全新升級第三代機器學習升級課程，融匯了最新總結的流形學習，強化學習，概念學習及神經網絡課程，全新升級的機器學習等一系列課程，還對于有難度的章節和課程部分安排了課程答疑，以便匯總各類同學們學習中非常容易遇到的問題，幫助大家提高學習質量。同時課程為同學們提供了全面的課程配套學習資料，這樣在結合視頻課程學習，文檔學習以及課程的答疑，相信同學們一定可以將機器學習這塊技術難點攻克下來。
===============課程目錄===============
├─1、機器學習的數學基礎.flv
├─2、機器學習的數學基礎.flv
├─3、機器學習的哲學.flv
├─4 、機器學習的數學基礎..flv
├─5、經典機器學習模型.flv
├─6、經典機器學習模型.flv
├─7、經典機器學習模型.flv
├─8、線性模型.flv
├─9、線性模型.flv
├─10、核方法.flv
├─11、核方法.flv
├─12、統計學習.flv
├─13、統計學習.flv
├─14、統計學習.flv
├─15、統計學習.flv
├─16、無監督學習.flv
├─17、流形學習.flv
├─18、概念學習.flv
├─19、神經網絡.flv
├─20、強化學習.flv
├─第10課_答疑.flv
├─第12課_答疑.flv
├─第15課_答疑.flv
├─第17課_答疑.flv
├─第18課_答疑.flv
├─第1課_答疑.flv
├─第20課_答疑.flv
├─第2課_答疑.flv
├─第3課_答疑.flv
├─第4課_答疑.flv
├─第5課_答疑.flv
├─第6課_答疑.flv
├─第7課_答疑.flv
├─第9課_答疑.flv
(1)\02.資料；目錄中文件數:41個
├─10、核方法.pdf
├─12、統計學習.pdf
├─15、統計學習.pdf
├─16、無監督學習.pdf
├─1、機器學習的數學基礎.pdf
├─2、機器學習的數學基礎.pdf
├─3、機器學習的哲學.pdf
├─4、機器學習的數學基礎.pdf
├─5、經典機器學習模型.pdf
├─6、經典機器學習模型.pdf
├─72-Guo-PRICAI.pdf
├─7、經典機器學習模型.pdf
├─8、線性模型.pdf
├─lda_exp.zip
├─lle.pdf
├─Logistic Regression.zip
├─Note11_Lagrange.pdf
├─Note12_Lagrange2.pdf
├─Note_10_GOLS.pdf
├─Note_13_MaxMargin.pdf
├─Note_14_Kernel.pdf
├─Note_15_GeoIntMaxMargin.pdf
├─Note_16_ EM.pdf
├─Note_16_Expectation Maximization Algorithm.pdf
├─Note_17_Locally Linear Embedding.pdf
├─Note_3_LNorm.pdf
├─Note_4-GradientDescent.pdf
├─Note_5_NaiveBayes.pdf
├─Note_6_CART.pdf
├─Note_7_EnsembleLearning.pdf
├─Note_7_GBDT.pdf
├─Note_8_OLS.pdf
├─probability ( MIT Bertsekas).pdf
├─RandomForest.zip
├─第一課：相關資料chapter03.pdf
├─第一課：筆記Note_1_MachineLearningIntro.pdf
├─第一課：筆記Note_2_Geometric Interpretation of Determinant(1).pdf
├─第一課：筆記Note_3_LNorm(1).pdf
├─第五課_代碼.zip
├─第六課_代碼.zip
├─第六課_代碼Py3.rar
