===============課程目錄===============
│??├<(01)機器學習與相關數學初步>
│??│??├(1)機器學習初步與微積分概率論.pdf
│??│??└(1)機器學習與相關數學初步.avi
│??├<(02)數理統計與參數估計>
│??│??├(2)數理統計與參數估計.avi
│??│??└(2)數理統計與參數估計.pdf
│??├<(03)矩陣分析與應用>
│??│??├(3)矩陣分析與應用.avi
│??│??└(3)矩陣分析與應用.pdf
│??├<(04)凸優化初步>
│??│??├(4)凸優化初步.avi
│??│??└(4)凸優化初步.pdf
│??├<(05)回歸分析與工程應用>
│??│??├(5)回歸分析與工程應用.avi
│??│??├<課件和數據及代碼>
│??│??│??├4月班第5課課件：回歸及工程應用經驗.pdf
│??│??│??├data1.txt
│??│??│??├data2.txt
│??│??│??├logistic_regression_example.ipynb
│??│??│??├Untitled.ipynb
│??│??│??├<.ipynb_checkpoints>
│??│??│??│??├logistic_regression_example-checkpoint.ipynb
│??│??│??│??└Untitled-checkpoint.ipynb
│??├<(06)特征工程>
│??│??├(6)特征工程.avi
│??│??├<課件與數據及代碼>
│??│??│??├4月班第6課課件：特征工程.pdf
│??│??│??├feature_engineering_example.ipynb
│??│??│??└kaggle_bike_competition_train.csv
│??├<(07)工作流程與模型調優>
│??│??├(7)工作流程與模型調優.avi
│??│??└(7)工作流程與模型調優.zip
│??├<(08)最大熵模型與EM算法>
│??│??├(8)最大熵模型與EM算法.avi
│??│??└(8)最大熵模型與EM算法.pdf
│??├<(09)推薦系統與應用>
│??│??├(9)推薦系統與應用.avi
│??│??├<(9)推薦系統與應用>
│??│??│??├4月機器學習班第9課–推薦系統.pdf
│??│??│??├CF&&MF recommendation system.zip
│??│??│??└Reccomendation System Examples.ipynb
│??├<(10)聚類算法與應用>
│??│??├(10)聚類算法與應用.avi
│??│??└(10)聚類算法與應用.pdf
│??├<(11)決策樹隨機森林和adaboost>
│??│??├(11)決策樹隨機森林adaboost.avi
│??│??├(11)決策樹隨機森林adaboost.pdf
│??│??├<代碼>
│??│??│??├randomforests.py
│??│??│??├randomforests.pyc
│??│??│??├samtrain.csv
│??│??│??├samval.csv
│??│??│??├隨機森林.ipynb
│??│??│??├<.ipynb_checkpoints>
│??│??│??│??└隨機森林-checkpoint.ipynb
│??├<(12)SVM>
│??│??├(12)SVM.avi
│??│??├(12)SVM.pdf
│??│??├(12)支持向量機.ipynb
│??│??├<(補充材料1)SVM補充視頻>
│??│??│??└補充SVM視頻下載地址.txt
│??│??├<(補充材料2)SVM的Python程序代碼>
│??│??│??└sklearnExample.py
│??├<(13)貝葉斯方法>
│??│??├(13)貝葉斯方法.avi
│??│??├(13)貝葉斯方法.pdf
│??│??└naive_bayes-master.zip
│??├<(14)主題模型>
│??│??├(14)主題模型.avi
│??│??├(14)主題模型.pdf
│??│??├(補充閱讀材料1)Comparing LDA with pLSI as a Dimensionality Reduction Method in Document Clustering.pdf
│??│??├(補充閱讀材料2)Investigating task performance of probabilistic topic models – an empirical study of PLSA and LDA.pdf
│??│??└LDAClassify.zip
│??├<(15)貝葉斯推理采樣與變分>
│??│??├(15)貝葉斯推理采樣變分方法.avi
│??│??├(15)貝葉斯推理-采樣與變分簡介.pdf
│??│??└gibbsGauss.py
│??├<(16)人工神經網絡>
│??│??├(16)人工神經網絡.avi
│??│??├(16)人工神經網絡.pdf
│??│??└Lesson_16_Neural_network_example.ipynb
│??├<(17)卷積神經網絡>
│??│??├(17)卷積神經網絡.avi
│??│??└(17)卷積神經網絡.pdf
│??├<(18)循環神經網絡與LSTM>
│??│??├(18)循環神經網絡和LSTM.avi
│??│??└(18)循環神經網絡與LSTM.pdf
│??├<(19)Caffe&Tensor Flow&MxNet 簡介>
│??│??├(19)Caffe&Tensor Flow&MxNet 簡介.avi
│??│??└(19)Caffe&Tensor Flow&MxNet 簡介.pdf
│??├<(20)貝葉斯網絡和HMM>
│??│??├(20)貝葉斯網絡和HMM.avi
│??│??└(20)貝葉斯網絡和HMM.pdf
│??├<(額外補充)詞嵌入word embedding>
│??│??├(額外補充)詞嵌入word embedding.avi
│??│??└(額外補充)詞嵌入原理及應用簡介.pdf
