实用数据挖掘与人工智能一月特训班视频教程

课程：函数与Python基本数据结构.2、函数（二）.mp4/ r3 H: e: Q% W  O3 u’ q7 J5 W
4、课程：函数与Python基本数据结构.3、函数（三）.mp4
4、课程：函数与Python基本数据结构.4、函数（四）.mp4
4、课程：函数与Python基本数据结构.5、函数（五）.mp4
4、课程：函数与Python基本数据结构.6、Python编码结构（一）.mp4
4、课程：函数与Python基本数据结构.7、Python编码结构（二）.mp45 Y3 f3 a’ u8 s* t2 |9 b. M% u- ?
4、课程：函数与Python基本数据结构.8、Python编码结构（三）.mp4
4、课程：函数与Python基本数据结构.9、Python模块和程序包.mp4
4、课程：函数与Python基本数据结构.10、Python基本数据结构（一）.mp4
4、课程：函数与Python基本数据结构.11、Python基本数据结构（二）.mp4! ^+ |$ X8 \’ m$ j) o; ^
4、课程：函数与Python基本数据结构.12、Python基本数据结构（三）.mp49 J) |0 ?2 j# A: |
5、课程：Numpy的基本操作.1、Introduction to Numpy.mp4
5、课程：Numpy的基本操作.2、Create Arrays.mp4
5、课程：Numpy的基本操作.3、Basic Operations of Arrays.mp40 G) L7 n# x. I! ?7 B
5、课程：Numpy的基本操作.4、lndexing ，Slicing and Iterating（一）.mp4$ b/ ?5 f6 J/ S’ q/ M’ M
5、课程：Numpy的基本操作.5、lndexing ，Slicing and Iterating（二）.mp4
5、课程：Numpy的基本操作.6、lndexing ，Slicing and Iterating（三）.mp4! C& J) F1 t& s* X  {/ u/ w: \6 D
5、课程：Numpy的基本操作.7、Matrix Operations –（一）.mp4
5、课程：Numpy的基本操作.8、Matrix Operations –（二）.mp42 [‘ M9 {8 ?, f9 X5 o
5、课程：Numpy的基本操作.9、Array processing（一）.mp4* T/ Z5 }) t3 F) d) M
5、课程：Numpy的基本操作.10、Array processing（二）.mp4  o! Z9 Y; v, X
5、课程：Numpy的基本操作.11、Save and Load Array.mp4* |7 [+ t: i% ]
6、课程：Pandas的基本操作.1、Series.mp4
6、课程：Pandas的基本操作.2、DataFrame+Titanic Example（一）.mp4
6、课程：Pandas的基本操作.3、DataFrame+Titanic Example（二）.mp4; Q, C- {‘ k; ]  N7 C’ X& ^’ c
6、课程：Pandas的基本操作.4、DataFrame+Titanic Example（三）.mp4# C# g3 F6 [+ Y# T’ r
6、课程：Pandas的基本操作.5、DataFrame+Titanic Example（四）.mp4: q8 |9 o  G5 Z9 M4 p7 o3 T” K# r( O
6、课程：Pandas的基本操作.6、Index Objects.mp4
6、课程：Pandas的基本操作.7、Reindex.mp4
6、课程：Pandas的基本操作.8、Drop Data.mp41 i2 A: v’ Q1 D. C1 j( h
6、课程：Pandas的基本操作.9、Slice Data（一）.mp4
6、课程：Pandas的基本操作.10、Slice Data（二）.mp4
6、课程：Pandas的基本操作.11、Data Alignment.mp4
6、课程：Pandas的基本操作.12、Rank and Sort.mp4
7、课程：Matplotlib的基本操作.1、Matplotlib（一）.mp41 r0 S3 b+ J  f) I8 i
7、课程：Matplotlib的基本操作.2、Matplotlib（二）.mp4
7、课程：Matplotlib的基本操作.3、Matplotlib（三）.mp4
7、课程：Matplotlib的基本操作.4、Matplotlib（四）.mp4& c’ b% e1 k3 t’ w; D( k7 m5 N6 i) m
7、课程：Matplotlib的基本操作.5、Matplotlib（五）.mp4” F/ K’ X0 g# a: F
7、课程：Matplotlib的基本操作.6、Aggregation（一）.mp4
7、课程：Matplotlib的基本操作.7、Aggregation（二）.mp40 \! x0 ^5 V# ]& i
7、课程：Matplotlib的基本操作.8、Aggregation（三）.mp4
8、课程：什么是好的模型结果-cost function.1、如何定义一个模型结果的好坏？.mp4
8、课程：什么是好的模型结果-cost function.2、连续变量的模型，如何来衡量模型结果？（一）.mp4. V: P” F0 v; `2 ~9 j
8、课程：什么是好的模型结果-cost function.3、连续变量的模型，如何来衡量模型结果？（二）.mp4
8、课程：什么是好的模型结果-cost function.4、二分类问题-假设检验，p-value（一）.mp4. R9 W, j# ]3 i1 Q$ ?9 w8 V& q
8、课程：什么是好的模型结果-cost function.5、二分类问题-假设检验，p-value（二）.mp4
8、课程：什么是好的模型结果-cost function.6、二分类问题-ROC & AUC（一）.mp44 O* J6 v6 u8 U* \
8、课程：什么是好的模型结果-cost function.7、二分类问题-ROC & AUC（二）.mp4
8、课程：什么是好的模型结果-cost function.8、什么是好的分类（一）.mp4
8、课程：什么是好的模型结果-cost function.9、二分类问题-召回率，准确率.mp4# |” y: F+ [: z
8、课程：什么是好的模型结果-cost function.10、二分类问题-F1-score.mp4% X6 M! A0 `4 D. I” U
8、课程：什么是好的模型结果-cost function.11、分类模型，如何衡量模型结果？.mp4
8、课程：什么是好的模型结果-cost function.12、imbalanced问题（一）.mp4
8、课程：什么是好的模型结果-cost function.13、imbalanced问题（二）.mp4
9、课程：线性回归.1、知识回顾.mp4
9、课程：线性回归.2、为什么要使用线性回归？.mp4! {4 a9 o+ [  U$ }1 W” P- L8 l6 X
9、课程：线性回归.3、如何计算线性回归？（一）.mp48 |’ V6 R” L2 N5 U2 c
9、课程：线性回归.4、如何计算线性回归？（二）.mp4
9、课程：线性回归.5、问题解答.mp4
9、课程：线性回归.6、由最小二乘法选出的直线有没有用？（一）.mp4
9、课程：线性回归.7、由最小二乘法选出的直线有没有用？（二）.mp4
9、课程：线性回归.8、线性回归参数估计的含义.mp4
9、课程：线性回归.9、线性回归对数据的解释.mp42 D# a: ~5 v( i# r2 G
9、课程：线性回归.10、线性回归对样本及误差的要求和假设前提（一）.mp4
9、课程：线性回归.11、线性回归对样本及误差的要求和假设前提（二）.mp4
9、课程：线性回归.12、预测的confidence interval 和 prediction interval（一）.mp4. C1 Z! `* D: R* I% f’ Q- _! s
9、课程：线性回归.13、预测的confidence interval 和 prediction interval（二）.mp4
9、课程：线性回归.14、预测的confidence interval 和 prediction interval（三）.mp46 V; Z9 Y) c3 B5 h- z6 v
9、课程：线性回归.15、imbalanced问题.mp4
10、课程：逻辑回归及应用.1、逻辑回归与线性回归.mp4& |, |9 K- j4 ]. i  p
10、课程：逻辑回归及应用.2、如何计算信用分数.mp4
10、课程：逻辑回归及应用.3、商家如何查看芝麻信用值？.mp4
10、课程：逻辑回归及应用.4、寻找最合理的参数-1设计Cost Function.mp4% N4 X# q3 ]. ~1 G, A
10、课程：逻辑回归及应用.5、疑题解答.mp4) I- d! I1 D0 x1 }; i3 x
10、课程：逻辑回归及应用.6、寻找最合理的参数-3. 计算最优参数（一）.mp4& _8 W6 D’ ]- \3 s% w
10、课程：逻辑回归及应用.7、寻找最合理的参数-3. 计算最优参数(二).mp4: f3 t! b2 L1 [6 c
10、课程：逻辑回归及应用.8、寻找最合理的参数-3. 计算最优参数(三).mp4
10、课程：逻辑回归及应用.9、寻找最合理的参数-3. 计算最优参数(四).mp4& c5 e; k1 |; z+ s7 S. \3 q
10、课程：逻辑回归及应用.10、寻找最合理的参数-3. 计算最优参数(五).mp4
10、课程：逻辑回归及应用.11、寻找最合理的参数-3. 计算最优参数(六).mp4# n. {- B1 Q1 M2 A
10、课程：逻辑回归及应用.12、更进一步：从逻辑回归到SoftMax（一）.mp4
10、课程：逻辑回归及应用.13、更进一步：从逻辑回归到SoftMax(二).mp4+ {. z’ [4 g& O3 d; c; p. n; M
11、课程：拟合与过拟合的定义.1、拟合与过拟合.mp44 [” |1 T/ e9 k0 \” |, H
11、课程：拟合与过拟合的定义.2、对抗过拟合（一）.mp4
11、课程：拟合与过拟合的定义.3、对抗过拟合（二）.mp4
11、课程：拟合与过拟合的定义.4、对抗过拟合（三）.mp4
11、课程：拟合与过拟合的定义.5、Python实现（一）.mp4
11、课程：拟合与过拟合的定义.6、Python实现（二）.mp4
11、课程：拟合与过拟合的定义.7、正则化Regularization.mp42 a4 W. J” V5 z: p, F1 B
11、课程：拟合与过拟合的定义.8、Ridge（一）.mp4+ }/ _& f+ t7 z; [
11、课程：拟合与过拟合的定义.9、Ridge（二）.mp4
11、课程：拟合与过拟合的定义.10、方差的分解（一）.mp47 v” a4 ?  |1 y  e4 C& y” s3 V4 z
11、课程：拟合与过拟合的定义.11、方差的分解（二）.mp4
11、课程：拟合与过拟合的定义.12、Bias与Variance的分解.mp4! G% C’ i9 d( p$ M
12、课程：决策树模型.1、什么是决策树？.mp4. t2 r9 d’ I( M: Q! h
12、课程：决策树模型.2、游戏中的决策树分析（一）.mp4
12、课程：决策树模型.3、游戏中的决策树分析（二）.mp4
12、课程：决策树模型.4、哪个问题分的最好？.mp4
12、课程：决策树模型.5、Decision Tree_example1（一）.mp4
12、课程：决策树模型.6、Decision Tree_example1（二）.mp4– I# _& \’ c5 C0 K* S3 m4 Y% s
12、课程：决策树模型.7、Decision Tree_example1（三）.mp4% z0 N% t% I! G7 K; X2 I5 G8 f
12、课程：决策树模型.8、Decision Tree_example1（四）.mp4
12、课程：决策树模型.9、Decision Tree_example1（五）.mp4/ G* ~* Z  ]: A$ I6 `$ }
12、课程：决策树模型.10、Decision Tree_example1（六）.mp40 A” M; h; A+ L& W% G2 ?. [1 j
12、课程：决策树模型.11、Decision Tree_example1（七）.mp4
13、课程：Pandas 数据操作与Ensemble Method 集成算法.1、Combining dataframes.mp4
13、课程：Pandas 数据操作与Ensemble Method 集成算法.2、Mapping.mp4& h+ d2 W7 }1 G( n  b, X- [
13、课程：Pandas 数据操作与Ensemble Method 集成算法.3、Binning.mp4
13、课程：Pandas 数据操作与Ensemble Method 集成算法.4、GroupBy On Dict and Series（一）.mp4
13、课程：Pandas 数据操作与Ensemble Method 集成算法.5、GroupBy On Dict and Series（二）.mp4
13、课程：Pandas 数据操作与Ensemble Method 集成算法.6、Merge（一）.mp4
13、课程：Pandas 数据操作与Ensemble Method 集成算法.7、Merge（二）.mp4( o+ H: n: S, s’ L) b. Y9 \0 {! J* }
13、课程：Pandas 数据操作与Ensemble Method 集成算法.8、Outliers.mp4$ U+ b1 W# O: k6 F+ h
13、课程：Pandas 数据操作与Ensemble Method 集成算法.9、Pivoting.mp4
13、课程：Pandas 数据操作与Ensemble Method 集成算法.10、Replace.mp4
13、课程：Pandas 数据操作与Ensemble Method 集成算法.11、Bagging (Bootstrap aggregating).mp4
13、课程：Pandas 数据操作与Ensemble Method 集成算法.12、Boosting and Ada boosting（一）.mp4& B& w6 e( B. E9 U6 C* K# a’ j0 W
13、课程：Pandas 数据操作与Ensemble Method 集成算法.13、Boosting and Ada boosting（二）.mp4
13、课程：Pandas 数据操作与Ensemble Method 集成算法.14、Gradient Boosting.mp4, t8 a” C& E6 h$ `- A. I
14、课程：Airbnb 数据分析.1、Airbnb介绍.mp4
14、课程：Airbnb 数据分析.2、Train and Test 用户本身数据和营销渠道数据.mp4
14、课程：Airbnb 数据分析.3、Airbnb_DataExploration（一）.mp49 R9 B- ]) v7 |! _3 y/ P
14、课程：Airbnb 数据分析.4、Airbnb_DataExploration（二）.mp47 S3 T/ ?- ]1 Q  \. |+ s9 H# S
14、课程：Airbnb 数据分析.5、Airbnb_DataExploration（三）.mp4
14、课程：Airbnb 数据分析.6、Airbnb_FeatureEngineering（一）.mp44 L( @9 K9 J7 Y2 u
14、课程：Airbnb 数据分析.7、Airbnb_FeatureEngineering（二）.mp4
14、课程：Airbnb 数据分析.8、Airbnb_FeatureEngineering（三）.mp44 w0 d1 \$ L( z6 B6 ]’ U
14、课程：Airbnb 数据分析.9、Airbnb_FeatureEngineering（四）.mp4
14、课程：Airbnb 数据分析.10、Modeling（一）.mp4; \) K! I/ \1 ~- T! r
14、课程：Airbnb 数据分析.11、Modeling（二）.mp4
15、课程：支持向量机（SVM）.1、支持向量机简介与历史（一）.mp4” g* A, ]2 O9 i+ y
15、课程：支持向量机（SVM）.2、支持向量机简介与历史（二）.mp4
15、课程：支持向量机（SVM）.3、支持向量机分类与回归（一）.mp47 A: c4 @* Q5 Z; o” ^3 P6 u6 O9 f
15、课程：支持向量机（SVM）.4、支持向量机分类与回归（二）.mp4
15、课程：支持向量机（SVM）.5、支持向量机分类与回归（三）.mp4$ g. k: D& ?, c
15、课程：支持向量机（SVM）.6、对偶问题.mp4
15、课程：支持向量机（SVM）.7、支持向量.mp4& [5 B2 h) b7 k
15、课程：支持向量机（SVM）.8、核函数.mp4
15、课程：支持向量机（SVM）.9、正则化与软间隔.mp44 S7 U6 C! Y- G! o6 j” O
15、课程：支持向量机（SVM）.10、支持向量机算法总结.mp4, _5 J% L* y# [- U7 G3 R  w6 [# s
15、课程：支持向量机（SVM）.11、代码实战（一）.mp46 r4 `7 q# D: _; z$ H$ y5 z$ l7 y
15、课程：支持向量机（SVM）.12、代码实战（二）.mp4
15、课程：支持向量机（SVM）.13、代码实战（三）.mp4
16、课程：自然语言处理与NLP-代码实战.1、历史.mp46 j” V8 A* t’ h$ p% E, ^
16、课程：自然语言处理与NLP-代码实战.2、语言模型（一）.mp48 O  u0 i* S% K$ u
16、课程：自然语言处理与NLP-代码实战.3、语言模型（二）.mp4
16、课程：自然语言处理与NLP-代码实战.4、语言模型（三）.mp4
16、课程：自然语言处理与NLP-代码实战.5、语言模型（四）.mp4
16、课程：自然语言处理与NLP-代码实战.6、语言模型（五）.mp4
16、课程：自然语言处理与NLP-代码实战.7、语言模型评价.mp4; ^9 y7 I4 H0 G’ W
16、课程：自然语言处理与NLP-代码实战.8、隐马尔可夫模型.mp4” e2 O” ~3 H’ O+ }1 i
16、课程：自然语言处理与NLP-代码实战.9、深度学习（一）.mp4# A0 b1 u) A/ h6 \” I8 B$ D
16、课程：自然语言处理与NLP-代码实战.10、深度学习（二）.mp4
16、课程：自然语言处理与NLP-代码实战.11、语言模型实战（一）.mp4
16、课程：自然语言处理与NLP-代码实战.12、语言模型实战（二）.mp49 M$ i0 i0 _9 z2 b/ [
16、课程：自然语言处理与NLP-代码实战.13、语言模型实战（三）.mp4
16、课程：自然语言处理与NLP-代码实战.14、语言模型实战（四）.mp47 f8 J  M# m* t. e3 M
17、课程：文字处理与Amazon评论NLP分析案例.1、Python文字处理基本操作回顾.mp4
17、课程：文字处理与Amazon评论NLP分析案例.2、ASCII，unicode解码与编码，utf-8（一）.mp4” _0 g! u# n/ C’ s% n3 W6 l
17、课程：文字处理与Amazon评论NLP分析案例.3、ASCII，unicode解码与编码，utf-8（二）.mp4! a* B* p( q# W! V
17、课程：文字处理与Amazon评论NLP分析案例.4、Nltk工具包与特朗普的任职演讲.mp4& ]. t# V) K9 w8 s+ U’ A. U
17、课程：文字处理与Amazon评论NLP分析案例.5、计算词频.mp40 L. `. T3 @’ o# N, f
17、课程：文字处理与Amazon评论NLP分析案例.6、读取文字.mp4
17、课程：文字处理与Amazon评论NLP分析案例.7、整理标签（一）.mp44 K6 a8 h7 V3 W- @- }
17、课程：文字处理与Amazon评论NLP分析案例.8、整理标签（二）.mp4; f5 T+ {1 c# x7 j: t, t7 e1 I’ {
17、课程：文字处理与Amazon评论NLP分析案例.9、整理标签（三）.mp4& _7 ?% X’ g4 p3 M  T
17、课程：文字处理与Amazon评论NLP分析案例.10、清理文字并建语料库（一）.mp4
17、课程：文字处理与Amazon评论NLP分析案例.11、清理文字并建语料库（二）.mp4( t9 b- [” O, P& D+ v
17、课程：文字处理与Amazon评论NLP分析案例.12、建模.mp4
17、课程：文字处理与Amazon评论NLP分析案例.13、调用具体模型.mp4
18、课程：网络基础概述.1、网络基础概述.mp4! V” q- U$ l; t( n
18、课程：网络基础概述.2、数据和数据库（一）.mp4
18、课程：网络基础概述.3、数据和数据库（二）.mp45 ~# O. x8 v6 F3 A# [
18、课程：网络基础概述.4、计算机网络知识普及（一）.mp45 z- `( a; K) i& y
18、课程：网络基础概述.5、计算机网络知识普及（二）.mp41 u0 I/ S1 B: e4 l6 F5 O8 X  P  Q
18、课程：网络基础概述.6、什么是网站.mp4, |* p% p5 z” I6 u
18、课程：网络基础概述.7、静态网站和动态网站.mp4
18、课程：网络基础概述.8、简单的网站服务程序（一）.mp4
18、课程：网络基础概述.9、简单的网站服务程序（二）.mp4, C) A; J) k  B5 H7 }/ ~; {
18、课程：网络基础概述.10、什么是API（一）.mp4
18、课程：网络基础概述.11、什么是API（二）.mp4
18、课程：网络基础概述.12、如何找到API.mp4. Z9 N) V0 @2 d. w: ?
18、课程：网络基础概述.13、网络产品和现在网络程序.mp4$ _/ a) |/ d9 M” T
18、课程：网络基础概述.14、答疑.mp4
19、课程：网络爬虫入门.1、网络爬虫概述.mp4
19、课程：网络爬虫入门.2、复习HTML.mp4+ d6 O1 W/ D( ~
19、课程：网络爬虫入门.3、强大的工具—Requests.mp4
19、课程：网络爬虫入门.4、强大的工具—Beautifulsoup（一）.mp47 {/ d! w8 d9 B, {
19、课程：网络爬虫入门.5、强大的工具—Beautifulsoup（二）.mp4
19、课程：网络爬虫入门.6、Charity Watch（一）.mp4
19、课程：网络爬虫入门.7、Charity Watch（二）.mp4
19、课程：网络爬虫入门.8、Charity Watch（三）.mp4( O5 l+ A” f” i% S% G1 G
19、课程：网络爬虫入门.9、弹幕爬虫（一）.mp4‘ L2 V  n5 L) j) c) `3 C’ H2 I
19、课程：网络爬虫入门.10、弹幕爬虫（二）.mp4
19、课程：网络爬虫入门.11、弹幕爬虫（三）.mp4$ h7 z) w, `4 V; d) U
19、课程：网络爬虫入门.12、弹幕爬虫（四）.mp46 H* U5 O, I2 v
19、课程：网络爬虫入门.13、弹幕爬虫（五）.mp4– }% ~: r  Y3 J’ n( Z: R9 D
19、课程：网络爬虫入门.14、弹幕爬虫（六）.mp4
20、课程：爬虫进阶.1、Write Binary File.mp4
20、课程：爬虫进阶.2、Read Binary File.mp4+ m1 ?’ R7 {. ~’ j7 H
20、课程：爬虫进阶.3、静态文件获取（一）.mp4! b- Q” G# q/ J5 [, g
20、课程：爬虫进阶.4、静态文件获取（二）.mp4) B& x: c  J/ J6 ~0 P
20、课程：爬虫进阶.5、认证授权（一）.mp4
20、课程：爬虫进阶.6、认证授权（二）.mp4
20、课程：爬虫进阶.7、认证授权（三）.mp4
20、课程：爬虫进阶.8、爬虫进阶扩展（一）.mp4
20、课程：爬虫进阶.9、爬虫进阶扩展（二）.mp4
21、课程： 正则表达式.1、常见代码.mp4  J* V% e8 {& x” E
21、课程： 正则表达式.2、基本语句（一）.mp4: H” N0 D7 m4 ?
21、课程： 正则表达式.3、基本语句（二）.mp4
21、课程： 正则表达式.4、字符匹配和分枝条件.mp4– X; w  q0 l9 J/ }, B
21、课程： 正则表达式.5、分组.mp4  a% {& A” L0 a1 w% R5 ?7 {
21、课程： 正则表达式.6、后向引用和零宽断言.mp4
21、课程： 正则表达式.7、案例分析（一）.mp4/ F. W/ ^: Q% l
21、课程： 正则表达式.8、案例分析（二）.mp45 n9 ], E9 t  L$ T
22、课程：贝叶斯统计.1、联合概率.mp44 ]8 q# T/ ?% l* P% }9 d
22、课程：贝叶斯统计.2、边缘概率.mp4
22、课程：贝叶斯统计.3、条件概率.mp4$ y% G0 G  X” c  [/ r2 f
22、课程：贝叶斯统计.4、联合概率、边缘概率和条件概率.mp4! @4 Z% `; U1 X
22、课程：贝叶斯统计.5、贝叶斯公式（一）.mp4
22、课程：贝叶斯统计.6、贝叶斯公式（二）.mp4
22、课程：贝叶斯统计.7、流感案例.mp4
22、课程：贝叶斯统计.8、图形化理解.mp4# G’ O& X7 I2 O/ a; ?
22、课程：贝叶斯统计.9、案例分析.mp4
22、课程：贝叶斯统计.10、贝叶斯公式垃圾短信识别程序（一）.mp4
22、课程：贝叶斯统计.11、贝叶斯公式垃圾短信识别程序（二）.mp46 W2 `2 E1 i% h* ]% Z. U) j6 A  W$ T
22、课程：贝叶斯统计.12、贝叶斯公式垃圾短信识别程序（三）.mp4! S; E. F, u7 V- P$ \% u+ G7 g
22、课程：贝叶斯统计.13、脑筋急转弯：三门问题（一）.mp4
22、课程：贝叶斯统计.14、脑筋急转弯：三门问题（二）.mp4, m’ N* j* H2 q’ P: l, x9 c
23、课程：搜集用户信息与数据整合.1、搜集用户发帖Comment Id（一）.mp41 m0 b$ h4 b9 ]7 G  F# Y
23、课程：搜集用户信息与数据整合.2、搜集用户发帖Comment Id（二）.mp4
23、课程：搜集用户信息与数据整合.3、正向编码方法.mp4% ?. _! j3 w9 W; L, e7 p1 f
23、课程：搜集用户信息与数据整合.4、如何逆向解码（一）.mp4
23、课程：搜集用户信息与数据整合.5、如何逆向解码（二）.mp4
23、课程：搜集用户信息与数据整合.6、如何逆向解码（三）.mp4
23、课程：搜集用户信息与数据整合.7、如何逆向解码（四）.mp4
23、课程：搜集用户信息与数据整合.8、整理用户mid ID.mp4( Y# v” e& V: n( r. K
23、课程：搜集用户信息与数据整合.9、爬取用户信息（一）.mp4
23、课程：搜集用户信息与数据整合.10、爬取用户信息（二）.mp4– _9 `% \+ S  x0 J0 T9 R
23、课程：搜集用户信息与数据整合.11、爬取用户信息（三）.mp43 R  `. }8 R# f0 r# I
23、课程：搜集用户信息与数据整合.12、爬取用户信息（四）.mp4
23、课程：搜集用户信息与数据整合.13、RandomForest 重新采样（一）.mp4
23、课程：搜集用户信息与数据整合.14、RandomForest 重新采样（二）.mp4
24、课程：贝叶斯思维.1、贝叶斯统计（一）.mp4
24、课程：贝叶斯思维.2、贝叶斯统计（二）.mp4
24、课程：贝叶斯思维.3、贝叶斯统计（三）.mp4
24、课程：贝叶斯思维.4、贝叶斯统计（四）.mp47 B6 U” F, W& |2 f
24、课程：贝叶斯思维.5、贝叶斯公式（一）.mp4
24、课程：贝叶斯思维.6、贝叶斯公式（二）.mp4‘ T/ f* T, E% P( w6 v6 \2 D
24、课程：贝叶斯思维.7、贝叶斯公式（三）.mp4
24、课程：贝叶斯思维.8、贝叶斯公式（四）.mp4
24、课程：贝叶斯思维.9、证明正态分布的后验分布依然是正态分布（一）.mp4
24、课程：贝叶斯思维.10、证明正态分布的后验分布依然是正态分布（二）.mp4
24、课程：贝叶斯思维.11、证明正态分布的后验分布依然是正态分布（三）.mp4) ^4 c$ O/ Y5 B9 m. \
24、课程：贝叶斯思维.12、证明正态分布的后验分布依然是正态分布（四）.mp4& c7 e& U! _6 q2 b4 H
24、课程：贝叶斯思维.13、美国海岸救援案例.mp4
25、课程：BiliBili火爆剧集与观众分析.1、结巴分词原理.mp4
25、课程：BiliBili火爆剧集与观众分析.2、结巴分词使用.mp4
25、课程：BiliBili火爆剧集与观众分析.3、去除NaN、分词.mp4+ ?- ~) u, X5 Y0 F! Q# |; ^* N” {
25、课程：BiliBili火爆剧集与观众分析.4、去停用词、整理词频.mp4( U  j1 C, O0 z! t: \0 F( O
25、课程：BiliBili火爆剧集与观众分析.5、关键词计算.mp4
25、课程：BiliBili火爆剧集与观众分析.6、生成词云.mp4
25、课程：BiliBili火爆剧集与观众分析.7、沿时间的动态变化：频率与高频词（一）.mp4+ v” \* M$ x; a% ^
25、课程：BiliBili火爆剧集与观众分析.8、沿时间的动态变化：频率与高频词（二）.mp4
25、课程：BiliBili火爆剧集与观众分析.9、沿时间的动态变化：频率与高频词（三）.mp4% b# u- c’ K2 o6 \7 W, d) p
25、课程：BiliBili火爆剧集与观众分析.10、二十四小时的弹幕频率分布.mp4” A: a# T) D8 g/ X3 R1 V
25、课程：BiliBili火爆剧集与观众分析.11、年内的弹幕频率分布.mp49 Q; [‘ I) f1 c$ ?/ g$ r: ~5 d7 d
25、课程：BiliBili火爆剧集与观众分析.12、观众信息.mp4
25、课程：BiliBili火爆剧集与观众分析.13、脑筋急转弯（一）.mp4” z; V, M9 }$ J/ O( I
25、课程：BiliBili火爆剧集与观众分析.14、脑筋急转弯（二）.mp4
26、课程：聚类与代码实战.1、课程概要.mp4) O3 V0 T9 d” H: u: e( x9 [
26、课程：聚类与代码实战.2、机器学习与聚类简介.mp4
26、课程：聚类与代码实战.3、聚类的定义以及和分类的区别.mp4
26、课程：聚类与代码实战.4、聚类相似度度量：几何距离.mp48 G. R: H9 O% N% }, @
26、课程：聚类与代码实战.5、划分聚类.mp47 l8 W; A$ I6 W: v
26、课程：聚类与代码实战.6、划分聚类—K均值算法（一）.mp49 i4 E9 x; l” M! u) m’ M
26、课程：聚类与代码实战.7、划分聚类—K均值算法（二）.mp4
26、课程：聚类与代码实战.8、层次聚类.mp4
26、课程：聚类与代码实战.9、Agglomerative clustering算法.mp4
26、课程：聚类与代码实战.10、密度聚类.mp4# Z” m” z+ p2 R: `  f/ }& q
26、课程：聚类与代码实战.11、DBSCAN.mp4+ D% ]5 J/ x9 B( u
26、课程：聚类与代码实战.12、聚类算法总结.mp4
26、课程：聚类与代码实战.13、代码实战（一）.mp4
26、课程：聚类与代码实战.14、代码实战（二）.mp4‘ \& j’ X( C6 L
26、课程：聚类与代码实战.15、代码实战（三）.mp4( r/ P2 e- D/ l- H0 i+ D
27、课程：商业社交媒体舆情分析.1、脑筋急转弯（一）.mp4‘ g1 G6 y6 r” |9 j4 }  i) T
27、课程：商业社交媒体舆情分析.2、脑筋急转弯（二）.mp41 q% X7 E- e8 W0 A9 P. O
27、课程：商业社交媒体舆情分析.3、脑筋急转弯（三）.mp4
27、课程：商业社交媒体舆情分析.4、社媒舆情分析的目的.mp4
27、课程：商业社交媒体舆情分析.5、作用价值一：获取市场的必要信息（一）.mp44 O, x3 o” j, ^. F( w3 H& ~/ a
27、课程：商业社交媒体舆情分析.6、作用价值一：获取市场的必要信息（二）.mp4+ \7 _7 S) l’ [2 C+ w8 G; [+ I. ]
27、课程：商业社交媒体舆情分析.7、如何通过舆情分析掌握时长状况.mp4
27、课程：商业社交媒体舆情分析.8、作用价值二：提升决策敏感性.mp4* y* B! J’ c! |9 ?5 R8 g/ |” h
27、课程：商业社交媒体舆情分析.9、有趣的营销发现.mp4; ~) q+ I7 _+ P, F” H
27、课程：商业社交媒体舆情分析.10、作用价值三：寻找接触点.mp4
27、课程：商业社交媒体舆情分析.11、总结：营销领域的舆情分析应用.mp40 v! `2 B’ Y2 ?+ G4 I1 m
27、课程：商业社交媒体舆情分析.12、答疑（一）.mp4
27、课程：商业社交媒体舆情分析.13、答疑（二）.mp4
28、课程：近期推荐系统概述.1、推荐系统应用场景（一）.mp4
28、课程：近期推荐系统概述.2、推荐系统应用场景（二）.mp4) I  u” i/ y9 @% t
28、课程：近期推荐系统概述.3、推荐系统算法概述（一）.mp4
28、课程：近期推荐系统概述.4、推荐系统算法概述（二）.mp4: F3 Q% x: F” E4 d+ D8 V
28、课程：近期推荐系统概述.5、推荐系统算法概述（三）.mp4) a9 u3 N6 L” `3 T
28、课程：近期推荐系统概述.6、推荐系统算法概述（四）.mp4
28、课程：近期推荐系统概述.7、CF+矩阵分解（一）.mp40 O  S. n* _  O* O+ J2 [
28、课程：近期推荐系统概述.8、CF+矩阵分解（二）.mp4
28、课程：近期推荐系统概述.9、基于图像的推荐.mp4# `* L# Y# d8 o” l2 ]
28、课程：近期推荐系统概述.10、评估推荐系统结果.mp4– Q8 k2 G9 E, \. d9 _3 T; h8 s
29、课程：人工智能的江湖.1、达特茅斯会议与第一次AI大发展.mp4
29、课程：人工智能的江湖.2、第一次AI寒冬（一）.mp4* l3 V) [! I4 v& S” D# K
29、课程：人工智能的江湖.3、第一次AI寒冬（二）.mp4‘ B! E/ X, L+ X: u
29、课程：人工智能的江湖.4、复苏与第二次AI寒冬.mp4! g2 N, \  w# x” z- o& O
29、课程：人工智能的江湖.5、再次复苏与神经网翻身.mp4
29、课程：人工智能的江湖.6、瞻仰大神（一）.mp4, O* u9 V” C, f+ d( Y0 `4 B
29、课程：人工智能的江湖.7、瞻仰大神（二）.mp4
29、课程：人工智能的江湖.8、瞻仰大神（三）.mp4+ p/ \# G# j” V
29、课程：人工智能的江湖.9、今天的应用与影响（一）.mp4
29、课程：人工智能的江湖.10、今天的应用与影响（二）.mp42 [# v! V& t  }+ Y5 Y! G
29、课程：人工智能的江湖.11、今天的应用与影响（三）.mp4
30、课程：机器学习在图像识别中的应用.1、图像处理和机器学习有什么关系.mp4# C, D8 {+ b” Q* p. P1 ~3 v2 L
30、课程：机器学习在图像识别中的应用.2、什么是机器学习.mp48 Z% X5 X4 ?; j” n
30、课程：机器学习在图像识别中的应用.3、什么是图像识别.mp4, b* f; Y’ p# }! Q4 o
30、课程：机器学习在图像识别中的应用.4、图像识别的困难在哪里.mp4& Y  q2 F6 ?: c! t  _! _2 M
30、课程：机器学习在图像识别中的应用.5、图像识别的发展历史.mp4
30、课程：机器学习在图像识别中的应用.6、机器学习对比深度学习.mp4
30、课程：机器学习在图像识别中的应用.7、机器学习的工作方式.mp4* }4 }6 R5 T7 D: m: j! I
30、课程：机器学习在图像识别中的应用.8、机器学习的算法（一）.mp4
30、课程：机器学习在图像识别中的应用.9、机器学习的算法（二）.mp4
30、课程：机器学习在图像识别中的应用.10、机器学习总结.mp4
31、课程：Pygame.1、学习框架梳理.mp4‘ v! I% M: N/ u) X* a
31、Java自学网收集整理[javazx.com]$ a- e) j% o. b9 d/ R, m) X3 V” H
31、课程：Pygame.2、剩余课程安排.mp4: P! O5 L1 q: Y9 w0 n) z8 |# q
31、课程：Pygame.3、Flappy bird基本背景图像（一）.mp4
31、课程：Pygame.4、Flappy bird基本背景图像（二）.mp47 t” I6 X( B% d- i- c
31、课程：Pygame.5、键盘操作-小鸟左右移动.mp4& \/ H” f0 t* ^: ~: K: G. I2 j
31、课程：Pygame.6、扑腾扑腾翅膀（一）.mp4
31、课程：Pygame.7、扑腾扑腾翅膀（二）.mp42 U# R* Y  F. z5 V
31、课程：Pygame.8、柱子的移动.mp4
31、课程：Pygame.9、生成一系列的柱子，并且移动.mp4
31、课程：Pygame.10、让小鸟飞起来.mp4$ ~+ \6 }8 j” `8 S1 [
31、课程：Pygame.11、假如小鸟很聪明.mp4
31、课程：Pygame.12、给小鸟计分.mp4
32、课程：Python控制系统.1、The basic self-driving loop.mp4
32、课程：Python控制系统.2、不同的数据存储和类型.mp4+ |6 H& X” v5 m/ |7 ?2 ^) f
32、课程：Python控制系统.3、安装OpenCV.mp4/ u( N: j’ H: }$ m
32、课程：Python控制系统.4、OpenCV练习.mp4
32、课程：Python控制系统.5、数据库基础review（一）.mp4$ C: b* v3 U: f
32、课程：Python控制系统.6、数据库基础review（二）.mp42 g) y1 H3 N5 n. e” @  Q
32、课程：Python控制系统.7、MYSQL的简单介绍(一).mp4‘ v1 M4 m5 y: \: ?& H
32、课程：Python控制系统.8、MYSQL的简单介绍(二).mp4% w2 k8 P’ c% [. D7 k  p
32、课程：Python控制系统.9、激光雷达.mp4
32、课程：Python控制系统.10、Ctypes basic（一）.mp4
32、课程：Python控制系统.11、Ctypes basic（二）.mp4
32、课程：Python控制系统.12、Ctypes basic（三）.mp4
33、课程：图像识别处理基础—OpenCV.1、读取图片（一）.mp4+ K4 Q6 t$ M; Y: F- g5 Z7 N* F/ s
33、课程：图像识别处理基础—OpenCV.2、读取图片（二）.mp4
33、课程：图像识别处理基础—OpenCV.3、读取图片（三）.mp4
33、课程：图像识别处理基础—OpenCV.4、读取视频.mp4
33、课程：图像识别处理基础—OpenCV.5、绘图函数.mp4
33、课程：图像识别处理基础—OpenCV.6、OpenCV图像的基本操作（一）.mp4; o- T1 T. J9 @9 S’ Z2 ~9 G
33、课程：图像识别处理基础—OpenCV.7、OpenCV图像的基本操作（二）.mp4
33、课程：图像识别处理基础—OpenCV.8、图像处理：颜色空间转换（一）.mp4
33、课程：图像识别处理基础—OpenCV.9、图像处理：颜色空间转换（二）.mp4
33、课程：图像识别处理基础—OpenCV.10、几何变换.mp44 m0 D8 W$ J( P- m$ M
33、课程：图像识别处理基础—OpenCV.11、图像处理：图像平滑.mp4, ~4 J+ i! G; ]” N
33、课程：图像识别处理基础—OpenCV.12、图像处理：形态学变换.mp4
34、课程：从游戏数据中提取feature.1、收集GTA5游戏数据（一）.mp4
34、课程：从游戏数据中提取feature.2、收集GTA5游戏数据（二）.mp42 t, q% D0 M) i’ ?; o/ F
34、课程：从游戏数据中提取feature.3、收集GTA5游戏数据（三）.mp4; d6 Z” |2 W  K7 w/ R
34、课程：从游戏数据中提取feature.4、Check Data和OpenCV（一）.mp4‘ g’ C  d, Y” ?+ [8 e
34、课程：从游戏数据中提取feature.5、Check Data和OpenCV（二）.mp43 i, A0 e% Y’ O6 [. S
34、课程：从游戏数据中提取feature.6、模型加载插件.mp4
34、课程：从游戏数据中提取feature.7、C++ review（一）.mp40 c7 m9 A* b’ y” l  J1 x
34、课程：从游戏数据中提取feature.8、C++ review（二）.mp4
34、课程：从游戏数据中提取feature.9、模型案例分析+OpenCV process（一）.mp4; J3 |3 s9 P$ O
34、课程：从游戏数据中提取feature.10、模型案例分析+OpenCV process（二）.mp44 I- H( B  H% `! S
34、课程：从游戏数据中提取feature.11、模型案例分析+OpenCV process（三）.mp4
34、课程：从游戏数据中提取feature.12、模型案例分析+OpenCV process（四）.mp4; A5 x. ?/ S& h
34、课程：从游戏数据中提取feature.13、模型案例分析+OpenCV process（五）.mp4
35、课程：GTA5自动驾驶项目.1、作业布置.mp4
35、Java自学网收集整理[javazx.com]
35、课程：GTA5自动驾驶项目.2、GTA5自动驾驶分解问题（一）.mp4
35、课程：GTA5自动驾驶项目.3、GTA5自动驾驶分解问题（二）.mp4. N9 m  R: T7 l  {
35、课程：GTA5自动驾驶项目.4、GTA5自动驾驶分解问题（三）.mp4/ t- ^, G1 p* ~& o6 i
35、课程：GTA5自动驾驶项目.5、GTA5自动驾驶分解问题（四）.mp4
35、课程：GTA5自动驾驶项目.6、GTA5自动驾驶分解问题（五）.mp48 t3 k6 a* n’ q+ m; }1 |% m% P9 ]
35、课程：GTA5自动驾驶项目.7、GTA游戏AI识别车道分割线（一）.mp4” D’ K3 c4 D, n# N8 ~
35、课程：GTA5自动驾驶项目.8、GTA游戏AI识别车道分割线（二）.mp4
35、课程：GTA5自动驾驶项目.9、GTA游戏AI识别车道分割线（三）.mp4
35、课程：GTA5自动驾驶项目.10、GTA游戏AI识别车道分割线（四）.mp4– @0 {9 o# ?3 Q! ~+ R, |
35、课程：GTA5自动驾驶项目.11、GTA游戏AI识别车道分割线（五）.mp4+ o  c( `( s” y5 x4 J/ ^6 C+ i
35、课程：GTA5自动驾驶项目.12、GTA游戏AI识别车道分割线（六）.mp42 O: O( Y% V9 A; b8 A7 B
35、课程：GTA5自动驾驶项目.13、GTA游戏AI识别车道分割线（七）.mp4
36、课程：TensorFlow的基本操作.1、TensorFlow的基本概念.mp4
36、课程：TensorFlow的基本操作.2、TensorFlow的具体使用（一）.mp4
36、课程：TensorFlow的基本操作.3、TensorFlow的具体使用（二）.mp4# g3 u- m’ c* i, F” @
36、课程：TensorFlow的基本操作.4、Tensor Shapes（一）.mp4
36、课程：TensorFlow的基本操作.5、Tensor Shapes（二）.mp4$ [9 O; S$ Q5 u5 q3 ?6 _# @
36、课程：TensorFlow的基本操作.6、Tensor Operations.mp4
36、课程：TensorFlow的基本操作.7、Tensor Slicing.mp4* R” z4 t! u2 ]; q* H& M( I
36、课程：TensorFlow的基本操作.8、Tensor Sequences.mp44 g6 Q* A( S) K, T% q; q
36、课程：TensorFlow的基本操作.9、Graph.mp4
36、课程：TensorFlow的基本操作.10、Session和Constant.mp4
36、课程：TensorFlow的基本操作.11、Variables和Placeholders.mp4
36、课程：TensorFlow的基本操作.12、Example（一）.mp4! y- N’ C& @1 C1 D- i: W3 V
36、课程：TensorFlow的基本操作.13、Example（二）.mp4– Z8 y! ^) T8 f- b  r% e” h
36、课程：TensorFlow的基本操作.14、Example（三）.mp4
36、课程：TensorFlow的基本操作.15、Example（四）.mp4
37、课程：神经网络.1、神经网络.mp4; C, ]6 Z  c& c7 e4 x  \9 G
37、课程：神经网络.2、深度神经网络.mp4
37、课程：神经网络.3、反向传播算法.mp4
37、课程：神经网络.4、激活函数.mp4‘ c; v2 y& K5 M2 @: S& M
37、课程：神经网络.5、优化算法（一）.mp4
37、课程：神经网络.6、优化算法（二）.mp4
37、课程：神经网络.7、正规化.mp4
37、课程：神经网络.8、神经网络代码实战（一）.mp4
37、课程：神经网络.9、神经网络代码实战（二）.mp4* A3 w2 V$ v2 y8 w6 D( p8 J” ]
37、课程：神经网络.10、神经网络代码实战（三）.mp4
37、课程：神经网络.11、神经网络代码实战（四）.mp48 I’ h2 a# U. _; k. o8 J
38、课程：卷积神经网络.1、卷积和卷积核（一）.mp4, t- o0 `: o, ?+ |4 _4 k1 P
38、课程：卷积神经网络.2、卷积和卷积核（二）.mp42 I; Q( k+ P$ t+ I1 a7 v3 ^
38、课程：卷积神经网络.3、卷积和卷积核（三）.mp4, W) m0 n% {2 X5 C
38、课程：卷积神经网络.4、填充和池化.mp4
38、课程：卷积神经网络.5、深度卷积神经网络：LeNet-5.mp4& y1 U7 J, f9 R” ]4 M
38、课程：卷积神经网络.6、深度卷积神经网络：AlexNet.mp42 f% s: l. I. M6 u” a$ A4 @
38、课程：卷积神经网络.7、深度卷积神经网络：ZF-net.mp4
38、课程：卷积神经网络.8、深度卷积神经网络：VGG-16.mp4
38、课程：卷积神经网络.9、深度卷积神经网络：Inception Network.mp4! R6 A) c; ?9 S( R
38、课程：卷积神经网络.10、深度卷积神经网络：Residual Network.mp4
38、课程：卷积神经网络.11、深度卷积神经网络：DenseNet.mp4
39、课程：卷积神经网络的应用.1、卷积神经网络应用概述.mp44 f4 [! }# n0 T/ D
39、课程：卷积神经网络的应用.2、物体检测：RCNN和SPP-Net（一）.mp4
39、课程：卷积神经网络的应用.3、物体检测：RCNN和SPP-Net（二）.mp4
39、课程：卷积神经网络的应用.4、物体检测：Fast R-CNN.mp4, b9 D) H- W$ {. ~. t& L
39、课程：卷积神经网络的应用.5、物体检测：YOLO和SSD.mp4
39、课程：卷积神经网络的应用.6、文档的归类.mp4‘ `9 @- A( y6 i: z
39、课程：卷积神经网络的应用.7、代码实战（一）.mp4, b) w* h) _6 y$ L6 {6 [
39、课程：卷积神经网络的应用.8、代码实战（二）.mp4
39、课程：卷积神经网络的应用.9、代码实战（三）.mp4
39、课程：卷积神经网络的应用.10、代码实战（四）.mp4
39、课程：卷积神经网络的应用.11、代码实战（五）.mp4
40、课程：深度学习框架剖析.1、深度学习系统的目标定位.mp4( p* v4 K. G, G( b% r
40、课程：深度学习框架剖析.2、典型深度学习系统框架.mp4, }% f4 s8 |: e0 C, i  g) }( ~3 W
40、课程：深度学习框架剖析.3、命令式编程与声明式编程等概念讲解.mp4/ u6 e/ L) Y+ b3 z- G
40、课程：深度学习框架剖析.4、图优化、执行引擎.mp40 m5 U) R0 S0 M’ i” Y& g
40、课程：深度学习框架剖析.5、编程接口、分布式并行计算.mp4% T8 J3 t+ l; f  H- v% G) _* g! h
40、课程：深度学习框架剖析.6、TF多卡训练.mp4‘ _/ s% S/ O* Q” _, O7 I3 J
40、课程：深度学习框架剖析.7、TF多机训练.mp4
40、课程：深度学习框架剖析.8、主流开源深度学习平台简析.mp4/ A’ {3 t7 n, D; I( }! h! [) R: P
40、课程：深度学习框架剖析.9、答疑.mp4
40、课程：深度学习框架剖析.10、Tensorflow tutorial example（一）.mp4  a# p8 W2 n3 a$ b” v$ }* ?
40、课程：深度学习框架剖析.11、ensorflow tutorial example（二）.mp4
40、课程：深度学习框架剖析.12、模型训练Tricks分享.mp4
40、课程：深度学习框架剖析.13、DL优化方法分析以及相关TF API说明.mp4+ C, i- s8 p& A6 W3 |3 C7 m
40、课程：深度学习框架剖析.14、Tensorflow detection models.mp49 p8 E5 @’ x8 k6 B) m9 ?# z9 a
40、课程：深度学习框架剖析.15、实际模型项目介绍（一）.mp4
40、课程：深度学习框架剖析.16、实际模型项目介绍（二）.mp47 C4 n” W& I- N- j
41、课程：递归神经网络.1、递归神经网络—序列问题.mp46 S2 m! l” S3 G
41、课程：递归神经网络.2、为什么递归.mp4
41、课程：递归神经网络.3、递归神经网络（一）.mp4
41、课程：递归神经网络.4、递归神经网络（二）.mp4
41、课程：递归神经网络.5、双向递归神经网络.mp47 {, }9 f2 D# o5 p2 d* D- j, ^
41、课程：递归神经网络.6、沿时间反向传播.mp4
41、课程：递归神经网络.7、梯度消失.mp4
42、课程：长短记忆网络和递归神经网络代码操作.1、长短记忆网络（一）.mp4* a/ U( h- n1 u
42、课程：长短记忆网络和递归神经网络代码操作.2、长短记忆网络（二）.mp47 x- M, B6 N” p+ ^: {
42、课程：长短记忆网络和递归神经网络代码操作.3、伪装曹雪芹（一）.mp4
42、课程：长短记忆网络和递归神经网络代码操作.4、伪装曹雪芹（二）.mp4  l( j% E” l# F’ v+ O
42、课程：长短记忆网络和递归神经网络代码操作.5、伪装曹雪芹（三）.mp4
42、课程：长短记忆网络和递归神经网络代码操作.6、伪装曹雪芹（四）.mp4
42、课程：长短记忆网络和递归神经网络代码操作.7、图像识别（一）.mp4
42、课程：长短记忆网络和递归神经网络代码操作.8、图像识别（二）.mp4
43、课程：线性代数与数值分析.1、线性代数与数值分析概述.mp4
43、课程：线性代数与数值分析.2、线性代数的基础定义.mp4
43、课程：线性代数与数值分析.3、矩阵乘积和转置.mp4
43、课程：线性代数与数值分析.4、矩阵性质.mp4! A2 ?- R1 M) z
43、课程：线性代数与数值分析.5、矩阵行列式.mp4
43、课程：线性代数与数值分析.6、矩阵的迹和秩.mp49 }& }6 e4 g- @8 k  I6 f. u
43、课程：线性代数与数值分析.7、范数.mp4
43、课程：线性代数与数值分析.8、矩阵的特征值和特征向量.mp43 y6 O4 M, h/ I  }” O( E: x
43、课程：线性代数与数值分析.9、特殊类型的矩阵和向量（一）.mp4, e, E; Y0 @2 L6 j9 x: r
43、课程：线性代数与数值分析.10、特殊类型的矩阵和向量（二）.mp4& ^’ [& T. a: k  @$ w! t, a
43、课程：线性代数与数值分析.11、矩阵分解.mp4
43、课程：线性代数与数值分析.12、矩阵微积分.mp4  A’ i: n5 @# h  k. X+ \+ z+ E
43、课程：线性代数与数值分析.13、矩阵计算（一）.mp4+ ^2 |4 [9 |- `  Y& n: v
43、课程：线性代数与数值分析.14、矩阵计算（二）.mp4
43、课程：线性代数与数值分析.15、范数、向量之间的夹角.mp4
43、课程：线性代数与数值分析.16、对角矩阵、单位矩阵、转置矩阵和reshape.mp4
43、课程：线性代数与数值分析.17、行列式、秩、迹以及SVD奇异值分解.mp4
44、课程：词嵌入表示.1、N-元模型回顾.mp4
44、课程：词嵌入表示.2、神经语言模型.mp4
44、课程：词嵌入表示.3、递归神经网络语言模型.mp4
44、课程：词嵌入表示.4、词嵌入.mp4
44、课程：词嵌入表示.5、哈夫曼树.mp44 i% V6 @& ?/ X1 f! m  ^0 [
44、课程：词嵌入表示.6、连续词袋模型—分层Softmax.mp4
44、课程：词嵌入表示.7、Skip-gram：分层Softmax.mp4
44、课程：词嵌入表示.8、连续词袋模型：负采样.mp4
44、课程：词嵌入表示.9、词向量：可视化.mp4; ^- n, G9 G* y
45、课程：递归神经网络的应用.1、文本生成和情绪分析.mp4
45、课程：递归神经网络的应用.2、语音识别.mp4
45、课程：递归神经网络的应用.3、机器翻译（一）.mp4
45、课程：递归神经网络的应用.4、机器翻译（二）.mp4
45、课程：递归神经网络的应用.5、视觉注意力机制.mp4
45、课程：递归神经网络的应用.6、词嵌入表示—Word2Vec.mp44 j; w. `) S3 w  h* {% \! n
45、课程：递归神经网络的应用.7、词嵌入表示—RNN语言模型（一）.mp4
45、课程：递归神经网络的应用.8、词嵌入表示—RNN语言模型（二）.mp42 _5 p# [% z) h’ _/ [‘ e
45、课程：递归神经网络的应用.9、词嵌入表示—RNN for POS tagging（一）.mp4
45、课程：递归神经网络的应用.10、词嵌入表示—RNN for POS tagging（二）.mp47 W+ H- D. }9 C7 G
46、课程：强化学习系列课程基本概念与方法总览.1、复习监督学习.mp4
46、课程：强化学习系列课程基本概念与方法总览.2、强化学习基本概念（一）.mp4$ }5 r7 v$ s, q+ N” J7 C
46、课程：强化学习系列课程基本概念与方法总览.3、强化学习基本概念（二）.mp4
46、课程：强化学习系列课程基本概念与方法总览.4、策略与总价值（一）.mp4: H3 n2 R# h4 o% v$ W- y& f
46、课程：强化学习系列课程基本概念与方法总览.5、策略与总价值（二）.mp4  p” M’ P$ h& s
46、课程：强化学习系列课程基本概念与方法总览.6、强化学习系列方法总览（一）.mp4
46、课程：强化学习系列课程基本概念与方法总览.7、强化学习系列方法总览（二）.mp4
46、课程：强化学习系列课程基本概念与方法总览.8、强化学习系列方法总览（三）.mp4
47、课程：马尔可夫决策过程.1、马尔可夫决策过程：Markov状态转移矩阵.mp45 s/ t+ O; Y* x* P+ n; J& r
47、课程：马尔可夫决策过程.2、Markov Rewards Process.mp4
47、课程：马尔可夫决策过程.3、状态价值state value.mp49 {! h4 D4 x4 V/ w  X, |
47、课程：马尔可夫决策过程.4、Bellman方程（一）.mp4& |4 ~5 G” I! j0 K’ j! V3 E
47、课程：马尔可夫决策过程.5、Bellman方程（二）.mp4# K7 ]5 O* U& |- c- r- C8 b; o+ M
47、课程：马尔可夫决策过程.6、Bellman方程（三）.mp4
47、课程：马尔可夫决策过程.7、Bellman方程（四）.mp4! u2 R/ ]+ ]: L; D
47、课程：马尔可夫决策过程.8、状态价值函数 v.s 动作价值函数（一）.mp4
47、课程：马尔可夫决策过程.9、状态价值函数 v.s 动作价值函数（二）.mp4
47、课程：马尔可夫决策过程.10、最优总价值与最优动作价值（一）.mp4
47、课程：马尔可夫决策过程.11、最优总价值与最优动作价值（二）.mp4; G  x& A( j5 E6 p
47、课程：马尔可夫决策过程.12、Flappy bird的简单解决方法（一）.mp4
47、课程：马尔可夫决策过程.13、Flappy bird的简单解决方法（二）.mp4
48、课程：强化学习：迭代法.1、动态规划（一）.mp4
48、课程：强化学习：迭代法.2、动态规划（二）.mp4
48、课程：强化学习：迭代法.3、迭代法（一）.mp4
48、课程：强化学习：迭代法.4、迭代法（二）.mp4‘ i  U. L6 X- g8 W
48、课程：强化学习：迭代法.5、复习+Jacob方法（一）.mp4
48、课程：强化学习：迭代法.6、复习+Jacob方法（二）.mp4
48、课程：强化学习：迭代法.7、Gauss-Seidel迭代法.mp4% Z. f* ?6 j/ Z( I1 B2 Y’ H# A
48、课程：强化学习：迭代法.8、迭代法求策略估值（一）.mp4
48、课程：强化学习：迭代法.9、迭代法求策略估值（二）.mp4
48、课程：强化学习：迭代法.10、迭代法求策略估值（三）.mp4
48、课程：强化学习：迭代法.11、迭代法更新最佳策略（一）.mp4/ j2 ^1 f, K0 D1 L’ X; n
48、课程：强化学习：迭代法.12、迭代法更新最佳策略（二）.mp4) z, u$ \, {8 p. X( e
48、课程：强化学习：迭代法.13、斐波拉契数列.mp4
48、课程：强化学习：迭代法.14、最长递增序列（一）.mp4
48、课程：强化学习：迭代法.15、最长递增序列（二）.mp4
49、课程：简单的蒙特卡洛.1、蒙特卡洛模拟方法介绍.mp47 U, u2 p( {” N! N
49、课程：简单的蒙特卡洛.2、训练flappy bird 模型（一）.mp4
49、课程：简单的蒙特卡洛.3、训练flappy bird 模型（二）.mp4. `8 F3 v# X7 k0 A. n
49、课程：简单的蒙特卡洛.4、训练flappy bird 模型（三）.mp4
49、课程：简单的蒙特卡洛.5、整理碰壁函数与reward函数.mp4  |# Z, U: y# k
49、课程：简单的蒙特卡洛.6、离散化环境状态.mp4
49、课程：简单的蒙特卡洛.7、由状态环境选择飞行动作.mp4, T% E; C) t, f, S% t” b
49、课程：简单的蒙特卡洛.8、处理碰壁函数与reward函数.mp4. M. k’ x2 o) E2 i6 p1 H
49、课程：简单的蒙特卡洛.9、队列存飞行路径（一）.mp4
49、课程：简单的蒙特卡洛.10、队列存飞行路径（二）.mp4& L( `1 ~# I+ |0 J6 j& q) q
49、课程：简单的蒙特卡洛.11、队列存飞行路径（三）.mp4
49、课程：简单的蒙特卡洛.12、队列存飞行路径（四）.mp4
49、课程：简单的蒙特卡洛.13、答疑.mp4
50、课程：云，计算，数据.1、云计算的定义.mp4
50、课程：云，计算，数据.2、NIST、云计算市场的发展条件.mp4” P” L, F2 f) w6 }9 `4 L% y2 f* e. v
50、课程：云，计算，数据.3、芯片设计的取舍、并行化.mp4‘ u; l  ~. w’ J” {& F
50、课程：云，计算，数据.4、WSC（新型数据中心）的形成、概念、优点.mp4
50、课程：云，计算，数据.5、虚拟化（一）.mp47 Q$ H, U/ H; g” I. ?
50、课程：云，计算，数据.6、虚拟化（二）.mp4
50、课程：云，计算，数据.7、云计算的商业模式.mp4
50、课程：云，计算，数据.8、层级分类.mp4
50、课程：云，计算，数据.9、阿里云介绍（一）.mp4
50、课程：云，计算，数据.10、阿里云介绍（二）.mp4# s) D9 Z% @1 M& S2 l
50、课程：云，计算，数据.11、实例创建（一）.mp4& _7 a2 F- w- a% H
50、课程：云，计算，数据.12、实例创建（二）.mp47 R; F0 T* f9 o% {
50、课程：云，计算，数据.13、实例创建（三）.mp4
50、课程：云，计算，数据.14、Logging模块的简单应用（一）.mp46 u( `% \+ ]6 f7 a& ]8 w3 h
50、课程：云，计算，数据.15、Logging模块的简单应用（二）.mp4( D; A: H5 B) q! Q
50、课程：云，计算，数据.16、Logging模块的简单应用（三）.mp4
51、课程：机器学习（上）.1、时间差分法公式.mp44 O* O6 Q7 M8 K4 S9 V+ d- G3 A
51、课程：机器学习（上）.2、蒙特卡洛法（一）.mp4( Q2 H) n$ T9 g1 G9 E5 i  x
51、课程：机器学习（上）.3、蒙特卡洛法（二）.mp4
51、课程：机器学习（上）.4、TD（时间差分）的特点.mp48 m4 V- l5 Z’ X7 E+ X’ L
51、课程：机器学习（上）.5、课间答疑.mp4
51、课程：机器学习（上）.6、MC与TD对比.mp4
51、课程：机器学习（上）.7、无偏估计.mp4
51、课程：机器学习（上）.8、收敛性质.mp49 Q( Q- h5 B# }2 O0 G% ?8 O
51、课程：机器学习（上）.9、MC与TD收敛差异.mp4
51、课程：机器学习（上）.10、Model-Free Control（一）.mp42 e8 M2 Y5 }8 t* J$ _- |
51、课程：机器学习（上）.11、Model-Free Control（二）.mp4
51、课程：机器学习（上）.12、Model-Free Control（三）.mp4– g- \, e5 M6 \0 o/ G
51、课程：机器学习（上）.13、Model-Free Control（四）.mp4” l  d/ @5 y5 ^: |
51、课程：机器学习（上）.14、Model-Free Control（五）.mp4
52、课程：机器学习（下）.1、函数的近似方法（一）.mp4
52、课程：机器学习（下）.2、函数的近似方法（二）.mp45 p/ S” M+ M1 Z+ B. d/ t) R
52、课程：机器学习（下）.3、函数的近似方法（三）.mp4) }2 c8 u” N  Z( j’ a/ q( F% `
52、课程：机器学习（下）.4、DQN（一）.mp4
52、课程：机器学习（下）.5、DQN（二）.mp43 V* X+ r+ k2 q
52、课程：机器学习（下）.6、Flappy bird（一）.mp4” R( l8 @5 z* f
52、课程：机器学习（下）.7、Flappy bird（二）.mp4
52、课程：机器学习（下）.8、Flappy bird（三）.mp4  T- [; b+ j3 r( R+ P
52、课程：机器学习（下）.9、Flappy bird（四）.mp4
52、课程：机器学习（下）.10、Flappy bird（五）.mp4$ w’ b% ]  q7 I/ D’ j* Y
52、课程：机器学习（下）.11、Flappy bird（六）.mp4
52、课程：机器学习（下）.12、Flappy bird（七）.mp4
52、课程：机器学习（下）.13、Flappy bird（八）.mp4% k’ x2 @& {8 u) j( W* x’ O
53、课程：软件工程师、数据工程师和数据科学家职业介绍.1、自我介绍及课程介绍.mp47 d, [6 x( y. W
53、课程：软件工程师、数据工程师和数据科学家职业介绍.2、Career Path Insight.mp4; `- Y’ @; Z% Z
53、课程：软件工程师、数据工程师和数据科学家职业介绍.3、软件工程师之基础课程.mp4# ]7 Z3 q” c) F5 v
53、课程：软件工程师、数据工程师和数据科学家职业介绍.4、软件工程师之面试准备与技巧.mp4
53、课程：软件工程师、数据工程师和数据科学家职业介绍.5、大数据之协同合作（一）.mp4
53、课程：软件工程师、数据工程师和数据科学家职业介绍.6、大数据之协同合作（二）.mp4( j; C+ i# l5 t- F
53、课程：软件工程师、数据工程师和数据科学家职业介绍.7、数据工程师和数据科学家.mp4
53、课程：软件工程师、数据工程师和数据科学家职业介绍.8、答疑（一）.mp4* m5 G( t+ ?7 f0 E; n1 q) J
53、课程：软件工程师、数据工程师和数据科学家职业介绍.9、答疑（二）.mp4
54、课程：金融科技—数据科学在金融业的应用和前景.1、金融行业不同岗位对人才的需求.mp4
54、课程：金融科技—数据科学在金融业的应用和前景.2、金融科技用到的数据科学.mp4
54、课程：金融科技—数据科学在金融业的应用和前景.3、职位和机会.mp4) j” W/ G2 I” I” d% k
54、课程：金融科技—数据科学在金融业的应用和前景.4、数字化财富管理行业.mp4
54、课程：金融科技—数据科学在金融业的应用和前景.5、智能投顾创业公司的数据分析.mp4
54、课程：金融科技—数据科学在金融业的应用和前景.6、答疑（一）.mp4
54、课程：金融科技—数据科学在金融业的应用和前景.7、答疑（二）.mp4$ t, n) t) b9 r. B$ d
55、课程：深度学习经典网络分析基础.1、课程安排.mp4
55、课程：深度学习经典网络分析基础.2、深度学习的两大基本问题.mp41 p/ F2 S3 N: h7 j
55、课程：深度学习经典网络分析基础.3、反向传播算法简介.mp4
55、课程：深度学习经典网络分析基础.4、深度学习网络模型回顾.mp4” E  T9 E( F4 C8 p; x1 u* j8 r% W” r
55、课程：深度学习经典网络分析基础.5、CNN架构发展简要流程.mp4
55、课程：深度学习经典网络分析基础.6、LeNet.mp4
55、课程：深度学习经典网络分析基础.7、答疑—人脸识别.mp4
55、课程：深度学习经典网络分析基础.8、答疑—通用检测.mp4
55、课程：深度学习经典网络分析基础.9、答疑—语音识别.mp4
55、课程：深度学习经典网络分析基础.10、AlexNet.mp4
55、课程：深度学习经典网络分析基础.11、VGG.mp4
55、课程：深度学习经典网络分析基础.12、GoogleNet（一）.mp4# P- {8 ~* B6 }& `# l/ \: s
55、课程：深度学习经典网络分析基础.13、GoogleNet（二）.mp4
55、课程：深度学习经典网络分析基础.14、ResNet.mp4& g1 }) b3 X4 v4 y. E5 W% [
55、课程：深度学习经典网络分析基础.15、经典网络简单比较、网络设计考虑.mp4
55、课程：深度学习经典网络分析基础.16、答疑（一）.mp4+ P/ V* a/ A. U3 h: o$ N
55、课程：深度学习经典网络分析基础.17、答疑（二）.mp4