===============課程目錄===============
├─第一課：微分學基本概念.mp4
├─第七課：凸優化簡介.mp4
├─第三課：概率論簡介.mp4
├─第九課：從線性模型談起的機器學習分類與回歸.mp4
├─第二課：微分學進階.mp4
├─第五課： 線性代數基礎.mp4
├─第八課：優化的穩定性.mp4
├─第六課：線性代數進階.mp4
├─第十課：從信息論到工業界最愛的樹模型.mp4
├─第四課：極大似然估計.mp4
(1)\課件與代碼；目錄中文件數:22個
├─Bayesian Reasoning and Machine Learning.pdf
├─ESLII.pdf
├─Gaussian Processes for Machine Learning.pdf
├─Information Theory, Inference, and Learning Algorithms.pdf
├─Machine Learning-A Probabilistic Perspective.pdf
├─matrix cookbook.pdf
├─MLE.pdf
├─Pattern Recognition and Machine Learning.pdf
├─PRML中文版.pdf
├─Python_SciPy_Cheat_Sheet_Linear_Algebra.pdf
├─數學班第二期第8課代碼示范.支持向量機.ipynb
├─機器學習中的數學第二期第1課微分學與梯度下降法.pdf
├─機器學習中的數學第二期第2課微分學進階.pdf
├─機器學習中的數學第二期第7課凸優化簡介.pdf
├─機器學習中的數學第二期第8課凸優化進階.pdf
├─機器學習數學 教材.rar
├─第10課-機器學習分類問題與數學(下).pdf
├─第1課微分學與梯度下降法.pdf
├─第2課微分學進階.pdf
├─第5課-線性代數基礎_.pdf
├─第6課-線性代數進階.pdf
├─第9課-機器學習分類問題與數學(上).pdf
(2)\課件與代碼\Lesson1_2 HW
├─p142_p143.JPG
├─p148.JPG
├─p176.JPG
├─p210.JPG
├─p211.JPG
(3)\課件與代碼\Lesson1_2作業 HW
├─p142_p143.JPG
├─p148.JPG
├─p176.JPG
├─p211.JPG
