机器学习之深度学习课程+机器学习中需要的数学基础 两套课程带你深入机器学习世界



===============课程目录===============
├<DL_11月深度学习班>
│  ├<ppt>
│  │  ├第10课：深度学习与各种迁移应用.pdf
│  │  ├第1课 数学基础.pdf
│  │  ├第2课：从线性分类器到人工神经网络.pdf
│  │  ├第3课：计算机视觉与卷积神经网络.pdf
│  │  ├第4课：深度学习框架与应用.pdf
│  │  ├第5课 detection_dec10.pdf
│  │  ├第6课：词嵌入(word2vec)与相关应用.pdf
│  │  ├第7课：循环神经网络与长短时记忆及应用.pdf
│  │  ├第8课：循环神经网络应用.pdf
│  │  └第9课：强化学习与DQN.pdf
│  ├<视频>
│  │  ├07.第7课 循环神经网络与LSTM（寒）.mp4
│  │  ├11.10（上）深度学习与各种迁移学习应用（寒）.mkv
│  │  ├11.10（下）深度学习与各种迁移学习应用（寒）.mkv
│  │  ├11.1夯实深度学习数据基础（管）.mkv
│  │  ├11.2从线性分类器到人工神经网络（寒）.mkv
│  │  ├11.3 卷积神经网络与图像识别.mkv
│  │  ├11.4主流深度学习框架示例（寒）.mkv
│  │  ├11.5图像物体检测与风格变化（李）.mkv
│  │  ├11.6 让计算机学会人类的文字：词嵌入（寒）.mkv
│  │  ├11.8循环神经网络在NLP上的应用（寒）.mkv
│  │  └11.9增强学习与Deep Q Network（寒）.mkv
│  ├<资料>
│  │  ├《11月深度学习班》一般问题解答.txt
│  │  ├2.半小时掌握凸优化.pdf
│  │  ├caffe安装教程.docx
│  │  ├Densely Connected Convolutional Networks.pdf
│  │  ├fabfile.py
│  │  ├fabfile_usage.txt
│  │  ├Fix Frozen After Login In Ubuntu 14.pdf
│  │  ├FlashFXP4_OYKSOFT.rar
│  │  ├IMG_20161126_181222.jpg
│  │  ├neural-style使用方法.docx
│  │  ├Screenshot_2016-11-26-18-09-54-060_com.tencent.mm.png
│  │  ├tensorflow_manual_cn.pdf
│  │  ├win10下安装cuda8.0+theano.docx
│  │  ├Xshell_5.0.0.37_setup.1459931786.exe
│  │  ├点点滴滴积少成多---进阶30k之路---邓大为.doc
│  │  ├七月在线11月DL班ssh登录GPU云服务器步骤.docx
│  │  ├凸优化_Boyd_王书宁译.pdf
│  │  ├<工具软件>
│  │  │  ├caffe-master.zip
│  │  │  ├NVIDIA-Linux-x86_64-367.57.run
│  │  │  ├opencv2.4.13.zip
│  │  │  ├Universal-USB-Installer-1.9.6.8.exe
│  │  │  ├VanDyke-SecureCRT-v7.2.6-WINDOWS.zip
│  │  │  ├Xftp5.exe
│  │  │  └Xshell5.exe
│  │  ├<课件与代码>
│  │  │  ├artificial_neural_network.zip
│  │  │  ├conv_net_codes.zip
│  │  │  ├Densely Connected Convolutional Networks.pdf
│  │  │  ├dl_examples.zip
│  │  │  ├linear_regression.ipynb
│  │  │  ├第1课：深度学习班数学基础.pdf
│  │  │  ├第2课：从线性分类器到人工神经网络.pdf
│  │  │  ├第3课：计算机视觉与卷积神经网络.pdf
│  │  │  ├第4课：深度学习框架与应用.pdf
│  │  │  ├第5课：detection_dec10.pdf
│  │  │  ├第6课：词嵌入(word2vec)与相关应用.pdf
│  │  │  └十一月深度学习班第1课数学基础.ipynb
│  │  ├<预习资料>
│  │  │  ├神经?络与深度学习.pdf
│  │  │  ├神经网络与深度学习简明讲义.pdf
│  │  │  └十一月深度学习班 数学课书籍材料.zip
├<数学课程>
│  ├<ML_机器学习中的数学班>
│  │  ├第10讲 极大似然估计.mp4
│  │  ├第11讲 重新理解矩阵.mp4
│  │  ├第12讲 四个基本的子空间.mp4
│  │  ├第1讲 微积分和梯度.mp4
│  │  ├第1讲 微积分和梯度.ppt
│  │  ├第2讲 Taylor展式与拟牛顿.mp4
│  │  ├第2讲 Taylor展式与拟牛顿.ppt
│  │  ├第3讲 概率论基础.mp4
│  │  ├第4讲 概率计算与拒绝采样.mp4
│  │  ├第5讲 期望和方差.mp4
│  │  ├第6讲 协方差.mp4
│  │  ├第7讲 偏度和峰度.mp4
│  │  ├第8讲 中心极限定理.mp4
│  │  └第9讲 矩估计.mp4