窥见人工智能算法-麦子学院机器学习-深度学习基础课程+深度学习进阶实战视频教程

源码简介：

===============课程目录===============
├<(Part One)深度学习基础>
│ ├代码与素材.rar
│ ├课件.CHM
│ ├课件.zip
│ ├<视频>
│ │ ├1.1课程介绍机器学习介绍上.mp4
│ │ ├1.1课程介绍机器学习介绍下.mp4
│ │ ├1.2深度学习介绍.mp4
│ │ ├2基本概念.mp4
│ │ ├3.1决策树算法.mp4
│ │ ├3.2决策树应用.mp4
│ │ ├4.1最邻近规则分类KNN算法.mp4
│ │ ├4.2最邻近规则KNN分类应用.mp4
│ │ ├5.1 支持向量机(SVM)算法（上）.html
│ │ ├5.1 支持向量机(SVM)算法（上）应用.html
│ │ ├5.1支持向量机SVM上.mp4
│ │ ├5.1支持向量机SVM上应用.mp4
│ │ ├6.2神经网络算法应用上.mp4
│ │ ├6.3神经网络算法应用下.mp4
│ │ ├7.1简单线性回归上.mp4
│ │ ├7.2简单线性回归下.mp4
│ │ ├7.3多元线性回归.mp4
│ │ ├7.4多元线性回归应用.mp4
│ │ ├7.5非线性回归 Logistic Regression.mp4
│ │ ├7.6非线性回归应用.mp4
│ │ ├7.7回归中的相关度和决定系数.mp4
│ │ ├7.8回归中的相关性和R平方值应用.mp4
│ │ ├8.1Kmeans算法.mp4
│ │ ├8.2Kmeans应用.mp4
│ │ ├8.3Hierarchical clustering 层次聚类.mp4
│ │ ├8.4Hierarchical clustering 层次聚类应用.mp4
│ │ ├神经网络NN算法.mp4
│ │ ├支持向量机(SVM)算法(下)应用.mp4
│ │ ├支持向量机(SVM)算法下.mp4
│ │ └总结.mp4
├<(Part Two)深度学习进阶>
│ ├<课件>
│ │ └深度学习进阶课件.rar
│ ├<视频>
│ │ ├第10章神经网络手写数字演示.mp4
│ │ ├第11章 Backpropagation算法上.mp4
│ │ ├第12章 Backpropagation算法下.mp4
│ │ ├第13章 Backpropagation算法实现.mp4
│ │ ├第14章 cross-entropy函数.mp4
│ │ ├第15章 Softmax和Overfitting.mp4
│ │ ├第16章 Regulization.mp4
│ │ ├第17章 Regulazition和Dropout.mp4
│ │ ├第18章正态分布和初始化(修正版).mp4
│ │ ├第19章提高版本的手写数字识别实现.mp4
│ │ ├第1章基本概念清晰版.mp4
│ │ ├第20章神经网络参数hyper-parameters选择.mp4
│ │ ├第21章深度神经网络中的难点.mp4
│ │ ├第22章用ReL解决VanishingGradient问题.mp4
│ │ ├第23章 ConvolutionNerualNetwork算法.mp4
│ │ ├第24章 ConvolutionNeuralNetwork实现上.mp4
│ │ ├第25章 ConvolutionNeuralNetwork实现下.mp4
│ │ ├第26章 Restricted Boltzmann Machine.mp4
│ │ ├第27章 Restricted Boltzmann Machine下.mp4
│ │ ├第28章 Deep Brief Network 和 Autoencoder.mp4
│ │ ├第2章软件包安装和环境配置总述.mp4
│ │ ├第3章环境配置分部详解.mp4
│ │ ├第4章环境配置分部详解下.mp4
│ │ ├第5章手写数字识别.mp4
│ │ ├第6章神经网络基本结构及梯度下降算法.mp4
│ │ ├第7章随机梯度下降算法.mp4
│ │ ├第8章梯度下降算法实现上.mp4
│ │ └第9章梯度下降算法实现下.mp4