




===============课程目录===============
├<(Part One)深度学习基础>
│  ├代码与素材.rar
│  ├课件.CHM
│  ├课件.zip
│  ├<视频>
│  │  ├1.1课程介绍机器学习介绍上.mp4
│  │  ├1.1课程介绍机器学习介绍下.mp4
│  │  ├1.2深度学习介绍.mp4
│  │  ├2基本概念.mp4
│  │  ├3.1决策树算法.mp4
│  │  ├3.2决策树应用.mp4
│  │  ├4.1最邻近规则分类KNN算法.mp4
│  │  ├4.2最邻近规则KNN分类应用.mp4
│  │  ├5.1 支持向量机(SVM)算法（上）.html
│  │  ├5.1 支持向量机(SVM)算法（上）应用.html
│  │  ├5.1支持向量机SVM上.mp4
│  │  ├5.1支持向量机SVM上应用.mp4
│  │  ├6.2神经网络算法应用上.mp4
│  │  ├6.3神经网络算法应用下.mp4
│  │  ├7.1简单线性回归上.mp4
│  │  ├7.2简单线性回归下.mp4
│  │  ├7.3多元线性回归.mp4
│  │  ├7.4多元线性回归应用.mp4
│  │  ├7.5非线性回归 Logistic Regression.mp4
│  │  ├7.6非线性回归应用.mp4
│  │  ├7.7回归中的相关度和决定系数.mp4
│  │  ├7.8回归中的相关性和R平方值应用.mp4
│  │  ├8.1Kmeans算法.mp4
│  │  ├8.2Kmeans应用.mp4
│  │  ├8.3Hierarchical clustering 层次聚类.mp4
│  │  ├8.4Hierarchical clustering 层次聚类应用.mp4
│  │  ├神经网络NN算法.mp4
│  │  ├支持向量机(SVM)算法(下)应用.mp4
│  │  ├支持向量机(SVM)算法下.mp4
│  │  └总结.mp4
├<(Part Two)深度学习进阶>
│  ├<课件>
│  │  └深度学习进阶课件.rar
│  ├<视频>
│  │  ├第10章 神经网络手写数字演示.mp4
│  │  ├第11章 Backpropagation算法上.mp4
│  │  ├第12章 Backpropagation算法下.mp4
│  │  ├第13章 Backpropagation算法实现.mp4
│  │  ├第14章 cross-entropy函数.mp4
│  │  ├第15章 Softmax和Overfitting.mp4
│  │  ├第16章 Regulization.mp4
│  │  ├第17章 Regulazition和Dropout.mp4
│  │  ├第18章 正态分布和初始化(修正版).mp4
│  │  ├第19章 提高版本的手写数字识别实现.mp4
│  │  ├第1章 基本概念清晰版.mp4
│  │  ├第20章 神经网络参数hyper-parameters选择.mp4
│  │  ├第21章 深度神经网络中的难点.mp4
│  │  ├第22章 用ReL解决VanishingGradient问题.mp4
│  │  ├第23章 ConvolutionNerualNetwork算法.mp4
│  │  ├第24章 ConvolutionNeuralNetwork实现上.mp4
│  │  ├第25章 ConvolutionNeuralNetwork实现下.mp4
│  │  ├第26章 Restricted Boltzmann Machine.mp4
│  │  ├第27章 Restricted Boltzmann Machine下.mp4
│  │  ├第28章 Deep Brief Network 和 Autoencoder.mp4
│  │  ├第2章 软件包安装和环境配置总述.mp4
│  │  ├第3章 环境配置分部详解.mp4
│  │  ├第4章 环境配置分部详解下.mp4
│  │  ├第5章 手写数字识别.mp4
│  │  ├第6章 神经网络基本结构及梯度下降算法.mp4
│  │  ├第7章 随机梯度下降算法.mp4
│  │  ├第8章 梯度下降算法实现上.mp4
│  │  └第9章 梯度下降算法实现下.mp4