课程介绍：
学堂在线清华大学驭风计划的深度学习与Python算法课程，涵盖了机器学习、自然语言处理（NLP）、深度学习等多个领域的系统化学习内容。课程从基础概念入手，逐步深入到算法实现与应用，内容涵盖决策树、回归分析、贝叶斯学习、支持向量机、无监督学习、集成学习、深度学习基础等核心知识点。此外，课程还提供了丰富的实践项目，如基于决策树的游戏胜负预测、贝叶斯垃圾邮件识别、文本生成、知识图谱等，帮助学习者将理论应用于实际场景。课程通过视频讲解、课件、实验和直播答疑等多种形式，帮助学习者全面掌握机器学习和深度学习的核心技能。
网盘截图：
课程目录：
清华大学驭风计划深度学习python算法
├─机器学习训练营(2022_第9期)
│ ├─01.序-学习课件
│ │ │ 1.1_初识机器学习.mp4
│ │ │ 机器学习课件最终版PDF合集 3.zip
│ │ │
│ │ └─机器学习课件最终版PDF合集 3
│ │ └─机器学习课件最终版PDF合集 3
│ │ ML10.Topic6.1-IBL(1)_最终版.pdf
│ │ ML12.Topic7.1-SVM(1)_最终版.pdf
│ │ ML14.Topic8.1-Unsupervised-I_最终版.pdf
│ │ ML15.Topic8.2-Unsupervised-II_最终版.pdf
│ │ ML16.Topic9-Ensemble_最终版.pdf
│ │ ML18.Toipc10.2-DLinto-II_最终版.pdf
│ │ ML19.Topic11-GWAP_最终版.pdf
│ │ ML2.Topic1.2-G通用系统设计_最终版.pdf
│ │ ML20.Topic12-overview_已排版.pdf
│ │ ML4.Topic2.2-实验方法与原则(2)_最终版.pdf
│ │ ML5.Topic3.1-决策树学习方法_最终版.pdf
│ │ ML6.Topic3.2-决策树学习进阶_最终版.pdf
│ │ ML7.Topic4-Regression_最终版.pdf
│ │ ML9.Topic5.2-贝叶斯(II)_最终版.pdf
│ │
│ ├─02.机器学习基础
│ │ 1.1.1_机器学习的应用背景 .mp4
│ │ 1.1.1_机器学习的应用背景.mp4
│ │ 1.1.2_什么是机器学习 .mp4
│ │ 1.1.2_什么是机器学习.mp4
│ │ 1.2_一般的机器学习系统设计_part01 .mp4
│ │ 1.2_一般的机器学习系统设计_part01.mp4
│ │ 1.2_一般的机器学习系统设计_part02 .mp4
│ │ 1.2_一般的机器学习系统设计_part02.mp4
│ │
│ ├─03.机器学习实验方法与原则
│ │ 2.1_机器学习实验方法与原则I .mp4
│ │ 2.1_机器学习实验方法与原则I.mp4
│ │ 2.2_机器学习实验方法与原则II .mp4
│ │ 2.2_机器学习实验方法与原则II.mp4
│ │
│ ├─04.决策树学习
│ │ 3.1.2_经典决策树算法 .mp4
│ │ 3.1.3_过拟合问题 .mp4
│ │ 3.1.3_过拟合问题.mp4
│ │ 3.2.1_决策树的过拟合以及措施 .mp4
│ │ 3.2.1_决策树的过拟合以及措施.mp4
│ │ 3.2.2_现实场景中的决策树学习 .mp4
│ │ ML_hw1.ipynb.zip
│ │ 基于决策树的英雄联盟游戏胜负预测.zip
│ │ 实验一 基于决策树的英雄联盟游戏胜负预测.txt
│ │
│ ├─05.回归分析
│ │ 4.2_损失函数 .mp4
│ │ 4.2_损失函数_0718195925.mp4
│ │ 4.3_多元线性回归.mp4
│ │ 4.4_相关系数与决定系数 .mp4
│ │ 实验二 基于回归分析的大学综合得分预测.txt
│ │
│ ├─06.贝叶斯学习
│ │ 5.1_贝叶斯学习 .mp4
│ │ 5.2_朴素贝叶斯分类器 .mp4
│ │ hw3.zip
│ │ 实验三 贝叶斯垃圾邮件识别.txt
│ │
│ ├─07.基于实例的学习方法
│ │ 6.1_最近邻方法.mp4
│ │ 6.2_K近邻方法.mp4
│ │ 6.4_基于实例-记忆的学习器 .mp4
│ │ 6.4_基于实例-记忆的学习器.mp4
│ │ hw4.zip
│ │ 基于K-近邻的车牌号识别.zip
│ │
│ ├─08.支持向量机（SVM）
│ │ 7.1_线性支持向量机.mp4
│ │ 7.2_基于核的支持向量机.mp4
│ │
│ ├─09.无监督学习
│ │ 8.1.1_无监督学习介绍 .mp4
│ │ 8.1.1_无监督学习介绍.mp4
│ │ 8.1.2_聚类介绍 .mp4
│ │ 8.2.1_层次聚类 .mp4
│ │ 8.2.1_层次聚类.mp4
│ │ 8.2.2_K-means聚类 .mp4
│ │ 8.2.2_K-means聚类.mp4
│ │ 8.2.3_K-medoids 聚类 .mp4
│ │ 8.2.3_K-medoids 聚类.mp4
│ │ AAAI 会议论文聚类分析.zip
│ │ hw5.ipynb.zip
│ │ 实验五 AAAI 会议论文聚类分析.txt
│ │
│ ├─10.集成学习
│ │ 9.1.1_集成学习基础 .mp4
│ │ 9.1.1_集成学习基础.mp4
│ │ 9.1.2_加权多数算法 .mp4
│ │ 9.1.2_加权多数算法.mp4
│ │ 9.1.3_Bagging算法 .mp4
│ │ 9.2.1_Boosting与AdaBoost算法 .mp4
│ │ 9.2.2_Boosting和AdaBoost的算法比较 .mp4
│ │ 9.2.2_Boosting和AdaBoost的算法比较.mp4
│ │ exp6.zip
│ │ 基于集成学习的 Amazon 用户评论质量预测 4.zip
│ │ 实验六 基于集成学习的 Amazon 用户评论质量预测.txt
│ │
│ ├─11.深度学习基础
│ │ 10.1_深度学习介绍 .mp4
│ │ 10.1_深度学习介绍.mp4
│ │ 10.2.1_循环神经网络 .mp4
│ │ 10.2.1_循环神经网络.mp4
│ │ 10.2.2_长短期记忆网络 .mp4
│ │ 10.2.3_门控循环单位网络 .mp4
│ │ 10.2.3_门控循环单位网络.mp4
│ │ 10.2.4_深度学习应用.mp4
│ │
│ ├─12.基于群体智慧的机器学习数据集构建
│ │ 11.1_基于群体智慧的机器学习数据集构建.mp4
│ │
│ ├─13.机器学习算法总结
│ │ 12.1_机器学习算法总结 .mp4
│ │
│ ├─14.毕业设计
│ │ 某闯关类手游用户流失预测.zip
│ │
│ └─直播回放
│ 实验一汇报、讲解+实验三布置+答疑 .mp4
│ 实验一汇报、讲解+实验三布置+答疑.mp4
│ 实验三讲解+实验五布置+答疑.mp4
│ 实验二布置+答疑 .mp4
│ 实验二布置+答疑.mp4
│ 实验五讲解+答疑 .mp4
│ 实验五讲解+答疑.mp4
│ 实验六布置+答疑 .mp4
│ 实验六布置+答疑.mp4
│ 实验六汇报、点评、讲解+答疑 .mp4
│ 实验四讲解+实验六布置+答疑.mp4
│ 开营仪式+实验一布置.mp4
│ 毕设汇报、点评、讲解+结营仪式.mp4
│
├─算法训练营
│ ├─上机实践：习题精讲
│ │ │ 第1部分-习题.7z
│ │ │ 第2部分-习题.7z
│ │ │ 第3部分-习题.7z
│ │ │ 第4部分-习题.7z
│ │ │ 第5部分-习题.7z
│ │ │
│ │ ├─第1部分-习题
│ │ │ 习题精讲1-1.mp4
│ │ │ 习题精讲1-2.mp4
│ │ │ 习题精讲1-3.mp4
│ │ │
│ │ ├─第2部分-习题
│ │ │ 习题精讲2-1.mp4
│ │ │ 习题精讲2-2.mp4
│ │ │ 习题精讲2-3.mp4
│ │ │
│ │ ├─第3部分-习题
│ │ │ 习题精讲3-1.mp4
│ │ │ 习题精讲3-2.mp4
│ │ │ 习题精讲3-3.mp4
│ │ │
│ │ ├─第4部分-习题
│ │ │ 习题精讲4-1.mp4
│ │ │ 习题精讲4-2.mp4
│ │ │ 习题精讲4-3.mp4
│ │ │
│ │ └─第5部分-习题
│ │ 习题精讲5-1.mp4
│ │ 习题精讲5-2.mp4
│ │ 习题精讲5-3.mp4
│ │
│ ├─直播回放
│ │ │ 周测1讲解+答疑.mp4
│ │ │ 周测2讲解+答疑.mp4
│ │ │ 周测4讲解+答疑.mp4
│ │ │ 周测5讲解+答疑.mp4
│ │ │ 直播回放.7z
│ │ │
│ │ └─直播回放
│ │ └─直播回放
│ │ 周测1讲解+答疑.mp4
│ │ 周测2讲解+答疑.mp4
│ │ 周测3讲解+答疑.mp4
│ │ 周测4讲解+答疑.mp4
│ │ 周测5讲解+答疑.mp4
│ │
│ ├─第0课：调整姿势，迎接算法挑战
│ │ 专题课：扬帆起航，开启算法之旅.mp4
│ │ 习题讲解.mp4
│ │ 习题课：最大红矩形.mp4
│ │ 解题指南：如何提交作业&栈排序习题解答.mp4
│ │ 邓俊辉：学习算法的一些建议.mp4
│ │
│ ├─第1部分：初入宝山，窥探算法奥秘
│ │ ├─（1A）邓公在算法课赐予我青春的力量
│ │ │ PART1.mp4
│ │ │ PART2.mp4
│ │ │ PART3.mp4
│ │ │
│ │ └─（1B）邓公陪你学算法
│ │ PART1.mp4
│ │ PART2.mp4
│ │ PART3.mp4
│ │
│ ├─第2部分：渐入佳境，领略算法之美
│ │ ├─（2A）一起听邓公讲算法
│ │ │ PART1.mp4
│ │ │ PART2.mp4
│ │ │ PART3.mp4
│ │ │
│ │ └─（2B）邓公教你“分而治之”
│ │ PART1.mp4
│ │ PART2.mp4
│ │ PART3.mp4
│ │
│ ├─第3部分：坚持不懈，修炼算法内功
│ │ ├─（3A）听邓公讲讲图搜索
│ │ │ PART1.mp4
│ │ │ PART2.mp4
│ │ │ PART3.mp4
│ │ │
│ │ └─（3B）听邓公讲讲动态规划
│ │ PART1.mp4
│ │ PART2.mp4
│ │ PART3.mp4
│ │
│ ├─第4部分：持续烧脑，精研算法之妙
│ │ ├─（4A）邓公带你探秘“字符串”
│ │ │ PART1.mp4
│ │ │ PART2.mp4
│ │ │ PART3.mp4
│ │ │
│ │ └─（4B）邓公带你探秘“散列”
│ │ PART1.mp4
│ │ PART2.mp4
│ │ PART3.mp4
│ │
│ └─第5部分：蓄力前行，勇攀算法高峰
│ ├─（5A）邓公带你初探“计算几何
│ │ PART1.mp4
│ │ PART2.mp4
│ │ PART3.mp4
│ │
│ └─（5B）随邓公再探“计算几何”大观园
│ PART1.mp4
│ PART2.mp4
│ PART3.mp4
│
├─自然语言处理训练营(2023_第3期)
│ └─{1}--课程
│ ├─{10}--文本生成
│ │ #10.1#--第10章课件.pdf
│ │ (10.1)--10_文本生成_v3.pdf
│ │ [10.1]--10.1_文本生成简介.mp4
│ │ [10.2]--10.2_传统文本生成方式.mp4
│ │ [10.3]--10.3_基于神经网络的文本生成.mp4
│ │ [10.4]--10.4_文本生成任务以及挑战.mp4
│ │ [10.5]--10.5_当前趋势和未来.mp4
│ │
│ ├─{11}--NLP前沿介绍
│ │ (11.2)--ChatGPT技术.pdf
│ │ (11.3)--后ChatGPT时代.pdf
│ │ [11.2]--对抗学习.mp4
│ │ [11.3]--强化学习.mp4
│ │ [11.4]--ChatGPTGPT4背后的关键技术.mp4
│ │ [11.5]--后 ChatGPT 时代的 NLP 研究路线.mp4
│ │
│ ├─{12}--直播回放
│ │ [12.10]--实验六布置+答疑.mp4
│ │ [12.11]--实验五汇报、讲解+答疑.mp4
│ │ [12.2]--实验二布置+答疑.mp4
│ │ [12.4]--实验三布置+答疑.mp4
│ │ [12.7]--实验三讲解+答疑.mp4
│ │ [12.8]--实验五布置+答疑.mp4
│ │
│ ├─{1}--课程介绍
│ │ #1.1#--第1章课件.pdf
│ │ (1.1)--01_NLP简介_v1.pdf
│ │ [1.1]--1.1_什么是自然语言处理.mp4
│ │ [1.3]--1.3_自然语言处理的重要性.mp4
│ │ [1.4]--1.4_自然语言处理典型任务及应用.mp4
│ │
│ ├─{2}--NLP模型基础
│ │ #2.1#--第2章课件.pdf
│ │ (2.1)--02_NLP模型基础_v1.pdf
│ │ (2.2)--Word2VecTransE案例（更新）.zip
│ │ [2.1]--2.1_词表示.mp4
│ │ [2.2]--2.2_分布式词表示.mp4
│ │ [2.3]--2.3_词嵌入.mp4
│ │ [2.7]--2.7_卷积神经网络.mp4
│ │ [2.8]--2.8_transformer.mp4
│ │
│ ├─{3}--seq2seq与机器翻译
│ │ (3.1)--03_机器翻译_v1.pdf
│ │ (3.2)--seq2seq案例.zip
│ │ [3.2]--3.2_统计机器翻译.mp4
│ │ [3.3]--3.3_神经机器翻译.mp4
│ │ [3.4]--3.4_注意力机制.mp4
│ │
│ ├─{4}--预训练语言模型
│ │ [4.1]--4.1 基于特征的预训练模型.mp4
│ │ [4.3]--4.3 基于微调的方法.mp4
│ │ [4.4]--4.4 BERT之后的预训练模型.mp4
│ │
│ ├─{5}--知识图谱
│ │ #5.1#--第5章课件.pdf
│ │ #5.2#--数据集与源码框架.pdf
│ │ (5.1)--05_知识图谱.pdf
│ │ [5.3]--5.3 知识表示学习的关键挑战.mp4
│ │
│ ├─{6}--序列标注与信息抽取
│ │ #6.1#--第6章课件.pdf
│ │ (6.1)--06_序列标注.pdf
│ │ [6.1]--6.1_序列标注.mp4
│ │ [6.2]--6.2_词性标注.mp4
│ │ [6.5]--6.5_命名实体分类与实体链接.mp4
│ │
│ ├─{7}--文本分类与关系抽取
│ │ #7.1#--第7章课件.pdf
│ │ (7.1)--07_文本分类与关系抽取.pdf
│ │ (7.2)--预训练模型应用实例-更新版.zip
│ │ [7.2]--7.2_关系抽取.mp4
│ │ [7.3]--7.3_事件抽取.mp4
│ │
│ ├─{8}--文本匹配与信息检索
│ │ #8.1#--第8章课件.pdf
│ │ (8.1)--08_信息检索.pdf
│ │ [8.1]--8.1_信息检索简介.mp4
│ │ [8.3]--8.3_词嵌入IR模型.mp4
│ │ [8.4]--8.4_神经IR模型.mp4
│ │
│ └─{9}--文档分析与阅读理解
│ #9.1#--第9章课件.pdf
│ #9.2#--数据集与源码框架.pdf
│ (9.1)--09_机器问答_v3.pdf
│ (9.2)--法律智能问答案例.zip
│ [9.1]--9.1_机器问答简介.mp4
│ [9.3]--9.3_开放域问答.mp4
│ [9.4]--9.4_知识图谱问答.mp4
│
├─自然语言处理训练营(2024_第1期)
│ └─{1}--课程
│ ├─{10}--文本生成
│ │ #10.1#--第10章课件.pdf
│ │ (10.1)--10_文本生成_v3.pdf
│ │ [10.1]--10.1_文本生成简介.mp4
│ │ [10.2]--10.2_传统文本生成方式.mp4
│ │ [10.3]--10.3_基于神经网络的文本生成.mp4
│ │ [10.4]--10.4_文本生成任务以及挑战.mp4
│ │ [10.5]--10.5_当前趋势和未来.mp4
│ │
│ ├─{11}--NLP前沿介绍
│ │ (11.2)--ChatGPT技术.pdf
│ │ (11.3)--后ChatGPT时代.pdf
│ │ [11.2]--对抗学习.mp4
│ │ [11.3]--强化学习.mp4
│ │ [11.4]--ChatGPTGPT4背后的关键技术.mp4
│ │ [11.5]--后 ChatGPT 时代的 NLP 研究路线.mp4
│ │
│ ├─{12}--直播回放
│ │ (12.2)--第四次实训案例-讲解.pdf
│ │ [12.10]--实验六布置+答疑.mp4
│ │ [12.11]--实验五汇报、讲解+直播答疑.mp4
│ │ [12.12]--实验六讲解+答疑.mp4
│ │ [12.1]--实验一布置+答疑.mp4
│ │ [12.2]--实验二布置+答疑.mp4
│ │ [12.3]--实验一汇报、讲解+答疑.mp4
│ │ [12.5]--实验二讲解+答疑.mp4
│ │ [12.7]--实验三讲解+答疑.mp4
│ │ [12.8]--实验五布置+答疑.mp4
│ │
│ ├─{1}--课程介绍
│ │ (1.1)--01_NLP简介_v1.pdf
│ │ [1.1]--1.1_什么是自然语言处理.mp4
│ │ [1.2]--1.2_自然语言处理的挑战.mp4
│ │ [1.3]--1.3_自然语言处理的重要性.mp4
│ │ [1.4]--1.4_自然语言处理典型任务及应用.mp4
│ │
│ ├─{2}--NLP模型基础
│ │ (2.1)--02_NLP模型基础_v1.pdf
│ │ (2.2)--Word2VecTransE案例（更新）.zip
│ │ [2.1]--2.1_词表示.mp4
│ │ [2.2]--2.2_分布式词表示.mp4
│ │ [2.3]--2.3_词嵌入.mp4
│ │ [2.7]--2.7_卷积神经网络.mp4
│ │ [2.8]--2.8_transformer.mp4
│ │
│ ├─{3}--seq2seq与机器翻译
│ │ #3.1#--第3章课件.pdf
│ │ #3.2#--数据集与源码框架.pdf
│ │ (3.1)--03_机器翻译_v1.pdf
│ │ (3.2)--seq2seq案例.zip
│ │ [3.2]--3.2_统计机器翻译.mp4
│ │ [3.3]--3.3_神经机器翻译.mp4
│ │ [3.4]--3.4_注意力机制.mp4
│ │
│ ├─{4}--预训练语言模型
│ │ [4.1]--4.1 基于特征的预训练模型.mp4
│ │ [4.3]--4.3 基于微调的方法.mp4
│ │ [4.4]--4.4 BERT之后的预训练模型.mp4
│ │
│ ├─{5}--知识图谱
│ │ #5.1#--第5章课件.pdf
│ │ #5.2#--数据集与源码框架.pdf
│ │ (5.1)--05_知识图谱.pdf
│ │ [5.2]--5.2 知识表示学习.mp4
│ │ [5.3]--5.3 知识表示学习的关键挑战.mp4
│ │
│ ├─{6}--序列标注与信息抽取
│ │ #6.1#--第6章课件.pdf
│ │ (6.1)--06_序列标注.pdf
│ │ [6.1]--6.1_序列标注.mp4
│ │ [6.2]--6.2_词性标注.mp4
│ │ [6.5]--6.5_命名实体分类与实体链接.mp4
│ │
│ ├─{7}--文本分类与关系抽取
│ │ #7.2#--数据集与源码框架.pdf
│ │ (7.1)--07_文本分类与关系抽取.pdf
│ │ (7.2)--预训练模型应用实例-更新版.zip
│ │ [7.2]--7.2_关系抽取.mp4
│ │ [7.3]--7.3_事件抽取.mp4
│ │
│ ├─{8}--文本匹配与信息检索
│ │ (8.1)--08_信息检索.pdf
│ │ [8.1]--8.1_信息检索简介.mp4
│ │ [8.4]--8.4_神经IR模型.mp4
│ │
│ └─{9}--文档分析与阅读理解
│ #9.1#--第9章课件.pdf
│ (9.1)--09_机器问答_v3.pdf
│ (9.2)--法律智能问答案例.zip
│ [9.1]--9.1_机器问答简介.mp4
│ [9.3]--9.3_开放域问答.mp4
│ [9.4]--9.4_知识图谱问答.mp4
│
├─驭风计划-python入门与应用
│ 1.10 循环语句-while循环.mp4
│ 1.11 循环语句-for循环.mp4
│ 1.12 快速入门函数.mp4
│ 1.12.pdf
│ 1.2-1.5.pdf
│ 1.3 开发工具的选择.mp4
│ 1.4 jupyter使用.mp4
│ 1.5 第三方模块管理.mp4
│ 1.6 理解变量.mp4
│ 1.6-1.8.pdf
│ 1.7 输入输出语句与基本语法.mp4
│ 1.8 三种运算符.mp4
│ 1.9 条件语句-if语句.mp4
│ 1.9.pdf
│ 10.1 python操作mysql.mp4
│ 10.1mysql数据库操作.pdf
│ 10.2多进程详解与应用.pdf
│ 10.3多线程详解与应用.pdf
│ 10.4 统计文件练习.mp4
│ 10.5 进程池.mp4
│ 10.7 线程安全与互斥锁.mp4
│ 11.1 有序列表中插入元素.mp4
│ 11.10 加数的最大积.mp4
│ 11.11 n的第k个因子.mp4
│ 11.2 求交集.mp4
│ 11.3 字符串旋转.mp4
│ 11.4 字符串列表翻转.mp4
│ 11.7 解压缩列表.mp4
│ 11.8 数字列表加法操作.mp4
│ 11.9 排队问题.mp4
│ 12.1 numpy简介与安装.mp4
│ 12.2 ndarray对象.mp4
│ 12.3 numpy数据类型与访问.mp4
│ 12.5 分割切分.mp4
│ 13.1 matplotlib.mp4
│ 13matplotlib.pdf
│ 14.1 pandas课程介绍.mp4
│ 14.2 series对象.mp4
│ 14.3 dataframe对象.mp4
│ 14.4 pandas数据导入.mp4
│ 14.5 缺失值处理（一）.mp4
│ 14.7 根据条件获取数据.mp4
│ 14.8 描述性统计与计算.mp4
│ 14.9 索引及多级索引.mp4
│ 15.1 period与时间应用.mp4
│ 15.10 str处理.mp4
│ 15.2 时间分析.mp4
│ 15.3 数据去重.mp4
│ 15.5 数据集合并（二）.mp4
│ 15.7 数据处理.mp4
│ 15.8 分组处理.mp4
│ 15.9 cuts.mp4
│ 16.10 seaborn.mp4
│ 16.2 gdp分析（一）.mp4
│ 16.3 gdp分析（二）.mp4
│ 16.5 复购率.mp4
│ 16.6 复购时间间隔.mp4
│ 16.7 用户转化率分析.mp4
│ 16.8 rfm模型（一）.mp4
│ 16.9 rfm模型（二）.mp4
│ 17.1 设置颜色.mp4
│ 17.2 sns数据集与第一个图表.mp4
│ 17.4 seaborn.mp4
│ 17.5 买家评论信息分析（一）.mp4
│ 17.7 泰坦尼克分析.mp4
│ 17.8 mv_lens1.mp4
│ 2.1 数字基础.mp4
│ 2.2随机数模块.pdf
│ 2.4 随机数模块.mp4
│ 3.1 序列基础.mp4
│ 3.1序列.pdf
│ 3.2 序列通用函数.mp4
│ 3.2字符串详解.pdf
│ 3.3 字符串.mp4
│ 3.3列表.pdf
│ 3.4 字符串相关函数.mp4
│ 3.4列表解析.pdf
│ 3.5.1 字符串相关方法（1）.mp4
│ 3.5.2 字符串相关方法（2）.mp4
│ 3.5.3 字符串相关方法（3）.mp4
│ 3.7 列表操作详解.mp4
│ 3.8 元组.mp4
│ 4.1.1 列表练习（1）.mp4
│ 4.1字典.pdf
│ 4.2 列表解析.mp4
│ 4.2集合.pdf
│ 4.3拷贝问题.pdf
│ 4.4 字典相关方法.mp4
│ 4.4collections模块.pdf
│ 4.5.1 字典强化练习（1）.mp4
│ 4.5.2 字典强化练习（2）.mp4
│ 4.6 集合.mp4
│ 4.7 拷贝问题.mp4
│ 4.8 collections模块详解.mp4
│ 5.1 文件操作快速入门.mp4
│ 5.2csv文件详解.pdf
│ 5.4 文件读取操作.mp4
│ 5.5.1 产生销售数据.mp4
│ 5.5.2 销售数据统计.mp4
│ 5.7.2 csv文件练习（2）.mp4
│ 6.1 时间处理.mp4
│ 6.10 单元格格式设置.mp4
│ 6.13 ini文件读写.mp4
│ 6.1时间处理.pdf
│ 6.2 按照时间完成订单的统计.mp4
│ 6.2os模块目录处理.pdf
│ 6.3 统计7天内的订单量.mp4
│ 6.3excel文件详解.pdf
│ 6.4json与picke.pdf
│ 6.5 文件练习.mp4
│ 6.5ini配置文件处理.pdf
│ 6.6 excel读取快速入门.mp4
│ 6.7 excel读取操作.mp4
│ 6.9 excel文件拆分.mp4
│ 7.1 函数基础.mp4
│ 7.10 yield与生成器函数.mp4
│ 7.1函数基础详解.pdf
│ 7.2 函数参数.mp4
│ 7.2匿名函数与函数式编程.pdf
│ 7.3递归函数.pdf
│ 7.4闭包.pdf
│ 7.5 匿名函数.mp4
│ 7.5装饰器.pdf
│ 7.6 函数式编程.mp4
│ 7.6生成器函数.pdf
│ 7.7 递归.mp4
│ 7.8 闭包.mp4
│ 8.10 特殊方法.mp4
│ 8.11 类组合与练习.mp4
│ 8.12 班级管理实现.mp4
│ 8.13 添加菜单.mp4
│ 8.1面向对象编程.pdf
│ 8.2 类与实例属性.mp4
│ 8.3 实例方法.mp4
│ 8.3班级练习_jupyter.pdf
│ 8.4 对象的生命周期.mp4
│ 8.5 面向对象三种方法.mp4
│ 8.6 收银台结算案例.mp4
│ 8.7 propety使用.mp4
│ 8.8 反射.mp4
│ 9.1 模块与导入.mp4
│ 9.1模块与导入.pdf
│ 9.2 包与相对导入绝对导入.mp4
│ 9.3 异常处理.mp4
│ 9.3正则表达式.pdf
│ 9.6 正则表达式基本语法.mp4
│ 9.7 边界匹配.mp4
│ 9.9 split与sub方法.mp4
│
├─驭风计划-深度学习
│ │ 1.1_深度学习的基本概念.mp4
│ │ 1.2_深度学习的发展历程.mp4
│ │ 1.3_深度学习的应用.mp4
│ │ 10.1_生成式模型.mp4
│ │ 10.2_受限玻尔兹曼机.mp4
│ │ 10.3_深度信念网络.mp4
│ │ 10.4 生成对抗网络.mp4
│ │ 2.1_数学基础回顾.mp4
│ │ 2.2_机器学习基础回顾.mp4
│ │ 3.1_logistic回归.mp4
│ │ 3.2_softmax回归.mp4
│ │ 4.1_多层感知机_前言.mp4
│ │ 4.2_前向计算.mp4
│ │ 4.5_深度学习模型的训练技巧I.mp4
│ │ 5.4_典型的卷积神经网络.mp4
│ │ 6.2_处理过拟合.mp4
│ │ 7.1_图像分类.mp4
│ │ 7.2_物体检测.mp4
│ │ 7.3_图像分割.mp4
│ │ 7.4_图像风格转换.mp4
│ │ 8.1_动态系统.mp4
│ │ 8.2_RNNs.mp4
│ │ 8.3_门控RNNs.mp4
│ │ 8.4_语音识别应用.mp4
│ │ 9.2_词表示.mp4
│ │ 9.4_神经网络进行机器翻译.mp4
│ │ 第一章.pdf
│ │ 第七章.pdf
│ │ 第三章.pdf
│ │ 第九章.pdf
│ │ 第二章.pdf
│ │ 第六章.pdf
│ │ 第十章.pdf
│ │ 第四章.pdf
│ │
│ └─深度学习直播答疑
│ 直播答疑1.mp4
│ 直播答疑4.mp4
│ 直播答疑5.mp4
│ 直播答疑7.mp4
│ 直播答疑8.mp4
│ 直播答疑9.mp4
│
└─驭风计划-深度学习（标清）
1.1_深度学习的基本概念.mp4
1.2_深度学习的发展历程.mp4
1.3_深度学习的应用.mp4
1.4_深度学习的潜在风险.mp4
10.1_生成式模型.mp4
10.2_受限玻尔兹曼机.mp4
10.3_深度信念网络.mp4
10.4 生成对抗网络.mp4
2.1_数学基础回顾.mp4
2.2_机器学习基础回顾.mp4
3.1_logistic回归.mp4
3.2_softmax回归.mp4
4.1_多层感知机_前言.mp4
4.2_前向计算.mp4
4.3_反向计算.mp4
4.4_层分解.mp4
4.5_深度学习模型的训练技巧I.mp4
5.1_卷积神经网络简介.mp4
5.2_卷积层.mp4
5.3_池化层.mp4
5.4_典型的卷积神经网络.mp4
6.1_优化器.mp4
6.2_处理过拟合.mp4
6.3_批归一化.mp4
6.4_超参数选取.mp4
7.1_图像分类.mp4
7.2_物体检测.mp4
7.3_图像分割.mp4
7.4_图像风格转换.mp4
8.1_动态系统.mp4
8.2_RNNs.mp4
8.3_门控RNNs.mp4
8.4_语音识别应用.mp4
9.1_NLP典型任务.mp4
9.2_词表示.mp4
9.3_神经网络进行文本分类.mp4
9.4_神经网络进行机器翻译.mp4
实验4讲解+实验6布置答疑.mp4
实验6讲解.mp4
实验7汇报+结营.mp4
实验一汇报、讲解+实验三布置+直播答疑.mp4
实验三讲解+直播答疑.mp4
实验二讲解+直播答疑.mp4
实验五讲解.mp4
实验四、五布置+直播答疑.mp4
开营仪式+实验一、二布置+答疑.mp4
直播答疑1.mp4
直播答疑2.mp4
第一章.pdf
第七章.pdf
第三章.pdf
第九章.pdf
第二章.pdf
第六章.pdf
第十章.pdf
第四章.pdf
