课程来自贪心学院的机器学习高阶训练营第一期，官方售价21998元。授课老师通俗易懂地讲解每一个技术细节，力求用最少的时间成本来帮助大家掌握那些很难自学的原理和模型。课程面向已经从事AI行业的工程师、研究员、科学家以及深耕AI领域的硕士、博士生，目前从事AI工作具备良好的Python编程能力具备一定机器学习基础，零基础学员不太适合。
课程共343节，含资料代码共计45G。
适合有机器学习基础，有较强的编程能力，对数据结构与算法比较熟悉、已经在AI领域从事工作，但技术上感觉遇到了瓶颈，想进一步突破的学员、之后想从事AI相关研究工作，想申请国外名校读相关专业的硕士/博士、对机器学习领域最新知识体系深入学习，想转型到一线做AI工程师的学员。
课程收获：
一、掌握所有核心的机器学习算法原理、推导以及应用，并且能够把不同的知识点串起来，理解算法的本质；
二、掌握凸优化、增强学习、主题模型、概率图等经典且有一定难度的知识点；
三、掌握VAE、GAN、Seq2Seq、Attention、Transformer、Bert、XLNet等比较前沿的知识点；
四、掌握如何搭建人脸识别、语音识别、推荐、机器翻译、强化学习、风格迁移等系统。
视频截图：
课程目录：
│ 任务1： mlcamp_course_info.mp4
│ 任务2： 课程介绍.mp4
│ 任务3： 凸集、凸函数、判定凸函数.mp4
│ 任务4： transportation problem.mp4
│ 任务5： portfolio optimization.mp4
│ 任务6： set cover problem.mp4
│ 任务7： duality.mp4
│ 任务8： 答疑部分.mp4
│ 任务9：从词嵌入到文档距离01.mp4
│ 任务10：从词嵌入到文档距离02.mp4
│ 任务11 .mp4
│ 任务12：svm 的直观理解.mp4
│ 任务13：svm 的数学模型.mp4
│ 任务14：带松弛变量的svm.mp4
│ 任务15：带kernel的svm.mp4
│ 任务16：svm的smo的解法.mp4
│ 任务17：使用svm支持多个类别.mp4
│ 任务18：kernel linear regression.mp4
│ 任务19：kernel pca.mp4
│ 任务20：交叉验证.mp4
│ 任务21：vc维.mp4
│ 任务22：直播答疑01.mp4
│ 任务23：直播答疑02.mp4
│ 任务24：lp实战01.mp4
│ 任务25：lp实战02.mp4
│ 任务26：lp实战03.mp4
│ 任务27：hard，np hard-01.mp4
│ 任务28：hard，np hard-02.mp4
│ 任务29：hard，np hard-03.mp4
│ 任务30：引言.mp4
│ 任务31：线性回归.mp4
│ 任务32：basis expansion.mp4
│ 任务33：bias 与 variance.mp4
│ 任务34：正则化.mp4
│ 任务35：ridge, lasso, elasticnet.mp4
│ 任务36：逻辑回归.mp4
│ 任务37： softmax 多元逻辑回归.mp4
│ 任务38：梯度下降法.mp4
│ 任务39：svm人脸识别结合cross-validation交叉验证01.mp4
│ 任务40：svm人脸识别结合cross-validation交叉验证02.mp4
│ 任务41：svm人脸识别结合cross-validation交叉验证03.mp4
│ 任务42：svm人脸识别结合cross-validation交叉验证04.mp4
│ 任务43：模型评估方法和svm做人脸识别01.mp4
│ 任务44：模型评估方法和svm做人脸识别02.mp4
│ 任务45：模型评估方法和svm做人脸识别03.mp4
│ 任务46：pca和lda的原理和实战01.mp4
│ 任务47：pca和lda的原理和实战02.mp4
│ 任务48：pca和lda的原理和实战03.mp4
│ 任务49：softmax with cross entropy01.mp4
│ 任务50：softmax with cross entropy02.mp4
│ 任务51：softmax with cross entropy03.mp4
│ 任务52：kernel logistic regression and the import vec01(1).mp4
│ 任务52：kernel logistic regression and the import vec01.mp4
│ 任务53：kernel logistic regression and the import vec02.mp4
│ 任务54：lda 作为分类器.mp4
│ 任务55：lda 作为分类器答疑.mp4
│ 任务56：lda 作为降维工具.mp4
│ 任务57：kernel lda 5 kernel lda答疑.mp4
│ 任务58：ensemble majority voting.mp4
│ 任务59：ensemble bagging.mp4
│ 任务60：ensemble boosting.mp4
│ 任务61：ensemble random forests.mp4
│ 任务62：ensemble stacking.mp4
│ 任务63：答疑.mp4
│ 任务64：决策树的应用.mp4
│ 任务65：集成模型.mp4
│ 任务66：提升树.mp4
│ 任务67：目标函数的构建.mp4
│ 任务68：additive training.mp4
│ 任务69：使用泰勒级数近似目标函数.mp4
│ 任务70：重新定义一棵树.mp4
│ 任务71：如何寻找树的形状.mp4
│ 任务72：xgboost-01.mp4
│ 任务73：xgboost-02.mp4
│ 任务74：xgboost-03.mp4
│ 任务75：xgboost的代码解读 工程实战-01.mp4
│ 任务76：xgboost的代码解读 工程实战-02.mp4
│ 任务77：xgboost的代码解读 工程实战-03.mp4
│ 任务78：理解和比较xgboost gbdt lightgbm-01.mp4
│ 任务79：理解和比较xgboost gbdt lightgbm-02.mp4
│ 任务80：理解和比较xgboost gbdt lightgbm-03.mp4
│ 任务81：lightgbm-01.mp4
│ 任务82：lightgbm-02.mp4
│ 任务83：lightgbm-03.mp4
│ 任务84：聚类算法介绍 k-means 算法描述.mp4
│ 任务85：k-means 的特性 k-means++.mp4
│ 任务86：em 算法思路.mp4
│ 任务87：em 算法推演.mp4
│ 任务88：em 算法的收敛性证明.mp4
│ 任务89：em 与高斯混合模型.mp4
│ 任务90：em 与 kmeans 的关系.mp4
│ 任务91：dbscan聚类算法.mp4
│ 任务92：课后答疑.mp4
│ 任务93：kaggle广告点击欺诈识别实战-01.mp4
│ 任务94：kaggle广告点击欺诈识别实战-02.mp4
│ 任务95：kaggle广告点击欺诈识别实战-03.mp4
│ 任务96：kaggle广告点击欺诈识别实战-04.mp4
│ 任务97：klda实例+homework1讲评-01.mp4
│ 任务98：klda实例+homework1讲评-02.mp4
│ 任务99：klda实例+homework1讲评-03.mp4
│ 任务100：klda实例+homework1讲评-04_(new).mp4
│ 任务101：Analysis and Applications-01_ev.mp4
│ 任务102：Analysis and Applications-02_ev.mp4
│ 任务103：Analysis and Applications-03_ev.mp4
│ 任务104：基于HMM的中文分词： jieba分词原理1_ev.mp4
│ 任务105：基于HMM的中文分词： jieba分词原理2_ev.mp4
│ 任务106：基于HMM的中文分词： jieba分词原理3_ev.mp4
│ 任务107：基于HMM的中文分词： jieba分词原理_ev.mp4
│ 任务108：Graphical Models_ev.mp4
│ 任务109：Hidden Markov Model_ev.mp4
│ 任务110：Finding Best Z_ev.mp4
│ 任务111：Finding Best Z：Viterbi_ev.mp4
│ 任务112：HMM 的参数估计_ev.mp4
│ 任务113：XGBoost分类问题-01_ev.mp4
│ 任务114：XGBoost分类问题-02_ev.mp4
│ 任务115：XGBoost分类问题-03_ev.mp4
│ 任务116：基于STM-CRF命名实体识别-01_ev.mp4
│ 任务117：基于STM-CRF命名实体识别-02_ev.mp4
│ 任务118：基于STM-CRF命名实体识别-03_ev.mp4
│ 任务119.mp4
│ 任务120：forward algorithm.mp4
│ 任务121：backward algorithm.mp4
│ 任务122：complete vs incomplete case.mp4
│ 任务123：estimate a-review of language model.mp4
│ 任务124：回顾-生成模型与判别模型.mp4
│ 任务125：回顾-有向图vs无向图.mp4
│ 任务126：multinomial logistic regression.mp4
│ 任务127：回顾-hmm.mp4
│ 任务128：log-linear model to linear-crf.mp4
│ 任务129：inference problem.mp4
│ 任务130：bp算法.mp4
│ 任务131：pytorch基础.mp4
│ 任务132：深度学习与深度神经网络的历史背景.mp4
│ 任务133：神经网络的前向算法.mp4
│ 任务134：神经网络的误差向后传递算法.mp4
│ 任务135：误差向后传递算法推导.mp4
│ 任务136：课后答疑.mp4
│ 任务137：inception-resnet卷积神经网络-01.mp4
│ 任务138：inception-resnet卷积神经网络-02.mp4
│ 任务139：bp算法回顾-01.mp4
│ 任务140：bp算法回顾-02.mp4
│ 任务141：bp算法回顾-03.mp4
│ 任务142：矩阵求导-01.mp4
│ 任务143：矩阵求导-02.mp4
│ 任务144：矩阵求导-03.mp4
│ 任务145：卷积的原理.mp4
│ 任务146：多通道输入, 多通道输出的卷积操作, 典型的卷积网络结构.mp4
│ 任务147：卷积层用于降低网络模型的复杂度.mp4
│ 任务148：卷积层复杂度的推演 padding的种类.mp4
│ 任务149：卷积层的误差向后传递算法(梯度推演) .mp4
│ 任务150：卷积层的各种变体.mp4
│ 任务151：经典的卷积网络一览.mp4
│ 任务152：课后答疑.mp4
│ 任务153：EffNet-01.mp4
│ 任务154：EffNet-02.mp4
│ 任务155：MobileNet-01.mp4
│ 任务156：MobileNet-02.mp4
│ 任务157：MobileNet-03.mp4
│ 任务158：ShuffleNet-01.mp4
│ 任务159：ShuffleNet-02.mp4
│ 任务160：ShuffleNet-03.mp4
│ 任务161：神经网络的梯度消失及其对策.mp4
│ 任务162：神经网络的过拟合及其对策1-Dropout.mp4
│ 任务163：神经网络的过拟合及其对策2-L1 L2 Regularization.mp4
│ 任务164：神经网络的过拟合及其对策3-Max Norm.mp4
│ 任务165：神经网络的过拟合及其对策4-Batch Normalization.mp4
│ 任务166：批处理梯度下降法, 随机梯度下降法, mini批处理梯度下降法.mp4
│ 任务167.mp4
│ 任务168.mp4
│ 任务169.mp4
│ 任务170.mp4
│ 任务171.mp4
│ 任务172.mp4
│ 任务173.mp4
│ 任务174.mp4
│ 任务175：课后答疑.mp4
│ 任务176：语言模型的原理及其应用.mp4
│ 任务177：基于n-gram的语言模型.mp4
│ 任务178：基于固定窗口的神经语言模型.mp4
│ 任务179：RNN的原理, 基于RNN的语言模型及其应用.mp4
│ 任务180：RNN中的梯度消失与梯度爆炸.mp4
│ 任务181：LSTM的原理.mp4
│ 任务182：GRU的原理.mp4
│ 任务183：梯度消失 爆炸的解决方案.mp4
│ 任务184：双向Bidirectional RNN, 多层Multi-layer RNN.mp4
│ 任务185：课后答疑.mp4
│ 任务186：人脸关键点检测项目讲解-01.mp4
│ 任务187：人脸关键点检测项目讲解-02.mp4
│ 任务188：人脸关键点检测项目讲解-03.mp4
│ 任务189：LONG SHORT-TERM MEMORY-01.mp4
│ 任务190：LONG SHORT-TERM MEMORY-02.mp4
│ 任务191：为什么需要Attention注意力机制.mp4
│ 任务192：Attention的原理.mp4
│ 任务193：Transformer入门.mp4
│ 任务194：Self-Attention注意力机制的原理.mp4
│ 任务195：Positional Encoding.mp4
│ 任务196：Layer Normalization.mp4
│ 任务197：Transformer Decoder解码器的原理, 损失函数, 训练小技巧.mp4
│ 任务198：Bert的原理.mp4
│ 任务199：课后答疑.mp4
│ 任务200：课中答疑.mp4
│ 任务201：Word2Vec论文解读-01.mp4
│ 任务202：Word2Vec论文解读-02.mp4
│ 任务203：Word2Vec论文解读-03.mp4
│ 任务204：使用BiLSTM+CNN实现NER-01.mp4
│ 任务205：使用BiLSTM+CNN实现NER-02.mp4
│ 任务206：使用BiLSTM+CNN实现NER-03.mp4
│ 任务207.mp4
│ 任务208.mp4
│ 任务209.mp4
│ 任务210.mp4
│ 任务211.mp4
│ 任务212.mp4
│ 任务213.mp4
│ 任务214.mp4
│ 任务215.mp4
│ 任务216.mp4
│ 任务217.mp4
│ 任务218.mp4
│ 任务219.mp4
│ 任务220.mp4
│ 任务221.mp4
│ 任务222.mp4
│ 任务223.mp4
│ 任务224.mp4
│ 任务225.mp4
│ 任务226.mp4
│ 任务227.mp4
│ 任务228.mp4
│ 任务229.mp4
│ 任务230.mp4
│ 任务231.mp4
│ 任务232.mp4
│ 任务233.mp4
│ 任务234.mp4
│ 任务235.mp4
│ 任务236.mp4
│ 任务237.mp4
│ 任务238.mp4
│ 任务239.mp4
│ 任务240.mp4
│ 任务241.mp4
│ 任务242.mp4
│ 任务243.mp4
│ 任务244.mp4
│ 任务245.mp4
│ 任务246.mp4
│ 任务247.mp4
│ 任务248.mp4
│ 任务249.mp4
│ 任务250.mp4
│ 任务251.mp4
│ 任务252.mp4
│ 任务253.mp4
│ 任务254.mp4
│ 任务255.mp4
│ 任务256.mp4
│ 任务257.mp4
│ 任务258.mp4
│ 任务259.mp4
│ 任务260.mp4
│ 任务261.mp4
│ 任务262.mp4
│ 任务263.mp4
│ 任务264.mp4
│ 任务265.mp4
│ 任务266.mp4
│ 任务267.mp4
│ 任务268.mp4
│ 任务269.mp4
│ 任务270.mp4
│ 任务271.mp4
│ 任务272.mp4
│ 任务273.mp4
│ 任务274.mp4
│ 任务275.mp4
│ 任务276.mp4
│ 任务277.mp4
│ 任务278.mp4
│ 任务279.mp4
│ 任务280.mp4
│ 任务281.mp4
│ 任务282.mp4
│ 任务283.mp4
│ 任务284.mp4
│ 任务285.mp4
│ 任务286.mp4
│ 任务287.mp4
│ 任务288.mp4
│ 任务289.mp4
│ 任务290.mp4
│ 任务291.mp4
│ 任务292.mp4
│ 任务293.mp4
│ 任务294.mp4
│ 任务295.mp4
│ 任务296.mp4
│ 任务298.mp4
│ 任务297.mp4
│ 任务299.mp4
│ 任务300.mp4
│ 任务301.mp4
│ 任务302.mp4
│ 任务303.mp4
│ 任务304.mp4
│ 任务305.mp4
│ 任务306.mp4
│ 任务307.mp4
│ 任务308.mp4
│ 任务309.mp4
│ 任务310.mp4
│ 任务311.mp4
│ 任务312.mp4
│ 任务313.mp4
│ 任务314.mp4
│ 任务315.mp4
│ 任务316.mp4
│ 任务317.mp4
│ 任务318.mp4
│ 任务319.mp4
│ 任务320.mp4
│ 任务321.mp4
│ 任务322.mp4
│ 任务323.mp4
│ 任务324.mp4
│ 任务325.mp4
│ 任务326.mp4
│ 任务327.mp4
│ 任务328.mp4
│ 任务329.mp4
│ 任务330.mp4
│ 任务331.mp4
│ 任务332.mp4
│ 任务333.mp4
│ 任务334.mp4
│ 任务335.mp4
│ 任务336.mp4
│ 任务337.mp4
│ 任务338.mp4
│ 任务339.mp4
│ 任务340.mp4
│ 任务341.mp4
│ 任务342.mp4
│ 任务343.mp4
│
└─贪心机器学习高阶代码资料
├─全部git资料完整
│ course-info-master-c0c048f279d0765cf67d5b5431202034bf15afc6.zip
│ Lecture1-master-895456ffa1401c70890d78f4c84c4329de3fcb0f.zip
│ MiniAssignments-master-19639e961ee2aecba25b66194dad72dd11669e69.zip
│
└─资料
│ 2.svm(yuan).pdf
│ 2019.11.24 Softmax with Cross Entropy [阿勇].pptx
│ 5.neural.network.part2.CNN.(yuan).pdf
│ Bidirectional LSTM-CRF Models for Sequence Tagging-clear.pptx
│ k-MEANS.EM.DBSCAN.v2.pdf
│ kernel logistic regression and the import vector machine-clear.pptx
│ ML论文阅读1-WMD距离 [v1.0].pptx
│ PCA和LDA原理和实战.pptx
│ PyTorch基础.pptx
│ P问题_review_hpp.pptx
│ RNN-Principle-Application-based-on-cs224n-2019-lecture06-07.pdf
│ yuan.lda.ensembel.pdf
│ 如何写summary.txt
│ 宁老师，MobileNets.pptx
│
├─01.04
│ .gitkeep
│ 0104 Inceptionv4.zip
│
├─01.11Eliose
│ .gitkeep
│ EffNet.pptx.zip
│
├─01.19.RNN
│ .gitkeep
│
├─1.5
│ .gitkeep
│ 2020.01.05 BP算法回顾 [阿勇].pptx
│ 5.neural.network.part1.BP.(yuan).20191230.pdf
│ 矩阵求导.pptx
│
├─11.17
│ .gitkeep
│ 2019.11.17 SVM实战-人脸识别 [阿勇].pptx
│ FR_SVM.py
│
├─11.17宁
│ .gitkeep
│ cf_Iris.py
│ svm.face.recognition.ipynb
│ 模型评估方法.pptx
│
├─11.22
│ .gitkeep
│ pca.lda(3).ipynb
│ PCA和LDA原理和实战.pptx
│ wine(1).data
│
├─1110lp
│ .gitkeep
│ lpsolve.py
│ simplex.py
│ 线性规划.pptx
│
├─12.1 yong
│ .gitkeep
│ 2019.12.01 XGBoost实战 [阿勇].pptx
│ Exp_XGBoost.py
│ scikit_learn-0.21.3-cp37-cp37m-win_amd64.whl
│ xgboost-0.90-py2.py3-none-win_amd64.whl
│
├─12.15ning
│ .gitkeep
│ jieba分词原理解析.pptx
│
├─12.15老大
│ .gitkeep
│ Archive.zip
│
├─12.1Ning
│ .gitkeep
│ GBDT_Simple_Tutorial-master.zip
│ lgb_sample.py
│ 理解和比较GBDT、XGBoost和LightGBM.pptx
│
├─12.28.yuan
│ .gitkeep
│ 5.neural.network.part1.BP.(yuan).20191230.pdf
│ 5.neural.network.part1.BP.(yuan).pdf
│
├─12.9，Ning
│ .gitkeep
│ competition-talkingdata-adtracking-frauddetection(1)(1).ipynb
│ kaggle广告点击欺诈识别实战.pptx
│
├─1229Yong
│ .gitkeep
│ 2019.12.29 神经网络BP算法 [阿勇].pptx
│ network.py
│ Neural Networks and Deep Learning.pdf
│ neural-networks-and-deep-learning-master.zip
│
├─bp
│ .gitkeep
│ 2019.12.29 神经网络BP算法 [阿勇].pptx
│ Neural Networks and Deep Learning(1).pdf
│ neural-networks-and-deep-learning-master.zip
│
├─Eloise
│ 1228.pptx
│
├─homework1
│ .gitkeep
│ face.rec.klda.homework.py
│ readme.md
│ 作业提示1：11.24日课程ppt16页.jpg
│ 作业提示2：11.24日课程ppt11页.jpg
│ 结果展示图.jpg
│ 项目指导：Kernel trick with LDA.docx
│
├─homework1。
│ MiniHomework#1.ipynb
│
├─kejian
│ LinearRegression.BasisExpansion.Ridge.Lasso.ElasticNet.LogisticRegression.SoftmaxClassifier.SGD.pdf
│
├─Lecture1
│ slide.pptx
│ slide_note.pptx
│
├─ning-12.22
│ Bi-LSTM+CRF(1).pdf
│ bilistm_crf(1).py
│ CRF.pptx
│
├─ning.1.12
│ .gitkeep
│
├─xgboost
│ .gitkeep
│ 2019.12.22 XGBoost与分类问题 [阿勇](1).pptx
│ Exp_XGBoost2.py
│
├─yong.1.12
│ .gitkeep
│ 2017 ArXiv ShuffleNet An Extremely Efficient Convolutional Neural Network for Mobile Devices.pdf
│ 2018 Arxiv ShuffleNet V2 Practical Guidelines for efficient CNN Architecture Design.pdf
│ 2018 CVPR ShuffleNet An Extremely Efficient Convolutional Neural Network for Mobile Devices.pdf
│ 2020.01.12 ShuffleNet论文 [阿勇].pptx
│
├─阿勇老师资料20191208
│ 2019.12.08 KLDA实例 homework1讲评 [阿勇].pdf
│ 2019.12.08 KLDA实例 homework1讲评 [阿勇].pptx
│ FR_KLDA_KNN.py
│ OTP_LP.py
│
└─集成模型