教程文件目录：
【No402】人工智能机器学习全新升级版I
|-- 课程补充.mp4
|-- 解压密码.txt
|-- 加群学习.jpg
|-- 点击获取更多资源.url
|-- 20.强化学习.mp4
|-- 19.神经网络.mp4
|-- 18.概念学习.mp4
|-- 17.流形学习.mp4
|-- 16.无监督学习.mp4
|-- 15.统计学习.mp4
|-- 14.统计学习.mp4
|-- 13.统计学习.mp4
|-- 12.统计学习.mp4
|-- 11.核方法.mp4
|-- 10.核方法.mp4
|-- 09.线性模型.mp4
|-- 08.线性模型.mp4
|-- 07.经典机器学习模型.mp4
|-- 06.经典机器学习模型.mp4
|-- 05.经典机器学习模型.mp4
|-- 04.机器学习中的数学基础.mp4
|-- 03.机器学习中的哲学.mp4
|-- 02.机器学习的数学基础.mp4
|-- 01.机器学习中的数学基础.7z
|-- 资料
  |-- 第五课_代码.zip
  |-- RandomForest.zip
  |-- probability ( MIT Bertsekas).pdf
  |-- probability ( MIT Bertsekas)(1).pdf
  |-- Note_9_OLS.pdf
  |-- Note_7_EnsembleLearning.pdf
  |-- Note_5_NaiveBayes.pdf
  |-- Note_4-GradientDescent.pdf
  |-- Note_3_LNorm.pdf
  |-- Note_2_Geometric Interpretation of Determinant.pdf
  |-- Note_1_MachineLearningIntro.pdf
  |-- Note_17_Locally Linear Embedding.pdf
  |-- Note_16_ EM.pdf
  |-- Note_15_GeoIntMaxMargin.pdf
  |-- Note_14_Kernel.pdf
  |-- Note_13_MaxMargin.pdf
  |-- Note12_Lagrange2.pdf
  |-- Note11_Lagrange.pdf
  |-- Logistic Regression.zip
  |-- lle.pdf
  |-- 8、线性模型.pdf
  |-- 7、经典机器学习模型.pdf
  |-- 7.2、Guo-PRICAI.pdf
  |-- 6、经典机器学习模型.pdf
  |-- 5、经典机器学习模型.pdf
  |-- 4、机器学习的数学基础.pdf
  |-- 3、机器学习的哲学.pdf
  |-- 2、机器学习的数学基础.pdf
  |-- 16、无监督学习.pdf
  |-- 12、统计学习.pdf
  |-- 11、核方法.pdf
  |-- 10、核方法.pdf