Python人工智能数据挖掘网络爬虫全栈工程师实战课程

冰点也疯狂

课程介绍：
4 u4 x) ^% b/ _+ TPython人工智能数据挖掘网络爬虫全栈工程师实战课程视频教程下载。课程是基于项目实战的零基础机器学习，通过演练与讲解如何利用机器学习与深度学习进行房价预测、B站弹幕情感分析等相关热点话题使学员能够掌握数据科学思维，完成数据分析任务！
2 ]2 t; W8 Y9 [( O
* `" j, g2 h3 X1 c课程目录：
1、课程：熟悉Jupyter notebook.1、创建新的Python环境.mp4
+ ]6 P4 x( i3 N7 T! d1、课程：熟悉Jupyter notebook.2、Python环境与版本（一）.mp4
2 c# N) T# a0 r4 U: m) F1、课程：熟悉Jupyter notebook.3、Python环境与版本（二）.mp4
  Y7 L/ D3 J/ f$ N. M9 Y# A1、课程：熟悉Jupyter notebook.4、Python环境与版本（三）.mp4
1、课程：熟悉Jupyter notebook.5、Python环境与版本（四）.mp4
1、课程：熟悉Jupyter notebook.6、Python环境与版本（五）.mp4
1、课程：熟悉Jupyter notebook.7、Python环境与版本（六）.mp4
1 A  Y. S  i' Z2 P7 l1、课程：熟悉Jupyter notebook.8、Python环境与版本（七）.mp4
1、课程：熟悉Jupyter notebook.9、安装决策树可视化工具Graphviz（一）.mp4
1、课程：熟悉Jupyter notebook.10、安装决策树可视化工具Graphviz（二）.mp4
1、课程：熟悉Jupyter notebook.11、几个重要的工具包介绍（一）.mp4
5 S% z5 y0 T3 n. n1、课程：熟悉Jupyter notebook.12、几个重要的工具包介绍（二）.mp4
1、课程：熟悉Jupyter notebook.13、安装TensorFlow与Keras（一）.mp4
1、课程：熟悉Jupyter notebook.14、安装TensorFlow与Keras（二）.mp4
1、课程：熟悉Jupyter notebook.15、Jupyter notebook的基本使用技巧.mp4
  k4 B: ^% l2 z# S8 `6 y7 }  ?1、课程：熟悉Jupyter notebook.16、Markdown的基本技巧（一）.mp4
1、课程：熟悉Jupyter notebook.17、Markdown的基本技巧（二）.mp4
) `$ W  @- R( {. H2、课程：文献与代码管理工具及统计基础.1、学习方法总结.mp4
, j$ o% l1 }5 r8 r1 T0 X: p2、课程：文献与代码管理工具及统计基础.2、Mendeley介绍及安装（一）.mp4
+ O( i+ r" w7 y1 D5 s$ A2、课程：文献与代码管理工具及统计基础.3、Mendeley介绍及安装（二）.mp4
# \0 g8 Z1 m& S$ w2、课程：文献与代码管理工具及统计基础.4、GitHub介绍及安装.mp4
# m" C# N! G# O* C2、课程：文献与代码管理工具及统计基础.5、GitHub远端连接操作（一）.mp4
2、课程：文献与代码管理工具及统计基础.6、GitHub远端连接操作（二）.mp4
2、课程：文献与代码管理工具及统计基础.7、GitHub远端连接操作（三）.mp4
2、课程：文献与代码管理工具及统计基础.8、答疑（一）.mp4
2、课程：文献与代码管理工具及统计基础.9、答疑（二）.mp4
2、课程：文献与代码管理工具及统计基础.10、答疑（三）.mp4
9 L  k6 Q/ y, M& M" e- d! Y. K2、课程：文献与代码管理工具及统计基础.11、统计基础概述.mp4
: f, G; y5 M  p* Z( V3、课程：Python基本数据类型.1、课程概述.mp4
3、课程：Python基本数据类型.2、计算机语言与程序概述（一）.mp4
( H7 E- W  B$ v6 L9 g  O8 Z+ c3、课程：Python基本数据类型.3、计算机语言与程序概述（二）.mp4
1 a" D' h/ d- Z5 I# J* K1 x3、课程：Python基本数据类型.4、为什么需要编程语言.mp4
3、课程：Python基本数据类型.5、Python能做什么.mp4
3、课程：Python基本数据类型.6、课间答疑.mp4
3、课程：Python基本数据类型.7、Python2和Python3的区别.mp4
3、课程：Python基本数据类型.8、编程语言的元素.mp4
# r5 t* j' ?0 X7 o! k2 z  Q3、课程：Python基本数据类型.9、致敬 Hello World.mp4
3、课程：Python基本数据类型.10、Python基本数据类型（一）.mp4
, Q5 N* ~1 I: ^7 z( I2 f3、课程：Python基本数据类型.11、Python基本数据类型（二）.mp4
3、课程：Python基本数据类型.12、Python基本数据类型（三）.mp4
$ {  o# p4 ^3 c6 n8 i" p3、课程：Python基本数据类型.13、Python基本数据类型（四）.mp4
3、课程：Python基本数据类型.14、Python基本数据类型（五）.mp4
0 _4 n2 Y  S! l6 |5 R# g- I2 G& a/ c: A3、课程：Python基本数据类型.15、Python基本数据类型（六）.mp4
- C! F1 S/ {5 o; ^. D8 l7 u2 b3、课程：Python基本数据类型.16、Python基本数据类型（七）.mp4
3、课程：Python基本数据类型.17、Python基本数据类型（八）.mp4
4、课程：函数与Python基本数据结构.1、函数（一）.mp4
4、课程：函数与Python基本数据结构.2、函数（二）.mp4
4、课程：函数与Python基本数据结构.3、函数（三）.mp4
8 ^) h( J( @- O4、课程：函数与Python基本数据结构.4、函数（四）.mp4
9 z$ q" P) Y" Z# A- p4、课程：函数与Python基本数据结构.5、函数（五）.mp4
4、课程：函数与Python基本数据结构.6、Python编码结构（一）.mp4
4、课程：函数与Python基本数据结构.7、Python编码结构（二）.mp4
4、课程：函数与Python基本数据结构.8、Python编码结构（三）.mp4
4、课程：函数与Python基本数据结构.9、Python模块和程序包.mp4
4、课程：函数与Python基本数据结构.10、Python基本数据结构（一）.mp4
4、课程：函数与Python基本数据结构.11、Python基本数据结构（二）.mp4
4、课程：函数与Python基本数据结构.12、Python基本数据结构（三）.mp4
5、课程：Numpy的基本操作.1、Introduction to Numpy.mp4
8 k! t- [1 p) T. Z- v4 F& ~0 P) Z5、课程：Numpy的基本操作.2、Create Arrays.mp4
" d" _; ~: O3 s: ?5、课程：Numpy的基本操作.3、Basic Operations of Arrays.mp4
  c5 K- J9 _( S' d+ t% e/ T5、课程：Numpy的基本操作.4、lndexing ，Slicing and Iterating（一）.mp4
5、课程：Numpy的基本操作.5、lndexing ，Slicing and Iterating（二）.mp4
: c- ]2 R$ k2 M* d9 z5、课程：Numpy的基本操作.6、lndexing ，Slicing and Iterating（三）.mp4
5、课程：Numpy的基本操作.7、Matrix Operations --（一）.mp4
$ S3 L1 ?3 \7 e5、课程：Numpy的基本操作.8、Matrix Operations --（二）.mp4
5、课程：Numpy的基本操作.9、Array processing（一）.mp4
5、课程：Numpy的基本操作.10、Array processing（二）.mp4
5、课程：Numpy的基本操作.11、Save and Load Array.mp4
6、课程：Pandas的基本操作.1、Series.mp4
) z% g7 K3 w& ]7 _6、课程：Pandas的基本操作.2、DataFrame+Titanic Example（一）.mp4
6、课程：Pandas的基本操作.3、DataFrame+Titanic Example（二）.mp4
6、课程：Pandas的基本操作.4、DataFrame+Titanic Example（三）.mp4
6、课程：Pandas的基本操作.5、DataFrame+Titanic Example（四）.mp4
& m3 Q. q3 y, c3 {# W6、课程：Pandas的基本操作.6、Index Objects.mp4
/ K8 d( Y, n4 c$ S- u6 h6、课程：Pandas的基本操作.7、Reindex.mp4
7 O6 m9 u1 h2 n- u) I. }6、课程：Pandas的基本操作.8、Drop Data.mp4
6、课程：Pandas的基本操作.9、Slice Data（一）.mp4
& N' c! V) r* h/ C6、课程：Pandas的基本操作.10、Slice Data（二）.mp4
6、课程：Pandas的基本操作.11、Data Alignment.mp4
! E2 a4 M4 U' @( R. G2 o7 E& u6、课程：Pandas的基本操作.12、Rank and Sort.mp4
. i4 U* p$ x) e. }7、课程：Matplotlib的基本操作.1、Matplotlib（一）.mp4
7、课程：Matplotlib的基本操作.2、Matplotlib（二）.mp4
7、课程：Matplotlib的基本操作.3、Matplotlib（三）.mp4
6 b# Y2 ?+ U( t! [7、课程：Matplotlib的基本操作.4、Matplotlib（四）.mp4
7、课程：Matplotlib的基本操作.5、Matplotlib（五）.mp4
7、课程：Matplotlib的基本操作.6、Aggregation（一）.mp4
7、课程：Matplotlib的基本操作.7、Aggregation（二）.mp4
7、课程：Matplotlib的基本操作.8、Aggregation（三）.mp4
+ o- I* s" k/ C' S* q) |+ j8、课程：什么是好的模型结果-cost function.1、如何定义一个模型结果的好坏？.mp4
8、课程：什么是好的模型结果-cost function.2、连续变量的模型，如何来衡量模型结果？（一）.mp4
8、课程：什么是好的模型结果-cost function.3、连续变量的模型，如何来衡量模型结果？（二）.mp4
8、课程：什么是好的模型结果-cost function.4、二分类问题-假设检验，p-value（一）.mp4
- x8 u: a, b; P8、课程：什么是好的模型结果-cost function.5、二分类问题-假设检验，p-value（二）.mp4
; q6 u: V9 ^! b$ a8 c! y* i8、课程：什么是好的模型结果-cost function.6、二分类问题-ROC & AUC（一）.mp4
  g2 s, W' l1 z! p( f8、课程：什么是好的模型结果-cost function.7、二分类问题-ROC & AUC（二）.mp4
" R* L: _. U0 G1 e8 M' G/ [8、课程：什么是好的模型结果-cost function.8、什么是好的分类（一）.mp4
8、课程：什么是好的模型结果-cost function.9、二分类问题-召回率，准确率.mp4
8、课程：什么是好的模型结果-cost function.10、二分类问题-F1-score.mp4
: H! b5 k2 [  t1 K$ c( @0 n7 ~8、课程：什么是好的模型结果-cost function.11、分类模型，如何衡量模型结果？.mp4
8、课程：什么是好的模型结果-cost function.12、imbalanced问题（一）.mp4
8、课程：什么是好的模型结果-cost function.13、imbalanced问题（二）.mp4
. k$ x% q4 Y) q" y5 @& g* A* x+ R9、课程：线性回归.1、知识回顾.mp4
9、课程：线性回归.2、为什么要使用线性回归？.mp4
9 I( B+ E7 q5 u& Z0 Q9、课程：线性回归.3、如何计算线性回归？（一）.mp4
, \! T: o9 _  G$ K9、课程：线性回归.4、如何计算线性回归？（二）.mp4
9、课程：线性回归.5、问题解答.mp4
8 i( P1 z8 y4 a$ N9、课程：线性回归.6、由最小二乘法选出的直线有没有用？（一）.mp4
9、课程：线性回归.7、由最小二乘法选出的直线有没有用？（二）.mp4
' p( Q( x# X7 `- c% [9、课程：线性回归.8、线性回归参数估计的含义.mp4
9、课程：线性回归.9、线性回归对数据的解释.mp4
9、课程：线性回归.10、线性回归对样本及误差的要求和假设前提（一）.mp4
9、课程：线性回归.11、线性回归对样本及误差的要求和假设前提（二）.mp4
9、课程：线性回归.12、预测的confidence interval 和 prediction interval（一）.mp4
9、课程：线性回归.13、预测的confidence interval 和 prediction interval（二）.mp4
9、课程：线性回归.14、预测的confidence interval 和 prediction interval（三）.mp4
+ L8 }8 R  _' m8 m9 y! P- w* D9、课程：线性回归.15、imbalanced问题.mp4
10、课程：逻辑回归及应用.1、逻辑回归与线性回归.mp4
10、课程：逻辑回归及应用.2、如何计算信用分数.mp4
10、课程：逻辑回归及应用.3、商家如何查看芝麻信用值？.mp4
10、课程：逻辑回归及应用.4、寻找最合理的参数-1设计Cost Function.mp4
  r) ]5 [% C: @3 B9 r10、课程：逻辑回归及应用.5、疑题解答.mp4
10、课程：逻辑回归及应用.6、寻找最合理的参数-3. 计算最优参数（一）.mp4
10、课程：逻辑回归及应用.7、寻找最合理的参数-3. 计算最优参数(二).mp4
$ B! u; K* J  i7 `10、课程：逻辑回归及应用.8、寻找最合理的参数-3. 计算最优参数(三).mp4
1 J5 C: \4 u' P8 A# u$ {# P/ V10、课程：逻辑回归及应用.9、寻找最合理的参数-3. 计算最优参数(四).mp4
10、课程：逻辑回归及应用.10、寻找最合理的参数-3. 计算最优参数(五).mp4
9 C9 `3 _( D4 P: `  p( h1 h* [' d10、课程：逻辑回归及应用.11、寻找最合理的参数-3. 计算最优参数(六).mp4
: W4 S$ z% @8 E# A/ M10、课程：逻辑回归及应用.12、更进一步：从逻辑回归到SoftMax（一）.mp4
$ J- X1 h. D" Q$ i" ?" X10、课程：逻辑回归及应用.13、更进一步：从逻辑回归到SoftMax(二).mp4
11、课程：拟合与过拟合的定义.1、拟合与过拟合.mp4
11、课程：拟合与过拟合的定义.2、对抗过拟合（一）.mp4
. [; W) j5 A* a) V6 s11、课程：拟合与过拟合的定义.3、对抗过拟合（二）.mp4
. k" T* j' o* D8 G1 J11、课程：拟合与过拟合的定义.4、对抗过拟合（三）.mp4
11、课程：拟合与过拟合的定义.5、Python实现（一）.mp4
11、课程：拟合与过拟合的定义.6、Python实现（二）.mp4
11、课程：拟合与过拟合的定义.7、正则化Regularization.mp4
11、课程：拟合与过拟合的定义.8、Ridge（一）.mp4
# j& B/ ~+ o2 N11、课程：拟合与过拟合的定义.9、Ridge（二）.mp4
11、课程：拟合与过拟合的定义.10、方差的分解（一）.mp4
# T3 C! B3 U+ q; B* v11、课程：拟合与过拟合的定义.11、方差的分解（二）.mp4
11、课程：拟合与过拟合的定义.12、Bias与Variance的分解.mp4
12、课程：决策树模型.1、什么是决策树？.mp4
12、课程：决策树模型.2、游戏中的决策树分析（一）.mp4
12、课程：决策树模型.3、游戏中的决策树分析（二）.mp4
. e+ m7 o+ {/ g12、课程：决策树模型.4、哪个问题分的最好？.mp4
$ v" V0 T  P& m12、课程：决策树模型.5、Decision Tree_example1（一）.mp4
1 G$ L5 l# E+ b7 }, E1 c, w; c12、课程：决策树模型.6、Decision Tree_example1（二）.mp4
12、课程：决策树模型.7、Decision Tree_example1（三）.mp4
12、课程：决策树模型.8、Decision Tree_example1（四）.mp4
12、课程：决策树模型.9、Decision Tree_example1（五）.mp4
12、课程：决策树模型.10、Decision Tree_example1（六）.mp4
12、课程：决策树模型.11、Decision Tree_example1（七）.mp4
, D# r% k7 q8 }/ I$ j) Z' E13、课程：Pandas 数据操作与Ensemble Method 集成算法.1、Combining dataframes.mp4
# t5 U% F) d: J$ z! u0 e; c13、课程：Pandas 数据操作与Ensemble Method 集成算法.2、Mapping.mp4
13、课程：Pandas 数据操作与Ensemble Method 集成算法.3、Binning.mp4
13、课程：Pandas 数据操作与Ensemble Method 集成算法.4、GroupBy On Dict and Series（一）.mp4
13、课程：Pandas 数据操作与Ensemble Method 集成算法.5、GroupBy On Dict and Series（二）.mp4
# p$ H, i, m7 l+ i' S. K  ^13、课程：Pandas 数据操作与Ensemble Method 集成算法.6、Merge（一）.mp4
13、课程：Pandas 数据操作与Ensemble Method 集成算法.7、Merge（二）.mp4
% v7 x) w) Z$ {8 Z13、课程：Pandas 数据操作与Ensemble Method 集成算法.8、Outliers.mp4
) i0 `; S" y  i( \- Y9 o13、课程：Pandas 数据操作与Ensemble Method 集成算法.9、Pivoting.mp4
+ `# ^- A+ p7 A% D, M; n13、课程：Pandas 数据操作与Ensemble Method 集成算法.10、Replace.mp4
7 Q! c0 O, G" u6 E6 F13、课程：Pandas 数据操作与Ensemble Method 集成算法.11、Bagging (Bootstrap aggregating).mp4
- J: H1 F! C+ z/ g- ~13、课程：Pandas 数据操作与Ensemble Method 集成算法.12、Boosting and Ada boosting（一）.mp4
* [4 u, e' V, V, ~1 O$ X' X+ V13、课程：Pandas 数据操作与Ensemble Method 集成算法.13、Boosting and Ada boosting（二）.mp4
13、课程：Pandas 数据操作与Ensemble Method 集成算法.14、Gradient Boosting.mp4
7 E' b1 }* O2 a' [& n% x1 J8 ^14、课程：Airbnb 数据分析.1、Airbnb介绍.mp4
14、课程：Airbnb 数据分析.2、Train and Test 用户本身数据和营销渠道数据.mp4
14、课程：Airbnb 数据分析.3、Airbnb_DataExploration（一）.mp4
8 ^/ f1 P+ u" V0 ^+ r5 n14、课程：Airbnb 数据分析.4、Airbnb_DataExploration（二）.mp4
  L8 ?7 g( k8 Z5 Y( s0 F14、课程：Airbnb 数据分析.5、Airbnb_DataExploration（三）.mp4
5 l6 u2 l/ O  m+ |" e$ {14、课程：Airbnb 数据分析.6、Airbnb_FeatureEngineering（一）.mp4
14、课程：Airbnb 数据分析.7、Airbnb_FeatureEngineering（二）.mp4
* ~. `! ~4 O1 ?/ V7 A, g+ d14、课程：Airbnb 数据分析.8、Airbnb_FeatureEngineering（三）.mp4
/ u0 l! d( w7 \& R. s/ I14、课程：Airbnb 数据分析.9、Airbnb_FeatureEngineering（四）.mp4
& E2 m; g1 T- q1 R5 B7 }14、课程：Airbnb 数据分析.10、Modeling（一）.mp4
14、课程：Airbnb 数据分析.11、Modeling（二）.mp4
15、课程：支持向量机（SVM）.1、支持向量机简介与历史（一）.mp4
15、课程：支持向量机（SVM）.2、支持向量机简介与历史（二）.mp4
: {+ }  Z7 i9 |8 |; I$ a  z15、课程：支持向量机（SVM）.3、支持向量机分类与回归（一）.mp4
' ^9 G3 _4 B" Z4 w15、课程：支持向量机（SVM）.4、支持向量机分类与回归（二）.mp4
15、课程：支持向量机（SVM）.5、支持向量机分类与回归（三）.mp4
15、课程：支持向量机（SVM）.6、对偶问题.mp4
15、课程：支持向量机（SVM）.7、支持向量.mp4
9 S1 G, A, p% j15、课程：支持向量机（SVM）.8、核函数.mp4
15、课程：支持向量机（SVM）.9、正则化与软间隔.mp4
, F- v5 z2 r' B4 R' q) n15、课程：支持向量机（SVM）.10、支持向量机算法总结.mp4
' {0 M6 w9 J& x; S! t/ t15、课程：支持向量机（SVM）.11、代码实战（一）.mp4
15、课程：支持向量机（SVM）.12、代码实战（二）.mp4
. ?3 Y% X5 e% g7 s- v  D+ P( Y. Z15、课程：支持向量机（SVM）.13、代码实战（三）.mp4
16、课程：自然语言处理与NLP-代码实战.1、历史.mp4
+ e1 M4 M" c, T# p16、课程：自然语言处理与NLP-代码实战.2、语言模型（一）.mp4
16、课程：自然语言处理与NLP-代码实战.3、语言模型（二）.mp4
* G. |0 c5 w$ V+ T, R16、课程：自然语言处理与NLP-代码实战.4、语言模型（三）.mp4
7 Q# m0 c. [. ~0 _7 S+ Z! m: Z2 G16、课程：自然语言处理与NLP-代码实战.5、语言模型（四）.mp4
' j/ k. ~4 k  Z16、课程：自然语言处理与NLP-代码实战.6、语言模型（五）.mp4
16、课程：自然语言处理与NLP-代码实战.7、语言模型评价.mp4
* p# ?& m4 d5 f* I1 F1 u16、课程：自然语言处理与NLP-代码实战.8、隐马尔可夫模型.mp4
: Z4 s$ h; _1 [" d16、课程：自然语言处理与NLP-代码实战.9、深度学习（一）.mp4
16、课程：自然语言处理与NLP-代码实战.10、深度学习（二）.mp4
16、课程：自然语言处理与NLP-代码实战.11、语言模型实战（一）.mp4
. E# s1 W5 l) B- J16、课程：自然语言处理与NLP-代码实战.12、语言模型实战（二）.mp4
16、课程：自然语言处理与NLP-代码实战.13、语言模型实战（三）.mp4
' b- s0 m' @, {4 w: d16、课程：自然语言处理与NLP-代码实战.14、语言模型实战（四）.mp4
, B% i2 J/ H) n- O- k17、课程：文字处理与Amazon评论NLP分析案例.1、Python文字处理基本操作回顾.mp4
17、课程：文字处理与Amazon评论NLP分析案例.2、ASCII，unicode解码与编码，utf-8（一）.mp4
1 `/ m9 ~1 Z7 q) H8 l+ B! p6 j17、课程：文字处理与Amazon评论NLP分析案例.3、ASCII，unicode解码与编码，utf-8（二）.mp4
17、课程：文字处理与Amazon评论NLP分析案例.4、Nltk工具包与特朗普的任职演讲.mp4
17、课程：文字处理与Amazon评论NLP分析案例.5、计算词频.mp4
6 l  j  n6 C" K! T! L2 x# }- @) \17、课程：文字处理与Amazon评论NLP分析案例.6、读取文字.mp4
4 T! f+ S; I( Y- R/ N, @2 ?17、课程：文字处理与Amazon评论NLP分析案例.7、整理标签（一）.mp4
17、课程：文字处理与Amazon评论NLP分析案例.8、整理标签（二）.mp4
17、课程：文字处理与Amazon评论NLP分析案例.9、整理标签（三）.mp4
2 z% R' a+ }! n1 |/ k* M17、课程：文字处理与Amazon评论NLP分析案例.10、清理文字并建语料库（一）.mp4
9 |( w4 V0 q5 H: z17、课程：文字处理与Amazon评论NLP分析案例.11、清理文字并建语料库（二）.mp4
17、课程：文字处理与Amazon评论NLP分析案例.12、建模.mp4
17、课程：文字处理与Amazon评论NLP分析案例.13、调用具体模型.mp4
3 V( o& m) s: Y8 F  I, j+ \+ x18、课程：网络基础概述.1、网络基础概述.mp4
18、课程：网络基础概述.2、数据和数据库（一）.mp4
18、课程：网络基础概述.3、数据和数据库（二）.mp4
18、课程：网络基础概述.4、计算机网络知识普及（一）.mp4
, _- x. Z# I8 W% f0 {18、课程：网络基础概述.5、计算机网络知识普及（二）.mp4
18、课程：网络基础概述.6、什么是网站.mp4
  _+ V$ `3 I- z, i0 B7 d7 ~6 Y18、课程：网络基础概述.7、静态网站和动态网站.mp4
% U+ D' ?1 b- o3 ^. |$ l. W3 {4 N18、课程：网络基础概述.8、简单的网站服务程序（一）.mp4
5 d- Y. h4 o3 @( `18、课程：网络基础概述.9、简单的网站服务程序（二）.mp4
18、课程：网络基础概述.10、什么是API（一）.mp4
18、课程：网络基础概述.11、什么是API（二）.mp4
$ z% A5 R9 j* c& I0 p18、课程：网络基础概述.12、如何找到API.mp4
+ e; A- G* B; c' G. r2 ^  k18、课程：网络基础概述.13、网络产品和现在网络程序.mp4
' C) J& r) C! O. E3 ]  Y, `18、课程：网络基础概述.14、答疑.mp4
1 _/ l) d# j1 {5 i19、课程：网络爬虫入门.1、网络爬虫概述.mp4
19、课程：网络爬虫入门.2、复习HTML.mp4
19、课程：网络爬虫入门.3、强大的工具—Requests.mp4
19、课程：网络爬虫入门.4、强大的工具—Beautifulsoup（一）.mp4
19、课程：网络爬虫入门.5、强大的工具—Beautifulsoup（二）.mp4
19、课程：网络爬虫入门.6、Charity Watch（一）.mp4
19、课程：网络爬虫入门.7、Charity Watch（二）.mp4
* r* p$ e: l9 u! I19、课程：网络爬虫入门.8、Charity Watch（三）.mp4
/ u# P+ ?' A# D4 a19、课程：网络爬虫入门.9、弹幕爬虫（一）.mp4
19、课程：网络爬虫入门.10、弹幕爬虫（二）.mp4
19、课程：网络爬虫入门.11、弹幕爬虫（三）.mp4
: J- D9 z5 d: _+ e0 Y- S! `1 X5 G19、课程：网络爬虫入门.12、弹幕爬虫（四）.mp4
, ?% y, q8 ]# J0 [: o: M9 s19、课程：网络爬虫入门.13、弹幕爬虫（五）.mp4
19、课程：网络爬虫入门.14、弹幕爬虫（六）.mp4
9 \4 p2 L4 f9 J& N, d1 y20、课程：爬虫进阶.1、Write Binary File.mp4
20、课程：爬虫进阶.2、Read Binary File.mp4
20、课程：爬虫进阶.3、静态文件获取（一）.mp4
20、课程：爬虫进阶.4、静态文件获取（二）.mp4
2 R: p/ z7 z9 `' L* A+ c1 ~7 ?20、课程：爬虫进阶.5、认证授权（一）.mp4
# d2 o4 m% w% p7 K, T7 a+ }20、课程：爬虫进阶.6、认证授权（二）.mp4
20、课程：爬虫进阶.7、认证授权（三）.mp4
! k% j( x" b4 T, B! d20、课程：爬虫进阶.8、爬虫进阶扩展（一）.mp4
20、课程：爬虫进阶.9、爬虫进阶扩展（二）.mp4
: d  r& Y4 v9 L+ U* \; w, i21、课程： 正则表达式.1、常见代码.mp4
21、课程： 正则表达式.2、基本语句（一）.mp4
21、课程： 正则表达式.3、基本语句（二）.mp4
& y4 T' _' K* s* s1 f9 }7 Z" f21、课程： 正则表达式.4、字符匹配和分枝条件.mp4
21、课程： 正则表达式.5、分组.mp4
5 v8 F& N1 e. H% i21、课程： 正则表达式.6、后向引用和零宽断言.mp4
21、课程： 正则表达式.7、案例分析（一）.mp4
21、课程： 正则表达式.8、案例分析（二）.mp4
0 {( ]7 r% `3 k22、课程：贝叶斯统计.1、联合概率.mp4
' a8 n+ k" _; Q' z! `  X$ I8 @5 K22、课程：贝叶斯统计.2、边缘概率.mp4
$ B% }* C7 l. l# L  z0 g, D1 N22、课程：贝叶斯统计.3、条件概率.mp4
22、课程：贝叶斯统计.4、联合概率、边缘概率和条件概率.mp4
. i: E, m7 d& B22、课程：贝叶斯统计.5、贝叶斯公式（一）.mp4
22、课程：贝叶斯统计.6、贝叶斯公式（二）.mp4
22、课程：贝叶斯统计.7、流感案例.mp4
22、课程：贝叶斯统计.8、图形化理解.mp4
22、课程：贝叶斯统计.9、案例分析.mp4
22、课程：贝叶斯统计.10、贝叶斯公式垃圾短信识别程序（一）.mp4
( E: o' Z4 s- f22、课程：贝叶斯统计.11、贝叶斯公式垃圾短信识别程序（二）.mp4
22、课程：贝叶斯统计.12、贝叶斯公式垃圾短信识别程序（三）.mp4
8 Q6 s& W2 `* u' W3 f- H& k6 p, q22、课程：贝叶斯统计.13、脑筋急转弯：三门问题（一）.mp4
! }- U' @8 o2 j22、课程：贝叶斯统计.14、脑筋急转弯：三门问题（二）.mp4
23、课程：搜集用户信息与数据整合.1、搜集用户发帖Comment Id（一）.mp4
3 k' y6 R3 S: r  q: N23、课程：搜集用户信息与数据整合.2、搜集用户发帖Comment Id（二）.mp4
23、课程：搜集用户信息与数据整合.3、正向编码方法.mp4
23、课程：搜集用户信息与数据整合.4、如何逆向解码（一）.mp4
* f% \0 H9 C) A' Y1 B23、课程：搜集用户信息与数据整合.5、如何逆向解码（二）.mp4
23、课程：搜集用户信息与数据整合.6、如何逆向解码（三）.mp4
* u% @1 g2 ?0 J! W23、课程：搜集用户信息与数据整合.7、如何逆向解码（四）.mp4
! i6 o3 F" D8 V4 U% Q23、课程：搜集用户信息与数据整合.8、整理用户mid ID.mp4
23、课程：搜集用户信息与数据整合.9、爬取用户信息（一）.mp4
' \. Q) U: J: N" Y: @23、课程：搜集用户信息与数据整合.10、爬取用户信息（二）.mp4
23、课程：搜集用户信息与数据整合.11、爬取用户信息（三）.mp4
23、课程：搜集用户信息与数据整合.12、爬取用户信息（四）.mp4
4 }# E5 M9 O: {8 T& P! X; ]2 h9 W, h" H23、课程：搜集用户信息与数据整合.13、RandomForest 重新采样（一）.mp4
9 Y6 U4 x2 k1 b& J8 E+ ]23、课程：搜集用户信息与数据整合.14、RandomForest 重新采样（二）.mp4
0 G7 A* h  b" n2 I24、课程：贝叶斯思维.1、贝叶斯统计（一）.mp4
$ P& b0 S* |* G* C0 s+ p24、课程：贝叶斯思维.2、贝叶斯统计（二）.mp4
24、课程：贝叶斯思维.3、贝叶斯统计（三）.mp4
24、课程：贝叶斯思维.4、贝叶斯统计（四）.mp4
, ~. o5 ~$ s% f. i  q# _* C24、课程：贝叶斯思维.5、贝叶斯公式（一）.mp4
6 f1 D4 N) I0 R24、课程：贝叶斯思维.6、贝叶斯公式（二）.mp4
' ~8 f- J6 q- g& J24、课程：贝叶斯思维.7、贝叶斯公式（三）.mp4
24、课程：贝叶斯思维.8、贝叶斯公式（四）.mp4
24、课程：贝叶斯思维.9、证明正态分布的后验分布依然是正态分布（一）.mp4
0 b6 v1 Q- t: v: [# l4 U24、课程：贝叶斯思维.10、证明正态分布的后验分布依然是正态分布（二）.mp4
24、课程：贝叶斯思维.11、证明正态分布的后验分布依然是正态分布（三）.mp4
24、课程：贝叶斯思维.12、证明正态分布的后验分布依然是正态分布（四）.mp4
24、课程：贝叶斯思维.13、美国海岸救援案例.mp4
25、课程：BiliBili火爆剧集与观众分析.1、结巴分词原理.mp4
; ~: Z. H  o8 Y8 J* O6 _! Z; [6 Y25、课程：BiliBili火爆剧集与观众分析.2、结巴分词使用.mp4
25、课程：BiliBili火爆剧集与观众分析.3、去除NaN、分词.mp4
25、课程：BiliBili火爆剧集与观众分析.4、去停用词、整理词频.mp4
25、课程：BiliBili火爆剧集与观众分析.5、关键词计算.mp4
8 M$ }8 O( X7 Y25、课程：BiliBili火爆剧集与观众分析.6、生成词云.mp4
25、课程：BiliBili火爆剧集与观众分析.7、沿时间的动态变化：频率与高频词（一）.mp4
25、课程：BiliBili火爆剧集与观众分析.8、沿时间的动态变化：频率与高频词（二）.mp4
; w6 ~/ k' a" e  K4 u/ X25、课程：BiliBili火爆剧集与观众分析.9、沿时间的动态变化：频率与高频词（三）.mp4
25、课程：BiliBili火爆剧集与观众分析.10、二十四小时的弹幕频率分布.mp4
$ i1 ?7 c# k( d& S# s# E  w9 I25、课程：BiliBili火爆剧集与观众分析.11、年内的弹幕频率分布.mp4
6 G% i0 p& c* k( P# B: B1 W25、课程：BiliBili火爆剧集与观众分析.12、观众信息.mp4
0 t  T" ?) |( A25、课程：BiliBili火爆剧集与观众分析.13、脑筋急转弯（一）.mp4
25、课程：BiliBili火爆剧集与观众分析.14、脑筋急转弯（二）.mp4
" W, D' F% q6 X3 U. y26、课程：聚类与代码实战.1、课程概要.mp4
2 U( b3 J/ X6 O& V( U% |26、课程：聚类与代码实战.2、机器学习与聚类简介.mp4
26、课程：聚类与代码实战.3、聚类的定义以及和分类的区别.mp4
26、课程：聚类与代码实战.4、聚类相似度度量：几何距离.mp4
26、课程：聚类与代码实战.5、划分聚类.mp4
  H" Z- U3 G0 M9 }26、课程：聚类与代码实战.6、划分聚类—K均值算法（一）.mp4
26、课程：聚类与代码实战.7、划分聚类—K均值算法（二）.mp4
8 O- L1 t! b+ w% d% k1 c9 m5 Q26、课程：聚类与代码实战.8、层次聚类.mp4
26、课程：聚类与代码实战.9、Agglomerative clustering算法.mp4
26、课程：聚类与代码实战.10、密度聚类.mp4
4 P: r4 ^4 b4 b. S& _" I26、课程：聚类与代码实战.11、DBSCAN.mp4
' R# G! H: j( Z7 O1 Z* u1 {& {  g26、课程：聚类与代码实战.12、聚类算法总结.mp4
. H3 ^, r! G" ]" P/ C9 E( C26、课程：聚类与代码实战.13、代码实战（一）.mp4
26、课程：聚类与代码实战.14、代码实战（二）.mp4
2 e3 t! w$ o9 w2 @  u% o26、课程：聚类与代码实战.15、代码实战（三）.mp4
27、课程：商业社交媒体舆情分析.1、脑筋急转弯（一）.mp4
27、课程：商业社交媒体舆情分析.2、脑筋急转弯（二）.mp4
27、课程：商业社交媒体舆情分析.3、脑筋急转弯（三）.mp4
27、课程：商业社交媒体舆情分析.4、社媒舆情分析的目的.mp4
% k& Y) y+ R/ p; i27、课程：商业社交媒体舆情分析.5、作用价值一：获取市场的必要信息（一）.mp4
: J# l7 P; s, v27、课程：商业社交媒体舆情分析.6、作用价值一：获取市场的必要信息（二）.mp4
27、课程：商业社交媒体舆情分析.7、如何通过舆情分析掌握时长状况.mp4
27、课程：商业社交媒体舆情分析.8、作用价值二：提升决策敏感性.mp4
8 ~1 f& K5 I1 B- r6 ^; y; C27、课程：商业社交媒体舆情分析.9、有趣的营销发现.mp4
27、课程：商业社交媒体舆情分析.10、作用价值三：寻找接触点.mp4
! u( W& H( s5 e& F0 H) v, u27、课程：商业社交媒体舆情分析.11、总结：营销领域的舆情分析应用.mp4
27、课程：商业社交媒体舆情分析.12、答疑（一）.mp4
  C. D8 B) z+ x  z, @; p27、课程：商业社交媒体舆情分析.13、答疑（二）.mp4
8 W. @* ^' Z. a* a2 {; m( [' |) g28、课程：近期推荐系统概述.1、推荐系统应用场景（一）.mp4
3 E- D8 T+ q$ \% M. ]1 q* B% S28、课程：近期推荐系统概述.2、推荐系统应用场景（二）.mp4
28、课程：近期推荐系统概述.3、推荐系统算法概述（一）.mp4
) f0 z' C: \3 k8 b2 t& k% s6 Z28、课程：近期推荐系统概述.4、推荐系统算法概述（二）.mp4
28、课程：近期推荐系统概述.5、推荐系统算法概述（三）.mp4
3 o2 u% A- G6 \- T! |28、课程：近期推荐系统概述.6、推荐系统算法概述（四）.mp4
* v. k& A0 K& g8 Y# e28、课程：近期推荐系统概述.7、CF+矩阵分解（一）.mp4
0 [" A9 U8 K% n28、课程：近期推荐系统概述.8、CF+矩阵分解（二）.mp4
# V7 A0 I" G* c28、课程：近期推荐系统概述.9、基于图像的推荐.mp4
0 o% K9 a# Q7 I7 H28、课程：近期推荐系统概述.10、评估推荐系统结果.mp4
0 T: T$ J9 P4 g  H) Z/ ]: x) V29、课程：人工智能的江湖.1、达特茅斯会议与第一次AI大发展.mp4
. X6 @3 g& j1 @  L, }# ]( t' v29、课程：人工智能的江湖.2、第一次AI寒冬（一）.mp4
! c3 S# h$ `: r5 J. C# r$ j+ |, L29、课程：人工智能的江湖.3、第一次AI寒冬（二）.mp4
29、课程：人工智能的江湖.4、复苏与第二次AI寒冬.mp4
29、课程：人工智能的江湖.5、再次复苏与神经网翻身.mp4
29、课程：人工智能的江湖.6、瞻仰大神（一）.mp4
( S! t3 h4 H, b! {% I8 N) t29、课程：人工智能的江湖.7、瞻仰大神（二）.mp4
29、课程：人工智能的江湖.8、瞻仰大神（三）.mp4
4 s0 o: ?( u9 S3 \, W* r- C29、课程：人工智能的江湖.9、今天的应用与影响（一）.mp4
29、课程：人工智能的江湖.10、今天的应用与影响（二）.mp4
( W- O, Q+ Q1 }29、课程：人工智能的江湖.11、今天的应用与影响（三）.mp4
30、课程：机器学习在图像识别中的应用.1、图像处理和机器学习有什么关系.mp4
30、课程：机器学习在图像识别中的应用.2、什么是机器学习.mp4
: l5 v! p( a% o. ~6 g; T2 Z( t30、课程：机器学习在图像识别中的应用.3、什么是图像识别.mp4
30、课程：机器学习在图像识别中的应用.4、图像识别的困难在哪里.mp4
, b! e% y* Z6 ^3 `/ ?! Z30、课程：机器学习在图像识别中的应用.5、图像识别的发展历史.mp4
6 j4 b) u9 e. e/ Y( T9 T30、课程：机器学习在图像识别中的应用.6、机器学习对比深度学习.mp4
30、课程：机器学习在图像识别中的应用.7、机器学习的工作方式.mp4
30、课程：机器学习在图像识别中的应用.8、机器学习的算法（一）.mp4
30、课程：机器学习在图像识别中的应用.9、机器学习的算法（二）.mp4
30、课程：机器学习在图像识别中的应用.10、机器学习总结.mp4
8 d# t. C0 z  K( T' Z& q31、课程：Pygame.1、学习框架梳理.mp4
31、课程：Pygame.2、剩余课程安排.mp4
31、课程：Pygame.3、Flappy bird基本背景图像（一）.mp4
31、课程：Pygame.4、Flappy bird基本背景图像（二）.mp4
+ L8 J# c! X6 u- ]5 ^31、课程：Pygame.5、键盘操作-小鸟左右移动.mp4
31、课程：Pygame.6、扑腾扑腾翅膀（一）.mp4
' i" w, T5 m" L, D, U* k7 G* d) S31、课程：Pygame.7、扑腾扑腾翅膀（二）.mp4
( F  Z0 I; c% [# ]31、课程：Pygame.8、柱子的移动.mp4
" |3 T& _& a3 [31、课程：Pygame.9、生成一系列的柱子，并且移动.mp4
8 }" W  |; f  l2 A. I8 ?31、课程：Pygame.10、让小鸟飞起来.mp4
3 \- g) e" t4 ]! ?7 E" {31、课程：Pygame.11、假如小鸟很聪明.mp4
5 o/ K9 T; r, r8 h: X31、课程：Pygame.12、给小鸟计分.mp4
7 V7 Z' b- @4 X7 `* ^32、课程：Python控制系统.1、The basic self-driving loop.mp4
32、课程：Python控制系统.2、不同的数据存储和类型.mp4
32、课程：Python控制系统.3、安装OpenCV.mp4
32、课程：Python控制系统.4、OpenCV练习.mp4
, a6 \" V0 B3 A1 R5 U1 U32、课程：Python控制系统.5、数据库基础review（一）.mp4
$ p9 \8 [; F) U32、课程：Python控制系统.6、数据库基础review（二）.mp4
32、课程：Python控制系统.7、MYSQL的简单介绍(一).mp4
  z9 P- D8 d4 O* ?32、课程：Python控制系统.8、MYSQL的简单介绍(二).mp4
32、课程：Python控制系统.9、激光雷达.mp4
32、课程：Python控制系统.10、Ctypes basic（一）.mp4
32、课程：Python控制系统.11、Ctypes basic（二）.mp4
  c5 N, L3 f! Z, Y1 d0 u' s! f1 U32、课程：Python控制系统.12、Ctypes basic（三）.mp4
7 I( ^& J+ y; z* G. s# Y8 R33、课程：图像识别处理基础—OpenCV.1、读取图片（一）.mp4
33、课程：图像识别处理基础—OpenCV.2、读取图片（二）.mp4
33、课程：图像识别处理基础—OpenCV.3、读取图片（三）.mp4
33、课程：图像识别处理基础—OpenCV.4、读取视频.mp4
2 W; L; s5 C4 j" W; b" K33、课程：图像识别处理基础—OpenCV.5、绘图函数.mp4
( _# t1 J0 v0 p# ?; P33、课程：图像识别处理基础—OpenCV.6、OpenCV图像的基本操作（一）.mp4
( q& q( j% Y& V  e7 @0 j33、课程：图像识别处理基础—OpenCV.7、OpenCV图像的基本操作（二）.mp4
2 q+ ]+ M, ~( {33、课程：图像识别处理基础—OpenCV.8、图像处理：颜色空间转换（一）.mp4
% T& A( i$ ]7 a- l33、课程：图像识别处理基础—OpenCV.9、图像处理：颜色空间转换（二）.mp4
33、课程：图像识别处理基础—OpenCV.10、几何变换.mp4
33、课程：图像识别处理基础—OpenCV.11、图像处理：图像平滑.mp4
33、课程：图像识别处理基础—OpenCV.12、图像处理：形态学变换.mp4
6 C5 C1 e# |# U9 z* Y34、课程：从游戏数据中提取feature.1、收集GTA5游戏数据（一）.mp4
+ n  c0 l. G1 M0 I) Y/ K5 b34、课程：从游戏数据中提取feature.2、收集GTA5游戏数据（二）.mp4
34、课程：从游戏数据中提取feature.3、收集GTA5游戏数据（三）.mp4
34、课程：从游戏数据中提取feature.4、Check Data和OpenCV（一）.mp4
34、课程：从游戏数据中提取feature.5、Check Data和OpenCV（二）.mp4
34、课程：从游戏数据中提取feature.6、模型加载插件.mp4
34、课程：从游戏数据中提取feature.7、C++ review（一）.mp4
34、课程：从游戏数据中提取feature.8、C++ review（二）.mp4
34、课程：从游戏数据中提取feature.9、模型案例分析+OpenCV process（一）.mp4
34、课程：从游戏数据中提取feature.10、模型案例分析+OpenCV process（二）.mp4
34、课程：从游戏数据中提取feature.11、模型案例分析+OpenCV process（三）.mp4
34、课程：从游戏数据中提取feature.12、模型案例分析+OpenCV process（四）.mp4
34、课程：从游戏数据中提取feature.13、模型案例分析+OpenCV process（五）.mp4
35、课程：GTA5自动驾驶项目.1、作业布置.mp4
35、课程：GTA5自动驾驶项目.2、GTA5自动驾驶分解问题（一）.mp4
( L% m) s( e; t; p* ^+ a35、课程：GTA5自动驾驶项目.3、GTA5自动驾驶分解问题（二）.mp4
  x& M* n! G" j+ i0 p5 `35、课程：GTA5自动驾驶项目.4、GTA5自动驾驶分解问题（三）.mp4
: G0 L/ s  }% |2 K3 [7 s35、课程：GTA5自动驾驶项目.5、GTA5自动驾驶分解问题（四）.mp4
5 b% Z$ i& X4 m9 R9 @7 l0 C/ s35、课程：GTA5自动驾驶项目.6、GTA5自动驾驶分解问题（五）.mp4
35、课程：GTA5自动驾驶项目.7、GTA游戏AI识别车道分割线（一）.mp4
& i2 g. e2 S* a: \1 L" s$ i) }& R35、课程：GTA5自动驾驶项目.8、GTA游戏AI识别车道分割线（二）.mp4
; d' w$ ~, l+ |( N; }4 p35、课程：GTA5自动驾驶项目.9、GTA游戏AI识别车道分割线（三）.mp4
35、课程：GTA5自动驾驶项目.10、GTA游戏AI识别车道分割线（四）.mp4
35、课程：GTA5自动驾驶项目.11、GTA游戏AI识别车道分割线（五）.mp4
35、课程：GTA5自动驾驶项目.12、GTA游戏AI识别车道分割线（六）.mp4
35、课程：GTA5自动驾驶项目.13、GTA游戏AI识别车道分割线（七）.mp4
' D' D& {3 g7 N  l% z$ D" m2 ~36、课程：TensorFlow的基本操作.1、TensorFlow的基本概念.mp4
: }% [& _* L& f' M5 d36、课程：TensorFlow的基本操作.2、TensorFlow的具体使用（一）.mp4
) `/ {7 q" L6 }1 `36、课程：TensorFlow的基本操作.3、TensorFlow的具体使用（二）.mp4
5 V4 g! h! `- G( q0 G36、课程：TensorFlow的基本操作.4、Tensor Shapes（一）.mp4
+ A4 S' o% k* t: S36、课程：TensorFlow的基本操作.5、Tensor Shapes（二）.mp4
: [5 T$ Z) s$ m4 \36、课程：TensorFlow的基本操作.6、Tensor Operations.mp4
36、课程：TensorFlow的基本操作.7、Tensor Slicing.mp4
( n+ y  Y, C% @36、课程：TensorFlow的基本操作.8、Tensor Sequences.mp4
, Z3 `' h$ h$ {6 J  ~36、课程：TensorFlow的基本操作.9、Graph.mp4
36、课程：TensorFlow的基本操作.10、Session和Constant.mp4
36、课程：TensorFlow的基本操作.11、Variables和Placeholders.mp4
36、课程：TensorFlow的基本操作.12、Example（一）.mp4
36、课程：TensorFlow的基本操作.13、Example（二）.mp4
36、课程：TensorFlow的基本操作.14、Example（三）.mp4
36、课程：TensorFlow的基本操作.15、Example（四）.mp4
37、课程：神经网络.1、神经网络.mp4
37、课程：神经网络.2、深度神经网络.mp4
4 R! `% M; o: P. [- t- ~37、课程：神经网络.3、反向传播算法.mp4
37、课程：神经网络.4、激活函数.mp4
37、课程：神经网络.5、优化算法（一）.mp4
37、课程：神经网络.6、优化算法（二）.mp4
! g" L/ H8 p- N37、课程：神经网络.7、正规化.mp4
$ V) |& O" R& @5 d37、课程：神经网络.8、神经网络代码实战（一）.mp4
: Y3 k6 j* a1 z4 J4 B' B& y37、课程：神经网络.9、神经网络代码实战（二）.mp4
. ]* z; B* |5 H37、课程：神经网络.10、神经网络代码实战（三）.mp4
- Z2 |  A1 w. {& ~3 k" r37、课程：神经网络.11、神经网络代码实战（四）.mp4
38、课程：卷积神经网络.1、卷积和卷积核（一）.mp4
38、课程：卷积神经网络.2、卷积和卷积核（二）.mp4
7 V9 t! j" b" ~0 \4 T/ a+ `) x38、课程：卷积神经网络.3、卷积和卷积核（三）.mp4
38、课程：卷积神经网络.4、填充和池化.mp4
( N; |  O, u# Y' p) R0 w38、课程：卷积神经网络.5、深度卷积神经网络：LeNet-5.mp4
38、课程：卷积神经网络.6、深度卷积神经网络：AlexNet.mp4
% f2 ?2 \* s0 ?4 k' c38、课程：卷积神经网络.7、深度卷积神经网络：ZF-net.mp4
38、课程：卷积神经网络.8、深度卷积神经网络：VGG-16.mp4
38、课程：卷积神经网络.9、深度卷积神经网络：Inception Network.mp4
, C+ c% z# j( `% g6 k38、课程：卷积神经网络.10、深度卷积神经网络：Residual Network.mp4
38、课程：卷积神经网络.11、深度卷积神经网络：DenseNet.mp4
39、课程：卷积神经网络的应用.1、卷积神经网络应用概述.mp4
39、课程：卷积神经网络的应用.2、物体检测：RCNN和SPP-Net（一）.mp4
2 r5 L( j) }' w( b39、课程：卷积神经网络的应用.3、物体检测：RCNN和SPP-Net（二）.mp4
4 ^: P* R1 f& g4 l39、课程：卷积神经网络的应用.4、物体检测：Fast R-CNN.mp4
39、课程：卷积神经网络的应用.5、物体检测：YOLO和SSD.mp4
39、课程：卷积神经网络的应用.6、文档的归类.mp4
39、课程：卷积神经网络的应用.7、代码实战（一）.mp4
39、课程：卷积神经网络的应用.8、代码实战（二）.mp4
  q7 \1 Y4 g" {4 m, t! K39、课程：卷积神经网络的应用.9、代码实战（三）.mp4
% q2 C% J2 _7 r. _39、课程：卷积神经网络的应用.10、代码实战（四）.mp4
! z1 k3 Y7 G, ^( V# X- ]39、课程：卷积神经网络的应用.11、代码实战（五）.mp4
3 w/ ]5 d5 V, y40、课程：深度学习框架剖析.1、深度学习系统的目标定位.mp4
40、课程：深度学习框架剖析.2、典型深度学习系统框架.mp4
- G1 G1 v2 n& ]/ B( j  y/ e40、课程：深度学习框架剖析.3、命令式编程与声明式编程等概念讲解.mp4
40、课程：深度学习框架剖析.4、图优化、执行引擎.mp4
40、课程：深度学习框架剖析.5、编程接口、分布式并行计算.mp4
40、课程：深度学习框架剖析.6、TF多卡训练.mp4
40、课程：深度学习框架剖析.7、TF多机训练.mp4
40、课程：深度学习框架剖析.8、主流开源深度学习平台简析.mp4
40、课程：深度学习框架剖析.9、答疑.mp4
40、课程：深度学习框架剖析.10、Tensorflow tutorial example（一）.mp4
, L2 X" i8 p" C; j, P% F6 s40、课程：深度学习框架剖析.11、ensorflow tutorial example（二）.mp4
+ }) h# w! s8 k40、课程：深度学习框架剖析.12、模型训练Tricks分享.mp4
9 ^9 j9 b& j# u6 T! A40、课程：深度学习框架剖析.13、DL优化方法分析以及相关TF API说明.mp4
5 p+ l$ n8 W+ |9 z. y+ U1 v1 @  k40、课程：深度学习框架剖析.14、Tensorflow detection models.mp4
: i2 \4 F$ O$ @4 {5 E40、课程：深度学习框架剖析.15、实际模型项目介绍（一）.mp4
! [. P: R" x5 G& d40、课程：深度学习框架剖析.16、实际模型项目介绍（二）.mp4
+ E3 c3 @7 G3 V" _: F2 C' [. ?41、课程：递归神经网络.1、递归神经网络—序列问题.mp4
% ]9 z' I" I4 m9 n0 |# x" G) J41、课程：递归神经网络.2、为什么递归.mp4
41、课程：递归神经网络.3、递归神经网络（一）.mp4
, ^6 l$ L0 {7 N: U0 K41、课程：递归神经网络.4、递归神经网络（二）.mp4
41、课程：递归神经网络.5、双向递归神经网络.mp4
41、课程：递归神经网络.6、沿时间反向传播.mp4
41、课程：递归神经网络.7、梯度消失.mp4
/ w9 F+ {# o7 P; B42、课程：长短记忆网络和递归神经网络代码操作.1、长短记忆网络（一）.mp4
6 I4 Q" H/ d0 \! }5 l42、课程：长短记忆网络和递归神经网络代码操作.2、长短记忆网络（二）.mp4
42、课程：长短记忆网络和递归神经网络代码操作.3、伪装曹雪芹（一）.mp4
42、课程：长短记忆网络和递归神经网络代码操作.4、伪装曹雪芹（二）.mp4
4 ?+ a* P+ B5 P8 m4 M! c  H7 T42、课程：长短记忆网络和递归神经网络代码操作.5、伪装曹雪芹（三）.mp4
42、课程：长短记忆网络和递归神经网络代码操作.6、伪装曹雪芹（四）.mp4
6 ?" i" B5 S1 n' @42、课程：长短记忆网络和递归神经网络代码操作.7、图像识别（一）.mp4
# @. P6 |$ f% `# c" {1 _3 f42、课程：长短记忆网络和递归神经网络代码操作.8、图像识别（二）.mp4
; h( K9 p7 S  E7 D" `43、课程：线性代数与数值分析.1、线性代数与数值分析概述.mp4
43、课程：线性代数与数值分析.2、线性代数的基础定义.mp4
1 V) S! k  m& S* S43、课程：线性代数与数值分析.3、矩阵乘积和转置.mp4
2 u+ G. w, A6 A( s/ v6 I6 @" J) y- j: C43、课程：线性代数与数值分析.4、矩阵性质.mp4
  }% {$ J: B) u, P% D% ?4 z* T* V3 l43、课程：线性代数与数值分析.5、矩阵行列式.mp4
43、课程：线性代数与数值分析.6、矩阵的迹和秩.mp4
43、课程：线性代数与数值分析.7、范数.mp4
) e$ p0 w) B! f% y, }43、课程：线性代数与数值分析.8、矩阵的特征值和特征向量.mp4
# d0 d. m. p8 Y& O( H6 k- }43、课程：线性代数与数值分析.9、特殊类型的矩阵和向量（一）.mp4
8 P* s. D3 x  a- @$ N43、课程：线性代数与数值分析.10、特殊类型的矩阵和向量（二）.mp4
; F- h: T$ E3 ?43、课程：线性代数与数值分析.11、矩阵分解.mp4
43、课程：线性代数与数值分析.12、矩阵微积分.mp4
43、课程：线性代数与数值分析.13、矩阵计算（一）.mp4
. n( t' h: o& O2 n* a, o# ~6 \* J43、课程：线性代数与数值分析.14、矩阵计算（二）.mp4
43、课程：线性代数与数值分析.15、范数、向量之间的夹角.mp4
43、课程：线性代数与数值分析.16、对角矩阵、单位矩阵、转置矩阵和reshape.mp4
6 z0 n& y8 ]  H  m43、课程：线性代数与数值分析.17、行列式、秩、迹以及SVD奇异值分解.mp4
44、课程：词嵌入表示.1、N-元模型回顾.mp4
: Y. [) v/ n& x! _8 j/ s- F44、课程：词嵌入表示.2、神经语言模型.mp4
* }/ e( |& @5 H8 ^- \+ M0 O9 r44、课程：词嵌入表示.3、递归神经网络语言模型.mp4
) ?$ v; _# k. |8 }3 n2 ?4 F' w44、课程：词嵌入表示.4、词嵌入.mp4
8 q3 u( I4 ^  Z) d! h6 D5 q44、课程：词嵌入表示.5、哈夫曼树.mp4
44、课程：词嵌入表示.6、连续词袋模型—分层Softmax.mp4
0 o" _) `6 _7 w% M  c$ w( P( k2 ^5 N44、课程：词嵌入表示.7、Skip-gram：分层Softmax.mp4
44、课程：词嵌入表示.8、连续词袋模型：负采样.mp4
44、课程：词嵌入表示.9、词向量：可视化.mp4
6 d& C1 Z4 R$ h! @4 @# M45、课程：递归神经网络的应用.1、文本生成和情绪分析.mp4
: G7 @0 p6 B/ S) g1 m' C. M45、课程：递归神经网络的应用.2、语音识别.mp4
- I% T5 _6 G2 x! R+ A* b45、课程：递归神经网络的应用.3、机器翻译（一）.mp4
& L: B9 t5 a" I45、课程：递归神经网络的应用.4、机器翻译（二）.mp4
3 U$ C9 [# ^9 c3 w$ j* G45、课程：递归神经网络的应用.5、视觉注意力机制.mp4
% X$ F" f+ p. N" U  M* J) @45、课程：递归神经网络的应用.6、词嵌入表示—Word2Vec.mp4
45、课程：递归神经网络的应用.7、词嵌入表示—RNN语言模型（一）.mp4
45、课程：递归神经网络的应用.8、词嵌入表示—RNN语言模型（二）.mp4
45、课程：递归神经网络的应用.9、词嵌入表示—RNN for POS tagging（一）.mp4
45、课程：递归神经网络的应用.10、词嵌入表示—RNN for POS tagging（二）.mp4
- x8 y8 D! C& H. ~/ t46、课程：强化学习系列课程基本概念与方法总览.1、复习监督学习.mp4
46、课程：强化学习系列课程基本概念与方法总览.2、强化学习基本概念（一）.mp4
46、课程：强化学习系列课程基本概念与方法总览.3、强化学习基本概念（二）.mp4
46、课程：强化学习系列课程基本概念与方法总览.4、策略与总价值（一）.mp4
46、课程：强化学习系列课程基本概念与方法总览.5、策略与总价值（二）.mp4
9 o: W6 @; E; \: F* p46、课程：强化学习系列课程基本概念与方法总览.6、强化学习系列方法总览（一）.mp4
! n. j+ Q# }; t( ^$ o3 z+ v46、课程：强化学习系列课程基本概念与方法总览.7、强化学习系列方法总览（二）.mp4
46、课程：强化学习系列课程基本概念与方法总览.8、强化学习系列方法总览（三）.mp4
47、课程：马尔可夫决策过程.1、马尔可夫决策过程：Markov状态转移矩阵.mp4
. C$ l5 a+ i$ L  P% g& I7 e5 w47、课程：马尔可夫决策过程.2、Markov Rewards Process.mp4
47、课程：马尔可夫决策过程.3、状态价值state value.mp4
8 n$ N% v4 ?* Y3 u2 \3 x. W47、课程：马尔可夫决策过程.4、Bellman方程（一）.mp4
47、课程：马尔可夫决策过程.5、Bellman方程（二）.mp4
* c7 j5 C* B  y/ Y47、课程：马尔可夫决策过程.6、Bellman方程（三）.mp4
! k7 r$ K2 m4 ?  B+ V, E47、课程：马尔可夫决策过程.7、Bellman方程（四）.mp4
! @$ l( v  h; V6 T47、课程：马尔可夫决策过程.8、状态价值函数 v.s 动作价值函数（一）.mp4
47、课程：马尔可夫决策过程.9、状态价值函数 v.s 动作价值函数（二）.mp4
- U( B0 `9 ~3 O$ o: M8 b; n$ g47、课程：马尔可夫决策过程.10、最优总价值与最优动作价值（一）.mp4
47、课程：马尔可夫决策过程.11、最优总价值与最优动作价值（二）.mp4
47、课程：马尔可夫决策过程.12、Flappy bird的简单解决方法（一）.mp4
47、课程：马尔可夫决策过程.13、Flappy bird的简单解决方法（二）.mp4
48、课程：强化学习：迭代法.1、动态规划（一）.mp4
48、课程：强化学习：迭代法.2、动态规划（二）.mp4
48、课程：强化学习：迭代法.3、迭代法（一）.mp4
2 v% m$ v( p! a! P* M' U48、课程：强化学习：迭代法.4、迭代法（二）.mp4
' V1 |3 m+ }& h  f' B+ I48、课程：强化学习：迭代法.5、复习+Jacob方法（一）.mp4
48、课程：强化学习：迭代法.6、复习+Jacob方法（二）.mp4
: I2 {3 j, W- X/ Y48、课程：强化学习：迭代法.7、Gauss-Seidel迭代法.mp4
. Z3 x# q  v& \5 X48、课程：强化学习：迭代法.8、迭代法求策略估值（一）.mp4
48、课程：强化学习：迭代法.9、迭代法求策略估值（二）.mp4
48、课程：强化学习：迭代法.10、迭代法求策略估值（三）.mp4
& c+ y0 \& E" W4 ?3 A, P48、课程：强化学习：迭代法.11、迭代法更新最佳策略（一）.mp4
+ i& o( r+ v* I8 q; p& X. x48、课程：强化学习：迭代法.12、迭代法更新最佳策略（二）.mp4
48、课程：强化学习：迭代法.13、斐波拉契数列.mp4
( K1 R5 V4 r. Z" P48、课程：强化学习：迭代法.14、最长递增序列（一）.mp4
48、课程：强化学习：迭代法.15、最长递增序列（二）.mp4
49、课程：简单的蒙特卡洛.1、蒙特卡洛模拟方法介绍.mp4
49、课程：简单的蒙特卡洛.2、训练flappy bird 模型（一）.mp4
49、课程：简单的蒙特卡洛.3、训练flappy bird 模型（二）.mp4
49、课程：简单的蒙特卡洛.4、训练flappy bird 模型（三）.mp4
1 g: ?8 u( Y. H  v4 W9 _  S49、课程：简单的蒙特卡洛.5、整理碰壁函数与reward函数.mp4
49、课程：简单的蒙特卡洛.6、离散化环境状态.mp4
* o9 c2 f& M- s$ m* Z9 l% ^1 H49、课程：简单的蒙特卡洛.7、由状态环境选择飞行动作.mp4
3 p3 L  W. m- U! ?49、课程：简单的蒙特卡洛.8、处理碰壁函数与reward函数.mp4
) T! J  M( U! b49、课程：简单的蒙特卡洛.9、队列存飞行路径（一）.mp4
) Q! x, Q! h4 k- y  g49、课程：简单的蒙特卡洛.10、队列存飞行路径（二）.mp4
6 m0 M8 {) N- m! d. R# e49、课程：简单的蒙特卡洛.11、队列存飞行路径（三）.mp4
7 y7 y& P. Y! n$ o7 r6 g7 d$ i49、课程：简单的蒙特卡洛.12、队列存飞行路径（四）.mp4
49、课程：简单的蒙特卡洛.13、答疑.mp4
+ g8 B9 d5 |* ?1 N6 }6 Q50、课程：云，计算，数据.1、云计算的定义.mp4
50、课程：云，计算，数据.2、NIST、云计算市场的发展条件.mp4
& M3 I; _* ~, x8 @: V7 N50、课程：云，计算，数据.3、芯片设计的取舍、并行化.mp4
50、课程：云，计算，数据.4、WSC（新型数据中心）的形成、概念、优点.mp4
! N+ s/ V6 @5 E* }' g: a50、课程：云，计算，数据.5、虚拟化（一）.mp4
50、课程：云，计算，数据.6、虚拟化（二）.mp4
50、课程：云，计算，数据.7、云计算的商业模式.mp4
50、课程：云，计算，数据.8、层级分类.mp4
5 V1 `5 o. y2 O$ B- z5 G2 Z* k' h50、课程：云，计算，数据.9、阿里云介绍（一）.mp4
: L3 Z: P8 \! x: n' u50、课程：云，计算，数据.10、阿里云介绍（二）.mp4
50、课程：云，计算，数据.11、实例创建（一）.mp4
50、课程：云，计算，数据.12、实例创建（二）.mp4
50、课程：云，计算，数据.13、实例创建（三）.mp4
, c, \" p- }2 {2 i6 x& w8 I  g50、课程：云，计算，数据.14、Logging模块的简单应用（一）.mp4
- s; a- A) v/ S50、课程：云，计算，数据.15、Logging模块的简单应用（二）.mp4
( a  N% n) I" b# m# B$ R50、课程：云，计算，数据.16、Logging模块的简单应用（三）.mp4
/ J. Y& S4 f: w1 R, y% Y8 A51、课程：机器学习（上）.1、时间差分法公式.mp4
51、课程：机器学习（上）.2、蒙特卡洛法（一）.mp4
51、课程：机器学习（上）.3、蒙特卡洛法（二）.mp4
51、课程：机器学习（上）.4、TD（时间差分）的特点.mp4
- C9 v$ ~9 a) o6 {* U1 Q, H51、课程：机器学习（上）.5、课间答疑.mp4
51、课程：机器学习（上）.6、MC与TD对比.mp4
51、课程：机器学习（上）.7、无偏估计.mp4
51、课程：机器学习（上）.8、收敛性质.mp4
# z+ G! c. W+ J2 D7 ^51、课程：机器学习（上）.9、MC与TD收敛差异.mp4
51、课程：机器学习（上）.10、Model-Free Control（一）.mp4
51、课程：机器学习（上）.11、Model-Free Control（二）.mp4
51、课程：机器学习（上）.12、Model-Free Control（三）.mp4
$ k9 N& c" X; [0 a51、课程：机器学习（上）.13、Model-Free Control（四）.mp4
51、课程：机器学习（上）.14、Model-Free Control（五）.mp4
7 _3 f/ _, b0 V9 `52、课程：机器学习（下）.1、函数的近似方法（一）.mp4
52、课程：机器学习（下）.2、函数的近似方法（二）.mp4
52、课程：机器学习（下）.3、函数的近似方法（三）.mp4
52、课程：机器学习（下）.4、DQN（一）.mp4
52、课程：机器学习（下）.5、DQN（二）.mp4
! w& U/ `0 o( Z  i) a+ F$ @$ ^52、课程：机器学习（下）.6、Flappy bird（一）.mp4
52、课程：机器学习（下）.7、Flappy bird（二）.mp4
52、课程：机器学习（下）.8、Flappy bird（三）.mp4
52、课程：机器学习（下）.9、Flappy bird（四）.mp4
6 [5 f6 y9 y& m52、课程：机器学习（下）.10、Flappy bird（五）.mp4
52、课程：机器学习（下）.11、Flappy bird（六）.mp4
52、课程：机器学习（下）.12、Flappy bird（七）.mp4
52、课程：机器学习（下）.13、Flappy bird（八）.mp4
53、课程：软件工程师、数据工程师和数据科学家职业介绍.1、自我介绍及课程介绍.mp4
53、课程：软件工程师、数据工程师和数据科学家职业介绍.2、Career Path Insight.mp4
53、课程：软件工程师、数据工程师和数据科学家职业介绍.3、软件工程师之基础课程.mp4
53、课程：软件工程师、数据工程师和数据科学家职业介绍.4、软件工程师之面试准备与技巧.mp4
53、课程：软件工程师、数据工程师和数据科学家职业介绍.5、大数据之协同合作（一）.mp4
% z; B' S0 _/ Q$ H$ Q* E! H7 _53、课程：软件工程师、数据工程师和数据科学家职业介绍.6、大数据之协同合作（二）.mp4
2 B; X- x4 W& p/ f7 A  W9 `$ }. \4 L53、课程：软件工程师、数据工程师和数据科学家职业介绍.7、数据工程师和数据科学家.mp4
6 ^! u9 b1 P. {4 @. B/ S. {5 i# }53、课程：软件工程师、数据工程师和数据科学家职业介绍.8、答疑（一）.mp4
" ~; p5 q9 _( h5 Q53、课程：软件工程师、数据工程师和数据科学家职业介绍.9、答疑（二）.mp4
5 N' r+ k+ i/ [: s" @  [$ `54、课程：金融科技—数据科学在金融业的应用和前景.1、金融行业不同岗位对人才的需求.mp4
54、课程：金融科技—数据科学在金融业的应用和前景.2、金融科技用到的数据科学.mp4
54、课程：金融科技—数据科学在金融业的应用和前景.3、职位和机会.mp4
! [' ?4 w& E& R: V54、课程：金融科技—数据科学在金融业的应用和前景.4、数字化财富管理行业.mp4
54、课程：金融科技—数据科学在金融业的应用和前景.5、智能投顾创业公司的数据分析.mp4
3 z; ?2 S2 ~2 n! F7 g54、课程：金融科技—数据科学在金融业的应用和前景.6、答疑（一）.mp4
54、课程：金融科技—数据科学在金融业的应用和前景.7、答疑（二）.mp4
55、课程：深度学习经典网络分析基础.1、课程安排.mp4
55、课程：深度学习经典网络分析基础.2、深度学习的两大基本问题.mp4
55、课程：深度学习经典网络分析基础.3、反向传播算法简介.mp4
* s) L( w, I) @55、课程：深度学习经典网络分析基础.4、深度学习网络模型回顾.mp4
. K9 Y) P3 X" n5 l/ J55、课程：深度学习经典网络分析基础.5、CNN架构发展简要流程.mp4
* c1 z. B( s( s55、课程：深度学习经典网络分析基础.6、LeNet.mp4
55、课程：深度学习经典网络分析基础.7、答疑—人脸识别.mp4
55、课程：深度学习经典网络分析基础.8、答疑—通用检测.mp4
55、课程：深度学习经典网络分析基础.9、答疑—语音识别.mp4
55、课程：深度学习经典网络分析基础.10、AlexNet.mp4
0 Z5 e! V; X- p6 L6 W5 q55、课程：深度学习经典网络分析基础.11、VGG.mp4
55、课程：深度学习经典网络分析基础.12、GoogleNet（一）.mp4
: L# Z' g; f4 ?55、课程：深度学习经典网络分析基础.13、GoogleNet（二）.mp4
7 K/ A: ?0 v1 C1 B2 z1 q! g55、课程：深度学习经典网络分析基础.14、ResNet.mp4
& F6 t2 v" ?' P: j2 f5 ^- i55、课程：深度学习经典网络分析基础.15、经典网络简单比较、网络设计考虑.mp4
! W% u# ~  ?  p3 G9 B55、课程：深度学习经典网络分析基础.16、答疑（一）.mp4
55、课程：深度学习经典网络分析基础.17、答疑（二）.mp4
/ H& ^4 F# e% X  C* _- D1 S$ \# R

游客，如果您要查看本帖隐藏内容请回复

9 M5 F. L) n1 D# K! d& i2 q

leecdleecd

thanks for sharing.