万门大学 实用数据挖掘与人工智能
本课程【万门大学 实用数据挖掘与人工智能】 所属分类: 万门大学。 共 48.2G，包含视频/文档/图片格式，文件总数729个，提取码: fshx。VIP会员可通过百度网盘免费下载; 非注册用户可单独购买。此万门大学 实用数据挖掘与人工智能由艺哲课课网站收集整理。
课程类别: 万门大学
文件大小: 48.2G
文件个数: 729
文件格式: 视频/文档/图片
下载方式: 百度网盘
提取码: fshx
购买方式: VIP免费 | 普通用户可单独购买
课程目录:
├──01、课程：熟悉Jupyter notebook （此文件夹 1.6G）
│ ├──10、安装决策树可视化工具Graphviz（二）.MP4 144.2M
│ ├──11、几个重要的工具包介绍（一）.MP4 136.3M
│ ├──12、几个重要的工具包介绍（二）.MP4 61.7M
│ ├──13、安装TensorFlow与Keras（一）.MP4 80.3M
│ ├──14、安装TensorFlow与Keras（二）.MP4 76.5M
│ ├──15、Jupyter notebook的基本使用技巧.MP4 92.5M
│ ├──16、Markdown的基本技巧（一）.MP4 111.4M
│ ├──17、Markdown的基本技巧（二）.MP4 65.2M
│ ├──1、创建新的Python环境.mp4 85.4M
│ ├──2、Python环境与版本（一）.MP4 70.8M
│ ├──3、Python环境与版本（二）.mp4 124.5M
│ ├──4、Python环境与版本（三）.MP4 81M
│ ├──5、Python环境与版本（四）.mp4 87M
│ ├──6、Python环境与版本（五）.MP4 91.6M
│ ├──7、Python环境与版本（六）.MP4 117.7M
│ ├──8、Python环境与版本（七）.MP4 110.3M
│ └──9、安装决策树可视化工具Graphviz（一）.MP4 74.1M
├──02、课程：文献与代码管理工具及统计基础 （此文件夹 1022M）
│ ├──10、答疑（三）.MP4 74.9M
│ ├──11、统计基础概述.MP4 95.2M
│ ├──1学习方法总结.mp4 64.3M
│ ├──2 Mendeley介绍及安装（一）.mp4 88.8M
│ ├──3、Mendeley介绍及安装（二）.mp4 56.4M
│ ├──4、GitHub介绍及安装.MP4 127.5M
│ ├──5、GitHub远端连接操作（一）.MP4 124.3M
│ ├──6、GitHub远端连接操作（二）.MP4 136.2M
│ ├──7、GitHub远端连接操作（三）.MP4 109.7M
│ ├──8、答疑（一）.MP4 85.2M
│ └──9答疑二.MP4 64.3M
├──03、课程：Python基本数据类型 （此文件夹 1.5G）
│ ├──10、Python基本数据类型（一）.MP4 137.1M
│ ├──11、Python基本数据类型（二）.MP4 21.7M
│ ├──12、Python基本数据类型（三）.MP4 118.8M
│ ├──13、Python基本数据类型（四）.MP4 96.3M
│ ├──14、Python基本数据类型（五）.MP4 93.3M
│ ├──15、Python基本数据类型（六）.MP4 134.9M
│ ├──16、Python基本数据类型（七）.MP4 112.3M
│ ├──17、Python基本数据类型（八）.MP4 101.9M
│ ├──1、课程概述.mp4 65.1M
│ ├──2、计算机语言与程序概述（一）.mp4 113.4M
│ ├──3、计算机语言与程序概述（二）.MP4 25.2M
│ ├──4、为什么需要编程语言.MP4 87.7M
│ ├──5、Python能做什么.MP4 104.8M
│ ├──6、课间答疑.MP4 101.1M
│ ├──7、Python2和Python3的区别.MP4 48.1M
│ ├──8、编程语言的元素.MP4 99.2M
│ └──9、致敬 Hello World.MP4 106.2M
├──04、课程：函数与Python基本数据结构 （此文件夹 1.3G）
│ ├──10、Python基本数据结构（一）.MP4 92.8M
│ ├──11、Python基本数据结构（二）.MP4 142M
│ ├──12、Python基本数据结构（三）.MP4 120M
│ ├──1、函数（一）.mp4 122M
│ ├──2、函数（二）.mp4 78.1M
│ ├──3、函数（三）.MP4 141.9M
│ ├──4、函数（四）.MP4 95.9M
│ ├──5、函数（五）.MP4 67.8M
│ ├──6、Python编码结构（一）.MP4 135.2M
│ ├──7、Python编码结构（二）.MP4 115.2M
│ ├──8、Python编码结构（三）.MP4 52.2M
│ └──9、Python模块和程序包.MP4 162.6M
├──05、课程：Numpy的基本操作 （此文件夹 1G）
│ ├──10、Array processing（二）.MP4 110.9M
│ ├──11、Save and Load Array.MP4 42.5M
│ ├──1、Introduction to Numpy.mp4 123.6M
│ ├──2、Create Arrays.mp4 127.6M
│ ├──3、Basic Operations of Arrays.MP4 130.9M
│ ├──4、lndexing ,Slicing and Iterating（一）.MP4 76.1M
│ ├──5、lndexing ,Slicing and Iterating（二）.MP4 101.7M
│ ├──6、lndexing ,Slicing and Iterating（三）.MP4 60.6M
│ ├──7、Matrix Operations （一）.MP4 115.6M
│ ├──8、Matrix Operations （二）.MP4 94.5M
│ └──9、Array processing（一）.MP4 67.6M
├──06、课程：Pandas的基本操作 （此文件夹 918M）
│ ├──10、Slice Data（二）.MP4 90.3M
│ ├──11、Data Alignment.MP4 73M
│ ├──12、Rank and Sort.MP4 35.3M
│ ├──1、Series.MP4 107.2M
│ ├──2、DataFrame+Titanic Example（一）.MP4 150.8M
│ ├──3、DataFrame+Titanic Example（二）.MP4 115.8M
│ ├──4、DataFrame+Titanic Example（三）.MP4 126.7M
│ ├──5、DataFrame+Titanic Example（四）.MP4 85.9M
│ ├──6、Index Objects.MP4 35M
│ ├──7、Reindex.MP4 32.6M
│ ├──8、Drop Data.MP4 32.9M
│ └──9、Slice Data（一）.MP4 38.3M
├──07、课程：Matplotlib的基本操作 （此文件夹 617M）
│ ├──1、Matplotlib（一）.MP4 74.8M
│ ├──2、Matplotlib（二）.MP4 74.2M
│ ├──3、Matplotlib（三）.MP4 70.8M
│ ├──4、Matplotlib（四）.MP4 76.2M
│ ├──5、Matplotlib（五）.MP4 69.7M
│ ├──6、Aggregation（一）.MP4 103.1M
│ ├──7、Aggregation（二）.MP4 96.7M
│ └──8、Aggregation（三）.MP4 55.8M
├──08、课程：什么是好的模型结果-cost function （此文件夹 1.3G）
│ ├──10、二分类问题-F1-score.MP4 134.7M
│ ├──11、分类模型，如何衡量模型结果？.MP4 109.1M
│ ├──12、imbalanced问题（一）.MP4 63.8M
│ ├──13、imbalanced问题（二）.MP4 92.6M
│ ├──1、如何定义一个模型结果的好坏？.MP4 133.7M
│ ├──2、连续变量的模型，如何来衡量模型结果？（一）.MP4 63.4M
│ ├──3、连续变量的模型，如何来衡量模型结果？（二）.MP4 132.4M
│ ├──4、二分类问题-假设检验，p-value（一）.MP4 83.2M
│ ├──5、二分类问题-假设检验，p-value（二）.MP4 103.4M
│ ├──6、二分类问题-ROC & AUC（一）.MP4 129.9M
│ ├──7、二分类问题-ROC & AUC（二）.MP4 115.7M
│ ├──8、什么是好的分类（一）.MP4 122.1M
│ └──9、二分类问题-召回率，准确率.MP4 70.7M
├──09、课程：线性回归 （此文件夹 1.4G）
│ ├──10、线性回归对样本及误差的要求和假设前提（一）.MP4 126.5M
│ ├──11、线性回归对样本及误差的要求和假设前提（二）.MP4 77.7M
│ ├──12、预测的confidence interval 和 prediction interval（一）.MP4 128.1M
│ ├──13、预测的confidence interval 和 prediction interval（二）.MP4 117.2M
│ ├──14、预测的confidence interval 和 prediction interval（三）.MP4 91.8M
│ ├──15、imbalanced问题.MP4 113.2M
│ ├──1、知识回顾.MP4 78.7M
│ ├──2、为什么要使用线性回归？.MP4 86.6M
│ ├──3、如何计算线性回归？（一）.MP4 70.3M
│ ├──4、如何计算线性回归？（二）.MP4 108.6M
│ ├──5、问题解答.MP4 60.1M
│ ├──6、由最小二乘法选出的直线有没有用？（一）.MP4 74.4M
│ ├──7、由最小二乘法选出的直线有没有用？（二）.MP4 97.7M
│ ├──8、线性回归参数估计的含义.MP4 96.7M
│ └──9、线性回归对数据的解释.MP4 85M
├──10、课程：逻辑回归及应用 （此文件夹 1.3G）
│ ├──10、寻找最合理的参数-3. 计算最优参数(五).MP4 108.7M
│ ├──11、寻找最合理的参数-3. 计算最优参数(六).MP4 73.1M
│ ├──12、更进一步：从逻辑回归到SoftMax（一）.MP4 67.1M
│ ├──13、更进一步：从逻辑回归到SoftMax(二).MP4 116.5M
│ ├──1、逻辑回归与线性回归.mp4 68.8M
│ ├──2、如何计算信用分数.mp4 76.1M
│ ├──3、商家如何查看芝麻信用值？.MP4 111M
│ ├──4、寻找最合理的参数-1设计Cost Function.MP4 121.1M
│ ├──5、疑题解答.MP4 109.9M
│ ├──6、寻找最合理的参数-3. 计算最优参数（一）.MP4 103.9M
│ ├──7、寻找最合理的参数-3. 计算最优参数(二).MP4 111.7M
│ ├──8、寻找最合理的参数-3. 计算最优参数(三).MP4 121.6M
│ └──9、寻找最合理的参数-3. 计算最优参数(四).MP4 121.1M
├──11、课程：拟合与过拟合的定义 （此文件夹 1.3G）
│ ├──10、方差的分解（一）.MP4 121.3M
│ ├──11、方差的分解（二）.MP4 135M
│ ├──12、Bias与Variance的分解.MP4 78.3M
│ ├──1、拟合与过拟合.mp4 133.1M
│ ├──2、对抗过拟合（一）.mp4 93.5M
│ ├──3、对抗过拟合（二）.MP4 131.1M
│ ├──4、对抗过拟合（三）.MP4 74.9M
│ ├──5、Python实现（一）.MP4 103.6M
│ ├──6、Python实现（二）.MP4 121.1M
│ ├──7、正则化Regularization.MP4 121.5M
│ ├──8、Ridge（一）.MP4 74.6M
│ └──9、Ridge（二）.MP4 127.9M
├──12、课程：决策树模型 （此文件夹 1.1G）
│ ├──10、Decision Tree_example1（六）.MP4 121.1M
│ ├──11、Decision Tree_example1（七）.MP4 125.1M
│ ├──1、什么是决策树？.MP4 109.5M
│ ├──2、游戏中的决策树分析（一）.MP4 91.4M
│ ├──3、游戏中的决策树分析（二）.MP4 73.9M
│ ├──4、哪个问题分的最好？.MP4 165.5M
│ ├──5、Decision Tree_example1（一）.MP4 73.8M
│ ├──6、Decision Tree_example1（二）.MP4 96.3M
│ ├──7、Decision Tree_example1（三）.MP4 94.7M
│ ├──8、Decision Tree_example1（四）.MP4 73.1M
│ └──9、Decision Tree_example1（五）.MP4 104.4M
├──13、课程：Pandas 数据操作与Ensemble Method 集成算法 （此文件夹 1.2G）
│ ├──10、Bagging (Bootstrap aggregating).MP4 78.1M
│ ├──11、Boosting and Ada boosting（一）.MP4 103.2M
│ ├──12、Boosting and Ada boosting（二）.MP4 113.8M
│ ├──1、Combining dataframes.MP4 98.8M
│ ├──2、Mapping.MP4 116.9M
│ ├──3、Binning.MP4 133.5M
│ ├──4、GroupBy On Dict and Series（二）.MP4 113.5M
│ ├──5、Merge（一）.MP4 124.7M
│ ├──6、Merge（二）.MP4 122.6M
│ ├──7、Outliers.MP4 80.2M
│ ├──8、Pivoting.MP4 80.2M
│ └──9、Replace.MP4 99.1M
├──14、课程：Airbnb 数据分析 （此文件夹 1.3G）
│ ├──10、Modeling（一）.MP4 123.6M
│ ├──11、Modeling（二）.MP4 86.8M
│ ├──1、Airbnb介绍.MP4 118.2M
│ ├──2、Train and Test 用户本身数据和营销渠道数据.MP4 126.3M
│ ├──3、Airbnb_DataExploration（一）.MP4 123.5M
│ ├──4、4Airbnb_DataExploration（二）.MP4 131.1M
│ ├──5、Airbnb_DataExploration（三）.MP4 130.3M
│ ├──6、Airbnb_FeatureEngineering（一）.MP4 108.8M
│ ├──7、Airbnb_FeatureEngineering（二）.MP4 130.8M
│ ├──8、Airbnb_FeatureEngineering（三）.MP4 124M
│ └──9、Airbnb_FeatureEngineering（四）.MP4 125M
├──15、课程：支持向量机（SVM） （此文件夹 1.4G）
│ ├──10、支持向量机算法总结.MP4 115.6M
│ ├──11、代码实战（一）.MP4 128.7M
│ ├──12、代码实战（二）.MP4 101.9M
│ ├──13、代码实战（三）.MP4 99M
│ ├──1、支持向量机简介与历史（一）.MP4 106.9M
│ ├──2、支持向量机简介与历史（二）.MP4 90.3M
│ ├──3、支持向量机分类与回归（一）.MP4 110.1M
│ ├──4、支持向量机分类与回归（二）.MP4 106.8M
│ ├──5、支持向量机分类与回归（三）.MP4 94.8M
│ ├──6、对偶问题.MP4 122.9M
│ ├──7、支持向量.MP4 91.1M
│ ├──8、核函数.MP4 102.5M
│ └──9、正则化与软间隔.MP4 125M
├──16、课程：自然语言处理与NLP-代码实战 （此文件夹 1.5G）
│ ├──10、深度学习（二）.MP4 130.1M
│ ├──11、语言模型实战（一）.MP4 74.3M
│ ├──12、语言模型实战（二）.MP4 134.5M
│ ├──13、语言模型实战（三）.MP4 109.6M
│ ├──14、语言模型实战（四）.MP4 77.7M
│ ├──1、历史.MP4 110.4M
│ ├──2、语言模型（一）.MP4 107.6M
│ ├──3、语言模型（二）.MP4 107.2M
│ ├──4、语言模型（三）.MP4 83.3M
│ ├──5、语言模型（四）.MP4 68.7M
│ ├──6、语言模型（五）.MP4 126.1M
│ ├──7、语言模型评价.MP4 134.1M
│ ├──8、隐马尔可夫模型.MP4 133.4M
│ └──9、深度学习（一）.MP4 116.1M
├──17、课程：文字处理与Amazon评论NLP分析案例 （此文件夹 1.2G）
│ ├──10、清理文字并建语料库（一）.MP4 94.9M
│ ├──11、清理文字并建语料库（二）.MP4 71.3M
│ ├──12、建模.MP4 102.8M
│ ├──13、调用具体模型.MP4 132M
│ ├──1、Python文字处理基本操作回顾.MP4 85.3M
│ ├──2、ASCII,unicode解码与编码,utf-8（一）.MP4 114.4M
│ ├──3、ASCII,unicode解码与编码,utf-8（二）.MP4 125.2M
│ ├──4、Nltk工具包与特朗普的任职演讲.MP4 120.3M
│ ├──5、计算词频.MP4 96.6M
│ ├──6、读取文字.MP4 22.9M
│ ├──7、整理标签（一）.MP4 111M
│ ├──8、整理标签（二）.MP4 78.1M
│ └──9、整理标签（三）.MP4 114.2M
├──18、课程：网络基础概述 （此文件夹 1.4G）
│ ├──10、什么是API（一）.MP4 150M
│ ├──11、什么是API（二）.MP4 131.7M
│ ├──12、如何找到API.MP4 93.3M
│ ├──13、网络产品和现在网络程序.MP4 37.7M
│ ├──14、答疑.MP4 112.3M
│ ├──1、网络基础概述.MP4 57.1M
│ ├──2、数据和数据库（一）.MP4 107.8M
│ ├──3、数据和数据库（二）.MP4 102.3M
│ ├──4、哪个问题分的最好？.MP4 165.5M
│ ├──5、计算机网络知识普及（二）.MP4 139.4M
│ ├──6、什么是网站.MP4 139.7M
│ ├──7、静态网站和动态网站.MP4 38.1M
│ ├──8、简单的网站服务程序（一）.MP4 102.3M
│ └──9、简单的网站服务程序（二）.MP4 108.3M
├──19、课程：网络爬虫入门 （此文件夹 1.4G）
│ ├──10、弹幕爬虫（二）.TS 156.4M
│ ├──11、弹幕爬虫（三）.TS 97.3M
│ ├──12、弹幕爬虫（四）.TS 84.6M
│ ├──13、弹幕爬虫（五）.TS 68.6M
│ ├──14、弹幕爬虫（六）.TS 145.9M
│ ├──1、网络爬虫概述.MP4 96.8M
│ ├──2、复习HTML.TS 50.6M
│ ├──3、强大的工具—Requests.MP4 107.7M
│ ├──4、强大的工具—Beautifulsoup（一）.TS 81M
│ ├──5、强大的工具—Beautifulsoup（二）.TS 104M
│ ├──6、Charity Watch（一）.TS 105.7M
│ ├──7、Charity Watch（二）.TS 140.5M
│ ├──8、Charity Watch（三）.TS 121.7M
│ └──9、弹幕爬虫（一）.TS 114M
├──20、课程：爬虫进阶 （此文件夹 797M）
│ ├──1、Write Binary File.TS 134.3M
│ ├──2、Read Binary File.TS 29.9M
│ ├──3、静态文件获取（一）.TS 85.1M
│ ├──4、静态文件获取（二）.TS 96.1M
│ ├──5、认证授权（一）.TS 142.3M
│ ├──6、认证授权（二）.TS 50.8M
│ ├──7、认证授权（三）.TS 73.5M
│ ├──8、爬虫进阶扩展（一）.TS 76.3M
│ └──9、爬虫进阶扩展（二）.TS 112.1M
├──21、课程： 正则表达式 （此文件夹 754M）
│ ├──1、常见代码.TS 133.4M
│ ├──2、基本语句（一）.TS 71.6M
│ ├──3、基本语句（二）.TS 79.4M
│ ├──4、字符匹配和分枝条件.TS 98.7M
│ ├──5、分组.TS 104.5M
│ ├──6、后向引用和零宽断言.TS 83.1M
│ ├──7、案例分析（一）.TS 65.7M
│ └──8、案例分析（二）.TS 121.6M
├──22、课程：贝叶斯统计 （此文件夹 1.5G）
│ ├──10、贝叶斯公式垃圾短信识别程序（一）.TS 145.5M
│ ├──11、贝叶斯公式垃圾短信识别程序（二）.TS 77.7M
│ ├──12、贝叶斯公式垃圾短信识别程序（三）.TS 123.9M
│ ├──13、脑筋急转弯：三门问题（一）.TS 106.4M
│ ├──14、脑筋急转弯：三门问题（二）.TS 73.8M
│ ├──1、联合概率.TS 96.6M
│ ├──2、边缘概率.TS 66.5M
│ ├──3、条件概率.TS 138.6M
│ ├──4、联合概率、边缘概率和条件概率.TS 89.3M
│ ├──5、贝叶斯公式（一）.TS 133.7M
│ ├──6、贝叶斯公式（二）.TS 118.9M
│ ├──7、流感案例.TS 142.6M
│ ├──8、图形化理解.TS 113.8M
│ └──9、案例分析.TS 95.4M
├──23、课程：搜集用户信息与数据整合 （此文件夹 1.3G）
│ ├──10、爬取用户信息（二）.MP4 150.2M
│ ├──11、爬取用户信息（三）.MP4 124.3M
│ ├──12、爬取用户信息（四）.MP4 48.7M
│ ├──13、RandomForest 重新采样（一）.MP4 121.6M
│ ├──14、RandomForest 重新采样（二）.MP4 110.2M
│ ├──1、搜集用户发帖Comment Id（一）.MP4 73.7M
│ ├──2、搜集用户发帖Comment Id（二）.MP4 101.4M
│ ├──3、正向编码方法.MP4 46.9M
│ ├──4、如何逆向解码（一）.MP4 108.7M
│ ├──5、如何逆向解码（二）.MP4 104.7M
│ ├──6、如何逆向解码（三）.MP4 87.7M
│ ├──7、如何逆向解码（四）.MP4 87.4M
│ ├──8、整理用户mid ID.MP4 32M
│ └──9、爬取用户信息（一）.MP4 91.9M
├──24、课程：贝叶斯思维 （此文件夹 1.4G）
│ ├──10、证明正态分布的后验分布依然是正态分布（二）.MP4 88.8M
│ ├──11、证明正态分布的后验分布依然是正态分布（三）.MP4 118.8M
│ ├──12、证明正态分布的后验分布依然是正态分布（四）.MP4 100.1M
│ ├──13、美国海岸救援案例.MP4 58M
│ ├──1、贝叶斯统计（一）.MP4 91.2M
│ ├──2、贝叶斯统计（二）.MP4 131.1M
│ ├──3、贝叶斯统计（三）.MP4 112.1M
│ ├──4、贝叶斯统计（四）.MP4 127.5M
│ ├──5、贝叶斯公式（一）.MP4 122.1M
│ ├──6、贝叶斯公式（二）.MP4 108.6M
│ ├──7、贝叶斯公式（三）.MP4 121.2M
│ ├──8、贝叶斯公式（四）.MP4 139.2M
│ └──9、证明正态分布的后验分布依然是正态分布（一）.MP4 136.9M
├──25、课程：BiliBili火爆剧集与观众分析 （此文件夹 1.2G）
│ ├──10、二十四小时的弹幕频率分布.MP4 100M
│ ├──11、年内的弹幕频率分布.MP4 66.8M
│ ├──12、观众信息.MP4 94.1M
│ ├──13、脑筋急转弯（一）.MP4 81.3M
│ ├──14、脑筋急转弯（二）.MP4 107.1M
│ ├──1、BiliBili火爆剧集与观众分析.MP4 132.8M
│ ├──2、结巴分词使用.MP4 110.5M
│ ├──3、去除NaN、分词.MP4 56M
│ ├──4、去停用词、整理词频.MP4 81.3M
│ ├──5、关键词计算.MP4 113M
│ ├──6、生成词云.MP4 58.2M
│ ├──7、沿时间的动态变化：频率与高频词（一）.MP4 91.2M
│ ├──8、沿时间的动态变化：频率与高频词（二）.MP4 69.5M
│ └──9、沿时间的动态变化：频率与高频词（三）.MP4 44.7M
├──26、课程：聚类与代码实战 （此文件夹 1.3G）
│ ├──10、密度聚类.MP4 120.1M
│ ├──11、DBSCAN.MP4 122.7M
│ ├──12、聚类算法总结.MP4 39.5M
│ ├──13、代码实战（一）.MP4 132.6M
│ ├──14、代码实战（二）.MP4 75M
│ ├──15、代码实战（三）.MP4 144.3M
│ ├──1、课程概要.MP4 113.9M
│ ├──2、机器学习与聚类简介.MP4 43.5M
│ ├──3、聚类的定义以及和分类的区别.MP4 85.7M
│ ├──4、聚类相似度度量：几何距离.MP4 68.4M
│ ├──5、划分聚类.MP4 75.8M
│ ├──6、划分聚类—K均值算法（一）.MP4 86.2M
│ ├──7、划分聚类—K均值算法（二）.MP4 120M
│ ├──8、层次聚类.MP4 78.2M
│ └──9、Agglomerative clustering算法.MP4 65.6M
├──27、课程：商业社交媒体舆情分析 （此文件夹 1.4G）
│ ├──10、作用价值三：寻找接触点.MP4 129.9M
│ ├──11、总结：营销领域的舆情分析应用.MP4 113M
│ ├──12、答疑（一）.MP4 85.4M
│ ├──13、答疑（二）.MP4 80.5M
│ ├──1、脑筋急转弯（一）.MP4 86.5M
│ ├──2、脑筋急转弯（二）.MP4 135.6M
│ ├──3、脑筋急转弯（三）.MP4 110.5M
│ ├──4、社媒舆情分析的目的.MP4 128.6M
│ ├──5、作用价值一：获取市场的必要信息（一）.MP4 120M
│ ├──6、作用价值一：获取市场的必要信息（二）.MP4 116.1M
│ ├──7、如何通过舆情分析掌握时长状况.MP4 101.2M
│ ├──8、作用价值二：提升决策敏感性.MP4 120.1M
│ └──9、有趣的营销发现.MP4 119M
├──28、课程：近期推荐系统概述 （此文件夹 1.1G）
│ ├──10、评估推荐系统结果.MP4 117.8M
│ ├──1、推荐系统应用场景（一）.MP4 116.6M
│ ├──2、推荐系统应用场景（二）.MP4 124.2M
│ ├──3、推荐系统算法概述（一）.MP4 124.7M
│ ├──4、推荐系统算法概述（二）.MP4 59.3M
│ ├──5、推荐系统算法概述（三）.MP4 128.1M
│ ├──6、推荐系统算法概述（四）.MP4 124.3M
│ ├──7、CF+矩阵分解（一）.MP4 129.8M
│ ├──8、CF+矩阵分解（二）.MP4 131.8M
│ └──9、基于图像的推荐.MP4 104.9M
├──29、课程：人工智能的江湖 （此文件夹 1.1G）
│ ├──10、今天的应用与影响（二）.MP4 132.3M
│ ├──11、今天的应用与影响（三）.MP4 125.2M
│ ├──1、达特茅斯会议与第一次AI大发展.MP4 125.8M
│ ├──2、第一次AI寒冬（一）.MP4 81M
│ ├──3、第一次AI寒冬（二）.MP4 120.7M
│ ├──4、复苏与第二次AI寒冬.MP4 122.6M
│ ├──5、再次复苏与神经网翻身.MP4 116.4M
│ ├──6、瞻仰大神（一）.MP4 107.7M
│ ├──7、瞻仰大神（二）.MP4 128.6M
│ └──8、瞻仰大神（三）.MP4 79.3M
├──30、课程：机器学习在图像识别中的应用 （此文件夹 1.1G）
│ ├──10、机器学习总结.MP4 119.2M
│ ├──1、图像处理和机器学习有什么关系.MP4 101.8M
│ ├──2、什么是机器学习.MP4 132.1M
│ ├──3、什么是图像识别.MP4 101.4M
│ ├──4、图像识别的困难在哪里.MP4 138.7M
│ ├──5、图像识别的发展历史.MP4 61.5M
│ ├──6、机器学习对比深度学习.MP4 90.4M
│ ├──7、机器学习的工作方式.MP4 127.9M
│ ├──8、机器学习的算法（一）.MP4 99.2M
│ └──9、机器学习的算法（二）.MP4 109.7M
├──31、课程：Pygame （此文件夹 1.2G）
│ ├──10、让小鸟飞起来.MP4 119.5M
│ ├──11、假如小鸟很聪明.MP4 75.2M
│ ├──12、给小鸟计分.MP4 84.9M
│ ├──1、学习框架梳理.MP4 111.7M
│ ├──2、剩余课程安排.MP4 105.4M
│ ├──3、Flappy bird基本背景图像（一）.MP4 126.6M
│ ├──4、Flappy bird基本背景图像（二）.MP4 100.5M
│ ├──5、键盘操作-小鸟左右移动）.MP4 115.1M
│ ├──6、扑腾扑腾翅膀（一）.MP4 102.2M
│ ├──7、扑腾扑腾翅膀（二）.MP4 77.2M
│ ├──8、柱子的移动.MP4 119.7M
│ └──9、生成一系列的柱子，并且移动.MP4 115.3M
├──32、课程：Python控制系统 （此文件夹 1.3G）
│ ├──10、Ctypes basic（一）.MP4 95.8M
│ ├──11、Ctypes basic（二）.MP4 121.5M
│ ├──12、Ctypes basic（三）.MP4 122.1M
│ ├──1、The basic self-driving loop.MP4 117.4M
│ ├──2、不同的数据存储和类型.MP4 129.8M
│ ├──3、安装OpenCV.MP4 139.7M
│ ├──4、OpenCV练习.MP4 97.3M
│ ├──5、数据库基础review（一）.MP4 122M
│ ├──6、数据库基础review（二））.MP4 124.6M
│ ├──7、MYSQL的简单介绍(一).MP4 77.1M
│ ├──8、MYSQL的简单介绍(二)).MP4 77.3M
│ └──9、激光雷达.MP4 91.3M
├──33、课程：图像识别处理基础—OpenCV （此文件夹 1.3G）
│ ├──10、几何变换.MP4 114.2M
│ ├──11、图像处理：图像平滑.MP4 112.1M
│ ├──12、图像处理：形态学变换.MP4 104M
│ ├──1、读取图片（一）.MP4 97.3M
│ ├──2、读取图片（二）.MP4 103.9M
│ ├──3、读取图片（三）.MP4 106.8M
│ ├──4、读取视频.MP4 122.1M
│ ├──5、绘图函数.MP4 127.3M
│ ├──6、OpenCV图像的基本操作（一）.MP4 125.4M
│ ├──7、OpenCV图像的基本操作（二）.MP4 112M
│ ├──8、图像处理：颜色空间转换（一）.MP4 92.4M
│ └──9、图像处理：颜色空间转换（二）.MP4 124.4M
├──34到55 （此文件夹 22.5M）
│ ├──课程链接.docx 37KB
│ ├──下载软件.zip 22M
│ └──在线观看和下载方法.pdf 476KB
├──课件 （此文件夹 3.9G）
│ └──实用数据挖掘与人工智能一月特训班 （此文件夹 3.9G）
│ │ ├──每日课件及代码 （此文件夹 2.5G）
│ │ │ ├──1.13 （此文件夹 5M）
│ │ │ │ └──Week1_熟悉工具精华版.zip 5.1M
│ │ │ ├──1.15 （此文件夹 11.1M）
│ │ │ │ ├──Advanced-OO.ipynb 42KB
│ │ │ │ ├──Another way to teach Function.ipynb 24KB
│ │ │ │ ├──function.zip 544KB
│ │ │ │ ├──io module.zip 5KB
│ │ │ │ ├──python basic data structure.ipynb 48KB
│ │ │ │ ├──Python Code Structure.ipynb 25KB
│ │ │ │ ├──python for basic data type.ipynb 53KB
│ │ │ │ ├──PythonCodingRule.pdf 319KB
│ │ │ │ ├──variable.png 40KB
│ │ │ │ └──浓缩python.pdf 10M
│ │ │ ├──1.16 （此文件夹 108.9M）
│ │ │ │ ├──data （此文件夹 107.1M）
│ │ │ │ │ ├──.ipynb_checkpoints （此文件夹 732KB）
│ │ │ │ │ │ └──Pandas_tutorial-checkpoint.ipynb 732KB
│ │ │ │ │ ├──311-service-requests.csv 52.5M
│ │ │ │ │ ├──bikes.csv 13KB
│ │ │ │ │ ├──dog.jpeg 21KB
│ │ │ │ │ ├──Pandas_tutorial.ipynb 735KB
│ │ │ │ │ ├──popularity-contest 185KB
│ │ │ │ │ ├──README.md 199B
│ │ │ │ │ ├──result_0 53.3M
│ │ │ │ │ ├──weather_2012.csv 492KB
│ │ │ │ │ └──weather_2012.sqlite 7KB
│ │ │ │ ├──1. Create Arrays.ipynb 6KB
│ │ │ │ ├──10. Index Objects.ipynb 2KB
│ │ │ │ ├──11. Reindex.ipynb 9KB
│ │ │ │ ├──12. Drop Data.ipynb 14KB
│ │ │ │ ├──13. slice data.ipynb 23KB
│ │ │ │ ├──14. Data Alignment.ipynb 13KB
│ │ │ │ ├──15. Rank and Sort.ipynb 3KB
│ │ │ │ ├──2. Basic Operations of Arrays.ipynb 9KB
│ │ │ │ ├──3. Indexing, Slicing and Iterating.ipynb 10KB
│ │ │ │ ├──4. Matrix Operations II.ipynb 11KB
│ │ │ │ ├──5. Universal Functions.ipynb 4KB
│ │ │ │ ├──6. Array processing.ipynb 55KB
│ │ │ │ ├──7. Save and Load Array.ipynb 3KB
│ │ │ │ ├──8. Series.ipynb 15KB
│ │ │ │ ├──9. DataFrame + Titanic Example.ipynb 217KB
│ │ │ │ ├──Aggregation.ipynb 168KB
│ │ │ │ ├──Introduction to Numpy.pdf 256KB
│ │ │ │ ├──matplotlib.ipynb 817KB
│ │ │ │ ├──train.csv 60KB
│ │ │ │ └──winequality-red.csv 82KB
│ │ │ ├──1.17 （此文件夹 17M）
│ │ │ │ ├──Week1_Linear.rar 1.5M
│ │ │ │ └──Week1_什么是好的模型结果.rar 16.2M
│ │ │ ├──1.18 （此文件夹 16M）
│ │ │ │ ├──Week1_Logistic.rar 14M
│ │ │ │ └──Week1_OverFitting.rar 2M
│ │ │ ├──1.19 （此文件夹 4M）
│ │ │ │ ├──data （此文件夹 88KB）
│ │ │ │ │ ├──test.csv 28KB
│ │ │ │ │ └──train.csv 60KB
│ │ │ │ ├──Binning.ipynb 5KB
│ │ │ │ ├──Combining DataFrames.ipynb 9KB
│ │ │ │ ├──Decision_Tree_Example_Titianic.ipynb 798KB
│ │ │ │ ├──Decision_Tree_RF.pdf 3.4M
│ │ │ │ ├──GroupBy on DataFrames.ipynb 25KB
│ │ │ │ ├──GroupBy On Dict and Series.ipynb 16KB
│ │ │ │ ├──Mapping.ipynb 13KB
│ │ │ │ ├──Merge.ipynb 50KB
│ │ │ │ ├──Missing Value.ipynb 21KB
│ │ │ │ ├──Outliers.ipynb 12KB
│ │ │ │ ├──Permutation.ipynb 7KB
│ │ │ │ ├──Pivoting.ipynb 8KB
│ │ │ │ ├──Rename Index.ipynb 17KB
│ │ │ │ └──Replace.ipynb 3KB
│ │ │ ├──1.20 （此文件夹 22.4M）
│ │ │ │ ├──Airbnb .zip 18.8M
│ │ │ │ ├──Airbnb.pdf 221KB
│ │ │ │ ├──Airbnb_DataExploration_wanmen.ipynb 365KB
│ │ │ │ ├──Airbnb_FeatureEngineering_wanmen.ipynb 150KB
│ │ │ │ ├──Airbnb_modeling_1_20.ipynb 248KB
│ │ │ │ ├──NDCG.pdf 2.1M
│ │ │ │ ├──SVM.ipynb 382KB
│ │ │ │ ├──SVM_DAL_CT_v3.pdf 1.1M
│ │ │ │ └──SVM_pre.ipynb 83KB
│ │ │ ├──1.22 （此文件夹 252.9M）
│ │ │ │ ├──amazon-fine-food-reviews.zip 250.7M
│ │ │ │ ├──hongloumeng.txt 2.4M
│ │ │ │ ├──Week2_NLTK_Amazon.rar 409KB
│ │ │ │ ├──自然语言处理的前世与今生.ipynb 39KB
│ │ │ │ └──自然语言的前世今生-new.pdf 500KB
│ │ │ ├──1.23 （此文件夹 14.9M）
│ │ │ │ ├──1.23上午网站集合.docx 29KB
│ │ │ │ ├──weatherproject.zip 30KB
│ │ │ │ ├──Week2_Scraping.rar 5.1M
│ │ │ │ ├──WeixinBot.zip 899KB
│ │ │ │ └──网站基础.pdf 9.1M
│ │ │ ├──1.24 （此文件夹 6.2M）
│ │ │ │ ├──11.24上午网站.docx 43KB
│ │ │ │ ├──Week2_Bayesian.rar 6.2M
│ │ │ │ ├──爬虫进阶.ipynb 122KB
│ │ │ │ ├──正则case q.ipynb 4KB
│ │ │ │ └──正则表达式 Regular Expression.ipynb 40KB
│ │ │ ├──1.25 （此文件夹 1G）
│ │ │ │ ├──UID_UCMID.csv.zip 1.78G
│ │ │ │ ├──Week2_Bayesian2.rar 11.1M
│ │ │ │ └──Week2_DataIntegration.rar 16.4M
│ │ │ ├──1.26 （此文件夹 14.2M）
│ │ │ │ ├──Clustering-pre.ipynb 181KB
│ │ │ │ ├──Clustering.ipynb 1.8M
│ │ │ │ ├──Cluster_DAL_CT_v3.pdf 2.1M
│ │ │ │ └──Week2_Danmu.rar 11.5M
│ │ │ ├──1.27 （此文件夹 3M）
│ │ │ │ └──Recommend System.pdf 3.6M
│ │ │ ├──1.29 （此文件夹 10.5M）
│ │ │ │ ├──1.29.pdf 562KB
│ │ │ │ ├──History.pdf 4.5M
│ │ │ │ └──机器学习在图像识别中的应用.pdf 6M
│ │ │ ├──1.30 （此文件夹 454.6KB）
│ │ │ │ ├──auto_bird.py 650B
│ │ │ │ ├──bird_3_1.py 5KB
│ │ │ │ ├──flappy_bird_utils.py 3KB
│ │ │ │ ├──pygame_4.py 3KB
│ │ │ │ ├──pygame_fps.py 2KB
│ │ │ │ ├──pygame_no_fps.py 2KB
│ │ │ │ └──Week3_FlappyBird.rar 439KB
│ │ │ ├──1.31 （此文件夹 6.3M）
│ │ │ │ ├──2 Create database.sql 5KB
│ │ │ │ ├──3 Query.sql 3KB
│ │ │ │ ├──ctypes basic.ipynb 23KB
│ │ │ │ ├──directkeys.py 3KB
│ │ │ │ ├──ImageRecognition.ipynb 3M
│ │ │ │ ├──opencv basic.ipynb 576KB
│ │ │ │ ├──PIC.zip 311KB
│ │ │ │ ├──python控制系统.pdf 2.1M
│ │ │ │ └──Working_with_data_1.ipynb 391KB
│ │ │ ├──2.1 （此文件夹 362.8M）
│ │ │ │ ├──check data.ipynb 185KB
│ │ │ │ ├──daldrive.zip 692KB
│ │ │ │ ├──DeepGTAV.zip 266.3M
│ │ │ │ ├──getkeys.py 2KB
│ │ │ │ ├──hw_bird.png 138KB
│ │ │ │ ├──lane_extraction.ipynb 776KB
│ │ │ │ ├──snapshot.py 1KB
│ │ │ │ ├──training_data-1.zip 85.4M
│ │ │ │ ├──training_data-10.zip 10.2M
│ │ │ │ └──training_run.py 3KB
│ │ │ ├──2.2 （此文件夹 7.7M）
│ │ │ │ ├──CNN.ipynb 377KB
│ │ │ │ ├──Example1_Building and Running your first TF Graph.ipynb 9KB
│ │ │ │ ├──Introduction_to_tensorflow(1).ipynb 170KB
│ │ │ │ ├──Logistic_Regression_MNIST.ipynb 105KB
│ │ │ │ ├──pic.zip 7.2M
│ │ │ │ ├──Sequences.ipynb 4KB
│ │ │ │ ├──Shape.ipynb 9KB
│ │ │ │ ├──slicing.ipynb 7KB
│ │ │ │ └──Tensorflow operations.ipynb 9KB
│ │ │ ├──2.3 （此文件夹 611M）
│ │ │ │ ├──input （此文件夹 589M）
│ │ │ │ │ ├──input.tar.gz 533.9M
│ │ │ │ │ └──vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5 56.2M
│ │ │ │ ├──Archive.zip 17M
│ │ │ │ └──深度学习框架剖析-final.pdf 5.4M
│ │ │ ├──2.4 （此文件夹 5M）
│ │ │ │ ├──imgs.zip 915KB
│ │ │ │ ├──Linear Algebra.ipynb 33KB
│ │ │ │ ├──LinearAlgebra_code.ipynb 35KB
│ │ │ │ ├──递归神经网络 (1).ipynb 17KB
│ │ │ │ └──递归神经网络.pdf 4.4M
│ │ │ ├──2.5 （此文件夹 217KB）
│ │ │ │ ├──Amazon Review Sentimental Analysis.ipynb 9KB
│ │ │ │ └──词嵌入表示.ipynb 208KB
│ │ │ └──2.6
│ │ ├──每周作业 （此文件夹 1.2M）
│ │ │ ├──第三周作业.png 307KB
│ │ │ └──第一周作业.zip 917KB
│ │ ├──软件：1月13日更新 （此文件夹 1.3G）
│ │ │ ├──mac （此文件夹 700M）
│ │ │ │ ├──Anaconda3-5.0.1-MacOSX-x86_64.pkg 568.9M
│ │ │ │ ├──git-2.15.0-intel-universal-mavericks.dmg 28.5M
│ │ │ │ ├──Mendeley-Desktop-1.17.12-OSX-Universal.dmg 91.4M
│ │ │ │ └──Sublime Text Build 3143.dmg 13.5M
│ │ │ └──Windows （此文件夹 647M）
│ │ │ │ ├──Anaconda3-5.0.1-Windows-x86_64.exe 514.8M
│ │ │ │ ├──Git-2.15.1.2-64-bit.exe 38.1M
│ │ │ │ ├──graphviz-2.38.msi 34.2M
│ │ │ │ ├──Mendeley-Desktop-1.17.12-win32.exe 53.7M
│ │ │ │ └──Sublime Text Build 3143 x64 Setup.exe 8.5M
│ │ ├──推荐教材 （此文件夹 122M）
│ │ │ ├──Python for Data Analysis.pdf 7.6M
│ │ │ ├──机器学习_周志华.pdf 37.6M
│ │ │ └──利用Python进行数据分析 78.4MB.pdf 78.4M
│ │ └──【课程安排】.pdf 112KB
├──课件(1) （此文件夹 3.9G）
│ └──实用数据挖掘与人工智能一月特训班 （此文件夹 3.9G）
│ │ ├──每日课件及代码 （此文件夹 2.5G）
│ │ │ ├──1.13 （此文件夹 5M）
│ │ │ │ └──Week1_熟悉工具精华版.zip 5.1M
│ │ │ ├──1.15 （此文件夹 11.1M）
│ │ │ │ ├──Advanced-OO.ipynb 42KB
│ │ │ │ ├──Another way to teach Function.ipynb 24KB
│ │ │ │ ├──function.zip 544KB
│ │ │ │ ├──io module.zip 5KB
│ │ │ │ ├──python basic data structure.ipynb 48KB
│ │ │ │ ├──Python Code Structure.ipynb 25KB
│ │ │ │ ├──python for basic data type.ipynb 53KB
│ │ │ │ ├──PythonCodingRule.pdf 319KB
│ │ │ │ ├──variable.png 40KB
│ │ │ │ └──浓缩python.pdf 10M
│ │ │ ├──1.16 （此文件夹 108.9M）
│ │ │ │ ├──data （此文件夹 107.1M）
│ │ │ │ │ ├──.ipynb_checkpoints （此文件夹 732KB）
│ │ │ │ │ │ └──Pandas_tutorial-checkpoint.ipynb 732KB
│ │ │ │ │ ├──311-service-requests.csv 52.5M
│ │ │ │ │ ├──bikes.csv 13KB
│ │ │ │ │ ├──dog.jpeg 21KB
│ │ │ │ │ ├──Pandas_tutorial.ipynb 735KB
│ │ │ │ │ ├──popularity-contest 185KB
│ │ │ │ │ ├──README.md 199B
│ │ │ │ │ ├──result_0 53.3M
│ │ │ │ │ ├──weather_2012.csv 492KB
│ │ │ │ │ └──weather_2012.sqlite 7KB
│ │ │ │ ├──1. Create Arrays.ipynb 6KB
│ │ │ │ ├──10. Index Objects.ipynb 2KB
│ │ │ │ ├──11. Reindex.ipynb 9KB
│ │ │ │ ├──12. Drop Data.ipynb 14KB
│ │ │ │ ├──13. slice data.ipynb 23KB
│ │ │ │ ├──14. Data Alignment.ipynb 13KB
│ │ │ │ ├──15. Rank and Sort.ipynb 3KB
│ │ │ │ ├──2. Basic Operations of Arrays.ipynb 9KB
│ │ │ │ ├──3. Indexing, Slicing and Iterating.ipynb 10KB
│ │ │ │ ├──4. Matrix Operations II.ipynb 11KB
│ │ │ │ ├──5. Universal Functions.ipynb 4KB
│ │ │ │ ├──6. Array processing.ipynb 55KB
│ │ │ │ ├──7. Save and Load Array.ipynb 3KB
│ │ │ │ ├──8. Series.ipynb 15KB
│ │ │ │ ├──9. DataFrame + Titanic Example.ipynb 217KB
│ │ │ │ ├──Aggregation.ipynb 168KB
│ │ │ │ ├──Introduction to Numpy.pdf 256KB
│ │ │ │ ├──matplotlib.ipynb 817KB
│ │ │ │ ├──train.csv 60KB
│ │ │ │ └──winequality-red.csv 82KB
│ │ │ ├──1.17 （此文件夹 17M）
│ │ │ │ ├──Week1_Linear.rar 1.5M
│ │ │ │ └──Week1_什么是好的模型结果.rar 16.2M
│ │ │ ├──1.18 （此文件夹 16M）
│ │ │ │ ├──Week1_Logistic.rar 14M
│ │ │ │ └──Week1_OverFitting.rar 2M
│ │ │ ├──1.19 （此文件夹 4M）
│ │ │ │ ├──data （此文件夹 88KB）
│ │ │ │ │ ├──test.csv 28KB
│ │ │ │ │ └──train.csv 60KB
│ │ │ │ ├──Binning.ipynb 5KB
│ │ │ │ ├──Combining DataFrames.ipynb 9KB
│ │ │ │ ├──Decision_Tree_Example_Titianic.ipynb 798KB
│ │ │ │ ├──Decision_Tree_RF.pdf 3.4M
│ │ │ │ ├──GroupBy on DataFrames.ipynb 25KB
│ │ │ │ ├──GroupBy On Dict and Series.ipynb 16KB
│ │ │ │ ├──Mapping.ipynb 13KB
│ │ │ │ ├──Merge.ipynb 50KB
│ │ │ │ ├──Missing Value.ipynb 21KB
│ │ │ │ ├──Outliers.ipynb 12KB
│ │ │ │ ├──Permutation.ipynb 7KB
│ │ │ │ ├──Pivoting.ipynb 8KB
│ │ │ │ ├──Rename Index.ipynb 17KB
│ │ │ │ └──Replace.ipynb 3KB
│ │ │ ├──1.20 （此文件夹 22.4M）
│ │ │ │ ├──Airbnb .zip 18.8M
│ │ │ │ ├──Airbnb.pdf 221KB
│ │ │ │ ├──Airbnb_DataExploration_wanmen.ipynb 365KB
│ │ │ │ ├──Airbnb_FeatureEngineering_wanmen.ipynb 150KB
│ │ │ │ ├──Airbnb_modeling_1_20.ipynb 248KB
│ │ │ │ ├──NDCG.pdf 2.1M
│ │ │ │ ├──SVM.ipynb 382KB
│ │ │ │ ├──SVM_DAL_CT_v3.pdf 1.1M
│ │ │ │ └──SVM_pre.ipynb 83KB
│ │ │ ├──1.22 （此文件夹 252.9M）
│ │ │ │ ├──amazon-fine-food-reviews.zip 250.7M
│ │ │ │ ├──hongloumeng.txt 2.4M
│ │ │ │ ├──Week2_NLTK_Amazon.rar 409KB
│ │ │ │ ├──自然语言处理的前世与今生.ipynb 39KB
│ │ │ │ └──自然语言的前世今生-new.pdf 500KB
│ │ │ ├──1.23 （此文件夹 14.9M）
│ │ │ │ ├──1.23上午网站集合.docx 29KB
│ │ │ │ ├──weatherproject.zip 30KB
│ │ │ │ ├──Week2_Scraping.rar 5.1M
│ │ │ │ ├──WeixinBot.zip 899KB
│ │ │ │ └──网站基础.pdf 9.1M
│ │ │ ├──1.24 （此文件夹 6.2M）
│ │ │ │ ├──11.24上午网站.docx 43KB
│ │ │ │ ├──Week2_Bayesian.rar 6.2M
│ │ │ │ ├──爬虫进阶.ipynb 122KB
│ │ │ │ ├──正则case q.ipynb 4KB
│ │ │ │ └──正则表达式 Regular Expression.ipynb 40KB
│ │ │ ├──1.25 （此文件夹 1G）
│ │ │ │ ├──UID_UCMID.csv.zip 1.78G
│ │ │ │ ├──Week2_Bayesian2.rar 11.1M
│ │ │ │ └──Week2_DataIntegration.rar 16.4M
│ │ │ ├──1.26 （此文件夹 14.2M）
│ │ │ │ ├──Clustering-pre.ipynb 181KB
│ │ │ │ ├──Clustering.ipynb 1.8M
│ │ │ │ ├──Cluster_DAL_CT_v3.pdf 2.1M
│ │ │ │ └──Week2_Danmu.rar 11.5M
│ │ │ ├──1.27 （此文件夹 3M）
│ │ │ │ └──Recommend System.pdf 3.6M
│ │ │ ├──1.29 （此文件夹 10.5M）
│ │ │ │ ├──1.29.pdf 562KB
│ │ │ │ ├──History.pdf 4.5M
│ │ │ │ └──机器学习在图像识别中的应用.pdf 6M
│ │ │ ├──1.30 （此文件夹 454.6KB）
│ │ │ │ ├──auto_bird.py 650B
│ │ │ │ ├──bird_3_1.py 5KB
│ │ │ │ ├──flappy_bird_utils.py 3KB
│ │ │ │ ├──pygame_4.py 3KB
│ │ │ │ ├──pygame_fps.py 2KB
│ │ │ │ ├──pygame_no_fps.py 2KB
│ │ │ │ └──Week3_FlappyBird.rar 439KB
│ │ │ ├──1.31 （此文件夹 6.3M）
│ │ │ │ ├──2 Create database.sql 5KB
│ │ │ │ ├──3 Query.sql 3KB
│ │ │ │ ├──ctypes basic.ipynb 23KB
│ │ │ │ ├──directkeys.py 3KB
│ │ │ │ ├──ImageRecognition.ipynb 3M
│ │ │ │ ├──opencv basic.ipynb 576KB
│ │ │ │ ├──PIC.zip 311KB
│ │ │ │ ├──python控制系统.pdf 2.1M
│ │ │ │ └──Working_with_data_1.ipynb 391KB
│ │ │ ├──2.1 （此文件夹 362.8M）
│ │ │ │ ├──check data.ipynb 185KB
│ │ │ │ ├──daldrive.zip 692KB
│ │ │ │ ├──DeepGTAV.zip 266.3M
│ │ │ │ ├──getkeys.py 2KB
│ │ │ │ ├──hw_bird.png 138KB
│ │ │ │ ├──lane_extraction.ipynb 776KB
│ │ │ │ ├──snapshot.py 1KB
│ │ │ │ ├──training_data-1.zip 85.4M
│ │ │ │ ├──training_data-10.zip 10.2M
│ │ │ │ └──training_run.py 3KB
│ │ │ ├──2.2 （此文件夹 7.7M）
│ │ │ │ ├──CNN.ipynb 377KB
│ │ │ │ ├──Example1_Building and Running your first TF Graph.ipynb 9KB
│ │ │ │ ├──Introduction_to_tensorflow(1).ipynb 170KB
│ │ │ │ ├──Logistic_Regression_MNIST.ipynb 105KB
│ │ │ │ ├──pic.zip 7.2M
│ │ │ │ ├──Sequences.ipynb 4KB
│ │ │ │ ├──Shape.ipynb 9KB
│ │ │ │ ├──slicing.ipynb 7KB
│ │ │ │ └──Tensorflow operations.ipynb 9KB
│ │ │ ├──2.3 （此文件夹 611M）
│ │ │ │ ├──input （此文件夹 589M）
│ │ │ │ │ ├──input.tar.gz 533.9M
│ │ │ │ │ └──vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5 56.2M
│ │ │ │ ├──Archive.zip 17M
│ │ │ │ └──深度学习框架剖析-final.pdf 5.4M
│ │ │ ├──2.4 （此文件夹 5M）
│ │ │ │ ├──imgs.zip 915KB
│ │ │ │ ├──Linear Algebra.ipynb 33KB
│ │ │ │ ├──LinearAlgebra_code.ipynb 35KB
│ │ │ │ ├──递归神经网络 (1).ipynb 17KB
│ │ │ │ └──递归神经网络.pdf 4.4M
│ │ │ ├──2.5 （此文件夹 217KB）
│ │ │ │ ├──Amazon Review Sentimental Analysis.ipynb 9KB
│ │ │ │ └──词嵌入表示.ipynb 208KB
│ │ │ └──2.6
│ │ ├──每周作业 （此文件夹 1.2M）
│ │ │ ├──第三周作业.png 307KB
│ │ │ └──第一周作业.zip 917KB
│ │ ├──软件：1月13日更新 （此文件夹 1.3G）
│ │ │ ├──mac （此文件夹 700M）
│ │ │ │ ├──Anaconda3-5.0.1-MacOSX-x86_64.pkg 568.9M
│ │ │ │ ├──git-2.15.0-intel-universal-mavericks.dmg 28.5M
│ │ │ │ ├──Mendeley-Desktop-1.17.12-OSX-Universal.dmg 91.4M
│ │ │ │ └──Sublime Text Build 3143.dmg 13.5M
│ │ │ └──Windows （此文件夹 647M）
│ │ │ │ ├──Anaconda3-5.0.1-Windows-x86_64.exe 514.8M
│ │ │ │ ├──Git-2.15.1.2-64-bit.exe 38.1M
│ │ │ │ ├──graphviz-2.38.msi 34.2M
│ │ │ │ ├──Mendeley-Desktop-1.17.12-win32.exe 53.7M
│ │ │ │ └──Sublime Text Build 3143 x64 Setup.exe 8.5M
│ │ ├──推荐教材 （此文件夹 122M）
│ │ │ ├──Python for Data Analysis.pdf 7.6M
│ │ │ ├──机器学习_周志华.pdf 37.6M
│ │ │ └──利用Python进行数据分析 78.4MB.pdf 78.4M
│ │ └──【课程安排】.pdf 112KB
├──实用数据挖掘与人工智能一月特训班.docx 60KB
├──下载软件.zip 22M
└──在线观看和下载方法.pdf 476KB
本课程网址: https://www.yizhekk.com/0140272105.html
