課程：函數(shù)與Python基本數(shù)據(jù)結(jié)構(gòu).2、函數(shù)（二）.mp4/ r3 H: e: Q% W??O3 u’ q7 J5 W
4、課程：函數(shù)與Python基本數(shù)據(jù)結(jié)構(gòu).3、函數(shù)（三）.mp4
4、課程：函數(shù)與Python基本數(shù)據(jù)結(jié)構(gòu).4、函數(shù)（四）.mp4
4、課程：函數(shù)與Python基本數(shù)據(jù)結(jié)構(gòu).5、函數(shù)（五）.mp4
4、課程：函數(shù)與Python基本數(shù)據(jù)結(jié)構(gòu).6、Python編碼結(jié)構(gòu)（一）.mp4
4、課程：函數(shù)與Python基本數(shù)據(jù)結(jié)構(gòu).7、Python編碼結(jié)構(gòu)（二）.mp45 Y3 f3 a’ u8 s* t2 |9 b. M% u- ?
4、課程：函數(shù)與Python基本數(shù)據(jù)結(jié)構(gòu).8、Python編碼結(jié)構(gòu)（三）.mp4
4、課程：函數(shù)與Python基本數(shù)據(jù)結(jié)構(gòu).9、Python模塊和程序包.mp4
4、課程：函數(shù)與Python基本數(shù)據(jù)結(jié)構(gòu).10、Python基本數(shù)據(jù)結(jié)構(gòu)（一）.mp4
4、課程：函數(shù)與Python基本數(shù)據(jù)結(jié)構(gòu).11、Python基本數(shù)據(jù)結(jié)構(gòu)（二）.mp4! ^+ |$ X8 \’ m$ j) o; ^
4、課程：函數(shù)與Python基本數(shù)據(jù)結(jié)構(gòu).12、Python基本數(shù)據(jù)結(jié)構(gòu)（三）.mp49 J) |0 ?2 j# A: |
5、課程：Numpy的基本操作.1、Introduction to Numpy.mp4
5、課程：Numpy的基本操作.2、Create Arrays.mp4
5、課程：Numpy的基本操作.3、Basic Operations of Arrays.mp40 G) L7 n# x. I! ?7 B
5、課程：Numpy的基本操作.4、lndexing ，Slicing and Iterating（一）.mp4$ b/ ?5 f6 J/ S’ q/ M’ M
5、課程：Numpy的基本操作.5、lndexing ，Slicing and Iterating（二）.mp4
5、課程：Numpy的基本操作.6、lndexing ，Slicing and Iterating（三）.mp4! C& J) F1 t& s* X??{/ u/ w: \6 D
5、課程：Numpy的基本操作.7、Matrix Operations –（一）.mp4
5、課程：Numpy的基本操作.8、Matrix Operations –（二）.mp42 [‘ M9 {8 ?, f9 X5 o
5、課程：Numpy的基本操作.9、Array processing（一）.mp4* T/ Z5 }) t3 F) d) M
5、課程：Numpy的基本操作.10、Array processing（二）.mp4??o! Z9 Y; v, X
5、課程：Numpy的基本操作.11、Save and Load Array.mp4* |7 [+ t: i% ]
6、課程：Pandas的基本操作.1、Series.mp4
6、課程：Pandas的基本操作.2、DataFrame+Titanic Example（一）.mp4
6、課程：Pandas的基本操作.3、DataFrame+Titanic Example（二）.mp4; Q, C- {‘ k; ]??N7 C’ X& ^’ c
6、課程：Pandas的基本操作.4、DataFrame+Titanic Example（三）.mp4# C# g3 F6 [+ Y# T’ r
6、課程：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、課程：Pandas的基本操作.6、Index Objects.mp4
6、課程：Pandas的基本操作.7、Reindex.mp4
6、課程：Pandas的基本操作.8、Drop Data.mp41 i2 A: v’ Q1 D. C1 j( h
6、課程：Pandas的基本操作.9、Slice Data（一）.mp4
6、課程：Pandas的基本操作.10、Slice Data（二）.mp4
6、課程：Pandas的基本操作.11、Data Alignment.mp4
6、課程：Pandas的基本操作.12、Rank and Sort.mp4
7、課程：Matplotlib的基本操作.1、Matplotlib（一）.mp41 r0 S3 b+ J??f) I8 i
7、課程：Matplotlib的基本操作.2、Matplotlib（二）.mp4
7、課程：Matplotlib的基本操作.3、Matplotlib（三）.mp4
7、課程：Matplotlib的基本操作.4、Matplotlib（四）.mp4& c’ b% e1 k3 t’ w; D( k7 m5 N6 i) m
7、課程：Matplotlib的基本操作.5、Matplotlib（五）.mp4” F/ K’ X0 g# a: F
7、課程：Matplotlib的基本操作.6、Aggregation（一）.mp4
7、課程：Matplotlib的基本操作.7、Aggregation（二）.mp40 \! x0 ^5 V# ]& i
7、課程：Matplotlib的基本操作.8、Aggregation（三）.mp4
8、課程：什么是好的模型結(jié)果-cost function.1、如何定義一個模型結(jié)果的好壞？.mp4
8、課程：什么是好的模型結(jié)果-cost function.2、連續(xù)變量的模型，如何來衡量模型結(jié)果？（一）.mp4. V: P” F0 v; `2 ~9 j
8、課程：什么是好的模型結(jié)果-cost function.3、連續(xù)變量的模型，如何來衡量模型結(jié)果？（二）.mp4
8、課程：什么是好的模型結(jié)果-cost function.4、二分類問題-假設(shè)檢驗，p-value（一）.mp4. R9 W, j# ]3 i1 Q$ ?9 w8 V& q
8、課程：什么是好的模型結(jié)果-cost function.5、二分類問題-假設(shè)檢驗，p-value（二）.mp4
8、課程：什么是好的模型結(jié)果-cost function.6、二分類問題-ROC & AUC（一）.mp44 O* J6 v6 u8 U* \
8、課程：什么是好的模型結(jié)果-cost function.7、二分類問題-ROC & AUC（二）.mp4
8、課程：什么是好的模型結(jié)果-cost function.8、什么是好的分類（一）.mp4
8、課程：什么是好的模型結(jié)果-cost function.9、二分類問題-召回率，準確率.mp4# |” y: F+ [: z
8、課程：什么是好的模型結(jié)果-cost function.10、二分類問題-F1-score.mp4% X6 M! A0 `4 D. I” U
8、課程：什么是好的模型結(jié)果-cost function.11、分類模型，如何衡量模型結(jié)果？.mp4
8、課程：什么是好的模型結(jié)果-cost function.12、imbalanced問題（一）.mp4
8、課程：什么是好的模型結(jié)果-cost function.13、imbalanced問題（二）.mp4
9、課程：線性回歸.1、知識回顧.mp4
9、課程：線性回歸.2、為什么要使用線性回歸？.mp4! {4 a9 o+ [??U$ }1 W” P- L8 l6 X
9、課程：線性回歸.3、如何計算線性回歸？（一）.mp48 |’ V6 R” L2 N5 U2 c
9、課程：線性回歸.4、如何計算線性回歸？（二）.mp4
9、課程：線性回歸.5、問題解答.mp4
9、課程：線性回歸.6、由最小二乘法選出的直線有沒有用？（一）.mp4
9、課程：線性回歸.7、由最小二乘法選出的直線有沒有用？（二）.mp4
9、課程：線性回歸.8、線性回歸參數(shù)估計的含義.mp4
9、課程：線性回歸.9、線性回歸對數(shù)據(jù)的解釋.mp42 D# a: ~5 v( i# r2 G
9、課程：線性回歸.10、線性回歸對樣本及誤差的要求和假設(shè)前提（一）.mp4
9、課程：線性回歸.11、線性回歸對樣本及誤差的要求和假設(shè)前提（二）.mp4
9、課程：線性回歸.12、預測的confidence interval 和 prediction interval（一）.mp4. C1 Z! `* D: R* I% f’ Q- _! s
9、課程：線性回歸.13、預測的confidence interval 和 prediction interval（二）.mp4
9、課程：線性回歸.14、預測的confidence interval 和 prediction interval（三）.mp46 V; Z9 Y) c3 B5 h- z6 v
9、課程：線性回歸.15、imbalanced問題.mp4
10、課程：邏輯回歸及應(yīng)用.1、邏輯回歸與線性回歸.mp4& |, |9 K- j4 ]. i??p
10、課程：邏輯回歸及應(yīng)用.2、如何計算信用分數(shù).mp4
10、課程：邏輯回歸及應(yīng)用.3、商家如何查看芝麻信用值？.mp4
10、課程：邏輯回歸及應(yīng)用.4、尋找最合理的參數(shù)-1設(shè)計Cost Function.mp4% N4 X# q3 ]. ~1 G, A
10、課程：邏輯回歸及應(yīng)用.5、疑題解答.mp4) I- d! I1 D0 x1 }; i3 x
10、課程：邏輯回歸及應(yīng)用.6、尋找最合理的參數(shù)-3. 計算最優(yōu)參數(shù)（一）.mp4& _8 W6 D’ ]- \3 s% w
10、課程：邏輯回歸及應(yīng)用.7、尋找最合理的參數(shù)-3. 計算最優(yōu)參數(shù)(二).mp4: f3 t! b2 L1 [6 c
10、課程：邏輯回歸及應(yīng)用.8、尋找最合理的參數(shù)-3. 計算最優(yōu)參數(shù)(三).mp4
10、課程：邏輯回歸及應(yīng)用.9、尋找最合理的參數(shù)-3. 計算最優(yōu)參數(shù)(四).mp4& c5 e; k1 |; z+ s7 S. \3 q
10、課程：邏輯回歸及應(yīng)用.10、尋找最合理的參數(shù)-3. 計算最優(yōu)參數(shù)(五).mp4
10、課程：邏輯回歸及應(yīng)用.11、尋找最合理的參數(shù)-3. 計算最優(yōu)參數(shù)(六).mp4# n. {- B1 Q1 M2 A
10、課程：邏輯回歸及應(yīng)用.12、更進一步：從邏輯回歸到SoftMax（一）.mp4
10、課程：邏輯回歸及應(yīng)用.13、更進一步：從邏輯回歸到SoftMax(二).mp4+ {. z’ [4 g& O3 d; c; p. n; M
11、課程：擬合與過擬合的定義.1、擬合與過擬合.mp44 [” |1 T/ e9 k0 \” |, H
11、課程：擬合與過擬合的定義.2、對抗過擬合（一）.mp4
11、課程：擬合與過擬合的定義.3、對抗過擬合（二）.mp4
11、課程：擬合與過擬合的定義.4、對抗過擬合（三）.mp4
11、課程：擬合與過擬合的定義.5、Python實現(xiàn)（一）.mp4
11、課程：擬合與過擬合的定義.6、Python實現(xiàn)（二）.mp4
11、課程：擬合與過擬合的定義.7、正則化Regularization.mp42 a4 W. J” V5 z: p, F1 B
11、課程：擬合與過擬合的定義.8、Ridge（一）.mp4+ }/ _& f+ t7 z; [
11、課程：擬合與過擬合的定義.9、Ridge（二）.mp4
11、課程：擬合與過擬合的定義.10、方差的分解（一）.mp47 v” a4 ???|1 y??e4 C& y” s3 V4 z
11、課程：擬合與過擬合的定義.11、方差的分解（二）.mp4
11、課程：擬合與過擬合的定義.12、Bias與Variance的分解.mp4! G% C’ i9 d( p$ M
12、課程：決策樹模型.1、什么是決策樹？.mp4. t2 r9 d’ I( M: Q! h
12、課程：決策樹模型.2、游戲中的決策樹分析（一）.mp4
12、課程：決策樹模型.3、游戲中的決策樹分析（二）.mp4
12、課程：決策樹模型.4、哪個問題分的最好？.mp4
12、課程：決策樹模型.5、Decision Tree_example1（一）.mp4
12、課程：決策樹模型.6、Decision Tree_example1（二）.mp4– I# _& \’ c5 C0 K* S3 m4 Y% s
12、課程：決策樹模型.7、Decision Tree_example1（三）.mp4% z0 N% t% I! G7 K; X2 I5 G8 f
12、課程：決策樹模型.8、Decision Tree_example1（四）.mp4
12、課程：決策樹模型.9、Decision Tree_example1（五）.mp4/ G* ~* Z??]: A$ I6 `$ }
12、課程：決策樹模型.10、Decision Tree_example1（六）.mp40 A” M; h; A+ L& W% G2 ?. [1 j
12、課程：決策樹模型.11、Decision Tree_example1（七）.mp4
13、課程：Pandas 數(shù)據(jù)操作與Ensemble Method 集成算法.1、Combining dataframes.mp4
13、課程：Pandas 數(shù)據(jù)操作與Ensemble Method 集成算法.2、Mapping.mp4& h+ d2 W7 }1 G( n??b, X- [
13、課程：Pandas 數(shù)據(jù)操作與Ensemble Method 集成算法.3、Binning.mp4
13、課程：Pandas 數(shù)據(jù)操作與Ensemble Method 集成算法.4、GroupBy On Dict and Series（一）.mp4
13、課程：Pandas 數(shù)據(jù)操作與Ensemble Method 集成算法.5、GroupBy On Dict and Series（二）.mp4
13、課程：Pandas 數(shù)據(jù)操作與Ensemble Method 集成算法.6、Merge（一）.mp4
13、課程：Pandas 數(shù)據(jù)操作與Ensemble Method 集成算法.7、Merge（二）.mp4( o+ H: n: S, s’ L) b. Y9 \0 {! J* }
13、課程：Pandas 數(shù)據(jù)操作與Ensemble Method 集成算法.8、Outliers.mp4$ U+ b1 W# O: k6 F+ h
13、課程：Pandas 數(shù)據(jù)操作與Ensemble Method 集成算法.9、Pivoting.mp4
13、課程：Pandas 數(shù)據(jù)操作與Ensemble Method 集成算法.10、Replace.mp4
13、課程：Pandas 數(shù)據(jù)操作與Ensemble Method 集成算法.11、Bagging (Bootstrap aggregating).mp4
13、課程：Pandas 數(shù)據(jù)操作與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、課程：Pandas 數(shù)據(jù)操作與Ensemble Method 集成算法.13、Boosting and Ada boosting（二）.mp4
13、課程：Pandas 數(shù)據(jù)操作與Ensemble Method 集成算法.14、Gradient Boosting.mp4, t8 a” C& E6 h$ `- A. I
14、課程：Airbnb 數(shù)據(jù)分析.1、Airbnb介紹.mp4
14、課程：Airbnb 數(shù)據(jù)分析.2、Train and Test 用戶本身數(shù)據(jù)和營銷渠道數(shù)據(jù).mp4
14、課程：Airbnb 數(shù)據(jù)分析.3、Airbnb_DataExploration（一）.mp49 R9 B- ]) v7 |! _3 y/ P
14、課程：Airbnb 數(shù)據(jù)分析.4、Airbnb_DataExploration（二）.mp47 S3 T/ ?- ]1 Q??\. |+ s9 H# S
14、課程：Airbnb 數(shù)據(jù)分析.5、Airbnb_DataExploration（三）.mp4
14、課程：Airbnb 數(shù)據(jù)分析.6、Airbnb_FeatureEngineering（一）.mp44 L( @9 K9 J7 Y2 u
14、課程：Airbnb 數(shù)據(jù)分析.7、Airbnb_FeatureEngineering（二）.mp4
14、課程：Airbnb 數(shù)據(jù)分析.8、Airbnb_FeatureEngineering（三）.mp44 w0 d1 \$ L( z6 B6 ]’ U
14、課程：Airbnb 數(shù)據(jù)分析.9、Airbnb_FeatureEngineering（四）.mp4
14、課程：Airbnb 數(shù)據(jù)分析.10、Modeling（一）.mp4; \) K! I/ \1 ~- T! r
14、課程：Airbnb 數(shù)據(jù)分析.11、Modeling（二）.mp4
15、課程：支持向量機（SVM）.1、支持向量機簡介與歷史（一）.mp4” g* A, ]2 O9 i+ y
15、課程：支持向量機（SVM）.2、支持向量機簡介與歷史（二）.mp4
15、課程：支持向量機（SVM）.3、支持向量機分類與回歸（一）.mp47 A: c4 @* Q5 Z; o” ^3 P6 u6 O9 f
15、課程：支持向量機（SVM）.4、支持向量機分類與回歸（二）.mp4
15、課程：支持向量機（SVM）.5、支持向量機分類與回歸（三）.mp4$ g. k: D& ?, c
15、課程：支持向量機（SVM）.6、對偶問題.mp4
15、課程：支持向量機（SVM）.7、支持向量.mp4& [5 B2 h) b7 k
15、課程：支持向量機（SVM）.8、核函數(shù).mp4
15、課程：支持向量機（SVM）.9、正則化與軟間隔.mp44 S7 U6 C! Y- G! o6 j” O
15、課程：支持向量機（SVM）.10、支持向量機算法總結(jié).mp4, _5 J% L* y# [- U7 G3 R??w6 [# s
15、課程：支持向量機（SVM）.11、代碼實戰(zhàn)（一）.mp46 r4 `7 q# D: _; z$ H$ y5 z$ l7 y
15、課程：支持向量機（SVM）.12、代碼實戰(zhàn)（二）.mp4
15、課程：支持向量機（SVM）.13、代碼實戰(zhàn)（三）.mp4
16、課程：自然語言處理與NLP-代碼實戰(zhàn).1、歷史.mp46 j” V8 A* t’ h$ p% E, ^
16、課程：自然語言處理與NLP-代碼實戰(zhàn).2、語言模型（一）.mp48 O??u0 i* S% K$ u
16、課程：自然語言處理與NLP-代碼實戰(zhàn).3、語言模型（二）.mp4
16、課程：自然語言處理與NLP-代碼實戰(zhàn).4、語言模型（三）.mp4
16、課程：自然語言處理與NLP-代碼實戰(zhàn).5、語言模型（四）.mp4
16、課程：自然語言處理與NLP-代碼實戰(zhàn).6、語言模型（五）.mp4
16、課程：自然語言處理與NLP-代碼實戰(zhàn).7、語言模型評價.mp4; ^9 y7 I4 H0 G’ W
16、課程：自然語言處理與NLP-代碼實戰(zhàn).8、隱馬爾可夫模型.mp4” e2 O” ~3 H’ O+ }1 i
16、課程：自然語言處理與NLP-代碼實戰(zhàn).9、深度學習（一）.mp4# A0 b1 u) A/ h6 \” I8 B$ D
16、課程：自然語言處理與NLP-代碼實戰(zhàn).10、深度學習（二）.mp4
16、課程：自然語言處理與NLP-代碼實戰(zhàn).11、語言模型實戰(zhàn)（一）.mp4
16、課程：自然語言處理與NLP-代碼實戰(zhàn).12、語言模型實戰(zhàn)（二）.mp49 M$ i0 i0 _9 z2 b/ [
16、課程：自然語言處理與NLP-代碼實戰(zhàn).13、語言模型實戰(zhàn)（三）.mp4
16、課程：自然語言處理與NLP-代碼實戰(zhàn).14、語言模型實戰(zhàn)（四）.mp47 f8 J??M# m* t. e3 M
17、課程：文字處理與Amazon評論NLP分析案例.1、Python文字處理基本操作回顧.mp4
17、課程：文字處理與Amazon評論NLP分析案例.2、ASCII，unicode解碼與編碼，utf-8（一）.mp4” _0 g! u# n/ C’ s% n3 W6 l
17、課程：文字處理與Amazon評論NLP分析案例.3、ASCII，unicode解碼與編碼，utf-8（二）.mp4! a* B* p( q# W! V
17、課程：文字處理與Amazon評論NLP分析案例.4、Nltk工具包與特朗普的任職演講.mp4& ]. t# V) K9 w8 s+ U’ A. U
17、課程：文字處理與Amazon評論NLP分析案例.5、計算詞頻.mp40 L. `. T3 @’ o# N, f
17、課程：文字處理與Amazon評論NLP分析案例.6、讀取文字.mp4
17、課程：文字處理與Amazon評論NLP分析案例.7、整理標簽（一）.mp44 K6 a8 h7 V3 W- @- }
17、課程：文字處理與Amazon評論NLP分析案例.8、整理標簽（二）.mp4; f5 T+ {1 c# x7 j: t, t7 e1 I’ {
17、課程：文字處理與Amazon評論NLP分析案例.9、整理標簽（三）.mp4& _7 ?% X’ g4 p3 M??T
17、課程：文字處理與Amazon評論NLP分析案例.10、清理文字并建語料庫（一）.mp4
17、課程：文字處理與Amazon評論NLP分析案例.11、清理文字并建語料庫（二）.mp4( t9 b- [” O, P& D+ v
17、課程：文字處理與Amazon評論NLP分析案例.12、建模.mp4
17、課程：文字處理與Amazon評論NLP分析案例.13、調(diào)用具體模型.mp4
18、課程：網(wǎng)絡(luò)基礎(chǔ)概述.1、網(wǎng)絡(luò)基礎(chǔ)概述.mp4! V” q- U$ l; t( n
18、課程：網(wǎng)絡(luò)基礎(chǔ)概述.2、數(shù)據(jù)和數(shù)據(jù)庫（一）.mp4
18、課程：網(wǎng)絡(luò)基礎(chǔ)概述.3、數(shù)據(jù)和數(shù)據(jù)庫（二）.mp45 ~# O. x8 v6 F3 A# [
18、課程：網(wǎng)絡(luò)基礎(chǔ)概述.4、計算機網(wǎng)絡(luò)知識普及（一）.mp45 z- `( a; K) i& y
18、課程：網(wǎng)絡(luò)基礎(chǔ)概述.5、計算機網(wǎng)絡(luò)知識普及（二）.mp41 u0 I/ S1 B: e4 l6 F5 O8 X??P??Q
18、課程：網(wǎng)絡(luò)基礎(chǔ)概述.6、什么是網(wǎng)站.mp4, |* p% p5 z” I6 u
18、課程：網(wǎng)絡(luò)基礎(chǔ)概述.7、靜態(tài)網(wǎng)站和動態(tài)網(wǎng)站.mp4
18、課程：網(wǎng)絡(luò)基礎(chǔ)概述.8、簡單的網(wǎng)站服務(wù)程序（一）.mp4
18、課程：網(wǎng)絡(luò)基礎(chǔ)概述.9、簡單的網(wǎng)站服務(wù)程序（二）.mp4, C) A; J) k??B5 H7 }/ ~; {
18、課程：網(wǎng)絡(luò)基礎(chǔ)概述.10、什么是API（一）.mp4
18、課程：網(wǎng)絡(luò)基礎(chǔ)概述.11、什么是API（二）.mp4
18、課程：網(wǎng)絡(luò)基礎(chǔ)概述.12、如何找到API.mp4. Z9 N) V0 @2 d. w: ?
18、課程：網(wǎng)絡(luò)基礎(chǔ)概述.13、網(wǎng)絡(luò)產(chǎn)品和現(xiàn)在網(wǎng)絡(luò)程序.mp4$ _/ a) |/ d9 M” T
18、課程：網(wǎng)絡(luò)基礎(chǔ)概述.14、答疑.mp4
19、課程：網(wǎng)絡(luò)爬蟲入門.1、網(wǎng)絡(luò)爬蟲概述.mp4
19、課程：網(wǎng)絡(luò)爬蟲入門.2、復習HTML.mp4+ d6 O1 W/ D( ~
19、課程：網(wǎng)絡(luò)爬蟲入門.3、強大的工具—Requests.mp4
19、課程：網(wǎng)絡(luò)爬蟲入門.4、強大的工具—Beautifulsoup（一）.mp47 {/ d! w8 d9 B, {
19、課程：網(wǎng)絡(luò)爬蟲入門.5、強大的工具—Beautifulsoup（二）.mp4
19、課程：網(wǎng)絡(luò)爬蟲入門.6、Charity Watch（一）.mp4
19、課程：網(wǎng)絡(luò)爬蟲入門.7、Charity Watch（二）.mp4
19、課程：網(wǎng)絡(luò)爬蟲入門.8、Charity Watch（三）.mp4( O5 l+ A” f” i% S% G1 G
19、課程：網(wǎng)絡(luò)爬蟲入門.9、彈幕爬蟲（一）.mp4‘ L2 V??n5 L) j) c) `3 C’ H2 I
19、課程：網(wǎng)絡(luò)爬蟲入門.10、彈幕爬蟲（二）.mp4
19、課程：網(wǎng)絡(luò)爬蟲入門.11、彈幕爬蟲（三）.mp4$ h7 z) w, `4 V; d) U
19、課程：網(wǎng)絡(luò)爬蟲入門.12、彈幕爬蟲（四）.mp46 H* U5 O, I2 v
19、課程：網(wǎng)絡(luò)爬蟲入門.13、彈幕爬蟲（五）.mp4– }% ~: r??Y3 J’ n( Z: R9 D
19、課程：網(wǎng)絡(luò)爬蟲入門.14、彈幕爬蟲（六）.mp4
20、課程：爬蟲進階.1、Write Binary File.mp4
20、課程：爬蟲進階.2、Read Binary File.mp4+ m1 ?’ R7 {. ~’ j7 H
20、課程：爬蟲進階.3、靜態(tài)文件獲取（一）.mp4! b- Q” G# q/ J5 [, g
20、課程：爬蟲進階.4、靜態(tài)文件獲取（二）.mp4) B& x: c??J/ J6 ~0 P
20、課程：爬蟲進階.5、認證授權(quán)（一）.mp4
20、課程：爬蟲進階.6、認證授權(quán)（二）.mp4
20、課程：爬蟲進階.7、認證授權(quán)（三）.mp4
20、課程：爬蟲進階.8、爬蟲進階擴展（一）.mp4
20、課程：爬蟲進階.9、爬蟲進階擴展（二）.mp4
21、課程： 正則表達式.1、常見代碼.mp4??J* V% e8 {& x” E
21、課程： 正則表達式.2、基本語句（一）.mp4: H” N0 D7 m4 ?
21、課程： 正則表達式.3、基本語句（二）.mp4
21、課程： 正則表達式.4、字符匹配和分枝條件.mp4– X; w??q0 l9 J/ }, B
21、課程： 正則表達式.5、分組.mp4??a% {& A” L0 a1 w% R5 ?7 {
21、課程： 正則表達式.6、后向引用和零寬斷言.mp4
21、課程： 正則表達式.7、案例分析（一）.mp4/ F. W/ ^: Q% l
21、課程： 正則表達式.8、案例分析（二）.mp45 n9 ], E9 t??L$ T
22、課程：貝葉斯統(tǒng)計.1、聯(lián)合概率.mp44 ]8 q# T/ ?% l* P% }9 d
22、課程：貝葉斯統(tǒng)計.2、邊緣概率.mp4
22、課程：貝葉斯統(tǒng)計.3、條件概率.mp4$ y% G0 G??X” c??[/ r2 f
22、課程：貝葉斯統(tǒng)計.4、聯(lián)合概率、邊緣概率和條件概率.mp4! @4 Z% `; U1 X
22、課程：貝葉斯統(tǒng)計.5、貝葉斯公式（一）.mp4
22、課程：貝葉斯統(tǒng)計.6、貝葉斯公式（二）.mp4
22、課程：貝葉斯統(tǒng)計.7、流感案例.mp4
22、課程：貝葉斯統(tǒng)計.8、圖形化理解.mp4# G’ O& X7 I2 O/ a; ?
22、課程：貝葉斯統(tǒng)計.9、案例分析.mp4
22、課程：貝葉斯統(tǒng)計.10、貝葉斯公式垃圾短信識別程序（一）.mp4
22、課程：貝葉斯統(tǒng)計.11、貝葉斯公式垃圾短信識別程序（二）.mp46 W2 `2 E1 i% h* ]% Z. U) j6 A??W$ T
22、課程：貝葉斯統(tǒng)計.12、貝葉斯公式垃圾短信識別程序（三）.mp4! S; E. F, u7 V- P$ \% u+ G7 g
22、課程：貝葉斯統(tǒng)計.13、腦筋急轉(zhuǎn)彎：三門問題（一）.mp4
22、課程：貝葉斯統(tǒng)計.14、腦筋急轉(zhuǎn)彎：三門問題（二）.mp4, m’ N* j* H2 q’ P: l, x9 c
23、課程：搜集用戶信息與數(shù)據(jù)整合.1、搜集用戶發(fā)帖Comment Id（一）.mp41 m0 b$ h4 b9 ]7 G??F# Y
23、課程：搜集用戶信息與數(shù)據(jù)整合.2、搜集用戶發(fā)帖Comment Id（二）.mp4
23、課程：搜集用戶信息與數(shù)據(jù)整合.3、正向編碼方法.mp4% ?. _! j3 w9 W; L, e7 p1 f
23、課程：搜集用戶信息與數(shù)據(jù)整合.4、如何逆向解碼（一）.mp4
23、課程：搜集用戶信息與數(shù)據(jù)整合.5、如何逆向解碼（二）.mp4
23、課程：搜集用戶信息與數(shù)據(jù)整合.6、如何逆向解碼（三）.mp4
23、課程：搜集用戶信息與數(shù)據(jù)整合.7、如何逆向解碼（四）.mp4
23、課程：搜集用戶信息與數(shù)據(jù)整合.8、整理用戶mid ID.mp4( Y# v” e& V: n( r. K
23、課程：搜集用戶信息與數(shù)據(jù)整合.9、爬取用戶信息（一）.mp4
23、課程：搜集用戶信息與數(shù)據(jù)整合.10、爬取用戶信息（二）.mp4– _9 `% \+ S??x0 J0 T9 R
23、課程：搜集用戶信息與數(shù)據(jù)整合.11、爬取用戶信息（三）.mp43 R??`. }8 R# f0 r# I
23、課程：搜集用戶信息與數(shù)據(jù)整合.12、爬取用戶信息（四）.mp4
23、課程：搜集用戶信息與數(shù)據(jù)整合.13、RandomForest 重新采樣（一）.mp4
23、課程：搜集用戶信息與數(shù)據(jù)整合.14、RandomForest 重新采樣（二）.mp4
24、課程：貝葉斯思維.1、貝葉斯統(tǒng)計（一）.mp4
24、課程：貝葉斯思維.2、貝葉斯統(tǒng)計（二）.mp4
24、課程：貝葉斯思維.3、貝葉斯統(tǒng)計（三）.mp4
24、課程：貝葉斯思維.4、貝葉斯統(tǒng)計（四）.mp47 B6 U” F, W& |2 f
24、課程：貝葉斯思維.5、貝葉斯公式（一）.mp4
24、課程：貝葉斯思維.6、貝葉斯公式（二）.mp4‘ T/ f* T, E% P( w6 v6 \2 D
24、課程：貝葉斯思維.7、貝葉斯公式（三）.mp4
24、課程：貝葉斯思維.8、貝葉斯公式（四）.mp4
24、課程：貝葉斯思維.9、證明正態(tài)分布的后驗分布依然是正態(tài)分布（一）.mp4
24、課程：貝葉斯思維.10、證明正態(tài)分布的后驗分布依然是正態(tài)分布（二）.mp4
24、課程：貝葉斯思維.11、證明正態(tài)分布的后驗分布依然是正態(tài)分布（三）.mp4) ^4 c$ O/ Y5 B9 m. \
24、課程：貝葉斯思維.12、證明正態(tài)分布的后驗分布依然是正態(tài)分布（四）.mp4& c7 e& U! _6 q2 b4 H
24、課程：貝葉斯思維.13、美國海岸救援案例.mp4
25、課程：BiliBili火爆劇集與觀眾分析.1、結(jié)巴分詞原理.mp4
25、課程：BiliBili火爆劇集與觀眾分析.2、結(jié)巴分詞使用.mp4
25、課程：BiliBili火爆劇集與觀眾分析.3、去除NaN、分詞.mp4+ ?- ~) u, X5 Y0 F! Q# |; ^* N” {
25、課程：BiliBili火爆劇集與觀眾分析.4、去停用詞、整理詞頻.mp4( U??j1 C, O0 z! t: \0 F( O
25、課程：BiliBili火爆劇集與觀眾分析.5、關(guān)鍵詞計算.mp4
25、課程：BiliBili火爆劇集與觀眾分析.6、生成詞云.mp4
25、課程：BiliBili火爆劇集與觀眾分析.7、沿時間的動態(tài)變化：頻率與高頻詞（一）.mp4+ v” \* M$ x; a% ^
25、課程：BiliBili火爆劇集與觀眾分析.8、沿時間的動態(tài)變化：頻率與高頻詞（二）.mp4
25、課程：BiliBili火爆劇集與觀眾分析.9、沿時間的動態(tài)變化：頻率與高頻詞（三）.mp4% b# u- c’ K2 o6 \7 W, d) p
25、課程：BiliBili火爆劇集與觀眾分析.10、二十四小時的彈幕頻率分布.mp4” A: a# T) D8 g/ X3 R1 V
25、課程：BiliBili火爆劇集與觀眾分析.11、年內(nèi)的彈幕頻率分布.mp49 Q; [‘ I) f1 c$ ?/ g$ r: ~5 d7 d
25、課程：BiliBili火爆劇集與觀眾分析.12、觀眾信息.mp4
25、課程：BiliBili火爆劇集與觀眾分析.13、腦筋急轉(zhuǎn)彎（一）.mp4” z; V, M9 }$ J/ O( I
25、課程：BiliBili火爆劇集與觀眾分析.14、腦筋急轉(zhuǎn)彎（二）.mp4
26、課程：聚類與代碼實戰(zhàn).1、課程概要.mp4) O3 V0 T9 d” H: u: e( x9 [
26、課程：聚類與代碼實戰(zhàn).2、機器學習與聚類簡介.mp4
26、課程：聚類與代碼實戰(zhàn).3、聚類的定義以及和分類的區(qū)別.mp4
26、課程：聚類與代碼實戰(zhàn).4、聚類相似度度量：幾何距離.mp48 G. R: H9 O% N% }, @
26、課程：聚類與代碼實戰(zhàn).5、劃分聚類.mp47 l8 W; A$ I6 W: v
26、課程：聚類與代碼實戰(zhàn).6、劃分聚類—K均值算法（一）.mp49 i4 E9 x; l” M! u) m’ M
26、課程：聚類與代碼實戰(zhàn).7、劃分聚類—K均值算法（二）.mp4
26、課程：聚類與代碼實戰(zhàn).8、層次聚類.mp4
26、課程：聚類與代碼實戰(zhàn).9、Agglomerative clustering算法.mp4
26、課程：聚類與代碼實戰(zhàn).10、密度聚類.mp4# Z” m” z+ p2 R: `??f/ }& q
26、課程：聚類與代碼實戰(zhàn).11、DBSCAN.mp4+ D% ]5 J/ x9 B( u
26、課程：聚類與代碼實戰(zhàn).12、聚類算法總結(jié).mp4
26、課程：聚類與代碼實戰(zhàn).13、代碼實戰(zhàn)（一）.mp4
26、課程：聚類與代碼實戰(zhàn).14、代碼實戰(zhàn)（二）.mp4‘ \& j’ X( C6 L
26、課程：聚類與代碼實戰(zhàn).15、代碼實戰(zhàn)（三）.mp4( r/ P2 e- D/ l- H0 i+ D
27、課程：商業(yè)社交媒體輿情分析.1、腦筋急轉(zhuǎn)彎（一）.mp4‘ g1 G6 y6 r” |9 j4 }??i) T
27、課程：商業(yè)社交媒體輿情分析.2、腦筋急轉(zhuǎn)彎（二）.mp41 q% X7 E- e8 W0 A9 P. O
27、課程：商業(yè)社交媒體輿情分析.3、腦筋急轉(zhuǎn)彎（三）.mp4
27、課程：商業(yè)社交媒體輿情分析.4、社媒輿情分析的目的.mp4
27、課程：商業(yè)社交媒體輿情分析.5、作用價值一：獲取市場的必要信息（一）.mp44 O, x3 o” j, ^. F( w3 H& ~/ a
27、課程：商業(yè)社交媒體輿情分析.6、作用價值一：獲取市場的必要信息（二）.mp4+ \7 _7 S) l’ [2 C+ w8 G; [+ I. ]
27、課程：商業(yè)社交媒體輿情分析.7、如何通過輿情分析掌握時長狀況.mp4
27、課程：商業(yè)社交媒體輿情分析.8、作用價值二：提升決策敏感性.mp4* y* B! J’ c! |9 ?5 R8 g/ |” h
27、課程：商業(yè)社交媒體輿情分析.9、有趣的營銷發(fā)現(xiàn).mp4; ~) q+ I7 _+ P, F” H
27、課程：商業(yè)社交媒體輿情分析.10、作用價值三：尋找接觸點.mp4
27、課程：商業(yè)社交媒體輿情分析.11、總結(jié)：營銷領(lǐng)域的輿情分析應(yīng)用.mp40 v! `2 B’ Y2 ?+ G4 I1 m
27、課程：商業(yè)社交媒體輿情分析.12、答疑（一）.mp4
27、課程：商業(yè)社交媒體輿情分析.13、答疑（二）.mp4
28、課程：近期推薦系統(tǒng)概述.1、推薦系統(tǒng)應(yīng)用場景（一）.mp4
28、課程：近期推薦系統(tǒng)概述.2、推薦系統(tǒng)應(yīng)用場景（二）.mp4) I??u” i/ y9 @% t
28、課程：近期推薦系統(tǒng)概述.3、推薦系統(tǒng)算法概述（一）.mp4
28、課程：近期推薦系統(tǒng)概述.4、推薦系統(tǒng)算法概述（二）.mp4: F3 Q% x: F” E4 d+ D8 V
28、課程：近期推薦系統(tǒng)概述.5、推薦系統(tǒng)算法概述（三）.mp4) a9 u3 N6 L” `3 T
28、課程：近期推薦系統(tǒng)概述.6、推薦系統(tǒng)算法概述（四）.mp4
28、課程：近期推薦系統(tǒng)概述.7、CF+矩陣分解（一）.mp40 O??S. n* _??O* O+ J2 [
28、課程：近期推薦系統(tǒng)概述.8、CF+矩陣分解（二）.mp4
28、課程：近期推薦系統(tǒng)概述.9、基于圖像的推薦.mp4# `* L# Y# d8 o” l2 ]
28、課程：近期推薦系統(tǒng)概述.10、評估推薦系統(tǒng)結(jié)果.mp4– Q8 k2 G9 E, \. d9 _3 T; h8 s
29、課程：人工智能的江湖.1、達特茅斯會議與第一次AI大發(fā)展.mp4
29、課程：人工智能的江湖.2、第一次AI寒冬（一）.mp4* l3 V) [! I4 v& S” D# K
29、課程：人工智能的江湖.3、第一次AI寒冬（二）.mp4‘ B! E/ X, L+ X: u
29、課程：人工智能的江湖.4、復蘇與第二次AI寒冬.mp4! g2 N, \??w# x” z- o& O
29、課程：人工智能的江湖.5、再次復蘇與神經(jīng)網(wǎng)翻身.mp4
29、課程：人工智能的江湖.6、瞻仰大神（一）.mp4, O* u9 V” C, f+ d( Y0 `4 B
29、課程：人工智能的江湖.7、瞻仰大神（二）.mp4
29、課程：人工智能的江湖.8、瞻仰大神（三）.mp4+ p/ \# G# j” V
29、課程：人工智能的江湖.9、今天的應(yīng)用與影響（一）.mp4
29、課程：人工智能的江湖.10、今天的應(yīng)用與影響（二）.mp42 [# v! V& t??}+ Y5 Y! G
29、課程：人工智能的江湖.11、今天的應(yīng)用與影響（三）.mp4
30、課程：機器學習在圖像識別中的應(yīng)用.1、圖像處理和機器學習有什么關(guān)系.mp4# C, D8 {+ b” Q* p. P1 ~3 v2 L
30、課程：機器學習在圖像識別中的應(yīng)用.2、什么是機器學習.mp48 Z% X5 X4 ?; j” n
30、課程：機器學習在圖像識別中的應(yīng)用.3、什么是圖像識別.mp4, b* f; Y’ p# }! Q4 o
30、課程：機器學習在圖像識別中的應(yīng)用.4、圖像識別的困難在哪里.mp4& Y??q2 F6 ?: c! t??_! _2 M
30、課程：機器學習在圖像識別中的應(yīng)用.5、圖像識別的發(fā)展歷史.mp4
30、課程：機器學習在圖像識別中的應(yīng)用.6、機器學習對比深度學習.mp4
30、課程：機器學習在圖像識別中的應(yīng)用.7、機器學習的工作方式.mp4* }4 }6 R5 T7 D: m: j! I
30、課程：機器學習在圖像識別中的應(yīng)用.8、機器學習的算法（一）.mp4
30、課程：機器學習在圖像識別中的應(yīng)用.9、機器學習的算法（二）.mp4
30、課程：機器學習在圖像識別中的應(yīng)用.10、機器學習總結(jié).mp4
31、課程：Pygame.1、學習框架梳理.mp4‘ v! I% M: N/ u) X* a
31、Java自學網(wǎng)收集整理[javazx.com]$ a- e) j% o. b9 d/ R, m) X3 V” H
31、課程：Pygame.2、剩余課程安排.mp4: P! O5 L1 q: Y9 w0 n) z8 |# q
31、課程：Pygame.3、Flappy bird基本背景圖像（一）.mp4
31、課程：Pygame.4、Flappy bird基本背景圖像（二）.mp47 t” I6 X( B% d- i- c
31、課程：Pygame.5、鍵盤操作-小鳥左右移動.mp4& \/ H” f0 t* ^: ~: K: G. I2 j
31、課程：Pygame.6、撲騰撲騰翅膀（一）.mp4
31、課程：Pygame.7、撲騰撲騰翅膀（二）.mp42 U# R* Y??F. z5 V
31、課程：Pygame.8、柱子的移動.mp4
31、課程：Pygame.9、生成一系列的柱子，并且移動.mp4
31、課程：Pygame.10、讓小鳥飛起來.mp4$ ~+ \6 }8 j” `8 S1 [
31、課程：Pygame.11、假如小鳥很聰明.mp4
31、課程：Pygame.12、給小鳥計分.mp4
32、課程：Python控制系統(tǒng).1、The basic self-driving loop.mp4
32、課程：Python控制系統(tǒng).2、不同的數(shù)據(jù)存儲和類型.mp4+ |6 H& X” v5 m/ |7 ?2 ^) f
32、課程：Python控制系統(tǒng).3、安裝OpenCV.mp4/ u( N: j’ H: }$ m
32、課程：Python控制系統(tǒng).4、OpenCV練習.mp4
32、課程：Python控制系統(tǒng).5、數(shù)據(jù)庫基礎(chǔ)review（一）.mp4$ C: b* v3 U: f
32、課程：Python控制系統(tǒng).6、數(shù)據(jù)庫基礎(chǔ)review（二）.mp42 g) y1 H3 N5 n. e” @??Q
32、課程：Python控制系統(tǒng).7、MYSQL的簡單介紹(一).mp4‘ v1 M4 m5 y: \: ?& H
32、課程：Python控制系統(tǒng).8、MYSQL的簡單介紹(二).mp4% w2 k8 P’ c% [. D7 k??p
32、課程：Python控制系統(tǒng).9、激光雷達.mp4
32、課程：Python控制系統(tǒng).10、Ctypes basic（一）.mp4
32、課程：Python控制系統(tǒng).11、Ctypes basic（二）.mp4
32、課程：Python控制系統(tǒng).12、Ctypes basic（三）.mp4
33、課程：圖像識別處理基礎(chǔ)—OpenCV.1、讀取圖片（一）.mp4+ K4 Q6 t$ M; Y: F- g5 Z7 N* F/ s
33、課程：圖像識別處理基礎(chǔ)—OpenCV.2、讀取圖片（二）.mp4
33、課程：圖像識別處理基礎(chǔ)—OpenCV.3、讀取圖片（三）.mp4
33、課程：圖像識別處理基礎(chǔ)—OpenCV.4、讀取視頻.mp4
33、課程：圖像識別處理基礎(chǔ)—OpenCV.5、繪圖函數(shù).mp4
33、課程：圖像識別處理基礎(chǔ)—OpenCV.6、OpenCV圖像的基本操作（一）.mp4; o- T1 T. J9 @9 S’ Z2 ~9 G
33、課程：圖像識別處理基礎(chǔ)—OpenCV.7、OpenCV圖像的基本操作（二）.mp4
33、課程：圖像識別處理基礎(chǔ)—OpenCV.8、圖像處理：顏色空間轉(zhuǎn)換（一）.mp4
33、課程：圖像識別處理基礎(chǔ)—OpenCV.9、圖像處理：顏色空間轉(zhuǎn)換（二）.mp4
33、課程：圖像識別處理基礎(chǔ)—OpenCV.10、幾何變換.mp44 m0 D8 W$ J( P- m$ M
33、課程：圖像識別處理基礎(chǔ)—OpenCV.11、圖像處理：圖像平滑.mp4, ~4 J+ i! G; ]” N
33、課程：圖像識別處理基礎(chǔ)—OpenCV.12、圖像處理：形態(tài)學變換.mp4
34、課程：從游戲數(shù)據(jù)中提取feature.1、收集GTA5游戲數(shù)據(jù)（一）.mp4
34、課程：從游戲數(shù)據(jù)中提取feature.2、收集GTA5游戲數(shù)據(jù)（二）.mp42 t, q% D0 M) i’ ?; o/ F
34、課程：從游戲數(shù)據(jù)中提取feature.3、收集GTA5游戲數(shù)據(jù)（三）.mp4; d6 Z” |2 W??K7 w/ R
34、課程：從游戲數(shù)據(jù)中提取feature.4、Check Data和OpenCV（一）.mp4‘ g’ C??d, Y” ?+ [8 e
34、課程：從游戲數(shù)據(jù)中提取feature.5、Check Data和OpenCV（二）.mp43 i, A0 e% Y’ O6 [. S
34、課程：從游戲數(shù)據(jù)中提取feature.6、模型加載插件.mp4
34、課程：從游戲數(shù)據(jù)中提取feature.7、C++ review（一）.mp40 c7 m9 A* b’ y” l??J1 x
34、課程：從游戲數(shù)據(jù)中提取feature.8、C++ review（二）.mp4
34、課程：從游戲數(shù)據(jù)中提取feature.9、模型案例分析+OpenCV process（一）.mp4; J3 |3 s9 P$ O
34、課程：從游戲數(shù)據(jù)中提取feature.10、模型案例分析+OpenCV process（二）.mp44 I- H( B??H% `! S
34、課程：從游戲數(shù)據(jù)中提取feature.11、模型案例分析+OpenCV process（三）.mp4
34、課程：從游戲數(shù)據(jù)中提取feature.12、模型案例分析+OpenCV process（四）.mp4; A5 x. ?/ S& h
34、課程：從游戲數(shù)據(jù)中提取feature.13、模型案例分析+OpenCV process（五）.mp4
35、課程：GTA5自動駕駛項目.1、作業(yè)布置.mp4
35、Java自學網(wǎng)收集整理[javazx.com]
35、課程：GTA5自動駕駛項目.2、GTA5自動駕駛分解問題（一）.mp4
35、課程：GTA5自動駕駛項目.3、GTA5自動駕駛分解問題（二）.mp4. N9 m??R: T7 l??{
35、課程：GTA5自動駕駛項目.4、GTA5自動駕駛分解問題（三）.mp4/ t- ^, G1 p* ~& o6 i
35、課程：GTA5自動駕駛項目.5、GTA5自動駕駛分解問題（四）.mp4
35、課程：GTA5自動駕駛項目.6、GTA5自動駕駛分解問題（五）.mp48 t3 k6 a* n’ q+ m; }1 |% m% P9 ]
35、課程：GTA5自動駕駛項目.7、GTA游戲AI識別車道分割線（一）.mp4” D’ K3 c4 D, n# N8 ~
35、課程：GTA5自動駕駛項目.8、GTA游戲AI識別車道分割線（二）.mp4
35、課程：GTA5自動駕駛項目.9、GTA游戲AI識別車道分割線（三）.mp4
35、課程：GTA5自動駕駛項目.10、GTA游戲AI識別車道分割線（四）.mp4– @0 {9 o# ?3 Q! ~+ R, |
35、課程：GTA5自動駕駛項目.11、GTA游戲AI識別車道分割線（五）.mp4+ o??c( `( s” y5 x4 J/ ^6 C+ i
35、課程：GTA5自動駕駛項目.12、GTA游戲AI識別車道分割線（六）.mp42 O: O( Y% V9 A; b8 A7 B
35、課程：GTA5自動駕駛項目.13、GTA游戲AI識別車道分割線（七）.mp4
36、課程：TensorFlow的基本操作.1、TensorFlow的基本概念.mp4
36、課程：TensorFlow的基本操作.2、TensorFlow的具體使用（一）.mp4
36、課程：TensorFlow的基本操作.3、TensorFlow的具體使用（二）.mp4# g3 u- m’ c* i, F” @
36、課程：TensorFlow的基本操作.4、Tensor Shapes（一）.mp4
36、課程：TensorFlow的基本操作.5、Tensor Shapes（二）.mp4$ [9 O; S$ Q5 u5 q3 ?6 _# @
36、課程：TensorFlow的基本操作.6、Tensor Operations.mp4
36、課程：TensorFlow的基本操作.7、Tensor Slicing.mp4* R” z4 t! u2 ]; q* H& M( I
36、課程：TensorFlow的基本操作.8、Tensor Sequences.mp44 g6 Q* A( S) K, T% q; q
36、課程：TensorFlow的基本操作.9、Graph.mp4
36、課程：TensorFlow的基本操作.10、Session和Constant.mp4
36、課程：TensorFlow的基本操作.11、Variables和Placeholders.mp4
36、課程：TensorFlow的基本操作.12、Example（一）.mp4! y- N’ C& @1 C1 D- i: W3 V
36、課程：TensorFlow的基本操作.13、Example（二）.mp4– Z8 y! ^) T8 f- b??r% e” h
36、課程：TensorFlow的基本操作.14、Example（三）.mp4
36、課程：TensorFlow的基本操作.15、Example（四）.mp4
37、課程：神經(jīng)網(wǎng)絡(luò).1、神經(jīng)網(wǎng)絡(luò).mp4; C, ]6 Z??c& c7 e4 x??\9 G
37、課程：神經(jīng)網(wǎng)絡(luò).2、深度神經(jīng)網(wǎng)絡(luò).mp4
37、課程：神經(jīng)網(wǎng)絡(luò).3、反向傳播算法.mp4
37、課程：神經(jīng)網(wǎng)絡(luò).4、激活函數(shù).mp4‘ c; v2 y& K5 M2 @: S& M
37、課程：神經(jīng)網(wǎng)絡(luò).5、優(yōu)化算法（一）.mp4
37、課程：神經(jīng)網(wǎng)絡(luò).6、優(yōu)化算法（二）.mp4
37、課程：神經(jīng)網(wǎng)絡(luò).7、正規(guī)化.mp4
37、課程：神經(jīng)網(wǎng)絡(luò).8、神經(jīng)網(wǎng)絡(luò)代碼實戰(zhàn)（一）.mp4
37、課程：神經(jīng)網(wǎng)絡(luò).9、神經(jīng)網(wǎng)絡(luò)代碼實戰(zhàn)（二）.mp4* A3 w2 V$ v2 y8 w6 D( p8 J” ]
37、課程：神經(jīng)網(wǎng)絡(luò).10、神經(jīng)網(wǎng)絡(luò)代碼實戰(zhàn)（三）.mp4
37、課程：神經(jīng)網(wǎng)絡(luò).11、神經(jīng)網(wǎng)絡(luò)代碼實戰(zhàn)（四）.mp48 I’ h2 a# U. _; k. o8 J
38、課程：卷積神經(jīng)網(wǎng)絡(luò).1、卷積和卷積核（一）.mp4, t- o0 `: o, ?+ |4 _4 k1 P
38、課程：卷積神經(jīng)網(wǎng)絡(luò).2、卷積和卷積核（二）.mp42 I; Q( k+ P$ t+ I1 a7 v3 ^
38、課程：卷積神經(jīng)網(wǎng)絡(luò).3、卷積和卷積核（三）.mp4, W) m0 n% {2 X5 C
38、課程：卷積神經(jīng)網(wǎng)絡(luò).4、填充和池化.mp4
38、課程：卷積神經(jīng)網(wǎng)絡(luò).5、深度卷積神經(jīng)網(wǎng)絡(luò)：LeNet-5.mp4& y1 U7 J, f9 R” ]4 M
38、課程：卷積神經(jīng)網(wǎng)絡(luò).6、深度卷積神經(jīng)網(wǎng)絡(luò)：AlexNet.mp42 f% s: l. I. M6 u” a$ A4 @
38、課程：卷積神經(jīng)網(wǎng)絡(luò).7、深度卷積神經(jīng)網(wǎng)絡(luò)：ZF-net.mp4
38、課程：卷積神經(jīng)網(wǎng)絡(luò).8、深度卷積神經(jīng)網(wǎng)絡(luò)：VGG-16.mp4
38、課程：卷積神經(jīng)網(wǎng)絡(luò).9、深度卷積神經(jīng)網(wǎng)絡(luò)：Inception Network.mp4! R6 A) c; ?9 S( R
38、課程：卷積神經(jīng)網(wǎng)絡(luò).10、深度卷積神經(jīng)網(wǎng)絡(luò)：Residual Network.mp4
38、課程：卷積神經(jīng)網(wǎng)絡(luò).11、深度卷積神經(jīng)網(wǎng)絡(luò)：DenseNet.mp4
39、課程：卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用.1、卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用概述.mp44 f4 [! }# n0 T/ D
39、課程：卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用.2、物體檢測：RCNN和SPP-Net（一）.mp4
39、課程：卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用.3、物體檢測：RCNN和SPP-Net（二）.mp4
39、課程：卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用.4、物體檢測：Fast R-CNN.mp4, b9 D) H- W$ {. ~. t& L
39、課程：卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用.5、物體檢測：YOLO和SSD.mp4
39、課程：卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用.6、文檔的歸類.mp4‘ `9 @- A( y6 i: z
39、課程：卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用.7、代碼實戰(zhàn)（一）.mp4, b) w* h) _6 y$ L6 {6 [
39、課程：卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用.8、代碼實戰(zhàn)（二）.mp4
39、課程：卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用.9、代碼實戰(zhàn)（三）.mp4
39、課程：卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用.10、代碼實戰(zhàn)（四）.mp4
39、課程：卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用.11、代碼實戰(zhàn)（五）.mp4
40、課程：深度學習框架剖析.1、深度學習系統(tǒng)的目標定位.mp4( p* v4 K. G, G( b% r
40、課程：深度學習框架剖析.2、典型深度學習系統(tǒng)框架.mp4, }% f4 s8 |: e0 C, i??g) }( ~3 W
40、課程：深度學習框架剖析.3、命令式編程與聲明式編程等概念講解.mp4/ u6 e/ L) Y+ b3 z- G
40、課程：深度學習框架剖析.4、圖優(yōu)化、執(zhí)行引擎.mp40 m5 U) R0 S0 M’ i” Y& g
40、課程：深度學習框架剖析.5、編程接口、分布式并行計算.mp4% T8 J3 t+ l; f??H- v% G) _* g! h
40、課程：深度學習框架剖析.6、TF多卡訓練.mp4‘ _/ s% S/ O* Q” _, O7 I3 J
40、課程：深度學習框架剖析.7、TF多機訓練.mp4
40、課程：深度學習框架剖析.8、主流開源深度學習平臺簡析.mp4/ A’ {3 t7 n, D; I( }! h! [) R: P
40、課程：深度學習框架剖析.9、答疑.mp4
40、課程：深度學習框架剖析.10、Tensorflow tutorial example（一）.mp4??a# p8 W2 n3 a$ b” v$ }* ?
40、課程：深度學習框架剖析.11、ensorflow tutorial example（二）.mp4
40、課程：深度學習框架剖析.12、模型訓練Tricks分享.mp4
40、課程：深度學習框架剖析.13、DL優(yōu)化方法分析以及相關(guān)TF API說明.mp4+ C, i- s8 p& A6 W3 |3 C7 m
40、課程：深度學習框架剖析.14、Tensorflow detection models.mp49 p8 E5 @’ x8 k6 B) m9 ?# z9 a
40、課程：深度學習框架剖析.15、實際模型項目介紹（一）.mp4
40、課程：深度學習框架剖析.16、實際模型項目介紹（二）.mp47 C4 n” W& I- N- j
41、課程：遞歸神經(jīng)網(wǎng)絡(luò).1、遞歸神經(jīng)網(wǎng)絡(luò)—序列問題.mp46 S2 m! l” S3 G
41、課程：遞歸神經(jīng)網(wǎng)絡(luò).2、為什么遞歸.mp4
41、課程：遞歸神經(jīng)網(wǎng)絡(luò).3、遞歸神經(jīng)網(wǎng)絡(luò)（一）.mp4
41、課程：遞歸神經(jīng)網(wǎng)絡(luò).4、遞歸神經(jīng)網(wǎng)絡(luò)（二）.mp4
41、課程：遞歸神經(jīng)網(wǎng)絡(luò).5、雙向遞歸神經(jīng)網(wǎng)絡(luò).mp47 {, }9 f2 D# o5 p2 d* D- j, ^
41、課程：遞歸神經(jīng)網(wǎng)絡(luò).6、沿時間反向傳播.mp4
41、課程：遞歸神經(jīng)網(wǎng)絡(luò).7、梯度消失.mp4
42、課程：長短記憶網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)代碼操作.1、長短記憶網(wǎng)絡(luò)（一）.mp4* a/ U( h- n1 u
42、課程：長短記憶網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)代碼操作.2、長短記憶網(wǎng)絡(luò)（二）.mp47 x- M, B6 N” p+ ^: {
42、課程：長短記憶網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)代碼操作.3、偽裝曹雪芹（一）.mp4
42、課程：長短記憶網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)代碼操作.4、偽裝曹雪芹（二）.mp4??l( j% E” l# F’ v+ O
42、課程：長短記憶網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)代碼操作.5、偽裝曹雪芹（三）.mp4
42、課程：長短記憶網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)代碼操作.6、偽裝曹雪芹（四）.mp4
42、課程：長短記憶網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)代碼操作.7、圖像識別（一）.mp4
42、課程：長短記憶網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)代碼操作.8、圖像識別（二）.mp4
43、課程：線性代數(shù)與數(shù)值分析.1、線性代數(shù)與數(shù)值分析概述.mp4
43、課程：線性代數(shù)與數(shù)值分析.2、線性代數(shù)的基礎(chǔ)定義.mp4
43、課程：線性代數(shù)與數(shù)值分析.3、矩陣乘積和轉(zhuǎn)置.mp4
43、課程：線性代數(shù)與數(shù)值分析.4、矩陣性質(zhì).mp4! A2 ?- R1 M) z
43、課程：線性代數(shù)與數(shù)值分析.5、矩陣行列式.mp4
43、課程：線性代數(shù)與數(shù)值分析.6、矩陣的跡和秩.mp49 }& }6 e4 g- @8 k??I6 f. u
43、課程：線性代數(shù)與數(shù)值分析.7、范數(shù).mp4
43、課程：線性代數(shù)與數(shù)值分析.8、矩陣的特征值和特征向量.mp43 y6 O4 M, h/ I??}” O( E: x
43、課程：線性代數(shù)與數(shù)值分析.9、特殊類型的矩陣和向量（一）.mp4, e, E; Y0 @2 L6 j9 x: r
43、課程：線性代數(shù)與數(shù)值分析.10、特殊類型的矩陣和向量（二）.mp4& ^’ [& T. a: k??@$ w! t, a
43、課程：線性代數(shù)與數(shù)值分析.11、矩陣分解.mp4
43、課程：線性代數(shù)與數(shù)值分析.12、矩陣微積分.mp4??A’ i: n5 @# h??k. X+ \+ z+ E
43、課程：線性代數(shù)與數(shù)值分析.13、矩陣計算（一）.mp4+ ^2 |4 [9 |- `??Y& n: v
43、課程：線性代數(shù)與數(shù)值分析.14、矩陣計算（二）.mp4
43、課程：線性代數(shù)與數(shù)值分析.15、范數(shù)、向量之間的夾角.mp4
43、課程：線性代數(shù)與數(shù)值分析.16、對角矩陣、單位矩陣、轉(zhuǎn)置矩陣和reshape.mp4
43、課程：線性代數(shù)與數(shù)值分析.17、行列式、秩、跡以及SVD奇異值分解.mp4
44、課程：詞嵌入表示.1、N-元模型回顧.mp4
44、課程：詞嵌入表示.2、神經(jīng)語言模型.mp4
44、課程：詞嵌入表示.3、遞歸神經(jīng)網(wǎng)絡(luò)語言模型.mp4
44、課程：詞嵌入表示.4、詞嵌入.mp4
44、課程：詞嵌入表示.5、哈夫曼樹.mp44 i% V6 @& ?/ X1 f! m??^0 [
44、課程：詞嵌入表示.6、連續(xù)詞袋模型—分層Softmax.mp4
44、課程：詞嵌入表示.7、Skip-gram：分層Softmax.mp4
44、課程：詞嵌入表示.8、連續(xù)詞袋模型：負采樣.mp4
44、課程：詞嵌入表示.9、詞向量：可視化.mp4; ^- n, G9 G* y
45、課程：遞歸神經(jīng)網(wǎng)絡(luò)的應(yīng)用.1、文本生成和情緒分析.mp4
45、課程：遞歸神經(jīng)網(wǎng)絡(luò)的應(yīng)用.2、語音識別.mp4
45、課程：遞歸神經(jīng)網(wǎng)絡(luò)的應(yīng)用.3、機器翻譯（一）.mp4
45、課程：遞歸神經(jīng)網(wǎng)絡(luò)的應(yīng)用.4、機器翻譯（二）.mp4
45、課程：遞歸神經(jīng)網(wǎng)絡(luò)的應(yīng)用.5、視覺注意力機制.mp4
45、課程：遞歸神經(jīng)網(wǎng)絡(luò)的應(yīng)用.6、詞嵌入表示—Word2Vec.mp44 j; w. `) S3 w??h* {% \! n
45、課程：遞歸神經(jīng)網(wǎng)絡(luò)的應(yīng)用.7、詞嵌入表示—RNN語言模型（一）.mp4
45、課程：遞歸神經(jīng)網(wǎng)絡(luò)的應(yīng)用.8、詞嵌入表示—RNN語言模型（二）.mp42 _5 p# [% z) h’ _/ [‘ e
45、課程：遞歸神經(jīng)網(wǎng)絡(luò)的應(yīng)用.9、詞嵌入表示—RNN for POS tagging（一）.mp4
45、課程：遞歸神經(jīng)網(wǎng)絡(luò)的應(yīng)用.10、詞嵌入表示—RNN for POS tagging（二）.mp47 W+ H- D. }9 C7 G
46、課程：強化學習系列課程基本概念與方法總覽.1、復習監(jiān)督學習.mp4
46、課程：強化學習系列課程基本概念與方法總覽.2、強化學習基本概念（一）.mp4$ }5 r7 v$ s, q+ N” J7 C
46、課程：強化學習系列課程基本概念與方法總覽.3、強化學習基本概念（二）.mp4
46、課程：強化學習系列課程基本概念與方法總覽.4、策略與總價值（一）.mp4: H3 n2 R# h4 o% v$ W- y& f
46、課程：強化學習系列課程基本概念與方法總覽.5、策略與總價值（二）.mp4??p” M’ P$ h& s
46、課程：強化學習系列課程基本概念與方法總覽.6、強化學習系列方法總覽（一）.mp4
46、課程：強化學習系列課程基本概念與方法總覽.7、強化學習系列方法總覽（二）.mp4
46、課程：強化學習系列課程基本概念與方法總覽.8、強化學習系列方法總覽（三）.mp4
47、課程：馬爾可夫決策過程.1、馬爾可夫決策過程：Markov狀態(tài)轉(zhuǎn)移矩陣.mp45 s/ t+ O; Y* x* P+ n; J& r
47、課程：馬爾可夫決策過程.2、Markov Rewards Process.mp4
47、課程：馬爾可夫決策過程.3、狀態(tài)價值state value.mp49 {! h4 D4 x4 V/ w??X, |
47、課程：馬爾可夫決策過程.4、Bellman方程（一）.mp4& |4 ~5 G” I! j0 K’ j! V3 E
47、課程：馬爾可夫決策過程.5、Bellman方程（二）.mp4# K7 ]5 O* U& |- c- r- C8 b; o+ M
47、課程：馬爾可夫決策過程.6、Bellman方程（三）.mp4
47、課程：馬爾可夫決策過程.7、Bellman方程（四）.mp4! u2 R/ ]+ ]: L; D
47、課程：馬爾可夫決策過程.8、狀態(tài)價值函數(shù) v.s 動作價值函數(shù)（一）.mp4
47、課程：馬爾可夫決策過程.9、狀態(tài)價值函數(shù) v.s 動作價值函數(shù)（二）.mp4
47、課程：馬爾可夫決策過程.10、最優(yōu)總價值與最優(yōu)動作價值（一）.mp4
47、課程：馬爾可夫決策過程.11、最優(yōu)總價值與最優(yōu)動作價值（二）.mp4; G??x& A( j5 E6 p
47、課程：馬爾可夫決策過程.12、Flappy bird的簡單解決方法（一）.mp4
47、課程：馬爾可夫決策過程.13、Flappy bird的簡單解決方法（二）.mp4
48、課程：強化學習：迭代法.1、動態(tài)規(guī)劃（一）.mp4
48、課程：強化學習：迭代法.2、動態(tài)規(guī)劃（二）.mp4
48、課程：強化學習：迭代法.3、迭代法（一）.mp4
48、課程：強化學習：迭代法.4、迭代法（二）.mp4‘ i??U. L6 X- g8 W
48、課程：強化學習：迭代法.5、復習+Jacob方法（一）.mp4
48、課程：強化學習：迭代法.6、復習+Jacob方法（二）.mp4
48、課程：強化學習：迭代法.7、Gauss-Seidel迭代法.mp4% Z. f* ?6 j/ Z( I1 B2 Y’ H# A
48、課程：強化學習：迭代法.8、迭代法求策略估值（一）.mp4
48、課程：強化學習：迭代法.9、迭代法求策略估值（二）.mp4
48、課程：強化學習：迭代法.10、迭代法求策略估值（三）.mp4
48、課程：強化學習：迭代法.11、迭代法更新最佳策略（一）.mp4/ j2 ^1 f, K0 D1 L’ X; n
48、課程：強化學習：迭代法.12、迭代法更新最佳策略（二）.mp4) z, u$ \, {8 p. X( e
48、課程：強化學習：迭代法.13、斐波拉契數(shù)列.mp4
48、課程：強化學習：迭代法.14、最長遞增序列（一）.mp4
48、課程：強化學習：迭代法.15、最長遞增序列（二）.mp4
49、課程：簡單的蒙特卡洛.1、蒙特卡洛模擬方法介紹.mp47 U, u2 p( {” N! N
49、課程：簡單的蒙特卡洛.2、訓練flappy bird 模型（一）.mp4
49、課程：簡單的蒙特卡洛.3、訓練flappy bird 模型（二）.mp4. `8 F3 v# X7 k0 A. n
49、課程：簡單的蒙特卡洛.4、訓練flappy bird 模型（三）.mp4
49、課程：簡單的蒙特卡洛.5、整理碰壁函數(shù)與reward函數(shù).mp4??|# Z, U: y# k
49、課程：簡單的蒙特卡洛.6、離散化環(huán)境狀態(tài).mp4
49、課程：簡單的蒙特卡洛.7、由狀態(tài)環(huán)境選擇飛行動作.mp4, T% E; C) t, f, S% t” b
49、課程：簡單的蒙特卡洛.8、處理碰壁函數(shù)與reward函數(shù).mp4. M. k’ x2 o) E2 i6 p1 H
49、課程：簡單的蒙特卡洛.9、隊列存飛行路徑（一）.mp4
49、課程：簡單的蒙特卡洛.10、隊列存飛行路徑（二）.mp4& L( `1 ~# I+ |0 J6 j& q) q
49、課程：簡單的蒙特卡洛.11、隊列存飛行路徑（三）.mp4
49、課程：簡單的蒙特卡洛.12、隊列存飛行路徑（四）.mp4
49、課程：簡單的蒙特卡洛.13、答疑.mp4
50、課程：云，計算，數(shù)據(jù).1、云計算的定義.mp4
50、課程：云，計算，數(shù)據(jù).2、NIST、云計算市場的發(fā)展條件.mp4” P” L, F2 f) w6 }9 `4 L% y2 f* e. v
50、課程：云，計算，數(shù)據(jù).3、芯片設(shè)計的取舍、并行化.mp4‘ u; l??~. w’ J” {& F
50、課程：云，計算，數(shù)據(jù).4、WSC（新型數(shù)據(jù)中心）的形成、概念、優(yōu)點.mp4
50、課程：云，計算，數(shù)據(jù).5、虛擬化（一）.mp47 Q$ H, U/ H; g” I. ?
50、課程：云，計算，數(shù)據(jù).6、虛擬化（二）.mp4
50、課程：云，計算，數(shù)據(jù).7、云計算的商業(yè)模式.mp4
50、課程：云，計算，數(shù)據(jù).8、層級分類.mp4
50、課程：云，計算，數(shù)據(jù).9、阿里云介紹（一）.mp4
50、課程：云，計算，數(shù)據(jù).10、阿里云介紹（二）.mp4# s) D9 Z% @1 M& S2 l
50、課程：云，計算，數(shù)據(jù).11、實例創(chuàng)建（一）.mp4& _7 a2 F- w- a% H
50、課程：云，計算，數(shù)據(jù).12、實例創(chuàng)建（二）.mp47 R; F0 T* f9 o% {
50、課程：云，計算，數(shù)據(jù).13、實例創(chuàng)建（三）.mp4
50、課程：云，計算，數(shù)據(jù).14、Logging模塊的簡單應(yīng)用（一）.mp46 u( `% \+ ]6 f7 a& ]8 w3 h
50、課程：云，計算，數(shù)據(jù).15、Logging模塊的簡單應(yīng)用（二）.mp4( D; A: H5 B) q! Q
50、課程：云，計算，數(shù)據(jù).16、Logging模塊的簡單應(yīng)用（三）.mp4
51、課程：機器學習（上）.1、時間差分法公式.mp44 O* O6 Q7 M8 K4 S9 V+ d- G3 A
51、課程：機器學習（上）.2、蒙特卡洛法（一）.mp4( Q2 H) n$ T9 g1 G9 E5 i??x
51、課程：機器學習（上）.3、蒙特卡洛法（二）.mp4
51、課程：機器學習（上）.4、TD（時間差分）的特點.mp48 m4 V- l5 Z’ X7 E+ X’ L
51、課程：機器學習（上）.5、課間答疑.mp4
51、課程：機器學習（上）.6、MC與TD對比.mp4
51、課程：機器學習（上）.7、無偏估計.mp4
51、課程：機器學習（上）.8、收斂性質(zhì).mp49 Q( Q- h5 B# }2 O0 G% ?8 O
51、課程：機器學習（上）.9、MC與TD收斂差異.mp4
51、課程：機器學習（上）.10、Model-Free Control（一）.mp42 e8 M2 Y5 }8 t* J$ _- |
51、課程：機器學習（上）.11、Model-Free Control（二）.mp4
51、課程：機器學習（上）.12、Model-Free Control（三）.mp4– g- \, e5 M6 \0 o/ G
51、課程：機器學習（上）.13、Model-Free Control（四）.mp4” l??d/ @5 y5 ^: |
51、課程：機器學習（上）.14、Model-Free Control（五）.mp4
52、課程：機器學習（下）.1、函數(shù)的近似方法（一）.mp4
52、課程：機器學習（下）.2、函數(shù)的近似方法（二）.mp45 p/ S” M+ M1 Z+ B. d/ t) R
52、課程：機器學習（下）.3、函數(shù)的近似方法（三）.mp4) }2 c8 u” N??Z( j’ a/ q( F% `
52、課程：機器學習（下）.4、DQN（一）.mp4
52、課程：機器學習（下）.5、DQN（二）.mp43 V* X+ r+ k2 q
52、課程：機器學習（下）.6、Flappy bird（一）.mp4” R( l8 @5 z* f
52、課程：機器學習（下）.7、Flappy bird（二）.mp4
52、課程：機器學習（下）.8、Flappy bird（三）.mp4??T- [; b+ j3 r( R+ P
52、課程：機器學習（下）.9、Flappy bird（四）.mp4
52、課程：機器學習（下）.10、Flappy bird（五）.mp4$ w’ b% ]??q7 I/ D’ j* Y
52、課程：機器學習（下）.11、Flappy bird（六）.mp4
52、課程：機器學習（下）.12、Flappy bird（七）.mp4
52、課程：機器學習（下）.13、Flappy bird（八）.mp4% k’ x2 @& {8 u) j( W* x’ O
53、課程：軟件工程師、數(shù)據(jù)工程師和數(shù)據(jù)科學家職業(yè)介紹.1、自我介紹及課程介紹.mp47 d, [6 x( y. W
53、課程：軟件工程師、數(shù)據(jù)工程師和數(shù)據(jù)科學家職業(yè)介紹.2、Career Path Insight.mp4; `- Y’ @; Z% Z
53、課程：軟件工程師、數(shù)據(jù)工程師和數(shù)據(jù)科學家職業(yè)介紹.3、軟件工程師之基礎(chǔ)課程.mp4# ]7 Z3 q” c) F5 v
53、課程：軟件工程師、數(shù)據(jù)工程師和數(shù)據(jù)科學家職業(yè)介紹.4、軟件工程師之面試準備與技巧.mp4
53、課程：軟件工程師、數(shù)據(jù)工程師和數(shù)據(jù)科學家職業(yè)介紹.5、大數(shù)據(jù)之協(xié)同合作（一）.mp4
53、課程：軟件工程師、數(shù)據(jù)工程師和數(shù)據(jù)科學家職業(yè)介紹.6、大數(shù)據(jù)之協(xié)同合作（二）.mp4( j; C+ i# l5 t- F
53、課程：軟件工程師、數(shù)據(jù)工程師和數(shù)據(jù)科學家職業(yè)介紹.7、數(shù)據(jù)工程師和數(shù)據(jù)科學家.mp4
53、課程：軟件工程師、數(shù)據(jù)工程師和數(shù)據(jù)科學家職業(yè)介紹.8、答疑（一）.mp4* m5 G( t+ ?7 f0 E; n1 q) J
53、課程：軟件工程師、數(shù)據(jù)工程師和數(shù)據(jù)科學家職業(yè)介紹.9、答疑（二）.mp4
54、課程：金融科技—數(shù)據(jù)科學在金融業(yè)的應(yīng)用和前景.1、金融行業(yè)不同崗位對人才的需求.mp4
54、課程：金融科技—數(shù)據(jù)科學在金融業(yè)的應(yīng)用和前景.2、金融科技用到的數(shù)據(jù)科學.mp4
54、課程：金融科技—數(shù)據(jù)科學在金融業(yè)的應(yīng)用和前景.3、職位和機會.mp4) j” W/ G2 I” I” d% k
54、課程：金融科技—數(shù)據(jù)科學在金融業(yè)的應(yīng)用和前景.4、數(shù)字化財富管理行業(yè).mp4
54、課程：金融科技—數(shù)據(jù)科學在金融業(yè)的應(yīng)用和前景.5、智能投顧創(chuàng)業(yè)公司的數(shù)據(jù)分析.mp4
54、課程：金融科技—數(shù)據(jù)科學在金融業(yè)的應(yīng)用和前景.6、答疑（一）.mp4
54、課程：金融科技—數(shù)據(jù)科學在金融業(yè)的應(yīng)用和前景.7、答疑（二）.mp4$ t, n) t) b9 r. B$ d
55、課程：深度學習經(jīng)典網(wǎng)絡(luò)分析基礎(chǔ).1、課程安排.mp4
55、課程：深度學習經(jīng)典網(wǎng)絡(luò)分析基礎(chǔ).2、深度學習的兩大基本問題.mp41 p/ F2 S3 N: h7 j
55、課程：深度學習經(jīng)典網(wǎng)絡(luò)分析基礎(chǔ).3、反向傳播算法簡介.mp4
55、課程：深度學習經(jīng)典網(wǎng)絡(luò)分析基礎(chǔ).4、深度學習網(wǎng)絡(luò)模型回顧.mp4” E??T9 E( F4 C8 p; x1 u* j8 r% W” r
55、課程：深度學習經(jīng)典網(wǎng)絡(luò)分析基礎(chǔ).5、CNN架構(gòu)發(fā)展簡要流程.mp4
55、課程：深度學習經(jīng)典網(wǎng)絡(luò)分析基礎(chǔ).6、LeNet.mp4
55、課程：深度學習經(jīng)典網(wǎng)絡(luò)分析基礎(chǔ).7、答疑—人臉識別.mp4
55、課程：深度學習經(jīng)典網(wǎng)絡(luò)分析基礎(chǔ).8、答疑—通用檢測.mp4
55、課程：深度學習經(jīng)典網(wǎng)絡(luò)分析基礎(chǔ).9、答疑—語音識別.mp4
55、課程：深度學習經(jīng)典網(wǎng)絡(luò)分析基礎(chǔ).10、AlexNet.mp4
55、課程：深度學習經(jīng)典網(wǎng)絡(luò)分析基礎(chǔ).11、VGG.mp4
55、課程：深度學習經(jīng)典網(wǎng)絡(luò)分析基礎(chǔ).12、GoogleNet（一）.mp4# P- {8 ~* B6 }& `# l/ \: s
55、課程：深度學習經(jīng)典網(wǎng)絡(luò)分析基礎(chǔ).13、GoogleNet（二）.mp4
55、課程：深度學習經(jīng)典網(wǎng)絡(luò)分析基礎(chǔ).14、ResNet.mp4& g1 }) b3 X4 v4 y. E5 W% [
55、課程：深度學習經(jīng)典網(wǎng)絡(luò)分析基礎(chǔ).15、經(jīng)典網(wǎng)絡(luò)簡單比較、網(wǎng)絡(luò)設(shè)計考慮.mp4
55、課程：深度學習經(jīng)典網(wǎng)絡(luò)分析基礎(chǔ).16、答疑（一）.mp4+ P/ V* a/ A. U3 h: o$ N
55、課程：深度學習經(jīng)典網(wǎng)絡(luò)分析基礎(chǔ).17、答疑（二）.mp4
