文件内容:
file:29.机器学习课程-29.深度学习 – 卷积神经网络（AlexNet）.mp4
file:61.机器学习课程 61 人工智能中的哲学未来展望.mp4
file:41.机器学习课程-41.概率分类法概述.mp4
file:56.机器学习课程 56人工智能中的哲学 世界是否有规律.mp4
file:9.机器学习课程-9.支持向量机(非线性模型)优化目标函数和限制条件.mp4
file:42.机器学习课程-42.概率密度估计 – 朴素贝叶斯分类器.mp4
file:54.机器学习课程 54人工智能中的哲学 意识问题.mp4
file:48.机器学习课程-48.EM算法（收敛性证明）.mp4
file:19.机器学习课程-19.人工神经网络 – 神经元的数学模型.mp4
file:14.机器学习课程-14.支持向量机的应用 -- 兵王问题（规则介绍）.mp4
file:30.机器学习课程-30.深度学习 – 编程工具（Caffe和Tensorflow）.mp4
file:44.机器学习课程-44.概率密度估计 – 高斯混合模型.mp4
file:43.机器学习课程-43.概率密度估计 – 高斯密度函数.mp4
file:22.机器学习课程-22.人工神经网络 – 多层神经网络.mp4
file:57.机器学习课程 57人工智能中的哲学 中文屋子假想试验.mp4
file:39.机器学习课程-39.特征选择 – 自适应提升（AdaBoost）.mp4
file:45.机器学习课程-45.EM算法（高斯混合模型和K-均值算法）.mp4
file:31.机器学习课程-31.深度学习 – 近年来流行的网络结构.mp4
file:5.机器学习课程（五）没有免费午餐定理.mp4
file:12.机器学习课程-12.支持向量机-将支持向量机原问题转化为对偶问.mp4
file:32.机器学习课程-32.深度学习 – 卷积神经网络的应用.qsv..mp4
file:23.机器学习课程-23.人工神经网络—三层神经网络可以模拟任意决策面.mp4
file:53.机器学习课程 53人工智能中的哲学 缸中之脑.mp4
file:50.机器学习课程 50 隐含马尔科夫过程.mp4
file:16.机器学习课程-16.支持向量机的应用 – 兵王问题 （测试结果）.mp4
file:36.机器学习课程-36.强化学习(policy gradience).mp4
file:33.机器学习课程_33_AlphaGo围棋规则.mp4
file:2.机器学习课程（二）成绩安排.mp4
file:38.机器学习课程-38.特征提取 – 主成分分析（PCA）.mp4
file:6.机器学习课程（六）支持向量机（线性模型）问题.mp4
folder:研究生机器学习课程-浙江大学