04-1本章总览.mp4 - 12.1MB

03-4JupyterNotebook基础使用.mp4 - 19.8MB

04-7特征归一化.mp4 - 27.8MB

05-1本章总览.mp4 - 14.5MB

03-13Numpy数组神奇索引和布尔索引.mp4 - 23.7MB

02-4如何分门别类：监督、无监督、强化学习等.mp4 - 29.3MB

02-5机器学习的七大常见误区和局限.mp4 - 35.1MB

03-2Anaconda图形化操作.mp4 - 15.9MB

04-9KNN优缺点和适用条件.mp4 - 20.9MB

09-1本章总览.mp4 - 35.6MB

01-2初识机器学习.mp4 - 36.9MB

04-8KNN回归任务代码实现.mp4 - 29.5MB

08-6神经网络简单代码实现.mp4 - 28.9MB

03-14Matplotlib数据可视化：基础绘制与设置.mp4 - 23.0MB

09-3硬间隔SVM.mp4 - 33.1MB

04-4数据集划分：训练集与预测集.mp4 - 31.7MB

04-5模型评价.mp4 - 33.8MB

04-6超参数.mp4 - 30.3MB

05-10复杂逻辑回归及代码实现.mp4 - 18.0MB

03-6Numpy基础：安装与性能对比.mp4 - 15.5MB

10-1本章总览.mp4 - 22.4MB

08-4正向传播与反向传播.mp4 - 23.4MB

05-11线性算法优缺点和适用条件.mp4 - 21.6MB

11-7结合策略：Stacking方法.mp4 - 13.3MB

03-7Numpy数组创建：特定数组、等差数组、随机数组.mp4 - 36.9MB

03-5JupyterNotebook高级使用：常用魔法命令.mp4 - 15.0MB

04-3KNN分类任务代码实现.mp4 - 32.8MB

11-8集成学习优缺点和适用条件.mp4 - 24.9MB

03-9Numpy非常重要的数组合并与拆分操作.mp4 - 18.7MB

03-8Numpy数组基础索引：索引和切片.mp4 - 16.8MB

10-3朴素贝叶斯分类.mp4 - 20.3MB

04-2KNN算法核心思想和原理.mp4 - 39.4MB

15-4交易反欺诈代码实现.mp4 - 35.9MB

11-3集成学习代码实现.mp4 - 24.4MB

10-2贝叶斯方法核心思想和原理.mp4 - 32.0MB

13-6PCA在数据降噪中的应用.mp4 - 13.8MB

14-3EM算法参数估计.mp4 - 20.4MB

13-3PCA求解算法.mp4 - 21.6MB

09-10SVM优缺点和适用条件.mp4 - 11.3MB

10-5多项式朴素贝叶斯代码实现.mp4 - 23.6MB

08-1本章总览.mp4 - 26.8MB

12-1本章总览.mp4 - 9.9MB

12-2聚类算法核心思想和原理.mp4 - 16.3MB

07-4决策树分类任务代码实现.mp4 - 38.7MB

14-2概率图模型核心思想和原理.mp4 - 52.8MB

08-5梯度下降优化算法.mp4 - 36.8MB

15-2泰坦尼克生还预测.mp4 - 62.0MB

06-10LASSO和岭回归代码实现.mp4 - 23.9MB

13-2PCA核心思想和原理.mp4 - 25.4MB

07-3信息熵.mp4 - 39.7MB

12-3k-means和分层聚类.mp4 - 22.8MB

15-1本章总览.mp4 - 8.5MB

05-3逻辑回归核心思想和原理.mp4 - 25.4MB

03-3Anaconda命令行操作.mp4 - 18.9MB

09-2SVM核心思想和原理.mp4 - 15.7MB

07-7决策树回归任务代码实现.mp4 - 12.6MB

09-5线性SVM分类任务代码实现.mp4 - 17.9MB

15-3房价预测.mp4 - 67.2MB

06-1本章总览.mp4 - 30.6MB

09-7SVM核函数.mp4 - 21.9MB

13-8主成分分析优缺点和适用条件.mp4 - 9.5MB

10-6贝叶斯方法优缺点和适用条件.mp4 - 25.5MB

05-9多分类策略.mp4 - 8.7MB

13-1本章总览.mp4 - 17.3MB

08-2神经网络核心思想和原理.mp4 - 56.4MB

09-9SVM回归任务代码实现.mp4 - 14.3MB

14-5概率图模型优缺点和适用条件.mp4 - 11.6MB

08-8模型选择.mp4 - 39.7MB

08-9神经网络优缺点和适用条件.mp4 - 20.2MB

13-4PCA算法代码实现.mp4 - 15.2MB

11-5并行策略：随机森林.mp4 - 17.6MB

11-6串行策略：Boosting.mp4 - 27.4MB

08-7梯度消失和梯度爆炸.mp4 - 28.5MB

12-5聚类评估代码实现.mp4 - 20.3MB

11-4并行策略：Bagging、OOB等方法.mp4 - 38.8MB

07-6决策树剪枝.mp4 - 26.0MB

15-5如何深入研究机器学习.mp4 - 11.5MB

11-2集成学习核心思想和原理.mp4 - 20.0MB

05-2线性回归核心思想和原理.mp4 - 40.3MB

12-6聚类算法优缺点和适用条件.mp4 - 19.7MB

07-2决策树核心思想和原理.mp4 - 22.7MB

05-4线性回归代码实现.mp4 - 28.0MB

11-1本章总览.mp4 - 14.6MB

13-7PCA在人脸识别中的应用.mp4 - 28.4MB

14-1本章总览.mp4 - 14.0MB

12-4聚类算法代码实现.mp4 - 21.9MB

09-8非线性SVM代码实现.mp4 - 22.9MB

13-5降维任务代码实现.mp4 - 23.6MB

01-1课程内容和理念.mp4 - 60.9MB

09-4SVM软间隔.mp4 - 25.5MB

09-6非线性SVM：核技巧.mp4 - 35.3MB

10-4朴素贝叶斯的代码实现.mp4 - 27.2MB

08-3激活函数.mp4 - 36.1MB

05-6多项式回归代码实现.mp4 - 19.7MB

06-13评价指标：ROC曲线.mp4 - 33.8MB

14-4隐马尔可夫模型代码实现.mp4 - 43.0MB

03-1本章总览：相互关系与学习路线.mp4 - 9.2MB

06-8模型误差.mp4 - 42.8MB

02-2数据长什么样：常见数据集、典型实例、如何使用.mp4 - 35.3MB

06-9正则化.mp4 - 45.0MB

....