┣━txxy003-贪心学院–机器学习高级训练营资料齐全完结无秘
┣━课时169_.mp4
┣━课时126：multinomial logistic regression.mp4
┣━课时255_.mp4
┣━课时332_.mp4
┣━课时031：线性回归.mp4
┣━课时307_.mp4
┣━课时060：ensemble boosting.mp4
┣━课时093：kaggle广告点击欺诈识别实战-01.mp4
┣━课时052：kernel logistic regression and the import vec01.mp4
┣━课时331_.mp4
┣━课时340_.mp4
┣━课时213_.mp4
┣━课时138：inception-resnet卷积神经网络-02.mp4
┣━课时327_.mp4
┣━课时282_.mp4
┣━课时009：从词嵌入到文档距离01.mp4
┣━课时104：基于HMM的中文分词： jieba分词原理1_ev.mp4
┣━课时158：ShuffleNet-01.mp4
┣━课时224_.mp4
┣━课时322_.mp4
┣━课时098：klda实例+homework1讲评-02.mp4
┣━课时087：em 算法推演.mp4
┣━课时337_.mp4
┣━课时173_.mp4
┣━课时235_.mp4
┣━课时144：矩阵求导-03.mp4
┣━课时055：lda 作为分类器答疑.mp4
┣━课时010：从词嵌入到文档距离02.mp4
┣━课时249_.mp4
┣━课时280_.mp4
┣━课时285_.mp4
┣━课时113：XGBoost分类问题-01_ev.mp4
┣━课时152：课后答疑.mp4
┣━课时325_.mp4
┣━课时030：引言.mp4
┣━课时064：决策树的应用.mp4
┣━课时254_.mp4
┣━课时266_.mp4
┣━课时045：模型评估方法和svm做人脸识别03.mp4
┣━课时223_.mp4
┣━课时278_.mp4
┣━课时244_.mp4
┣━课时189：LONG SHORT-TERM MEMORY-01.mp4
┣━课时245_.mp4
┣━课时145：卷积的原理.mp4
┣━课时231_.mp4
┣━课时272_.mp4
┣━课时179：RNN的原理, 基于RNN的语言模型及其应用.mp4
┣━课时215_.mp4
┣━课时257_.mp4
┣━课时200：课中答疑.mp4
┣━课时003： 凸集、凸函数、判定凸函数(102330).mp4
┣━课时029：hard，np hard-03.mp4
┣━课时151：经典的卷积网络一览.mp4
┣━课时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
┣━课时273_.mp4
┣━课时311_.mp4
┣━课时014：带松弛变量的svm.mp4
┣━课时218_.mp4
┣━课时286_.mp4
┣━课时077：xgboost的代码解读 工程实战-03.mp4
┣━课时339_.mp4
┣━课时057：kernel lda 5 kernel lda答疑.mp4
┣━课时095：kaggle广告点击欺诈识别实战-03.mp4
┣━课时176：语言模型的原理及其应用.mp4
┣━课时288_.mp4
┣━课时302_.mp4
┣━课时078：理解和比较xgboost gbdt lightgbm-01.mp4
┣━课时120：forward algorithm.mp4
┣━课时053：kernel logistic regression and the import vec02.mp4
┣━课时049：softmax with cross entropy01.mp4
┣━课时234_.mp4
┣━课时318_.mp4
┣━课时269_.mp4
┣━课时196：Layer Normalization.mp4
┣━课时011：KKT Condition.mp4
┣━课时323_.mp4
┣━课时134：神经网络的误差向后传递算法.mp4
┣━课时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
┣━课时147：卷积层用于降低网络模型的复杂度.mp4
┣━课时167_.mp4
┣━课时118：基于STM-CRF命名实体识别-03_ev.mp4
┣━课时042：svm人脸识别结合cross-validation交叉验证04.mp4
┣━课时101：Analysis and Applications-01_ev.mp4
┣━课时227_.mp4
┣━课时017：使用svm支持多个类别.mp4
┣━课时324_.mp4
┣━课时243_.mp4
┣━课时070：重新定义一棵树.mp4
┣━课时044：模型评估方法和svm做人脸识别02.mp4
┣━课时206：使用BiLSTM+CNN实现NER-03.mp4
┣━课时056：lda 作为降维工具.mp4
┣━课时086：em 算法思路.mp4
┣━课时084：聚类算法介绍 k-means 算法描述.mp4
┣━课时222_.mp4
┣━课时089：em 与高斯混合模型.mp4
┣━课时073：xgboost-02.mp4
┣━课时019：kernel pca.mp4
┣━课时241_.mp4
┣━课时114：XGBoost分类问题-02_ev.mp4
┣━课时076：xgboost的代码解读 工程实战-02.mp4
┣━课时066：提升树.mp4
┣━课时315_.mp4
┣━课时293_.mp4
┣━课时099：klda实例+homework1讲评-03.mp4
┣━课时205：使用BiLSTM+CNN实现NER-02.mp4
┣━课时083：lightgbm-03.mp4
┣━课时106：基于HMM的中文分词： jieba分词原理3_ev.mp4
┣━课时301_.mp4
┣━课时246_.mp4
┣━课时199：课后答疑.mp4
┣━课时107：基于HMM的中文分词： jieba分词原理_ev.mp4
┣━课时069：使用泰勒级数近似目标函数.mp4
┣━课时128：log-linear model to linear-crf.mp4
┣━课时226_.mp4
┣━课时065：集成模型.mp4
┣━课时341_.mp4
┣━课时160：ShuffleNet-03.mp4
┣━课时210_.mp4
┣━课时116：基于STM-CRF命名实体识别-01_ev.mp4
┣━课时177：基于n-gram的语言模型.mp4
┣━课时039：svm人脸识别结合cross-validation交叉验证01.mp4
┣━课时021：vc维.mp4
┣━课时079：理解和比较xgboost gbdt lightgbm-02.mp4
┣━课时204：使用BiLSTM+CNN实现NER-01.mp4
┣━课时132：深度学习与深度神经网络的历史背景.mp4
┣━课时002： 课程介绍.mp4
┣━课时155：MobileNet-01.mp4
┣━课时001： mlcamp_course_info.mp4
┣━课时097：klda实例+homework1讲评-01.mp4
┣━课时012：svm 的直观理解.mp4
┣━课时178：基于固定窗口的神经语言模型.mp4
┣━课时228_.mp4
┣━课时221_.mp4
┣━课时284_.mp4
┣━课时088：em 算法的收敛性证明.mp4
┣━课时208_.mp4
┣━课时140：bp算法回顾-02.mp4
┣━课时290_.mp4
┣━课时046：pca和lda的原理和实战01.mp4
┣━课时168_.mp4
┣━课时137：inception-resnet卷积神经网络-01.mp4
┣━课时117：基于STM-CRF命名实体识别-02_ev.mp4
┣━课时219_.mp4
┣━课时277_.mp4
┣━课时296_.mp4
┣━课时020：交叉验证.mp4
┣━课时154：EffNet-02.mp4
┣━课时201：Word2Vec论文解读-01.mp4
┣━课时013：svm 的数学模型.mp4
┣━课时035：ridge, lasso, elasticnet.mp4
┣━课时110：Finding Best Z_ev.mp4
┣━课时028：hard，np hard-02.mp4
┣━课时130：bp算法.mp4
┣━课时129：inference problem.mp4
┣━课时212_.mp4
┣━课时085：k-means 的特性 k-means++.mp4
┣━课时252_.mp4
┣━课时317_.mp4
┣━课时268_.mp4
┣━课时216_.mp4
┣━课时149：卷积层的误差向后传递算法(梯度推演) .mp4
┣━课时037：softmax 多元逻辑回归.mp4
┣━课时164：神经网络的过拟合及其对策3-Max Norm.mp4
┣━课时294_.mp4
┣━课时094：kaggle广告点击欺诈识别实战-02.mp4
┣━课时112：HMM 的参数估计_ev.mp4
┣━课时135：误差向后传递算法推导.mp4
┣━课时334_.mp4
┣━课时067：目标函数的构建.mp4
┣━课时018：kernel linear regression.mp4
┣━课时319_.mp4
┣━课时181：LSTM的原理.mp4
┣━课时081：lightgbm-01.mp4
┣━课时062：ensemble stacking.mp4
┣━课时343_.mp4
┣━课时054：lda 作为分类器.mp4
┣━课时328_.mp4
┣━课时050：softmax with cross entropy02.mp4
┣━课时105：基于HMM的中文分词： jieba分词原理2_ev.mp4
┣━课时172_.mp4
┣━课时262_.mp4
┣━课时034：正则化.mp4
┣━课时184：双向Bidirectional RNN, 多层Multi-layer RNN.mp4
┣━课时276_.mp4
┣━课时292_.mp4
┣━课时267_.mp4
┣━课时174_.mp4
┣━课时237_.mp4
┣━课时082：lightgbm-02.mp4
┣━课时214_.mp4
┣━课时232_.mp4
┣━课时171_.mp4
┣━课时300_.mp4
┣━课时091：dbscan聚类算法.mp4
┣━课时333_.mp4
┣━课时008： 答疑部分.mp4
┣━课时202：Word2Vec论文解读-02.mp4
┣━课时136：课后答疑.mp4
┣━课时312_.mp4
┣━课时024：lp实战01.mp4
┣━课时063：答疑.mp4
┣━课时148：卷积层复杂度的推演 padding的种类.mp4
┣━课时023：直播答疑02.mp4
┣━课时220_.mp4
┣━课时100：klda实例+homework1讲评-04_(new).mp4
┣━课时119.mp4
┣━课时071：如何寻找树的形状.mp4
┣━课时165：神经网络的过拟合及其对策4-Batch Normalization.mp4
┣━课时198：Bert的原理.mp4
┣━课时225_.mp4
┣━课时265_.mp4
┣━课时308_.mp4
┣━课时058：ensemble majority voting.mp4
┣━课时125：回顾-有向图vs无向图.mp4
┣━课时038：梯度下降法.mp4
┣━课时180：RNN中的梯度消失与梯度爆炸.mp4
┣━课时123：estimate a-review of language model.mp4
┣━资料.zip
┣━课时124：回顾-生成模型与判别模型.mp4
┣━课时295_.mp4
┣━课时321_.mp4
┣━课时080：理解和比较xgboost gbdt lightgbm-03.mp4
┣━课时229_.mp4
┣━课时263_.mp4
┣━课时209_.mp4
┣━课时329_.mp4
┣━课时074：xgboost-03.mp4
┣━课时139：bp算法回顾-01.mp4
┣━课时163：神经网络的过拟合及其对策2-L1 L2 Regularization.mp4
┣━课时051：softmax with cross entropy03.mp4
┣━课时193：Transformer入门.mp4
┣━课时170_.mp4
┣━课时197：Transformer Decoder解码器的原理, 损失函数, 训练小技巧.mp4
┣━课时004： transportation problem.mp4
┣━课时335_.mp4
┣━课时127：回顾-hmm.mp4
┣━课时230_.mp4
┣━课时342_.mp4
┣━课时338_.mp4
┣━课时264_.mp4
┣━课时007： duality.mp4
┣━课时260_.mp4
┣━课时195：Positional Encoding.mp4
┣━课时247_.mp4
┣━课时289_.mp4
┣━课时303_.mp4
┣━课时041：svm人脸识别结合cross-validation交叉验证03.mp4
┣━课时102：Analysis and Applications-02_ev.mp4
┣━课时309_.mp4
┣━课时238_.mp4
┣━课时143：矩阵求导-02.mp4
┣━课时157：MobileNet-03.mp4
┣━课时016：svm的smo的解法.mp4
┣━课时194：Self-Attention注意力机制的原理.mp4
┣━课时258_.mp4
┣━课时320_.mp4
┣━课时306_.mp4
┣━课时271_.mp4
┣━课时183：梯度消失 爆炸的解决方案.mp4
┣━课时006： set cover problem.mp4
┣━课时188：人脸关键点检测项目讲解-03.mp4
┣━课时036：逻辑回归.mp4
┣━课时072：xgboost-01.mp4
┣━课时316_.mp4
┣━课时287_.mp4
┣━课时248_.mp4
┣━课时111：Finding Best Z：Viterbi_ev.mp4
┣━课时161：神经网络的梯度消失及其对策.mp4
┣━课时187：人脸关键点检测项目讲解-02.mp4
┣━课时162：神经网络的过拟合及其对策1-Dropout.mp4
┣━课时253_.mp4
┣━课时291_.mp4
┣━课时022：直播答疑01.mp4
┣━课时186：人脸关键点检测项目讲解-01.mp4
┣━课时326_.mp4
┣━课时033：bias 与 variance.mp4
┣━课时261_.mp4
┣━课时103：Analysis and Applications-03_ev.mp4
┣━课时298_.mp4
┣━课时015：带kernel的svm.mp4
┣━课时108：Graphical Models_ev.mp4
┣━课时297_.mp4
┣━课时027：hard，np hard-01.mp4
┣━课时217_.mp4
┣━课时275_.mp4
┣━课时003： 凸集、凸函数、判定凸函数.mp4
┣━课时242_.mp4
┣━课时115：XGBoost分类问题-03_ev.mp4
┣━课时047：pca和lda的原理和实战02.mp4
┣━课时026：lp实战03.mp4
┣━课时256_.mp4
┣━课时182：GRU的原理.mp4
┣━课时075：xgboost的代码解读 工程实战-01.mp4
┣━课时192：Attention的原理.mp4
┣━课时283_.mp4
┣━课时092：课后答疑.mp4
┣━课时061：ensemble random forests.mp4
┣━课时251_.mp4
┣━课时068：additive training.mp4
┣━课时121：backward algorithm.mp4
┣━课时159：ShuffleNet-02.mp4
┣━课时270_.mp4
┣━课时281_.mp4
┣━课时190：LONG SHORT-TERM MEMORY-02.mp4
┣━课时305_.mp4
┣━课时236_.mp4
┣━课时299_.mp4
┣━课时141：bp算法回顾-03.mp4
┣━课时175：课后答疑.mp4
┣━课时142：矩阵求导-01.mp4
┣━课时330_.mp4
┣━课时207_.mp4
┣━课时153：EffNet-01.mp4
┣━课时250_.mp4
┣━课时313_.mp4
┣━课时043：模型评估方法和svm做人脸识别01.mp4
┣━课时185：课后答疑.mp4
┣━课时240_.mp4
┣━课时310_.mp4
┣━课时032：basis expansion.mp4
┣━课时005： portfolio optimization.mp4
┣━课时150：卷积层的各种变体.mp4
┣━课时336_.mp4
┣━课时090：em 与 kmeans 的关系.mp4
┣━课时279_.mp4
┣━课时122：complete vs incomplete case.mp4
┣━课时239_.mp4
┣━课时133：神经网络的前向算法.mp4
┣━课时203：Word2Vec论文解读-03.mp4
┣━课时314_.mp4
┣━课时048：pca和lda的原理和实战03.mp4
┣━课时040：svm人脸识别结合cross-validation交叉验证02.mp4
┣━课时059：ensemble bagging.mp4
┣━课时096：kaggle广告点击欺诈识别实战-04.mp4
┣━课时109：Hidden Markov Model_ev.mp4
┣━课时274_.mp4
┣━课时191：为什么需要Attention注意力机制.mp4
┣━课时131：pytorch基础.mp4
┣━课时233_.mp4
┣━课时211_.mp4
┣━课时156：MobileNet-02.mp4
┣━课时304_.mp4
┣━课时025：lp实战02.mp4
┣━课时259_.mp4