七月在线课程集锦

七月在线课程集锦

七月在线课程集锦

——/七月在线/
├──kaggle竞赛实战班
| ├──第二阶段 实战计算广告、NLP、CV等方向
| | ├──第3课 第二节 Data set and features.ts 139.11M
| | ├──第3课 第三节 Spark MLlib and the Pipeline API && MLlib pipeline for Click Through Rate Prediction.ts 45.77M
| | ├──第3课 第四节 Random ForestGBDTFMFFMDNN .ts 190.84M
| | ├──第3课 第一节 Online advertising and click through rate prediction.ts 57.60M
| | ├──第4课 第二节 Kaggle题目详解（初级）.ts 77.29M
| | ├──第4课 第三节 Kaggle题目详解（进阶）.ts 212.93M
| | ├──第4课 第一节 NLP的基本思路与技巧.ts 70.37M
| | ├──第5课 第二节 竞赛方案介绍.ts 290.43M
| | ├──第5课 第一节 数据采集清洗.ts 173.23M
| | ├──第6课 第二节 LSTM.ts 13.75M
| | ├──第6课 第三节 案例.ts 65.94M
| | ├──第6课 第四节 图片特征.ts 37.39M
| | ├──第6课 第五节 CNN.ts 49.19M
| | ├──第6课 第一节 RNN.ts 25.08M
| | ├──第六课 深度学习比赛：猫狗分辨与人脸表情识别.ts 165.73M
| | ├──第三课 计算广告实战：排序与CTR预估问题.ts 385.58M
| | ├──第四课 通过搜索和情感分析实战NLP问题.ts 328.72M
| | └──第五课 通过能源预测与分配案例实战机器学习的完整流程.ts 469.91M
| ├──第三阶段 实战电商推荐与金融风控
| | ├──第7课 第二节 思路拓展与实践.ts 158.72M
| | ├──第7课 第三节 竞赛案例参考.ts 121.47M
| | ├──第7课 第一节 案例介绍.ts 66.06M
| | ├──第8课 第二节 案例解析.ts 170.03M
| | ├──第8课 第一节 金融风控介绍.ts 70.00M
| | ├──第八课 金融风控案例的完整分析与实战.ts 227.95M
| | └──第七课 电商推荐与销量预测案例实战.ts 330.49M
| ├──第一阶段 掌握kaggle比赛的通用流程
| | ├──第1课 第二节 机器学习常用算法.ts 21.67M
| | ├──第1课 第六节 模型分析与模型融合.ts 27.53M
| | ├──第1课 第七节 Kaggle wiki案例.ts 80.64M
| | ├──第1课 第三节 常用工具.ts 7.73M
| | ├──第1课 第四节 数据处理.ts 76.84M
| | ├──第1课 第五节 特征工程、模型选择、交叉验证.ts 130.12M
| | ├──第1课 第一节 机器学习应用领域.ts 30.50M
| | ├──第2课 第二节 案例.ts 166.45M
| | ├──第2课 第三节 非标准数据的处理.ts 17.27M
| | ├──第2课 第一节 解决高纬数据分类回归问题.ts 56.13M
| | ├──第二课 经济金融案例实战：房价与股市预测.ts 221.14M
| | └──第一课 通过kaggle经典案例掌握机器学习算法的通用流程.ts 353.37M
| ├──1.zip 13.98M
| ├──2.zip 11.92M
| ├──3.zip 13.68M
| ├──4.zip 2.18M
| ├──5.zip 40.85M
| ├──6.zip 4.90M
| ├──7.zip 7.79M
| ├──8.zip 40.73M
| └──DSB2017-kaggle肺癌检测第一名解决方案和代码.zip 39.63M
├──leetcode刷题班
| ├──200.cpp 1.56kb
| ├──207.cpp 1.36kb
| ├──399.cpp 1.72kb
| ├──第1课 数论.ts 223.38M
| ├──第1课课件.pdf 53.95kb
| ├──第2课 二分搜索.ts 242.89M
| ├──第2课课件.pdf 20.38kb
| ├──第3课 并查集.ts 347.14M
| ├──第3课树微课part1.pdf 726.39kb
| ├──第3课树微课part2.pdf 564.21kb
| ├──第4课 深度优先搜索.ts 231.37M
| ├──第5课 图.pdf 74.26kb
| ├──第5课 图论算法.ts 298.96M
| └──第6课 动态规划.ts 228.22M
├──Linux从零入门实战
| ├──第八讲 Linux运维基础.ts 173.35M
| ├──第二讲 Linux常用操作命令.ts 315.22M
| ├──第九讲 Linux系统构建.ts 303.23M
| ├──第六讲 Linux网络基础.ts 187.93M
| ├──第七讲 HTTP网络服务.ts 196.18M
| ├──第三讲 Linux代码编辑器.ts 277.35M
| ├──第十讲 Linux操作系统常见试题解析.ts 305.47M
| ├──第四讲 Linux Shell编程.ts 195.31M
| ├──第五讲 Linux开发基础.ts 247.11M
| └──第一讲 Linux介绍.ts 240.90M
├──NLP到Word2Vec实战班
| ├──第1课 NLP理论基础
| | ├──search+relevance.zip 61.29kb
| | ├──第1课 NLP基础.pdf 2.00M
| | └──第1课 NLP理论基础.ts 168.99M
| ├──第2课 Word2Vec理论基础
| | ├──LR softmax and BP reference.txt 0.26kb
| | ├──第2课 Word2Vec理论基础.ts 211.68M
| | └──第2课 词向量到word2vec与相关应用.pdf 9.24M
| ├──第3课 Word2Vec实战案例课- Kaggle竞赛案例
| | ├──Chinese-sentiment-analysis.zip 1.95M
| | ├──kaggle-word2vec-ipynb.zip 51.69M
| | ├──Recommender Systems using Word Embeddings.pdf 1016.85kb
| | ├──word2vec-recommender.zip 6.86M
| | ├──第3课 Word2Vec实战案例课- Kaggle竞赛案例.ts 279.88M
| | └──第3课 应用案例.pdf 2.89M
| └──第4课 从Word2Vec到FastText的新发展+案例
| | ├──第4课 从Word2Vec到FastText的发展.pdf 1.98M
| | ├──第4课 从Word2Vec到FastText的新发展+案例.ts 196.03M
| | └──资料及代码.zip 493.03kb
├──OCR文字识别实战
| ├──第二阶段：掌握文本定位与文本检测
| | ├──第四课 文本行定位.ts 612.46M
| | └──第五课 自然场景中的文本检测.ts 841.08M
| ├──第三阶段 掌握其他图像问题
| | └──第六课 图像质量增强和预处理.ts 276.09M
| ├──第一阶段 一览OCR技术和字符识别
| | ├──第二课 单字符分割与识别.ts 229.60M
| | ├──第三课 字符序列识别.ts 170.05M
| | └──第一课 OCR技术概览.ts 230.50M
| ├──拓展阶段
| | └──增加内容：手把手教你用ASR的框架搞定OCR.ts 394.96M
| └──预习阶段 OCR基础：CNN和RNN
| | ├──CNN.pdf 23.60M
| | ├──CNN预习视频：卷积神经网络与计算机视觉.ts 227.24M
| | ├──mnist_cnn.py 2.22kb
| | ├──RNN预习视频：循环神经网络与自然语言处理.ts 280.22M
| | └──循环神经网络与应用.pdf 19.61M
├──Python基础入门3
| ├──扩展
| | ├──第八课第1节 Python文件读写.ts 57.14M
| | ├──第八课第2节 json.ts 25.29M
| | ├──第八课第3节 正则表达式.ts 49.46M
| | ├──第八课第4节 爬虫.ts 84.89M
| | ├──第八课第5节 NumPy入门.ts 26.20M
| | ├──第八课第6节 Pandas.ts 33.67M
| | ├──第二课第1节 复习上节课内容.ts 45.20M
| | ├──第二课第2节 Python基础语法格式，表达式与声明.ts 44.36M
| | ├──第二课第3节 关键字、标准操作符.ts 60.67M
| | ├──第二课第4节 名字，赋值与名字空间.ts 25.36M
| | ├──第二课第5节 Python中的对象.ts 70.35M
| | ├──第九课第1节 DataAnalyst.csv招聘数据分析.ts 117.27M
| | ├──第九课第2节 美国总统大选数据分析.ts 75.63M
| | ├──第九课第3节 matplotlib.ts 39.72M
| | ├──第九课第4节 实战：销售数据分析.ts 90.45M
| | ├──第六课第1节 复习上节课内容.ts 76.27M
| | ├──第六课第2节 面向对象思想.ts 37.04M
| | ├──第六课第3节 类的设计与创建.ts 67.62M
| | ├──第六课第4节 类中的关键字与装饰器.ts 12.98M
| | ├──第七课第1节 复习上节课内容.ts 95.30M
| | ├──第七课第2节 类的继承和多态.ts 70.36M
| | ├──第七课第3节 类的魔术方法与描述符.ts 40.79M
| | ├──第七课第4节 开放类与元类.ts 15.73M
| | ├──第七课第5节 模块和包.ts 21.12M
| | ├──第三课第1节 复习上节课内容.ts 138.36M
| | ├──第三课第2节 条件判断与三元表达式.ts 19.38M
| | ├──第三课第3节 循环与循环控制.ts 13.78M
| | ├──第三课第4节 可迭代对象，迭代器与生成器.ts 43.27M
| | ├──第三课第5节 异常与错误处理.ts 19.30M
| | ├──第四课第1节 复习上节课内容.ts 77.80M
| | ├──第四课第2节 函数定义，函数体，位置参数与关键字参数，函数返回值.ts 65.60M
| | ├──第四课第3节 不定长位置参数与关键字参数.ts 53.22M
| | ├──第四课第4节 偏函数.ts 26.36M
| | ├──第五课第1节 复习上节课内容.ts 113.00M
| | ├──第五课第2节 函数式编程思想.ts 15.65M
| | ├──第五课第3节 匿名函数.ts 12.90M
| | ├──第五课第4节 高阶函数与内置高阶函数map,reduce,filter,sorted.ts 27.66M
| | ├──第五课第5节 嵌套函数与函数闭包，函数对象.ts 15.23M
| | ├──第五课第6节 Python名字访问规则：LEGB.ts 14.74M
| | ├──第五课第7节 装饰器.ts 29.34M
| | ├──第一课第1节 notebook环境配置，安装.ts 61.04M
| | ├──第一课第2节 notebook使用.ts 40.99M
| | ├──第一课第3节 markdown.ts 41.68M
| | ├──第一课第4节 notebook隐藏辅助功能.ts 50.23M
| | ├──第一课第5节 Python简介，解释执行，运行方式.ts 44.11M
| | ├──第一课第6节 Python内置及三方库的管理及使用.ts 30.22M
| | └──第一课第7节 如何更好得获得帮助.ts 16.30M
| ├──Python1.ipynb 100.35kb
| ├──Python2.ipynb 94.68kb
| ├──Python3.ipynb 275.68kb
| ├──Python4.ipynb 109.42kb
| ├──Python5.ipynb 25.65kb
| ├──Python6.ipynb 16.98kb
| ├──Python7.ipynb 53.92kb
| ├──第1课 Python入门及环境搭建.ts 269.15M
| ├──第2课 Python编程基础（上）.ts 235.80M
| ├──第3课 Python编程基础（下）.ts 226.54M
| ├──第4课函数基础.ts 217.68M
| ├──第5课高级函数.ts 212.87M
| ├──第6课 面向对象基础.ts 179.99M
| ├──第7课 面向对象高级.ts 235.21M
| ├──第8课 文件操作及常用系统模块.ts 225.78M
| └──第9课 Python数据分析.ts 283.50M
├──Python极简入门
| ├──第10课 展翅腾飞：后续发展方向.ts 171.39M
| ├──第1课 了解一项看似神秘的工作：编程工作和编程语言.ts 209.60M
| ├──第2课 夯实基础：内置对象和语句基础（一）.ts 193.75M
| ├──第3课 夯实基础：内置对象和语句基础（二）.ts 217.49M
| ├──第4课 夯实基础：内置对象和语句基础（三）.ts 204.66M
| ├──第5课 继承伟大发明;函数.ts 211.82M
| ├──第6课 光辉思想：面向对象和类（一）.ts 237.27M
| ├──第7课 光辉思想：面向对象和类（二）.ts 236.86M
| ├──第8课 轮子的世界：模块和包.ts 273.57M
| └──第9课 气定神闲：异常处理和文件读写.ts 299.70M
├──Python爬虫项目班
| ├──第1课 环境准备与入门
| | ├──lesson_01_code.zip 1.71kb
| | ├──第1课 环境准备与入门.pdf 183.56kb
| | └──第1课 环境准备与入门.ts 211.27M
| ├──第2课 Python编程入门
| | ├──lesson_02_code.zip 5.42kb
| | ├──第2课 Python编程入门.pdf 106.75kb
| | └──第2课 Python编程入门.ts 242.77M
| ├──第3课 爬虫基础知识与简易爬虫实现
| | ├──lesson_03_code.zip 4.86kb
| | ├──第3课 爬虫基础知识与简易爬虫实现.pdf 144.96kb
| | └──第3课 爬虫基础知识与简易爬虫实现.ts 259.72M
| ├──第4课 相关库使用与登录问题
| | ├──lesson_04_code.zip 116.26kb
| | ├──第4课 相关库使用与登录问题.pdf 103.60kb
| | └──第4课 相关库使用与登录问题.ts 261.68M
| ├──第5课 Scrapy及相关应用
| | ├──代码.zip 4.19kb
| | ├──第5课 Scrapy及相关应用.pdf 1.74M
| | └──第5课 Scrapy及相关应用.ts 266.58M
| ├──第6课 爬虫设计实战
| | ├──douban.zip 7.20kb
| | ├──douban_imgs.zip 5.07kb
| | ├──第6课 scrapy图片抓取.pdf 852.13kb
| | └──第6课 爬虫设计实战.ts 369.09M
| ├──第7课 高级内容-并发编程
| | ├──lesson_07_code.zip 5.29kb
| | ├──第7课 高级内容-并发编程.pdf 84.84kb
| | └──第7课 高级内容-并发编程.ts 160.35M
| └──第8课 分布式爬虫框架设计
| | ├──lesson_08_code.zip 30.26kb
| | ├──第8课 分布式爬虫框架设计.pdf 177.13kb
| | └──第8课 分布式爬虫框架设计.ts 193.20M
├──Python数据分析 升级版
| ├──第10课 Python深度学习入门.ts 188.11M
| ├──第1课 Python和数据分析入门.ts 198.17M
| ├──第2课 Numpy.ts 260.64M
| ├──第3课 Pandas.ts 250.11M
| ├──第4课 数据获取与处理.ts 337.00M
| ├──第5课 Matplotlib与数据可视化.ts 288.11M
| ├──第6课 Python文本分析.ts 258.58M
| ├──第7课 机器学习库Scikit-Learn与应用.ts 248.51M
| ├──第8课 Python社交网络分析igraph.ts 175.39M
| ├──第9课 Python多线程.ts 227.19M
| ├──第八课 Python社交网络分析igraph.zip 12.63M
| ├──第二课 numpy.zip 30.61kb
| ├──第九课 Python多线程.zip 602.12kb
| ├──第六课 Python文本分析.zip 851.43kb
| ├──第七课 机器学习库Scikit-Learn与应用.zip 5.02M
| ├──第三课 Pandas.zip 49.97kb
| ├──第十课 Python深度学习入门.zip 9.19M
| ├──第四课 数据获取与处理.zip.crdownload 330.28kb
| ├──第五课 matplotlib与数据可视化.zip 1.79M
| └──第一课 Python和数据分析入门.zip 305.67kb
├──PyTorch的入门与实战
| ├──第八课 问答系统.ts 363.02M
| ├──第二课 词向量简介.ts 266.93M
| ├──第六课 图片风格迁移和GAN.ts 265.68M
| ├──第七课 Seq2Seq与Attention.ts 322.79M
| ├──第三课 语言模型.ts 210.04M
| ├──第四课 自然语言分类任务.ts 247.42M
| ├──第五课 简单图片分类.ts 267.16M
| └──第一课 深度学习回顾与PyTorch简介.ts 197.04M
├──Spark机器学习班
| ├──graphx.scala 5.14kb
| ├──Spark系统概述与编程入门.pps 2.40M
| ├──sql.scala 3.50kb
| ├──第1课 Spark系统概述与编程接口.ts 224.37M
| ├──第2课 Spark运行模式及原理.ts 182.81M
| ├──第2课 Spark运行原理与shuffle过程.pps 3.99M
| ├──第3课 Spark存储、调度、与监控分析.ts 256.21M
| ├──第3课 Spark存储、调度与监控分析.pdf 123.51kb
| ├──第4课 Spark性能调优.pdf 77.19kb
| ├──第4课 Spark性能调优.ts 215.98M
| ├──第5课 Spark即时查询讲解.pdf 296.12kb
| ├──第5课 Spark即时查询讲解.ts 196.02M
| ├──第6课 Spark图计算讲解.pdf 265.12kb
| ├──第6课 Spark图计算讲解.ts 192.56M
| ├──第7-8课 Spark机器学习.zip 50.53M
| ├──第7课 Spark机器学习讲解.ts 245.10M
| └──第8课 Spark机器学习应用.ts 337.45M
├──TensorFlow框架案例实战
| ├──资料
| | ├──1.1_tensorflow_basics.ipynb 9.87kb
| | ├──2.1_linear_regression.html 294.15kb
| | ├──2.2_polynomial_regression.html 308.32kb
| | ├──2.3_Logistic_regression.html 264.75kb
| | ├──2.4_multilayer_perception.html 269.95kb
| | ├──lenet_inference.py 2.03kb
| | ├──lenet_train.py 2.44kb
| | ├──lesson6-code.zip 2.82kb
| | ├──lesson_5.zip 27.33M
| | ├──lesson_8 code.zip 713.61kb
| | ├──代码链接.txt 0.06kb
| | ├──第1课：Tensorflow基础.pdf 1.58M
| | ├──第4课 海量图像训练预处理.zip 18.99M
| | ├──第6课-Tensorboard使用.pdf 3.78M
| | ├──第三课 cnn-intro.pdf 6.29M
| | └──风格转换与DCGAN.pdf 5.40M
| ├──第1课 Tensorflow基础.ts 176.33M
| ├──第2课 详解深度神经网络案例.ts 213.26M
| ├──第3课 卷积神经网络与图像应用.ts 170.89M
| ├──第4课 海量图像训练预处理.ts 200.79M
| ├──第5课 循环神经网络与应用.ts 244.33M
| ├──第6课 Tensorboard工具与模型优化.ts 176.30M
| ├──第7课 Tensorflow应用案例.ts 180.52M
| └──第8课 Tensorflow之上的工具库.ts 256.00M
├──从零起步实战slam
| ├──第10课：回环检测与重建.ts 194.16M
| ├──第1课 SLAM概览与系统环境配置.ts 226.35M
| ├──第2课 SLAM中的基础.ts 124.38M
| ├──第3课 李群与李代数.ts 141.42M
| ├──第4课 相机成像及常用视觉传感器.ts 178.28M
| ├──第5课 非线性优化.ts 159.28M
| ├──第6课 视觉里程计.ts 132.90M
| ├──第7课 多视角几何.ts 132.69M
| ├──第8课 视觉里程计中的位姿估计方法.ts 106.12M
| └──第9课 非线性优化.ts 171.56M
├──从零实战目标检测
| ├──第二阶段 目标检测主流体系
| | ├──第3课 Anchors下的主力网络.ts 186.28M
| | └──第4课 Anchor Free下的第三条路.ts 177.91M
| ├──第三阶段 目标检测最新发展现状
| | └──第5课 憋大招前的准备工作.ts 234.47M
| └──第一阶段 夯实基础
| | ├──第1课 目标检测概览与环境配置.ts 160.28M
| | └──第2课 骨干网络.ts 176.41M
├──从头到尾带打kaggle比赛
| ├──第1课 开营仪式与赛题介绍.ts 248.94M
| ├──第2课 如何使用Python完成数据分析并构建比赛baseline.ts 245.79M
| ├──第3课 带你学会使用：构建验证集的3种方法，以及10多种机器学习模型.ts 304.43M
| ├──第4课 N种数据挖掘技巧，让你学到爽.ts 270.19M
| ├──第5课 3种模型集成方法，构建最强模型.ts 240.09M
| └──第6课 比赛总结与展望.ts 232.88M
├──动态规划实战班
| ├──167.cc 0.58kb
| ├──215.cpp 0.57kb
| ├──34.cc 0.72kb
| ├──第1课 动态规划.pdf 78.33kb
| ├──第1课 动态规划实战班第1讲.ts 210.34M
| ├──第2课 动态规划.pdf 78.33kb
| ├──第2课 动态规划实战班第2讲.ts 261.93M
| └──二分法微课.pdf 69.58kb
├──概率统计 第二期
| ├──第1课 概率论基础.ts 143.94M
| ├──第2课 参数估计：从概率到统计.ts 159.89M
| ├──第3课 面试中常见的概率统计问题.ts 207.25M
| ├──第4课 概率统计在机器学习中的应用.ts 189.55M
| ├──第5课 熵与相对熵.ts 187.50M
| └──第6课 最大熵原理与最大熵模型.ts 164.64M
├──关键点检测实战
| ├──第1课 关键点检测概览与环境配置.ts 197.67M
| ├──第2课 图像识别与检测.ts 159.62M
| ├──第3课 人体骨骼点检测：自顶向下.ts 229.52M
| ├──第4课 人体骨骼点检测：自底向上.ts 205.75M
| ├──第5课 人脸和手部特征点检测.ts 153.27M
| └──第6课 物体关键点检测.ts 153.73M
├──互联网计算广告实战
├──机器学习工程师 第八期
| ├──第10课 高级工具xgboostlightGBM与建模
| | ├──lightGBM与建模实战.ts 263.22M
| | ├──Using+Xgboost+to+predict+sales.html 326.43kb
| | └──Xgboost usage demo.html 311.86kb
| ├──第11课 用户画像与推荐系统
| | ├──Reccomendation System Examples.ipynb 11.92kb
| | ├──第11课 推荐系统.pdf 11.12M
| | └──第11课 用户画像与推荐系统.ts 174.25M
| ├──第12课 聚类
| | ├──lesson12_clustering.zip 1.85M
| | └──第12课 聚类.ts 159.38M
| ├──第13课 聚类与推荐系统实战
| | ├──Lesson13_RecommendationSystemCompetition.zip 807.40kb
| | └──第13课 聚类与推荐系统实战.ts 228.18M
| ├──第14课 贝叶斯网络
| | ├──lesson14_graphical models.pdf 8.26M
| | └──第14课 贝叶斯网络.ts 172.02M
| ├──第15课 隐马尔科夫模型HMM
| | ├──lesson15_graphical models II.pdf 9.58M
| | └──第15课 隐马尔科夫模型HMM.ts 172.91M
| ├──第16课 主题模型
| | ├──第17课 神经网络初步
| | ├──Gibbs_LDA.html 279.14kb
| | ├──第16课 主题模型.ts 239.38M
| | └──主题模型课件与资料.zip 6.40M
| ├──第18课 卷积神经网络与计算机视觉
| | ├──lesson18_CNN.pdf 12.38M
| | └──第18课 卷积神经网络与计算机视觉.ts 190.16M
| ├──第19课 循环神经网络与自然语言处理
| | ├──poem_generator.zip 29.90kb
| | ├──第19课 循环神经网络与自然语言处理.ts 162.37M
| | └──第19课：循环神经网络与自然语言处理.pdf 13.20M
| ├──第1课（上）微积分
| | ├──lesson1 概率论 课件.pdf 1.90M
| | ├──lesson1 微积分 课件.pdf 1.46M
| | ├──lesson1_补充材料_随机梯度下降法概述_翻译.pdf 611.58kb
| | ├──lesson1_补充材料_线性代数选讲 PCA.ipynb 151.38kb
| | ├──lesson1微积分线性代数选讲(管).pdf 261.94kb
| | └──第1课（上）微积分.ts 185.86M
| ├──第1课（下）概率论
| | └──第1课（下）概率论.ts 220.41M
| ├──第20课 深度学习实践
| | ├──deep_learning_frameworks_examples.zip 12.40M
| | ├──第20课 深度学习实践.ts 225.81M
| | └──第20课：深度学习框架与应用案例.pdf 10.09M
| ├──第2课（上） 线性代数
| | ├──lesson2 凸优化 课件.pdf 2.21M
| | ├──lesson2 线性代数 课件.pdf 778.92kb
| | ├──lesson2概率与凸优化（邓）.pdf 288.37kb
| | └──第2课（上） 线性代数.ts 309.68M
| ├──第2课（下） 凸优化
| | └──第2课（下） 凸优化.ts 132.50M
| ├──第3课 回归问题与应用
| | ├──lecture_3_codes.zip 173.16kb
| | ├──第3课 回归问题与应用.ts 214.14M
| | └──第3课：回归类模型与应用.pdf 13.24M
| ├──第4课 决策树、随机森林、GBDT
| | ├──house_price.html 338.28kb
| | ├──Housingpricetest-第4课.csv 440.83kb
| | ├──Housingpricetrain-第4课.csv 449.88kb
| | ├──lesson4_决策树随机森林.pdf 2.51M
| | └──第4课 决策树、随机森林、GBDT.ts 202.56M
| ├──第5课 SVM
| | ├──lesson5_深入理解SVM.pdf.crdownload 2.37M
| | └──第5课 SVM.ts 162.39M
| ├──第6课 最大熵与EM算法（上）
| | └──第6课 最大熵与EM算法（上）.ts 254.53M
| ├──第6课 最大熵与EM算法（下）
| | ├──IIS.pdf 1.99M
| | ├──MaxEntEM.pdf 2.45M
| | └──第6课 最大熵与EM算法（下）.ts 172.61M
| ├──第7课 机器学习中的特征工程处理
| | ├──lesson7课件_Kaggle-Bicycle-Example.zip 2.46M
| | ├──第7课 机器学习中的特征工程处理.ts 248.18M
| | └──第7课：机器学习中的特征工程.pdf 6.85M
| ├──第8课 多算法组合与模型最优化
| | ├──Feature_engineering_and_model_tuning.zip 8.31M
| | ├──Tianchi_power_baseline.ipynb 142.99kb
| | ├──第8课 多算法组合与模型最优化.ts 233.98M
| | ├──第8课：模型调优与融合.pdf 7.21M
| | └──天池电力数据power_AI.csv 17.70M
| ├──第9课 sklearn与机器学习实战
| | ├──sklearn知识要点.html 341.88kb
| | ├──第9课 sklearn与机器学习实战.ts 264.02M
| | ├──第9课sklearn知识要点.html 341.88kb
| | ├──机器学习基本知识.html 4.86M
| | └──无敌Scikit_Learn小抄.pdf 126.24kb
| └──扩展资料
| | ├──data_all_20170524.csv 47.78kb
| | ├──pima-indians-diabetes.csv 23.07kb
| | ├──Tianchi_power_baseline_bramble(1).ipynb 11.71kb
| | ├──Tianchi_power_baseline_bramble.ipynb 5.06kb
| | ├──阿里妈妈：大数据下的广告排序技术及实践.pdf 755.75kb
| | └──无敌Scikit_Learn小抄.pdf 126.24kb
├──机器学习应用班
| ├──第10课 社交网络在工业界的应用
| | ├──第10课 社交网络在工业界的应用.pdf 10.28M
| | ├──第10课 社交网络在工业界的应用.ts 203.78M
| | └──第10课 社交网络在工业界的应用.zip 55.61kb
| ├──第1课 数学基础
| | ├──第1课 数学基础.ts 253.39M
| | └──第1课 数学基础_课堂笔记.pdf 15.34M
| ├──第2课 随机森林及其应用
| | ├──第2课 随机森林及其应用.pdf 6.04M
| | └──第2课 随机森林及其应用.ts 214.11M
| ├──第3课 特征工程与模型调优
| | ├──Feature_engineering_and_model_tuning.zip 11.18M
| | ├──Kaggle event recommendation competition.ipynb 27.20kb
| | ├──Kaggle event推荐比赛数据百度云盘地址.txt 0.03kb
| | ├──Kaggle event推荐比赛思路.pdf 600.57kb
| | ├──第3课 特征工程与模型调优.pdf 12.45M
| | └──第3课 特征工程与模型调优.ts 335.21M
| ├──第4课 推荐系统与案例
| | ├──第4课 推荐系统.pdf 7.56M
| | ├──第4课 推荐系统与案例.ts 306.76M
| | └──推荐系统3个案例.zip 5.30M
| ├──第5课 CTR预估
| | ├──CTR资料.zip 25.82M
| | ├──第5课 CTR预估.ts 275.81M
| | ├──第5课 分类排序与CTR预估.pdf 1.89M
| | └──寒老师汇总CTR资源.txt 0.05kb
| ├──第6课 NLP应用基础
| | ├──naive_bayes-master.zip 481.03kb
| | ├──第6课 NLP应用基础.ts 234.65M
| | └──第6课 自然语言处理应用基础.pdf 1.07M
| ├──第7课 深度学习在NLP中的应用
| | ├──第7课 深度学习在NLP中的应用.ts 208.76M
| | └──第7课 深度学习在自然语言处理的应用.pdf 7.17M
| ├──第8课 图像检索与相关应用
| | ├──第8课 图像检索与那些相关的应用.pdf 27.65M
| | └──第8课 图像检索与相关应用.ts 248.96M
| ├──第9课 计算机视觉中的物体检测
| | ├──第9课 计算机视觉中的物体检测.pdf 42.62M
| | └──第9课 计算机视觉中的物体检测.ts 164.19M
| └──其他资料
| | ├──Ali_power_prediction_Data_processing_and_tree_based_model_modelling.ipynb 561.31kb
| | ├──ffm.pdf 139.86kb
| | ├──机器学习应用班index(update_all)-By远洋.docx 8.74M
| | ├──推荐系统3个案例.zip 4.55M
| | └──小世界网络与无标度网络的社区结构研究.pdf 663.29kb
├──机器学习与量化交易项目班
| ├──第八课 自动交易系统的搭建
| | ├──第8课 代码.zip 13.57kb
| | └──第八课 自动交易系统的搭建.ts 163.46M
| ├──第二课 量化交易系统综述
| | ├──第2课 量化交易系统综述.pdf 6.22M
| | ├──第2课 量化交易系统综述_课堂标记版.pdf 8.99M
| | └──第二课 量化交易系统综述.ts 167.26M
| ├──第九课 量化策略的实现
| | ├──参考论文1.zip 24.01M
| | ├──第9课 量化策略的实现.pdf 5.19M
| | └──第九课 量化策略的实现.ts 205.65M
| ├──第六课 策略建模：基于机器学习的策略建模
| | ├──第6课 策略建模：基于机器学习的策略建模.pdf 6.21M
| | └──第六课 策略建模：基于机器学习的策略建模.ts 192.95M
| ├──第七课 模型评估与风险控制
| | ├──第7课 模型评估与风险控制.pdf 5.06M
| | └──第七课 模型评估与风险控制.ts 207.78M
| ├──第三课 搭建自己的量化数据库
| | ├──lec3_codes.zip 6.12kb
| | ├──第3课 搭建自己的量化数据库.pdf 1.62M
| | └──第三课 搭建自己的量化数据库.ts 158.75M
| ├──第十课 策略优化与课程总结
| | ├──参考论文2.zip 29.02M
| | ├──第10课 策略优化与课程总结.pdf 6.70M
| | └──第十课 策略优化与课程总结.ts 205.02M
| ├──第四课 用Python进行金融数据分析
| | ├──code for lecture 4.ipynb 534.27kb
| | ├──data.zip 8.66M
| | ├──第4课 用Python进行金融数据分析.pdf 3.18M
| | └──第四课 用Python进行金融数据分析.ts 184.68M
| ├──第五课 策略建模综述
| | ├──代码.zip 6.47kb
| | ├──第5课 策略建模综述.pdf 5.58M
| | └──第五课 策略建模综述.ts 173.36M
| ├──第一课 自动化交易综述
| | ├──第1课 课前预习版.pdf 414.55kb
| | ├──第1课 自动化交易综述.pdf 2.80M
| | └──第一课 自动化交易综述.ts 171.64M
| └──扩展
| | ├──第10课 第1节 前九课回顾.ts 19.64M
| | ├──第10课 第2节 paper 1.ts 56.86M
| | ├──第10课 第3节 paper 2.ts 53.14M
| | ├──第10课 第4节 相关国外课程推荐.ts 94.02M
| | ├──第1课 第1节 算法交易综述.ts 55.19M
| | ├──第1课 第2节 机器学习流程.ts 59.11M
| | ├──第1课 第3节 量化交易评估.ts 35.13M
| | ├──第1课 第4节 量化交易策略.ts 34.49M
| | ├──第2课 第1节 掌握Python语言和常用的数据处理包.ts 38.94M
| | ├──第2课 第2节 量化交易技术介绍.ts 53.52M
| | ├──第2课 第3节 从技术分析到机器学习.ts 88.26M
| | ├──第3课 第1节 数据的获取、清理及存储.ts 79.69M
| | ├──第3课 第2节 金融策略.ts 58.83M
| | ├──第3课 第3节 机器学习途径实现.ts 34.99M
| | ├──第4课 第1节 OLS.ts 68.54M
| | ├──第4课 第2节 RidgeLasso.ts 71.06M
| | ├──第4课 第3节 Hands on sklearn.ts 65.97M
| | ├──第5课 第1节 特征的选择及实现.ts 71.67M
| | ├──第5课 第2节 训练集和模型建立.ts 76.88M
| | ├──第5课 第3节 模型介绍.ts 45.46M
| | ├──第6课 第1节 特征选择.ts 30.73M
| | ├──第6课 第2节 遗传算法.ts 60.91M
| | ├──第6课 第3节 深入理解BP算法.ts 73.37M
| | ├──第6课 第4节 RNN.ts 58.76M
| | ├──第7课 第1节 作业点评.ts 47.34M
| | ├──第7课 第2节 量化交易实战.ts 28.23M
| | ├──第7课 第3节 集成学习.ts 62.41M
| | ├──第7课 第4节 adaBoost自适应学习方法.ts 91.21M
| | ├──第8课 第1节 极简主义的NLP与量化建模课程.ts 96.26M
| | ├──第8课 第2节 风险控制part I.ts 22.78M
| | ├──第8课 第3节 基于事件驱动的量化交易.ts 58.26M
| | ├──第9课 第1节 面试工作闲谈.ts 18.16M
| | ├──第9课 第2节 矩阵特征值.ts 88.21M
| | ├──第9课 第3节 资产组合权重.ts 83.15M
| | └──第9课 第4节 paper.ts 41.18M
├──机器学习中的数学第二期
| ├──扩展
| | ├──第八课第10节 代码演示.ts 30.28M
| | ├──第八课第1节 本课纲要.ts 5.06M
| | ├──第八课第2节 优化问题简介.ts 6.05M
| | ├──第八课第3节 SVM：线性分类器.ts 29.43M
| | ├──第八课第4节 SVM对偶（代数）方法.ts 45.07M
| | ├──第八课第5节 SVM几何方法.ts 12.55M
| | ├──第八课第6节 压缩感知：信号还原.ts 102.59M
| | ├──第八课第7节 压缩感知：压缩感知.ts 12.53M
| | ├──第八课第8节 压缩感知：求解 压缩感知优化.ts 5.43M
| | ├──第八课第9节 压缩感知：LASSO.ts 24.65M
| | ├──第二课第1节 课程简介.ts 4.58M
| | ├──第二课第2节 求导法则。链式，加，乘，除.ts 16.65M
| | ├──第二课第3节 反函数求导：.ts 8.36M
| | ├──第二课第4节 常见函数（幂，三角，对数，复杂 ）的求导.ts 17.27M
| | ├──第二课第5节 隐函数.ts 33.12M
| | ├──第二课第6节 矩阵求导.ts 22.59M
| | ├──第二课第7节 前馈神经网络.ts 49.69M
| | ├──第二课第8节 反射传播算法.ts 12.95M
| | ├──第二课第9节 梯度消失与梯度爆炸.ts 20.56M
| | ├──第九课第10节 神经网络：结构、传递函数.ts 3.36M
| | ├──第九课第11节 神经网络：BP.ts 22.89M
| | ├──第九课第12节 神经网络：SGD..ts 4.35M
| | ├──第九课第13节 神经网络：前馈，反传及参数更新.ts 9.56M
| | ├──第九课第14节 GOOGLE PLAYGROUND.ts 19.88M
| | ├──第九课第1节 课程简介及本课纲要.ts 20.01M
| | ├──第九课第2节 线性回归与分类.ts 8.37M
| | ├──第九课第3节 线性回归-gt;逻辑回归.ts 8.41M
| | ├──第九课第4节 分类与逻辑回归.ts 8.77M
| | ├──第九课第5节 逻辑回归.ts 46.22M
| | ├──第九课第6节 多分类.ts 52.04M
| | ├──第九课第7节 LR到感知器.ts 10.32M
| | ├──第九课第8节 神经网络.ts 9.55M
| | ├──第九课第9节 神经网络：非线性切分.ts 10.99M
| | ├──第六课第1节 本课纲要.ts 4.21M
| | ├──第六课第2节 对称矩阵对角化.ts 19.35M
| | ├──第六课第3节 特征分解.ts 10.13M
| | ├──第六课第4节 奇异值 及分解.ts 33.70M
| | ├──第六课第5节 主成分分析相关概念及手推.ts 136.96M
| | ├──第七课第1节 本课纲要.ts 4.54M
| | ├──第七课第2节 优化问题简介 极大似然估计 最小二乘估计.ts 12.39M
| | ├──第七课第3节 凸集合与凸函数.ts 31.57M
| | ├──第七课第4节 凸优化.ts 9.42M
| | ├──第七课第5节 凸优化中的对偶问题.ts 26.17M
| | ├──第七课第6节 凸优化对偶性.ts 6.26M
| | ├──第七课第7节 凸优化 KTT条件.ts 54.55M
| | ├──第七课第8节 综合问答.ts 9.54M
| | ├──第三课第10节 蒙特卡洛近似.ts 2.96M
| | ├──第三课第11节 机器学习实例（NB）.ts 14.62M
| | ├──第三课第12节 熵，与机器学习实例（决策树）.ts 10.49M
| | ├──第三课第13节 KL DIVERGENCE(KL散度)gt; 用于解释EM算法.ts 5.26M
| | ├──第三课第14节 互信息.ts 25.01M
| | ├──第三课第1节 本课简介（常用符号说明）.ts 8.47M
| | ├──第三课第2节 概率，事件，并集，独立事件，条件概率，联合概率，贝叶斯公式定义.ts 41.15M
| | ├──第三课第3节 生成模型与判别模型.ts 6.46M
| | ├──第三课第4节 概念点：随机变量，期望，方差.ts 57.83M
| | ├──第三课第5节 机器学习实例（ROC曲线）.ts 40.67M
| | ├──第三课第6节 连续随机变量.ts 5.86M
| | ├──第三课第7节 正态分布.ts 4.16M
| | ├──第三课第8节 协方差与相关系数 ，协方差矩阵.ts 9.09M
| | ├──第三课第9节 大数定理，中心极限定理.ts 2.40M
| | ├──第十课第1节 本课简介.ts 5.24M
| | ├──第十课第2节 从LR到决策树.ts 28.77M
| | ├──第十课第3节 决策树整理思路.ts 21.81M
| | ├──第十课第4节 核心概念：熵.ts 11.72M
| | ├──第十课第5节 划分依据-信息增益，信息增益率，基尼指数.ts 69.64M
| | ├──第十课第6节 用决策树完成回归（回归树）.ts 47.12M
| | ├──第十课第7节 BAGGING.ts 32.68M
| | ├──第四课第10节 贝叶斯公式（复习上节课）.ts 9.60M
| | ├──第四课第11节 Mixture Gaussian MLE.ts 10.09M
| | ├──第四课第12节 EM优化与原理.ts 41.90M
| | ├──第四课第13节 K-MEANS.ts 19.51M
| | ├──第四课第14节 综合答疑.ts 20.74M
| | ├──第四课第1节 复习.ts 14.89M
| | ├──第四课第2节 正态分布，期望估计.ts 9.14M
| | ├──第四课第3节 参数估计：最大似然.ts 7.41M
| | ├──第四课第4节 伯努利分布.ts 6.90M
| | ├──第四课第5节 正态分布.ts 4.98M
| | ├──第四课第5节 正态分布_1.ts 4.98M
| | ├──第四课第7节 线性回归.ts 15.95M
| | ├──第四课第8节 逻辑回归.ts 29.25M
| | ├──第四课第9节 机器学习实例(BIAS VARIANCE TRADEOFF)KNN.ts 56.45M
| | ├──第五课第10节 二次性，正定 ，半正定 矩阵.ts 25.14M
| | ├──第五课第11节 向量的范数.ts 6.41M
| | ├──第五课第12节 矩阵的范数.ts 25.08M
| | ├──第五课第13节 最小二乘.ts 52.66M
| | ├──第五课第14节 最小二乘统计意义（与最大似然的关系）.ts 22.28M
| | ├──第五课第15节 最小二乘几何意义前导及求解（矩列阵空间）.ts 65.85M
| | ├──第五课第1节 本课纲要.ts 3.02M
| | ├──第五课第2节 线代基本概念.ts 2.68M
| | ├──第五课第3节 加，减，数乘，向量乘积（内积，外积），矩阵积等运算及运算律.ts 43.12M
| | ├──第五课第4节 矩阵转置，特殊类型矩阵，方阵的迹，向量的线性无关，空间概念，矩阵的秩.ts 26.67M
| | ├──第五课第5节 矩阵的秩.ts 21.48M
| | ├──第五课第6节 可逆与非奇异.ts 23.48M
| | ├──第五课第7节 方阵的特征值 与特征向量.ts 28.62M
| | ├──第五课第8节 相似矩阵.ts 19.90M
| | ├──第五课第9节 矩阵的等价，相似与合同.ts 10.96M
| | ├──第一课第10节 低维到高维：多元函数的梯度.ts 11.96M
| | ├──第一课第11节 梯度下降法与（牛顿法）.ts 47.20M
| | ├──第一课第12节 梯度计算：随机梯度下降法SGD.ts 9.76M
| | ├──第一课第13节 随机梯度下降法的困难：学习率选择.ts 6.43M
| | ├──第一课第14节 随机梯度下降法的优化算法.ts 11.14M
| | ├──第一课第15节 综合答疑.ts 14.70M
| | ├──第一课第1节 数学在机器学习的角色，机器学习整体流程等课程整体性简介.ts 14.09M
| | ├──第一课第2节 微积分学核心思想 ：逼近（用简单的事物（函数）去模拟复杂的事件（函数）），近似思想是研究复杂事物时的简化手段.ts 15.65M
| | ├──第一课第3节 逼近思想 的语言：极限论及表示.ts 7.66M
| | ├──第一课第4节 无穷小与无穷小阶数：比x^n接近于0速度还快的无穷小记为o(x^n).ts 6.44M
| | ├──第一课第5节 两边夹定理.ts 7.98M
| | ├──第一课第6节 重要的几种极限.ts 37.04M
| | ├──第一课第7节 求导的几何及代数意义.ts 5.28M
| | ├──第一课第8节 常见函数的导数.ts 15.71M
| | └──第一课第9节 从线性逼近到多项式逼近：泰勒级数（n阶）.ts 9.88M
| ├──第10课-机器学习分类问题与数学(下).pdf 7.30M
| ├──第1课微分学与梯度下降法.pdf 1.46M
| ├──第2课微分学进阶.pdf 790.15kb
| ├──第3课 Probability.pdf 1.90M
| ├──第4课-MLE.pdf.crdownload 1.62M
| ├──第5课-线性代数基础_.pdf 778.92kb
| ├──第6课-线性代数进阶.pdf 335.79kb
| ├──第7课凸优化简介.pdf 2.21M
| ├──第8课代码示范.支持向量机.ipynb 52.00kb
| ├──第8课凸优化进阶.pdf 2.11M
| ├──第9课-机器学习分类问题与数学(上).pdf 11.34M
| ├──第八课：优化的稳定性.ts 149.12M
| ├──第二课：微分学进阶.ts 147.71M
| ├──第九课：从线性模型谈起的机器学习分类与回归.ts 207.32M
| ├──第六课：线性代数进阶.ts 190.61M
| ├──第七课：凸优化简介.ts 132.52M
| ├──第三课：概率论简介.ts 220.41M
| ├──第十课：从信息论到工业界最爱的树模型.ts 199.95M
| ├──第四课：极大似然估计.ts 264.57M
| ├──第五课： 线性代数基础.ts 309.67M
| └──第一课：微分学基本概念.ts 185.88M
├──计算机视觉 第二期
| ├──lesson1 图像处理基础.zip 2.46M
| ├──lesson10 理解AlphaGo （强化学习） 和生成模型（GAN）背后的原理.zip 31.87M
| ├──lesson2 图像处理进阶.zip 11.65M
| ├──lesson3 神经网络初步与调参.zip 2.52M
| ├──lesson4 深度CNN原理与实战.zip 20.45M
| ├──lesson6 大规模车辆图片搜索.zip 27.79M
| ├──lesson7 目标检测与无人驾驶.zip 14.12M
| ├──lesson8 深度学习在图像语义分割中的应用.zip 5.94M
| ├──lesson9 RNN与GAN.zip 6.95M
| ├──第10课：深度学习前沿：理解AlphaGo （强化学习） 和生成模型（GAN）背后的原理.ts 224.81M
| ├──第1课：图像处理基础.ts 201.13M
| ├──第2课：图像处理进阶.ts 239.93M
| ├──第3课：神经网络初步与调参技巧 （ by Seven).ts 179.91M
| ├──第4课：深度卷积神经网络原理与实践 (by Seven).ts 182.55M
| ├──第5课 图像搜索技术 (by Seven).ts 196.35M
| ├──第7课：目标检测及其在无人驾驶领域的作用.ts 281.53M
| ├──第8课：深度学习在图像语义分割中的应用.ts 216.83M
| ├──第9课：RNN及其应用（image captioning and VQA）.ts 213.28M
| └──重识别 (by Seven).ts 236.35M
├──金融风控实战
| ├──第二阶段 机器学习的核心：特征工程
| | ├──04 特征工程（下）.ipynb 330.23kb
| | ├──第三课 特征工程（上）.ts 348.52M
| | ├──第三课 特征工程（上）.zip 4.49M
| | ├──第三课第1节：油品数据分析.ts 76.23M
| | ├──第三课第2节：特征工程介绍.ts 15.87M
| | ├──第三课第3节：预览数据.ts 54.02M
| | ├──第三课第4节：数值型数据处理.ts 85.00M
| | ├──第三课第5节：时间和文本型数据处理.ts 39.28M
| | ├──第三课第6节：基于时间序列进行特征衍生.ts 98.44M
| | ├──第三课第7节：基于时间序列进行特征衍生续.ts 29.75M
| | ├──第四课 特征工程（下）.ts 214.42M
| | ├──第四课第1节：特征选择介绍.ts 46.71M
| | ├──第四课第2节：特征选择Filter.ts 33.03M
| | ├──第四课第3节：特征选择Wrapper和Embedded.ts 25.84M
| | ├──第四课第4节：模型遇到的问题.ts 28.98M
| | ├──第四课第5节：模型遇到的问题续.ts 42.25M
| | ├──第四课第6节：变量重要性.ts 48.08M
| | ├──第四课第7节：变量共线性.ts 24.23M
| | └──第四课第8节：变量稳定性.ts 38.94M
| ├──第三阶段 机器学习与评分卡模型
| | ├──第六课 集成算法.ts 382.24M
| | ├──第六课 集成算法.zip 199.71kb
| | ├──第六课第1节：评分卡复习.ts 55.94M
| | ├──第六课第2节：XGboost介绍.ts 38.11M
| | ├──第六课第3节：XGboost参数.ts 102.23M
| | ├──第六课第4节：调参策略.ts 30.04M
| | ├──第六课第5节：LightGBM做评分卡.ts 84.85M
| | ├──第六课第6节：LightGBM评分卡结果.ts 70.22M
| | ├──第六课第7节：LightGBM和逻辑回归结果对比.ts 41.96M
| | ├──第五课 逻辑回归评分卡.ts 1.11G
| | ├──第五课 逻辑回归评分卡.zip 6.48M
| | ├──第五课第1节：评分卡介绍.ts 108.28M
| | ├──第五课第2节：逻辑回归建立评分卡.ts 340.41M
| | ├──第五课第3节：模型评价KS值.ts 187.23M
| | ├──第五课第4节：再做特征筛选.ts 334.45M
| | ├──第五课第5节：生成分析报告.ts 225.99M
| | └──第五课第6节：打分系统.ts 351.46M
| ├──第四阶段 模型优化
| | ├──第7课第3节：标签分裂.ts 39.06M
| | ├──第7课第4节：代价敏感.ts 50.20M
| | ├──第7课第5节：采样算法SMOTE.ts 62.44M
| | ├──第7课第6节：采样算法续.ts 44.62M
| | ├──第7课第7节：实战：用采样算法看模型效果.ts 101.48M
| | ├──第9课 迁移学习.rar 3.79M
| | ├──第八课 模型融合.ts 359.24M
| | ├──第八课第1节：采样算法回顾.ts 44.78M
| | ├──第八课第2节：模型融合介绍.ts 38.04M
| | ├──第八课第3节：模型融合方法.ts 81.31M
| | ├──第八课第4节：逻辑回归和GBDT介绍.ts 84.39M
| | ├──第八课第5节：逻辑回归和GBDT融合.ts 45.73M
| | ├──第八课第6节：实战：模型融合看模型效果.ts 89.92M
| | ├──第九课 迁移学习.ts 364.58M
| | ├──第九课第1节：为什么做迁移学习？.ts 47.92M
| | ├──第九课第2节：主要任务和增量学习.ts 65.19M
| | ├──第九课第3节：模型迁移学习方法.ts 85.87M
| | ├──第九课第4节：几个统计分布概念.ts 44.69M
| | ├──第九课第5节：主要任务实现方法.ts 34.71M
| | ├──第九课第6节：TrAdaBoost算法.ts 43.28M
| | ├──第九课第7节：实战：跨国家跨场景迁移模型.ts 95.14M
| | ├──第七课 不均衡学习.ts 363.75M
| | ├──第七课 不均衡学习.zip 20.08M
| | ├──第七课第1节：不均衡学习介绍.ts 30.10M
| | └──第七课第2节：下探和半监督学习.ts 56.15M
| ├──第五阶段 高级风控模型
| | ├──10 深度学习.rar 7.16M
| | ├──11无监督算法与异常检测.rar 12.99M
| | ├──12 社交网络与图算法.rar 8.01M
| | ├──第8课 模型融合.rar 6.96M
| | ├──第十二课 社交网络分析与金融反欺诈.ts 280.98M
| | ├──第十二课第1节：设备指纹.ts 40.00M
| | ├──第十二课第2节知识图谱介绍.ts 50.73M
| | ├──第十二课第3节：知识图谱风控应用.ts 59.26M
| | ├──第十二课第4节：PageRank算法.ts 49.50M
| | ├──第十二课第5节：其他复杂网络.ts 69.35M
| | ├──第十二课第6节：LPA算法和代码实现.ts 36.52M
| | ├──第十二课第7节：案例分享.ts 72.75M
| | ├──第十课 深度学习与金融风控.ts 403.31M
| | ├──第十课第1节：课前知识回顾.ts 40.91M
| | ├──第十课第2节：欺诈风险.ts 29.96M
| | ├──第十课第3节：反欺诈生命周期.ts 74.01M
| | ├──第十课第4节：风控场景RNN应用.ts 48.50M
| | ├──第十课第5节：为什么用LSTM算法.ts 57.60M
| | ├──第十课第6节：风控场景CNN应用.ts 33.30M
| | ├──第十课第7节：Word2vec应用.ts 72.80M
| | ├──第十课第8节：其他算法应用.ts 88.78M
| | ├──第十一课 异常检测实战.ts 375.64M
| | ├──第十一课第1节：课前知识回顾.ts 86.30M
| | ├──第十一课第2节：发欺诈难点.ts 97.27M
| | ├──第十一课第3节：反欺诈无标签建模方法.ts 42.58M
| | ├──第十一课第4节：异常检测算法介绍.ts 41.71M
| | ├──第十一课第5节：Z-score和KNN异常检测算法.ts 33.81M
| | ├──第十一课第6节：LOF异常检测算法.ts 84.41M
| | ├──第十一课第7节：Lsolation Forest异常检测算法.ts 56.90M
| | └──第十一课第8节：Lsolation Forest应用.ts 42.03M
| └──第一阶段 金融风控技术基础
| | ├──第二课 风控数据挖掘方法.ts 302.12M
| | ├──第二课 风控数据挖掘方法.zip 25.16M
| | ├──第二课第1节：生肖属相单变量分析.ts 64.08M
| | ├──第二课第2节：决策树算法.ts 84.63M
| | ├──第二课第3节：决策树规则挖掘实战.ts 78.35M
| | ├──第二课第4节：变量衍生.ts 40.47M
| | ├──第二课第5节：训练模型和分析结果.ts 53.91M
| | ├──第一课 金融风控与反欺诈业务详解.ts 213.40M
| | ├──第一课 金融风控与反欺诈业务详解.zip 440.05kb
| | ├──第一课第1节：风控业务初识.ts 21.95M
| | ├──第一课第2节：风控流程.ts 69.27M
| | ├──第一课第3节：几个重要概念.ts 45.92M
| | ├──第一课第4节：风控数据分析.ts 17.10M
| | ├──第一课第5节：金融反欺诈常用特征方法.ts 41.28M
| | └──第一课第6节：金融反欺诈常用特征方法续.ts 42.13M
├──矩阵与凸优化班
| ├──Lecture1.pdf 830.25kb
| ├──Lecture2.pdf 491.41kb
| ├──Lecture3.pdf 314.85kb
| ├──lecture4_凸优化初步.pdf 586.06kb
| ├──lecture5.pdf 231.40kb
| ├──lecture6_凸优化在机器学习中的应用.pdf 218.96kb
| ├──第1课 理解矩阵.ts 283.27M
| ├──第2课 理解微积分和凸优化.ts 243.85M
| ├──第3课 微积分与逼近论.ts 148.19M
| ├──第4课 凸优化初步.ts 209.51M
| ├──第5课 凸优化进阶.ts 164.48M
| └──第6课 凸优化在机器学习中的应用.ts 171.26M
├──量化交易策略实战
| ├──第1课 量化交易基础.ts 248.80M
| ├──第2课 衍生品及交易策略（A）.ts 349.62M
| ├──第3课 衍生品及交易策略（B）.ts 242.42M
| └──第4课 统计套利.ts 311.50M
├──面试求职第四期
| ├──第二阶段 玩转树、堆、图等高级数据结构
| | ├──代码及相关图例.zip 194.53kb
| | ├──第3课 树／堆.ts 204.85M
| | ├──第4课 图论.ts 179.03M
| | ├──第5课 递归.ts 180.61M
| | ├──第6课 图搜索初探.ts 193.13M
| | ├──第六课 图搜索.pdf 1.25M
| | ├──第三课 树和堆.pdf 207.84kb
| | ├──第四课 图论.pdf 560.23kb
| | └──第五课 递归.pdf 342.97kb
| ├──第三阶段 实战动态规划和贪心
| | ├──代码.zip 106.43kb
| | ├──第7课 动态规划.ts 174.02M
| | ├──第8课 贪心.ts 176.89M
| | ├──第8课-贪心.pdf 283.75kb
| | └──第七课 动态规划.pdf 291.85kb
| ├──第四阶段 掌握海量数据处理和概率，求职心不慌
| | ├──10博弈论概率论数论.pdf 121.06kb
| | ├──第10课 博弈论 概率 数论.ts 176.93M
| | ├──第9课 高并发／海量数据处理／笔试技巧.ts 151.99M
| | └──第9课-架构和设计.pdf 353.07kb
| ├──第一阶段 掌握基础算法和数据结构
| | ├──第1课 算法初步.ts 196.23M
| | ├──第2课 必知必会的数据结构.ts 184.04M
| | ├──第二课 必知必会的数据结构.pdf 338.35kb
| | └──第一课 算法初步.pdf 109.73kb
| └──名企AI面试100题 第二版.pdf 76.22M
├──七月：推荐系统实战 第二期
| ├──第1课 推荐系统简介：BAT、头条等.mp4 360.46M
| ├──第2课 召回算法和业界最佳实践(一).mp4 437.75M
| ├──第3课 召回算法和业界最佳实践(二).mp4 436.10M
| ├──第4课 用户建模（召回、排序都会用到）.mp4 493.16M
| ├──第5课 排序算法&深度学习模型.mp4 511.95M
| ├──第6课 重排序算法：Learn to Rank.mp4 416.67M
| ├──第7课 学术界最新算法在BAT的应用1.mp4 269.84M
| ├──学术界最新算法在BAT的应用2.mp4 194.67M
| └──资料.zip 86.29M
├──七月在线-机器学习集训营第九期
| ├──机器学习集训营第九期
| | ├──1-9
| | ├──10-18
| | └──其他
| └──资料
| | └──资料
├──迁移学习
| ├──transfer-learning code.zip 33.11M
| ├──第1课 迁移学习详解.ts 179.39M
| ├──第2课 迁移学习实战.ts 260.89M
| └──第一课 迁移学习.pdf 6.50M
├──区块链实战
| ├──第八课 ICO揭秘以及如何发币.ts 203.07M
| ├──第二课 共识、挖矿、交易以及钱包详解.ts 178.75M
| ├──第六课 智能合约学习准备.ts 146.97M
| ├──第七课 智能合约开发入门（实战项目）.ts 208.30M
| ├──第三课 手动实现简易区块链原型（代码实战）.ts 201.49M
| ├──第四课 比特币源码编译和本地实验（略懂C++即可）.ts 194.66M
| ├──第五课 比特币的局限性及以太坊入门.ts 154.77M
| └──第一课 从比特币到区块链.ts 149.63M
├──人工智能极简入门
| ├──第10课 焦距思维：为什么卷积神经网络在深度学习中得到广泛应用？.ts 280.95M
| ├──第1课 机械思维：从人工智能发展史中，我们能获得什么启示？.ts 220.55M
| ├──第2课 数据思维：为什么大数据当代AI发展的最大推手？.ts 245.34M
| ├──第3课 辩证思维：如何成为智能时代的精英？.ts 226.59M
| ├──第4课 锯箭思维：为什么说回归分析是完成数据到价值转换的好途径？.ts 228.21M
| ├──第5课 中庸思维：机器学习的三大流派都是什么.ts 227.39M
| ├──第6课 概率思维：为什么贝叶斯是一个现代人的人生观？.ts 209.87M
| ├──第7课 维度思维：降维和升维给我们带来什么启示？.ts 238.72M
| ├──第8课 不确定思维：为什么生命以负熵为生？.ts 225.53M
| └──第9课 心学思维：神经网络学习的生物学基础在哪里？.ts 258.96M
├──深度学习第四期
| ├──第二阶段 透彻理解CNN
| | ├──CNN与物体检测图像分割.pdf 49.37M
| | ├──mnist_cnn.py 2.22kb
| | ├──第2课 CNN从入门到高级应用(上).ts 255.73M
| | ├──第3课 CNN从入门到高级应用(下).ts 257.17M
| | ├──第二课 CNN.pdf 23.76M
| | ├──第二课第1节：CNN层级结构.ts 39.81M
| | ├──第二课第2节：数据输入层.ts 30.92M
| | ├──第二课第3节：卷积层.ts 79.80M
| | ├──第二课第4节：激励层，池化层，全连接层.ts 38.45M
| | ├──第二课第5节：卷积层可视化理解.ts 42.33M
| | ├──第二课第6节：正则化与Dropout.ts 23.65M
| | ├──第二课第7节：典型结构与训练.ts 74.97M
| | ├──第二课第8节：实战：用Keras实战CNN图片分类.ts 28.56M
| | ├──第三课第1节：图像处理任务.ts 22.96M
| | ├──第三课第2节：图像识别和定位任务思路一.ts 49.80M
| | ├──第三课第3节：图像识别和定位任务思路二.ts 51.07M
| | ├──第三课第4节：物体检测选择性搜索.ts 22.81M
| | ├──第三课第5节：物体检测R-CNN.ts 24.93M
| | ├──第三课第6节：物体检测Fast R-CNN.ts 29.16M
| | ├──第三课第7节：物体检测Faster R-CNN.ts 31.48M
| | ├──第三课第8节：图像分割.ts 28.99M
| | └──第三课第9节：部分代码和训练数据.ts 26.87M
| ├──第三阶段 CNN延伸：深度学习框架与高级应用
| | ├──DL_platforms.pdf 11.20M
| | ├──lr_mnist.ipynb 43.37kb
| | ├──ProductReview-RNN.ipynb 115.50kb
| | ├──tf_basics.ipynb 23.00kb
| | ├──第4课 NN框架：caffe, tensorflow与pytorch.ts 160.55M
| | ├──第5课 生成对抗网络GAN.ts 163.43M
| | ├──第四课第10节：Pytroch代码实战.ts 33.09M
| | ├──第四课第1节：Caffe介绍.ts 32.02M
| | ├──第四课第2节：为什么使用tesorflow？.ts 18.30M
| | ├──第四课第3节：Tensflow计算图.ts 17.23M
| | ├──第四课第4节：Tensflow会话机制和打印结果.ts 23.89M
| | ├──第四课第5节：TensorBoard可视化.ts 10.53M
| | ├──第四课第6节：Tensflow数据类型.ts 18.29M
| | ├──第四课第7节：Pytroch计算图介绍.ts 20.82M
| | ├──第四课第8节：Pytroch建模使用方法.ts 26.02M
| | ├──第四课第9节：Pytorch和tensorflow区别.ts 17.38M
| | ├──第五课第1节：对抗生成网络原理.ts 39.04M
| | ├──第五课第2节：深度卷积对抗生成网络.ts 51.31M
| | ├──第五课第3节：图像翻译(Pix2Pix).ts 34.75M
| | ├──第五课第4节：多领域图像翻译.ts 20.73M
| | ├──第五课第5节：文本生成图像(Text2Img).ts 27.97M
| | ├──第五课第6节：DCGAN实现手写数字实战.ts 38.10M
| | └──对抗生成网络.pdf 3.00M
| ├──第四阶段 掌握自然语言处理中的神经网络
| | ├──fasttext.pdf 1.86M
| | ├──poem_generator.txt 0.07kb
| | ├──RNN条件生成与attention.zip 17.00M
| | ├──RNN与自然语言处理.pdf 13.19M
| | ├──第6课 从词向量到NLP分类问题.ts 327.03M
| | ├──第7课 RNNLSTMGrid LSTM.ts 271.33M
| | ├──第8课 RNN条件生成与attention.ts 157.52M
| | ├──第八课第1节：RNN条件生成.ts 11.57M
| | ├──第八课第2节：机器翻译.ts 68.99M
| | ├──第八课第3节：Attention机制.ts 33.27M
| | ├──第八课第5节：总结与代码实战.ts 28.14M
| | ├──第八课第5节：总结与代码实战_1.ts 28.14M
| | ├──第六课第1节：词向量介绍.ts 40.77M
| | ├──第六课第2节：词向量离散表示-N-gram和语言模型.ts 65.65M
| | ├──第六课第3节：词向量分布式表示-共现矩阵和SVD降维.ts 41.77M
| | ├──第六课第4节：词向量分布式表示-NNLM.ts 95.37M
| | ├──第六课第5节：词向量分布式表示-Word2vec.ts 77.60M
| | ├──第六课第6节：Word2vec问题和词嵌入效果评估.ts 12.63M
| | ├──第六课第7节：Word2vec工具介绍-gensim.ts 20.82M
| | ├──第七课第1节：RNN的应用场景.ts 49.13M
| | ├──第七课第2节：RNN的网络层级结构.ts 83.11M
| | ├──第七课第3节：不同类型的RNN.ts 50.78M
| | ├──第七课第4节：深层双向RNN与BPTT算法.ts 64.84M
| | ├──第七课第5节：生成模型与图像描述.ts 37.64M
| | ├──第七课第6节：LSTM、GRU.ts 67.06M
| | ├──第七课第7节：实战：用LSTM模型建立一个唐诗生成器.ts 97.64M
| | └──自然语言处理与文本表示.pdf 9.28M
| ├──第五阶段 迁移学习与增强学习
| | ├──DQN-flappybird.txt 0.07kb
| | ├──table-based Q-learning.pdf 3.67M
| | ├──第10课 迁移学习与新技术.ts 286.20M
| | ├──第10课：迁移学习与深度学习新应用.pdf.crdownload 3.98M
| | ├──第9课 增强学习与Deep Q Network.ts 261.44M
| | ├──第九课第1节：强化学习介绍.ts 37.65M
| | ├──第九课第2节：强化学习的难点.ts 25.03M
| | ├──第九课第3节：马尔可夫决策过程.ts 19.81M
| | ├──第九课第4节：打折未来奖励.ts 16.15M
| | ├──第九课第5节：Q-learning.ts 76.90M
| | ├──第九课第6节：Deep Q-Network.ts 48.68M
| | ├──第九课第7节：Q-learning应用.ts 25.13M
| | ├──第九课第8节：案例 Flappy-bird.ts 46.20M
| | ├──第十课第1节：风格迁移应用.ts 15.09M
| | ├──第十课第2节：风格迁移实现原理步骤.ts 51.52M
| | ├──第十课第3节：风格迁移实现原理步骤续.ts 68.52M
| | ├──第十课第4节：模型Fine-tuning.ts 67.09M
| | ├──第十课第5节：多语种语音识别 Multitask Learning.ts 10.53M
| | ├──第十课第5节：多语种语音识别 Multitask Learning_1.ts 10.53M
| | ├──第十课第6节：域对抗 Domain-adversarial training.ts 26.17M
| | ├──第十课第7节：Capsule Net.ts 73.30M
| | └──强化学习与Deep Q-Network.pdf 6.18M
| ├──第一阶段 深度学习从零入门
| | ├──neural_networks.zip 3.20M
| | ├──第1课 DNN与混合网络：google Wide&Deep.ts 364.75M
| | ├──第1课 深度学习初步.pdf 19.02M
| | ├──第一课第1节：深度学习应用.ts 32.79M
| | ├──第一课第2节：线性分类器基本概念.ts 47.51M
| | ├──第一课第3节：hinge loss、交叉熵损失.ts 83.43M
| | ├──第一课第4节：神经网络的网络结构.ts 46.86M
| | ├──第一课第5节：非线性表达能力原理和过拟合.ts 42.31M
| | ├──第一课第6节：传递函数和BP算法概念.ts 53.13M
| | ├──第一课第7节：BP算法公式实例推导.ts 38.93M
| | ├──第一课第8节：实战：手写一个神经网络算法进行分类.ts 77.94M
| | └──阅读作业_神经网络与深度学习.pdf 3.37M
| └──其他资料
| | ├──DL4_Exam_1答案.html 295.83kb
| | ├──DL4_Exam_3_答案.html 282.86kb
| | ├──DL4_Exam_4_答案.html 255.39kb
| | └──DL4_Exam_5_答案.html 251.88kb
├──深度学习论文班
| ├──第1课 Reducing the dimensionality of data with neural networks..ts 198.87M
| ├──第2课 A fast learning algorithm for deep belief nets..ts 129.83M
| ├──第3课 Densely Connected Convolutional Networks.ts 226.48M
| ├──第4课 A guide for convolution arithmetic for deep learning.ts 286.93M
| ├──第5课 Imagenet classification with deep convolutional neural networks..ts 268.45M
| ├──第6课 Speech recognition with deep recurrent neural networks.ts 142.93M
| ├──第7课 Decoupled neural interfaces using synthetic gradients.ts 262.70M
| └──第8课 Deep Learning without Poor Local Minima.ts 233.39M
├──深度学习项目班
| ├──第7-8课 深度学习推荐系统.rar 57.47M
| ├──第八课 从CCF神经网络到Deep Auto-encoder for CF.ts 352.67M
| ├──第二课 深度学习在大规模图像搜索中的实际应用.rar 27.81M
| ├──第二课 深度学习在大规模图像搜索中的实际应用.ts 272.96M
| ├──第六课 FNN CCPM PNN与图片混合点击率预估.ts 401.80M
| ├──第六课 深度学习CTR预估(下).rar 36.00kb
| ├──第七课 从矩阵分解到FM based NN.ts 411.82M
| ├──第三课 自然语言处理从入门到进阶.rar 16.81M
| ├──第三课 自然语言处理从入门到进阶.ts 528.53M
| ├──第四课 聊天机器人实战演练.rar 2.17M
| ├──第四课 聊天机器人实战演练.ts 689.89M
| ├──第五课 从FM到DNN到wide&deep model.ts 455.17M
| ├──第五课 深度学习CTR预估(上).rar 36.09kb
| ├──第一课 深度卷积神经网络基础(原理、调参、Kaggle比赛实践).ts 233.86M
| ├──第一课课件_ConvNets_Principles_DL_Projects.rar 20.12M
| ├──卷积神经网络与计算机视觉.ts 186.16M
| ├──神经网络初步.ts 178.57M
| ├──预习第二课：CNN与CV.pdf 12.38M
| └──预习第一课：神经网络初步.zip 21.74M
├──生成对抗网络实战
| ├──code.zip 1.19M
| ├──gan-applications.zip 51.86M
| ├──gan.zip 182.55kb
| ├──第1课 生成对抗网络基本原理.ts 232.14M
| ├──第2课 多种多样的GAN.ts 187.45M
| ├──第3课 更多的生成对抗网络.pdf 18.24M
| ├──第3课 基于能量的GAN.ts 214.11M
| ├──第4课 GAN实战.ts 332.84M
| ├──第二课：WGAN and more.pdf 4.71M
| └──第一课 声称对抗网络基本原理.pdf 8.34M
├──数据挖掘班
| ├──第10课 PageRank与图挖掘
| | ├──第10课 PageRank.pdf 2.03M
| | └──第10课 PageRank与图挖掘.ts 222.67M
| ├──第1课 数据科学与数学基础
| | ├──第1课 数据科学与数学基础.ts 213.20M
| | ├──第1课 数据挖掘基础.pdf 3.74M
| | └──第一课实践：NumPy基础.ipynb 16.54kb
| ├──第2课 数据处理分析可视化
| | ├──Lesson_2_Data-Computation-Analysis-Visualization.zip 12.92M
| | └──可视化.ts 291.68M
| ├──第3课 海量数据的分布式处理
| | ├──第3课 代码与文件.rar 0.67kb
| | ├──第3课 海量数据的分布式处理.pdf 1.68M
| | └──第3课 海量数据的分布式处理.ts 195.16M
| ├──第4课 关联规则挖掘
| | ├──第4课 关联规则挖掘.ts 209.23M
| | └──第4课 关联规则挖掘算法.pdf 971.64kb
| ├──第5课 数据与聚类
| | ├──第5课 数据与聚类.pdf 10.36M
| | ├──第5课 数据与聚类.ts 153.92M
| | └──第5课数据与聚类资料打包.zip 43.62M
| ├──第6课 海量高维数据与近似最近邻
| | ├──第6课 海量高维数据与近似最近邻.ts 231.48M
| | └──第6课 海量高维数据与最近邻查找.pdf.crdownload 3.98M
| ├──第7课 分类与排序
| | ├──julyedu_data_mining_Lesson7_handout_material.txt 0.04kb
| | ├──第7次课资料.zip 34.39M
| | ├──第7课 分类算法与应用.pdf 11.88M
| | └──第7课 分类与排序.ts 276.24M
| ├──第8课 推荐系统
| | ├──第8课 推荐系统.pdf 9.58M
| | └──第8课 推荐系统.ts 231.28M
| ├──第9课 海量高维数据与维度约减
| | ├──第9课 海量高维数据与维度约减(附代码).pdf 1.35M
| | ├──第9课 海量高维数据与维度约减.pdf 1.22M
| | └──第9课 海量高维数据与维度约减.ts 207.22M
| └──其他资料
| | ├──bank_user_background.data 9.50M
| | ├──interview_suggestion.zip 1.72M
| | ├──Mining_GitHub.ipynb 43.60kb
| | ├──Movie_Recommendation_using_pyspark.py 5.51kb
| | ├──my_apriori.py 8.60kb
| | ├──pagerank_demo.zip 323.87kb
| | └──Reccomendation System Examples.ipynb 11.91kb
├──图搜索实战班
| ├──第1课 图搜索实战班第1讲.ts 230.55M
| ├──第1课.pdf 1.56M
| ├──第2课 图搜索实战班第2讲.ts 232.76M
| └──第2课.pdf 1.25M
├──无人机自主飞行实战
| ├──第10课 未来工业无人机和全自主飞行载人载货应用前景与障碍.ts 340.51M
| ├──第1课 无人机硬件理论课.ts 142.53M
| ├──第2课 无人机拼装实战.ts 2.29G
| ├──第3课 Linux 基础知识.ts 290.31M
| ├──第4课 ROS 与 OFFBOARD MODE.ts 309.55M
| ├──第5课 无人机机载摄像头 3D 建模.ts 216.81M
| ├──第6课 SLAM 原理及其介绍.ts 1.36G
| ├──第7课 环境感知和路径规划.ts 1.54G
| ├──第8课 GPS， IMU，SLAM 传感器融合.ts 708.52M
| └──第9课 基于地图的无人机定位及 Point-And-Fly.ts 340.40M
├──无人驾驶实战
| ├──第八课 无人车定位系统.ts 157.01M
| ├──第二课 软件环境基础（ROS CMake）.ts 253.19M
| ├──第九课 预测系统.ts 174.90M
| ├──第六课 视觉定位.ts 220.64M
| ├──第七课 高精地图与车路协同设备.ts 215.82M
| ├──第三课 感知基础.ts 187.97M
| ├──第十二课 基于强化学习的自动驾驶系统.ts 259.65M
| ├──第十课 路径规划.ts 187.23M
| ├──第十一课 控制理论.ts 166.50M
| ├──第四课 感知实战：目标检测.ts 190.19M
| ├──第五课 感知实战：物体跟踪.ts 286.55M
| └──第一课 自动驾驶概述.ts 201.71M
├──语音识别技术的前世今生
| ├──语音识别技术之今生：神经网络.ts 210.02M
| └──语音识别技术之前世： GMM + HMM.ts 228.41M
├──语音识别实战
| ├──第二阶段 掌握声学模型和语言模型
| | ├──第二课 声学模型 GMMDNN-HMM.ts 224.68M
| | └──第三课 语言模型与解码对齐.ts 196.38M
| ├──第三阶段 实战判别式训练和ASR模型
| | ├──第六课 其他前沿ASR模型.ts 245.23M
| | ├──第四课 序列判别式训练 (Sequence Discriminative Training).ts 231.41M
| | └──第五课 End-to-end ASR.ts 248.07M
| ├──第一阶段 概览语音识别技术
| | └──第一课 语音识别(ASR)技术概览.ts 274.11M
| └──拓展阶段
| | ├──补充课.ts 284.12M
| | ├──语音识别技术之今生：神经网络.ts 210.02M
| | └──语音识别技术之前世： GMM + HMM.ts 228.41M
├──智能问答系统实战
| ├──第1课 对话系统的介绍.ts 220.00M
| ├──第2课 智能客服系统基础知识讲解.ts 186.77M
| ├──第3课 深度学习技术讲解.ts 251.98M
| ├──第4课 检索式与生成式对话系统.ts 290.03M
| ├──第5课 Seq2Seq模型与attention机制.ts 227.30M
| └──第6课 BERT详解.ts 286.81M
└──自动聊天机器人项目班
| ├──第1课 聊天机器人的基础模型与综述
| | ├──ChatBot第一课配课代码.zip 45.33kb
| | ├──第1课 聊天机器人的基础模型与综述.ts 161.16M
| | └──第1课 综述.pdf 2.64M
| ├──第2课 NLP基础及扫盲
| | ├──第2课 NLP基础.pdf 2.22M
| | └──第2课 NLP基础及扫盲.ts 230.38M
| ├──第3课 用基础机器学习方法制作聊天机器人
| | ├──第3课 用基础机器学习方法制作聊天机器人.ts 227.55M
| | ├──第3课-机器学习构建聊天机器人.pdf 1.71M
| | └──语聊和代码.zip 45.98kb
| ├──第4课 深度学习基础及扫盲
| | ├──第4课 深度学习基础及扫盲.ts 198.18M
| | └──第4课：聊天机器人里的深度学习基础大集合.pdf 26.62M
| ├──第5课 深度学习聊天机器人原理
| | ├──chatbot-deeplearning-retrieval.zip 58.91kb
| | ├──第5课 深度学习聊天机器人原理.ts 227.83M
| | └──第5课-基于深度学习的检索聊天机器人.pdf 2.13M
| ├──第6课 用深度学习方法制作聊天机器人
| | ├──第6课 用深度学习方法制作聊天机器人.ts 329.56M
| | ├──第6课-DL聊天机器人.pdf 2.80M
| | └──数据集和参考资料.zip 9.08M
| ├──第7课 看图回答VQA
| | ├──第7课 VQA.pdf 1.70M
| | ├──第7课 看图回答VQA.ts 214.15M
| | └──第7课代码地址.txt 0.05kb
| └──第8课 简单易用的聊天机器人开发平台与展望
| | ├──第8课 简单易用的聊天机器人开发平台与展望.ts 210.39M
| | └──第8课.zip 1.81M