本站已运行

攻城狮论坛

IE-LAB

IE-LAB

作者: 程序家
查看: 10114|回复: 1755

主题标签Tag

more +今日重磅推荐Recommend No.1

所有IT类厂商认证考试题库下载所有IT类厂商认证考试题库下载

more +随机图赏Gallery

2018新版 肖哥 华为HCNA HCNP安全入门课程视频教程2018新版 肖哥 华为HCNA HCNP安全入门课程视频教程
华为HCNP最新战报950分通过。迎战总结。H12-223华为HCNP最新战报950分通过。迎战总结。H12-223
大幅提升工作效率~SecureCRT 8.0安装 & 加载配色方案大幅提升工作效率~SecureCRT 8.0安装 & 加载配色方案
强大模拟器EVE-NG-PRO 永久免费使用版 无需license 附带使用视频教程强大模拟器EVE-NG-PRO 永久免费使用版 无需license 附带使用视频教程
EVE-NG-PRO永久试用版横空出世,Toolkit一键激活!EVE-NG-PRO永久试用版横空出世,Toolkit一键激活!
视频教程 看的见的算法 7个经典应用诠释算法精髓视频教程 看的见的算法 7个经典应用诠释算法精髓
EVE-NG-PRO专业版国内大神破解版-永久更新EVE-NG-PRO专业版国内大神破解版-永久更新
乾颐堂 最新 2018 CCNA安全课程视频教程分享  5天完整版 教主真人秀乾颐堂 最新 2018 CCNA安全课程视频教程分享 5天完整版 教主真人秀
INE出品Wireshark教程(初级) 国外英文培训视频 Wireshark抓包技术视频INE出品Wireshark教程(初级) 国外英文培训视频 Wireshark抓包技术视频
HCNP RS上海顺利通过!HCNP RS上海顺利通过!
新版视频 raspberry树莓派3b入门 小汽车 机械臂机器人 蓝牙 wifi新版视频 raspberry树莓派3b入门 小汽车 机械臂机器人 蓝牙 wifi
新版视频 raspberry树莓派3b入门传感器开发板套件学习视频教程新版视频 raspberry树莓派3b入门传感器开发板套件学习视频教程

[人工智能] 1200个视频 斯坦福大学 顶级机器学习课程视频教程 人工智能最新科技成果分享

  [复制链接]
程序家 [VIP@钻石] 发表于 2017-4-26 22:47:12 | 显示全部楼层 |阅读模式
查看: 10114|回复: 1755
开通VIP 免金币+免回帖+批量下载+无广告

斯坦福大学 机器学习课程视频教程 人工智能最新科技成果分享

1200个视频 斯坦福大学 顶级机器学习课程视频教程 人工智能最新科技成果分享 - 攻城狮论坛 - 斯坦福大学 机器学习课程视频教程 人工智能最新科技成果分享

斯坦福大学 机器学习课程视频教程 人工智能最新科技成果分享

1200个视频 斯坦福大学 顶级机器学习课程视频教程 人工智能最新科技成果分享 - 攻城狮论坛 - 斯坦福大学 机器学习课程视频教程 人工智能最新科技成果分享

斯坦福大学 顶级机器学习课程视频教程 人工智能最新科技成果分享

1200个视频 斯坦福大学 顶级机器学习课程视频教程 人工智能最新科技成果分享 - 攻城狮论坛 - 斯坦福大学 顶级机器学习课程视频教程 人工智能最新科技成果分享

斯坦福大学 顶级机器学习课程视频教程 人工智能最新科技成果分享

1200个视频 斯坦福大学 顶级机器学习课程视频教程 人工智能最新科技成果分享 - 攻城狮论坛 - 斯坦福大学 顶级机器学习课程视频教程 人工智能最新科技成果分享


课程介绍:

└─斯坦福大学 机器学习课程视频教程 人工智能最新科技成果分享
    │  001_machine_learning_by_andrew_ng_coursera.part1.rar
    │  001_machine_learning_by_andrew_ng_coursera.part2.rar
    │  003_机器学习基石.part1.rar
    │  003_机器学习基石.part2.rar
    │  003_机器学习基石.part3.rar
    │  004_机器学习技法.rar
    │  005_Neural Networks for Machine Learning.part1.rar
    │  005_Neural Networks for Machine Learning.part2.rar
    │  006_Probabilistic Graphical Models.part1.rar
    │  006_Probabilistic Graphical Models.part2.rar
    │  006_Probabilistic Graphical Models.part3.rar
    │  031_台大概率.part1.rar
    │  031_台大概率.part2.rar
    │  031_台大概率.part3.rar
    │  031_台大概率.z01
    │  031_台大概率.z01.part1.rar
    │  031_台大概率.z01.part2.rar
    │  036_Coding the Matrix.rar
    │  Big Data, Cloud Computing, & CDN Emerging Technologies.rar
    │  Duke Image and video processing From Mars to Hollywood with a stop at the hospital.rar
    │  Interactive Computer Graphics.rar
    │  Malik - Computer Vision.rar
    │  Practical Machine Learning.rar
    │  Sapiro - Image and video processing.rar
    │  Udacity.part01.rar
    │  Udacity.part29.rar
    │  斯坦福大学-机器学习课程.part1.rar
    │  斯坦福大学-机器学习课程.part2.rar
    │  斯坦福大学-机器学习课程.z01
    │  斯坦福大学-机器学习课程.z01.part1.rar
    │  斯坦福大学-机器学习课程.z01.part2.rar
    │  斯坦福大学-机器学习课程.z01.part3.rar
    │  机器学习书.rar
    │  机器学习方向(经典书籍及教材资料).rar
    │  机器学习经典论文.rar
    │  




资源批量下载地址: ---> http://bbs.vlan5.com/forum-94-1.html
更多精品资源,打包下载(可按知识点/发布日期/培训班/讲师等方式批量下载视频/文档/资料/电子书)

本贴附件下载链接:

购买主题 已有 3 人购买  本主题需向作者支付 500 金币 才能浏览
CCNA考试 官方正规报名 仅需1500元
回复 论坛版权

使用道具 举报

小硬盘 [超级版主] 发表于 2017-4-26 22:49:33 | 显示全部楼层
" a* Q% K, [7 [% m
    ├─001_machine_learning_by_andrew_ng_coursera4 _/ ?1 Q' y2 k7 S) T
    │  └─001_machine_learning_by_andrew_ng_coursera
/ r0 O- C& L; F  W: }    │      ├─ml-003
$ c9 z9 l. Z9 ]+ B) p; ~# L    │      │  ├─01_I._Introduction
+ u3 A9 q6 Q2 f8 G1 T    │      │  │      01_Welcome.mp4
8 m: b( X" c5 m, m6 L. G. b    │      │  │      01_Welcome.pdf
5 ?+ y7 Y; W: @5 J# C' s    │      │  │      01_Welcome.pptx
: `6 r  V6 D8 K/ ]9 m2 f# s( @4 G& t    │      │  │      01_Welcome.srt: G( e# g! T6 `4 c% x' E% ?1 w/ d& x
    │      │  │      01_Welcome.txt6 _/ w) J) ^& u* Q
    │      │  │      02_What_is_Machine_Learning.mp4
$ ~0 t$ H" [+ x; \, @    │      │  │      02_What_is_Machine_Learning.srt; J7 b) o- E  k$ U( s* e2 O+ o6 `% C3 h
    │      │  │      02_What_is_Machine_Learning.txt
9 Q9 u* f2 K  F    │      │  │      03_Supervised_Learning.mp4
* Z! h& c, S5 R    │      │  │      03_Supervised_Learning.srt
' S& L: E, l# y    │      │  │      03_Supervised_Learning.txt
+ l) J* q, y. |5 d8 i    │      │  │      04_Unsupervised_Learning.mp4: g' N; z* j7 `0 s5 |0 j
    │      │  │      04_Unsupervised_Learning.srt$ y7 J& n+ o5 U7 H
    │      │  │      04_Unsupervised_Learning.txt1 A; x( G' c' o
    │      │  │      
0 U" j& r* B' U+ P9 Q    │      │  ├─02_II._Linear_Regression_with_One_Variable/ V0 B: {4 w2 P7 H
    │      │  │      02_Cost_Function.mp4$ g. J* }( I$ s$ H
    │      │  │      02_Cost_Function.srt1 G  x! I$ ^4 r5 o8 \
    │      │  │      02_Cost_Function.txt
5 @+ _! Q" H6 o' S( U    │      │  │      05_Gradient_Descent.mp4& m) C9 L+ C- _2 N( \1 J+ m5 |* F5 ?
    │      │  │      05_Gradient_Descent.srt& C8 L4 ^" y# Z4 Y' m& c
    │      │  │      05_Gradient_Descent.txt8 p; y2 ^% I/ N% }
    │      │  │      08_Whats_Next.mp4
$ O) M( i8 {* c  w6 e4 g    │      │  │      08_Whats_Next.srt
7 s$ S9 i7 M0 v# y' N1 S    │      │  │      08_Whats_Next.txt& j& m5 F% c5 D3 d6 A8 d3 m
    │      │  │      
" X5 e7 i1 Y9 P1 }, o    │      │  ├─03_III._Linear_Algebra_Review4 F2 S; V2 @3 y, x% o6 }0 A
    │      │  │      01_Matrices_and_Vectors.mp4; e0 G  @6 @/ h
    │      │  │      01_Matrices_and_Vectors.pdf2 l  {; \  X" ]0 i) _$ V2 m% W" B
    │      │  │      01_Matrices_and_Vectors.pptx4 u8 J" N, T; M% _" z6 I: B- ?
    │      │  │      01_Matrices_and_Vectors.srt( ~: T$ G$ Q* p# U5 c
    │      │  │      01_Matrices_and_Vectors.txt8 }% Q( b, w0 k* p. L# G* @
    │      │  │      03_Matrix_Vector_Multiplication.mp43 }% }7 f  C# a. G8 J- c
    │      │  │      03_Matrix_Vector_Multiplication.srt. t* g: t: ~9 X2 q  \# J: H+ |
    │      │  │      03_Matrix_Vector_Multiplication.txt
8 y, B0 [1 O& B0 j( j/ r0 G7 ~    │      │  │      04_Matrix_Matrix_Multiplication.mp4
7 c, l+ I: _* s    │      │  │      04_Matrix_Matrix_Multiplication.srt
- a& x- G( n7 M) m+ P1 C    │      │  │      04_Matrix_Matrix_Multiplication.txt2 C9 U3 Q& _+ D
    │      │  │      05_Matrix_Multiplication_Properties.mp4% ?6 h" |, w% R3 M* K  I
    │      │  │      05_Matrix_Multiplication_Properties.srt
7 t: v5 v( u& ]    │      │  │      05_Matrix_Multiplication_Properties.txt
5 R/ i% l" N, u8 \: T, F2 D9 s    │      │  │      06_Inverse_and_Transpose.mp4* l0 p6 K3 I# ^' ~
    │      │  │      06_Inverse_and_Transpose.srt1 G- A+ y  S" v" P$ H
    │      │  │      06_Inverse_and_Transpose.txt
3 ~" g3 B7 b5 e2 B    │      │  │      
! G7 g7 {% ^* U1 P2 J4 D, S6 L* u    │      │  ├─04_IV._Linear_Regression_with_Multiple_Variables
. d9 t: P/ A( c! b# I    │      │  ├─05_V._Octave_Tutorial
/ W; ]- [  @) H. L- C3 n# J  b) e- E    │      │  │      01_Basic_Operations.mp4; e) f- v% O6 X# H/ _
    │      │  │      01_Basic_Operations.pdf6 y% W0 C- q% ^, q  O3 b
    │      │  │      01_Basic_Operations.pptx& U- a( v& E# \1 O7 Z* ?
    │      │  │      01_Basic_Operations.srt
* X' h1 M( p1 y    │      │  │      01_Basic_Operations.txt3 ~0 b7 k7 q. ~: I
    │      │  │      02_Moving_Data_Around.mp4
) m; ^6 a) |0 Y4 R* H    │      │  │      02_Moving_Data_Around.srt
- S3 r5 G8 K6 T' u9 h. ]    │      │  │      02_Moving_Data_Around.txt
/ V' H$ \* J; z    │      │  │      03_Computing_on_Data.mp4
7 _: M( e0 {$ p0 x1 G2 \9 }    │      │  │      03_Computing_on_Data.srt
* h" ?) S. n. k! z    │      │  │      03_Computing_on_Data.txt
$ v$ P* _: E) v! E" _9 x/ q    │      │  │      04_Plotting_Data.mp4
. r% \$ I1 q  X3 i4 ?    │      │  │      04_Plotting_Data.srt, N+ \2 t8 T2 m  k
    │      │  │      04_Plotting_Data.txt9 b4 r" g; m$ H% a- c, g
    │      │  │      06_Vectorization.mp4  p* Z' z( }% u4 H- b' o9 `+ _% d8 e& \
    │      │  │      06_Vectorization.srt# N  a! V/ U! ]) o4 p
    │      │  │      06_Vectorization.txt
4 ]& G# G( |8 C. T, @    │      │  │      
, f$ _% @! o6 O9 C: k    │      │  ├─06_VI._Logistic_Regression0 [8 b3 y/ r  J. f! T3 x
    │      │  │      01_Classification.mp4, ^. ^( I& j* Z& I" Z) Y7 O! o
    │      │  │      01_Classification.pdf; U6 P/ U  d. f( m" u
    │      │  │      01_Classification.pptx
  |8 o# y' M5 j% u% K( H    │      │  │      01_Classification.srt) b; u9 N$ B: f
    │      │  │      01_Classification.txt
) R; J$ a% x5 O  ]2 E    │      │  │      02_Hypothesis_Representation.mp4
* o+ `6 S7 w& J0 F/ D5 d    │      │  │      02_Hypothesis_Representation.srt
4 j2 Y% ^- r/ h* x9 L/ R: I: O    │      │  │      02_Hypothesis_Representation.txt
: I6 y  X$ ]3 i; `5 Z6 Y. o' h    │      │  │      03_Decision_Boundary.mp41 Z% e) c% K+ h- }) a
    │      │  │      03_Decision_Boundary.srt
+ n. M; i7 T5 ~, W    │      │  │      03_Decision_Boundary.txt- T- U9 Y- |* w& Z6 H, w/ D
    │      │  │      04_Cost_Function.mp4! `4 k) e! t+ n6 b0 @( v$ v# N  O
    │      │  │      04_Cost_Function.srt. _2 T. n' M( I( }# z
    │      │  │      04_Cost_Function.txt
1 }% A2 c# E' A. p: B    │      │  │      06_Advanced_Optimization.mp4
! r+ r8 W5 r' E; n9 s    │      │  │      06_Advanced_Optimization.srt
0 p9 U7 A, O0 I7 {    │      │  │      06_Advanced_Optimization.txt
" A- I- R/ c2 F: R+ O    │      │  │      
* u/ r7 s& J" d# ~    │      │  ├─07_VII._Regularization
6 B: z9 u' P$ z# d$ G) @    │      │  │      01_The_Problem_of_Overfitting.mp4
# g$ c! F: q/ q& j" n: M    │      │  │      01_The_Problem_of_Overfitting.pdf/ {, H' @: u1 u0 b5 |. {; l! f
    │      │  │      01_The_Problem_of_Overfitting.pptx5 j* ~3 }, \; e7 v
    │      │  │      01_The_Problem_of_Overfitting.srt! S. b7 O$ r# C9 ]( L3 _' j, L" l2 o
    │      │  │      01_The_Problem_of_Overfitting.txt; f3 ?: F2 H( b: s5 ~: [
    │      │  │      02_Cost_Function.mp4/ S3 |, m% w4 L+ c+ `( J5 p
    │      │  │      02_Cost_Function.srt6 v6 v" y. l3 z9 T; ?
    │      │  │      02_Cost_Function.txt3 K4 a0 ?. @( o+ [+ }
    │      │  │      03_Regularized_Linear_Regression.mp4( |9 Y# \) W7 i( w- r" p
    │      │  │      03_Regularized_Linear_Regression.srt! g1 v# j0 `  g& [6 b5 {
    │      │  │      03_Regularized_Linear_Regression.txt
# g, D. l  f& H9 `' l    │      │  │      04_Regularized_Logistic_Regression.mp4
. q! ~8 X( r; {$ f* w% P    │      │  │      04_Regularized_Logistic_Regression.srt
/ P" k# ~* x* }# z    │      │  │      04_Regularized_Logistic_Regression.txt. T# L0 r- r& z' A1 `2 P, q2 j
    │      │  │      
3 q$ M% {$ p5 m8 o# Y8 U: R    │      │  ├─08_VIII._Neural_Networks-_Representation
3 @/ ~* W1 k, e- {1 `9 \    │      │  │      01_Non-linear_Hypotheses.mp4
, h2 ?. j- [1 n0 ]    │      │  │      01_Non-linear_Hypotheses.pdf
9 T8 ^- |) c/ y/ G8 u    │      │  │      01_Non-linear_Hypotheses.srt
: d: G- J) G% A( M    │      │  │      01_Non-linear_Hypotheses.txt) B, E* L  J: Z4 V
    │      │  │      02_Neurons_and_the_Brain.mp4
) ?3 r6 T7 w+ c$ k, b- b    │      │  │      02_Neurons_and_the_Brain.srt
5 l% l8 ?- ~, {/ I2 O3 P1 H    │      │  │      02_Neurons_and_the_Brain.txt
0 l: ~9 ~" M. t    │      │  │      3 D" A% F& K  V: l5 h
    │      │  ├─09_IX._Neural_Networks-_Learning
1 f2 o( f  Y$ L$ e4 O    │      │  │      01_Cost_Function.mp4
" _( X2 I: e5 b    │      │  │      01_Cost_Function.pdf
  B/ R+ d( b5 r    │      │  │      01_Cost_Function.pptx
4 ]; D) f! ?  J    │      │  │      01_Cost_Function.srt7 ?  L3 d6 Q% K
    │      │  │      01_Cost_Function.txt- {3 d4 u& Q2 f
    │      │  │      02_Backpropagation_Algorithm.mp4
% ~7 O$ [/ E* X: u0 L$ t5 s    │      │  │      02_Backpropagation_Algorithm.srt
( t& g' A4 K1 a    │      │  │      02_Backpropagation_Algorithm.txt
: h, V' ^4 k( p' Q# V" q, W% D    │      │  │      03_Backpropagation_Intuition.mp4
  I! G' @% t& Y    │      │  │      03_Backpropagation_Intuition.srt- [9 I% h0 h7 e+ A
    │      │  │      03_Backpropagation_Intuition.txt6 n5 L$ [2 R. s5 |7 i
    │      │  │      05_Gradient_Checking.mp4
% N4 s5 x# X8 V1 R; Y    │      │  │      05_Gradient_Checking.srt
7 e* K: q; \$ _! x# Y7 K    │      │  │      05_Gradient_Checking.txt
, r2 c6 R. m- B1 v    │      │  │      06_Random_Initialization.mp49 C4 O" |6 f. _4 X2 Z# v
    │      │  │      06_Random_Initialization.srt
9 `4 e2 E) p5 \    │      │  │      06_Random_Initialization.txt
- F( a4 B* M/ Z6 i  Y    │      │  │      07_Putting_It_Together.mp4. j1 \) \& @7 T9 n( K1 o8 ^. n
    │      │  │      07_Putting_It_Together.srt6 I7 y2 b7 A# \& i* a( P) ]
    │      │  │      07_Putting_It_Together.txt1 K) D# @7 R, a1 T( Y& y2 }
    │      │  │      08_Autonomous_Driving.mp4
2 w  A0 m. K/ T" Y3 I* M    │      │  │      08_Autonomous_Driving.srt: J; {& Z! ]3 O# D" m  p7 D
    │      │  │      08_Autonomous_Driving.txt8 c0 L# P& G8 Q5 [( g
    │      │  │      
8 S, N# w$ d2 Y( Q9 c3 }# t    │      │  ├─10_X._Advice_for_Applying_Machine_Learning
3 P1 L7 r" i+ c) a( E    │      │  │      06_Learning_Curves.mp4
% \* E' L5 O6 x" `. U, U4 Y9 z9 n    │      │  │      06_Learning_Curves.srt+ ~3 }2 Y2 T1 v( f
    │      │  │      06_Learning_Curves.txt. B. x  }: ^# e. B$ C8 w% j
    │      │  │      0 u3 l& P# C1 D  y
    │      │  ├─11_XI._Machine_Learning_System_Design* O; t& O+ \1 a
    │      │  │      02_Error_Analysis.mp43 d! F% ^0 a& f, ?- L6 ~1 x$ ~
    │      │  │      02_Error_Analysis.srt: b6 D9 C/ m6 D
    │      │  │      02_Error_Analysis.txt: ]* Z9 A/ s* j; n4 T2 z
    │      │  │      
! z0 c  F. O0 L! @6 H) D1 r; a    │      │  ├─12_XII._Support_Vector_Machines
( i& Z/ B, e& |5 f0 p    │      │  │      01_Optimization_Objective.mp4
( p) \# n5 H, J# o/ \    │      │  │      01_Optimization_Objective.pdf( B: n# Q( n$ y: z
    │      │  │      01_Optimization_Objective.pptx0 Z" b3 P% a0 w
    │      │  │      01_Optimization_Objective.srt
, \; a3 G8 B  a4 y' Y! M    │      │  │      01_Optimization_Objective.txt
. T, k" R4 m8 }8 I5 q    │      │  │      02_Large_Margin_Intuition.mp4
1 `- F. N& o  _    │      │  │      02_Large_Margin_Intuition.srt" d' r! Y! g9 Z3 b
    │      │  │      02_Large_Margin_Intuition.txt5 ^- V5 z6 m$ }- D' |" d4 \
    │      │  │      04_Kernels_I.mp4  K9 k& Q- S! H. f' \
    │      │  │      04_Kernels_I.srt
/ r( U, T) {$ ^4 U  L- o    │      │  │      04_Kernels_I.txt
3 q  B! ?) X3 q* [2 e$ ^    │      │  │      05_Kernels_II.mp4
! d$ b7 n* M7 E- o1 w% u. p( I    │      │  │      05_Kernels_II.srt# M) ~: z8 U& k9 T/ M8 O
    │      │  │      05_Kernels_II.txt
$ s5 Q5 {" x) D1 F* V- _+ |    │      │  │      06_Using_An_SVM.mp4: j' ~) w; b6 X* _7 s
    │      │  │      06_Using_An_SVM.srt
" U' K" N$ p- e5 Y/ p    │      │  │      06_Using_An_SVM.txt
/ g" G  D1 k2 O- F# d- Q. E    │      │  │      ( Y  {! v0 A9 T( ^9 _
    │      │  ├─13_XIII._Clustering. g" `% X; N0 a
    │      │  │      01_Unsupervised_Learning-_Introduction.mp4
; Z4 q( K. E7 c; e/ E    │      │  │      01_Unsupervised_Learning-_Introduction.pdf# V: y. c1 \; D5 F0 Q% F+ Y
    │      │  │      01_Unsupervised_Learning-_Introduction.pptx# ~2 C2 F/ I/ c' ]: a
    │      │  │      01_Unsupervised_Learning-_Introduction.srt) b/ l' }& G" \4 O
    │      │  │      01_Unsupervised_Learning-_Introduction.txt) j8 P& n; }% y& \+ h( m5 r6 j  V: B" X
    │      │  │      02_K-Means_Algorithm.mp4
0 p9 \9 \. e) h8 }8 i' O! p6 }    │      │  │      02_K-Means_Algorithm.srt0 ^( X6 x! t) E- ~6 b
    │      │  │      02_K-Means_Algorithm.txt* Z: d- L3 Z; [) d3 ^7 W
    │      │  │      03_Optimization_Objective.mp4
% R  T3 ]. X& p' J# h8 l  |    │      │  │      03_Optimization_Objective.srt
7 x' D+ m/ s* o+ q  [2 s) T    │      │  │      03_Optimization_Objective.txt# I7 k: \- ^, J' F; \. P
    │      │  │      04_Random_Initialization.mp4
8 A9 c3 y# ?. R- B8 O. S    │      │  │      04_Random_Initialization.srt: F" H7 p3 S6 P
    │      │  │      04_Random_Initialization.txt; @. p6 E8 s1 V0 N" n9 w5 E
    │      │  │      05_Choosing_the_Number_of_Clusters.mp4
- Q& P  @2 X6 P. L    │      │  │      05_Choosing_the_Number_of_Clusters.srt
* G+ K6 H5 N7 Q0 d$ u* I    │      │  │      05_Choosing_the_Number_of_Clusters.txt. N% K: `6 r! e3 [
    │      │  │      
- h6 G% E" U; w0 l) {    │      │  ├─14_XIV._Dimensionality_Reduction
4 ~& b! t+ n& K' S7 u3 o8 E    │      │  │      02_Motivation_II-_Visualization.mp4
8 L# X) J; D6 [- F1 \; L' `/ H    │      │  │      02_Motivation_II-_Visualization.srt. E( \( m1 C- B7 V
    │      │  │      02_Motivation_II-_Visualization.txt
+ Q: U) n0 X0 R9 X; z    │      │  │      07_Advice_for_Applying_PCA.mp49 N, |+ O! c( K: a4 G+ o2 l
    │      │  │      07_Advice_for_Applying_PCA.srt
. b; n8 C& f( P5 b1 r    │      │  │      07_Advice_for_Applying_PCA.txt6 a& b4 `5 a" R/ o& b; d
    │      │  │      
; F4 Q$ ?: v; G  W% R    │      │  ├─15_XV._Anomaly_Detection$ l2 d6 e7 Y% `0 [3 t3 K
    │      │  │      01_Problem_Motivation.mp4/ u3 C2 h9 a" }7 g3 r
    │      │  │      01_Problem_Motivation.pdf
) m. r0 z$ k2 Y' L- o    │      │  │      01_Problem_Motivation.pptx
) h9 }5 [; V4 O$ q% w, G6 d5 u    │      │  │      01_Problem_Motivation.srt5 |8 f# }- I2 G! w6 D& K+ h3 [( }* a/ {
    │      │  │      01_Problem_Motivation.txt
+ K/ d! F& ~" m* `, V    │      │  │      02_Gaussian_Distribution.mp4: J# E8 o/ W5 c0 r6 K/ q, u
    │      │  │      02_Gaussian_Distribution.srt
6 s, I1 w. D0 K1 z8 h5 J. U! a    │      │  │      02_Gaussian_Distribution.txt- q* t& w: H( S) i0 |# i) r
    │      │  │      03_Algorithm.mp4
% A5 u+ a( o! m! Z7 b    │      │  │      03_Algorithm.srt
) G3 Q8 }8 ?! s# S2 l    │      │  │      03_Algorithm.txt
' l" Z. a8 }; D: ?' z- b6 F    │      │  │      06_Choosing_What_Features_to_Use.mp47 d! O; J1 X* ]+ J* q4 D8 l4 r
    │      │  │      06_Choosing_What_Features_to_Use.srt
2 O& I% R* u7 O6 p$ X( W! h/ y5 K    │      │  │      06_Choosing_What_Features_to_Use.txt
& F- Y8 q5 c# S& t4 M3 c    │      │  │      9 B8 L: c/ _: ]- L+ E1 a
    │      │  ├─16_XVI._Recommender_Systems
5 W) s2 m' T7 q$ ?$ W    │      │  │      01_Problem_Formulation.mp44 _+ h* i$ Z; ]& k; y1 K
    │      │  │      01_Problem_Formulation.pdf
8 q2 a9 o  G! K    │      │  │      01_Problem_Formulation.pptx
; g$ S: s+ Y/ S9 a- y3 I    │      │  │      01_Problem_Formulation.srt
8 t1 K8 h5 n# \: \/ Y    │      │  │      01_Problem_Formulation.txt) I( z3 e0 d- `5 [, n5 X0 c4 y
    │      │  │      02_Content_Based_Recommendations.mp44 h2 ^1 D4 ?& K
    │      │  │      02_Content_Based_Recommendations.srt$ z* D& A/ t4 E. A# j
    │      │  │      02_Content_Based_Recommendations.txt9 Y# R7 L- g6 D5 W4 n0 f, o
    │      │  │      03_Collaborative_Filtering.mp42 U( U0 D+ L; T: k
    │      │  │      03_Collaborative_Filtering.srt( P  Y/ H$ l' {& F; _
    │      │  │      03_Collaborative_Filtering.txt
) y+ @- q! h5 \+ Q4 n+ Q    │      │  │      04_Collaborative_Filtering_Algorithm.mp4
* `. R, h6 I) m& q, V    │      │  │      04_Collaborative_Filtering_Algorithm.srt( e3 R& T6 z9 X, G* g( H
    │      │  │      04_Collaborative_Filtering_Algorithm.txt
& P# q2 H5 }1 ]    │      │  │      
+ E/ s6 f* Z& m0 O    │      │  ├─17_XVII._Large_Scale_Machine_Learning
% A$ ~5 q. U0 R9 X" R    │      │  │      05_Online_Learning.mp4
6 V2 d- }0 c. q) P  k6 z' o    │      │  │      05_Online_Learning.srt
9 [% ]6 I( p6 X5 s1 D    │      │  │      05_Online_Learning.txt
7 {8 B/ [" M: L/ D6 P0 ?: |0 n- j1 R    │      │  │      : Z4 _7 j# @8 G; W. Z
    │      │  ├─18_XVIII._Application_Example-_Photo_OCR6 E  m7 s- p( R" G  |- ~2 N- E
    │      │  │      02_Sliding_Windows.mp4) E* N0 o1 E! n4 P- ^
    │      │  │      02_Sliding_Windows.srt$ F7 W1 q( r2 d
    │      │  │      02_Sliding_Windows.txt2 C. B$ u7 y% k5 l" W! F/ h& Z6 E7 n' d
    │      │  │      
4 h- n0 @7 t5 b! I  R8 N    │      │  └─19_XIX._Conclusion
( H: h) p2 f+ C* ]! e    │      │          01_Summary_and_Thank_You.mp4
0 [% F0 k; }: Q5 Y  b" L+ k+ d    │      │          01_Summary_and_Thank_You.srt
2 {5 t) S4 D5 Q- e1 B" ~6 Q2 X7 p    │      │          01_Summary_and_Thank_You.txt
3 a( g+ S" F, P    │      │         
9 t) O' `' h1 D8 j    │      └─机器学习-斯坦福-Andrew NG-2012
- ]: z, ?1 S4 g0 Y( _' ]  M( Y0 t    │          │  下载说明.txt$ S4 e( X  M8 A+ B1 s- i
    │          │  关注我们.png
" i/ w$ w$ B# {0 c  z. b    │          │  攻城狮论坛=网络技术+编程视频.url+ e" A3 p9 D" {' _
    │          │  机器学习笔记2012_v0.1.pdf6 }3 g8 b- D1 B- ]) F9 V
    │          │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt4 u1 L( D* n, J" n
    │          │  6 i2 n! ?3 y  N( \/ R+ i( n( c
    │          ├─week 1
: d' D! W2 n- W7 v. E( J, |    │          │      1 - 1 - Welcome (7 min).mp4# L0 [6 w' r' C! N! f1 u3 ?% j
    │          │      1 - 1 - Welcome (7 min).srt5 I0 ^' I7 X! m/ [8 q- F
    │          │      1 - 2 - What is Machine Learning (7 min).mp4. F4 k) g1 d2 q
    │          │      1 - 2 - What is Machine Learning- (7 min).srt
) f. ~4 `& R: c5 Z+ \5 L; D- n    │          │      1 - 3 - Supervised Learning (12 min).mp4
1 ]4 J! ]* |9 G% D2 v- z    │          │      1 - 3 - Supervised Learning (12 min).srt
6 R: l# P" P! Q! J    │          │      1 - 4 - Unsupervised Learning (14 min).mp48 c* b8 v7 s8 ]& ]6 R! @6 G6 }
    │          │      1 - 4 - Unsupervised Learning (14 min).srt; d, H( _* E% d# i3 U
    │          │      2 - 1 - Model Representation (8 min).mp4
" H: A/ c7 ^% e, ?+ M- k    │          │      2 - 1 - Model Representation (8 min).srt' M9 M8 A; ]9 {4 x( b. w
    │          │      2 - 2 - Cost Function (8 min).mp4
" Q% R1 d7 k7 C2 J: S  m2 j    │          │      2 - 2 - Cost Function (8 min).srt
9 _& X/ c! e+ V/ w* r& n# R/ h! c    │          │      2 - 5 - Gradient Descent (11 min).mp4
2 i) G# A& S' _( d& p( r    │          │      2 - 5 - Gradient Descent (11 min).srt
* o6 r6 P& K# X, `3 r    │          │      2 - 8 - What's Next (6 min).srt
5 N6 m  q, H, X! Y( @% `    │          │      2 - 8 - Whats Next (6 min).mp4
8 M( A8 `/ T- s8 k    │          │      3 - 1 - Matrices and Vectors (9 min).mp4
% v. J# `- S; }7 j2 V    │          │      3 - 1 - Matrices and Vectors (9 min).srt
! A: [8 _; U% s( |* |3 q  d    │          │      $ K2 w) @" x% ~6 n/ z
    │          ├─week 10
" I4 a" ?, k3 A' s# L, [    │          │      17 - 5 - Online Learning (13 min).mp46 I: H" c* g& b+ M, m6 x# H" V, j
    │          │      17 - 5 - Online Learning (13 min).srt
2 s: z9 F* A% I) C0 h    │          │      Lecture17.pdf2 a7 W9 A5 J$ S3 x
    │          │      6 T0 n7 `, X/ G7 p
    │          ├─week 2
* ?9 `2 K, b2 g- D    │          │      4 - 1 - Multiple Features (8 min).mp4
. V2 S* e6 ?+ s    │          │      4 - 1 - Multiple Features (8 min).srt
7 V- P0 X& x1 r    │          │      4 - 6 - Normal Equation (16 min).mp4
& R, c. m/ c. R2 j    │          │      4 - 6 - Normal Equation (16 min).srt8 s6 E0 n2 f/ b) p
    │          │      5 - 1 - Basic Operations (14 min).mp4
1 {3 T: j' ~* t# \/ x    │          │      5 - 1 - Basic Operations (14 min).srt4 Z- O; X. |# x; d1 ]
    │          │      5 - 2 - Moving Data Around (16 min).mp4' J+ g. b; l" a' `! V2 W
    │          │      5 - 2 - Moving Data Around (16 min).srt
; _0 v; x; c$ T, o7 ]    │          │      5 - 3 - Computing on Data (13 min).mp47 S+ Y# L  _9 m
    │          │      5 - 3 - Computing on Data (13 min).srt
: C( X, y0 s& W. M: d) ^* x    │          │      5 - 4 - Plotting Data (10 min).mp4
: i) t) M3 S/ p& p    │          │      5 - 4 - Plotting Data (10 min).srt8 u9 M# w2 P6 s+ y1 x
    │          │      5 - 6 - Vectorization (14 min).mp4
: H8 ]) \" g, @  F* d5 B% ?    │          │      5 - 6 - Vectorization (14 min).srt
8 Z2 H% H% t- X, `    │          │      Lecture4.pdf8 \0 W, |7 l/ R( K2 `) K
    │          │      Lecture5_octave tutorial.pdf
3 D1 x9 ~. G* u7 M' X8 e) Q    │          │      
! [3 [3 V$ {$ i    │          ├─week 3
7 s5 t6 }3 l( l5 q& \' _& G    │          │      6 - 1 - Classification (8 min).mp4- r. T; S5 v2 J" R4 a; p9 N% I
    │          │      6 - 1 - Classification (8 min).srt
$ c  s! K4 z' ^9 [" H; H    │          │      6 - 2 - Hypothesis Representation (7 min).mp4. _: o& U" X% b5 S
    │          │      6 - 2 - Hypothesis Representation (7 min).srt
7 ]9 v* F. _2 t1 K2 L8 z8 D    │          │      6 - 3 - Decision Boundary (15 min).mp4
* R9 d0 a6 P, P6 B  _* s    │          │      6 - 3 - Decision Boundary (15 min).srt
: }( @1 D4 p# `, F) V  W    │          │      6 - 4 - Cost Function (11 min).mp48 ]! R$ N$ o& b9 C. P/ h4 O
    │          │      6 - 4 - Cost Function (11 min).srt
5 H. _0 G& R! y7 S; ]7 e. H    │          │      6 - 6 - Advanced Optimization (14 min).mp4
4 e! M+ v' _% s6 `; J8 A' x    │          │      6 - 6 - Advanced Optimization (14 min).srt
0 m5 F: c3 }$ N" ]5 V    │          │      7 - 2 - Cost Function (10 min).mp4% d  l# i4 X9 d! O
    │          │      7 - 2 - Cost Function (10 min).srt& g* H% y/ `7 R, ]. x# {
    │          │      docs_slides_Lecture6.pdf
6 C# W* d1 P, |! m    │          │      docs_slides_Lecture7.pdf% {% d$ Z( n- V. |
    │          │      - {, e  P( j/ t. }9 d7 K8 y7 l! F4 h
    │          ├─week 46 {! I0 ?3 o, i/ C8 X
    │          │      8 - 1 - Non-linear Hypotheses (10 min).mp4
, a* k+ Q! p3 N" a+ P( g# h# _    │          │      8 - 1 - Non-linear Hypotheses (10 min).srt
% \! \* J9 y1 k7 _$ [% _8 _) U    │          │      8 - 2 - Neurons and the Brain (8 min).mp4
5 C  \2 H* g! ?6 W. b    │          │      8 - 2 - Neurons and the Brain (8 min).srt
' P  E* E" w2 K1 F0 }. v0 |. v    │          │      8 - 3 - Model Representation I (12 min).mp4
: _+ R! |& P, O    │          │      8 - 3 - Model Representation I (12 min).srt
% }; S* W6 b4 M2 h3 V    │          │      8 - 4 - Model Representation II (12 min).mp43 V: h( {0 Z7 C- |& k
    │          │      8 - 4 - Model Representation II (12 min).srt  g' K% \" b/ U2 M% E) V+ j: v
    │          │      8 - 5 - Examples and Intuitions I (7 min).mp4
* ~1 Q, H9 o1 v6 }    │          │      8 - 5 - Examples and Intuitions I (7 min).srt6 |4 @9 N+ h% q+ ]6 S; D& w0 @
    │          │      8 - 7 - Multiclass Classification (4 min).mp4
; z) s" P6 _9 I7 A    │          │      8 - 7 - Multiclass Classification (4 min).srt
, `& Y  E, J, ?7 A' K2 n! A% _    │          │      docs_slides_Lecture8.pdf
6 |" k8 F$ j. r. S4 B6 C    │          │      
) U2 V9 m6 t3 h    │          ├─week 56 P" @( U; y8 P
    │          │      9 - 1 - Cost Function (7 min).mp4
6 o+ S1 }7 Z! M3 X    │          │      9 - 1 - Cost Function (7 min).srt
! Y8 W) a" r% I1 D    │          │      9 - 5 - Gradient Checking (12 min).mp4* Q( d8 |" C, k& Z5 m; q
    │          │      9 - 5 - Gradient Checking (12 min).srt( l6 T" z) P4 q; N) F' Q
    │          │      9 - 6 - Random Initialization (7 min).mp4& i! R! H" Y! r+ y- _" t
    │          │      9 - 6 - Random Initialization (7 min).srt
* a, K8 m/ p- B9 ^4 w    │          │      9 - 7 - Putting It Together (14 min).mp4
" i0 f9 V. J) q1 R    │          │      9 - 7 - Putting It Together (14 min).srt
/ {$ `' V, X9 _* y) |  p3 q2 T( Y    │          │      9 - 8 - Autonomous Driving (7 min).mp4
6 x9 U9 p7 {8 v6 d, Z( w    │          │      9 - 8 - Autonomous Driving (7 min).srt1 g% R+ C: @! P% O, F0 p
    │          │      docs_slides_Lecture9.pdf
  l& F7 c% t5 m1 J7 ]. O    │          │      0 J3 I& F3 r7 z) ?5 p! G/ R2 g! |
    │          ├─week 68 k$ m" {5 B% B. y: g! N
    │          │      10 - 2 - Evaluating a Hypothesis (8 min).mp4
3 \2 v' L5 g3 O    │          │      10 - 2 - Evaluating a Hypothesis (8 min).srt3 c4 d4 W; w% n/ y5 p2 @
    │          │      10 - 6 - Learning Curves (12 min).mp4
* a6 Q2 F3 I! v5 o$ S( V" [    │          │      10 - 6 - Learning Curves (12 min).srt
. b" B: ^0 ^( V8 ~    │          │      11 - 2 - Error Analysis (13 min).mp4" H- q" I- @1 Q, {- s! _. E
    │          │      11 - 2 - Error Analysis (13 min).srt
' B( u2 e+ K% Q# P    │          │      docs_slides_Lecture10.pdf
9 b; z, J& S7 e# g) x4 O2 o    │          │      
7 j9 q& @$ M0 c+ l$ b: k    │          ├─week 7
! N- w# q, N- y    │          │      12 - 1 - Optimization Objective (15 min).mp4+ E% e8 G- A& S3 r
    │          │      12 - 1 - Optimization Objective (15 min).srt
% a  X3 m- D* i5 r% g* n% F2 Y    │          │      12 - 2 - Large Margin Intuition (11 min).mp4
. k# u9 b: i, N, z/ b    │          │      12 - 2 - Large Margin Intuition (11 min).srt
9 i! I3 d. O9 R% m( a6 j+ x4 O    │          │      12 - 4 - Kernels I (16 min).mp4& F% }! f* C" i
    │          │      12 - 4 - Kernels I (16 min).srt
1 k3 h$ A6 A% \1 b& M! U- l    │          │      12 - 5 - Kernels II (16 min).mp4
# [+ _8 V2 {7 I/ R2 |/ K    │          │      12 - 5 - Kernels II (16 min).srt, F' i; J9 |9 D( y2 u) X; R: x
    │          │      12 - 6 - Using An SVM (21 min).mp43 u& S8 B( A+ q$ g
    │          │      12 - 6 - Using An SVM (21 min).srt
2 [( b3 q; z! A. q    │          │      docs_slides_Lecture12.pdf
/ i# E, a, A$ h    │          │      
2 r) q& j% T/ |& K0 @    │          ├─week 8  Q* G1 G4 ]' L. X  q8 h
    │          │      13 - 2 - K-Means Algorithm (13 min).mp4
5 z" ?8 R7 W  ?+ B8 Q    │          │      13 - 2 - K-Means Algorithm (13 min).srt1 b& d; N" E9 B: Q1 B/ t8 n# r) ~
    │          │      13 - 3 - Optimization Objective (7 min).mp4
1 w. y% ~' a6 Z  T2 y/ @1 x    │          │      13 - 3 - Optimization Objective (7 min).srt) X$ F3 {- r: M! ]/ \  k
    │          │      13 - 4 - Random Initialization (8 min).mp4
! J* B0 W: A! n" g    │          │      13 - 4 - Random Initialization (8 min).srt1 E5 Q1 \# J9 y3 f6 S3 {# F
    │          │      14 - 7 - Advice for Applying PCA (13 min).mp4
9 a. f9 h9 O( P0 r0 b    │          │      14 - 7 - Advice for Applying PCA (13 min).srt
6 a) g9 c4 @9 e% S    │          │      docs_slides_Lecture13.pdf
0 U3 _* Z; V2 H' v    │          │      docs_slides_Lecture14.pdf8 e7 Y! J' @6 Y0 R  b
    │          │      
' m( `2 O' w9 G    │          ├─week 9
5 w2 S+ @: a0 t  R7 Q: b    │          │      15 - 1 - Problem Motivation (8 min).mp4" k' w7 b' M" ^) I
    │          │      15 - 1 - Problem Motivation (8 min).srt  \4 s' `- c4 V9 q8 D$ s# f
    │          │      15 - 2 - Gaussian Distribution (10 min).mp4
/ v6 K: C; M7 M) b. \! i) y    │          │      15 - 2 - Gaussian Distribution (10 min).srt
1 q9 V# K# o- T6 A2 p    │          │      15 - 3 - Algorithm (12 min).mp4
$ T/ H* ~1 s: M1 l, K+ ?8 W/ G& }    │          │      15 - 3 - Algorithm (12 min).srt  i9 S$ Z( V9 R- v, B
    │          │      16 - 1 - Problem Formulation (8 min).mp4
2 \6 g. k1 ~1 s% W& ^4 D    │          │      16 - 1 - Problem Formulation (8 min).srt4 s" H. L! r& {" |- ?1 y9 d
    │          │      16 - 3 - Collaborative Filtering (10 min).mp4
3 B2 `* |5 c* ~) v* X    │          │      16 - 3 - Collaborative Filtering (10 min).srt1 }6 R/ a/ W$ Z1 u2 y; @( n
    │          │      docs_slides_Lecture15.pdf
; f2 T' B. Z# i3 g: u& @, Z    │          │      docs_slides_Lecture16.pdf8 _: N% X6 u; M. e# L& u$ y
    │          │      
4 N: I0 n$ l5 \5 m# x    │          └─作业1 @! D% n6 {8 l6 E) N
    │              │  ex1.zip
6 t9 d1 o7 V, B1 y- |    │              │  ex3.zip7 I( R* `( {, v) [+ h8 q& O
    │              │  ex4.zip: B  R. |8 n" M3 a. H+ @* J4 a  e* \
    │              │  ex5.zip
6 r( E: d4 k: N$ c' s# j6 V    │              │  ex6.zip$ M4 V& w$ g% l7 v1 ?# |
    │              │  ex7.zip! L+ H2 C# ?1 K' q  g+ q8 U4 s
    │              │  ex8.zip
/ i2 i0 Y" X' |' x) r    │              │  Octave-3.2.4_i686-pc-mingw32_gcc-4.4.0_setup.exe& f8 U- J9 C! u6 T2 B
    │              │  - N6 H1 O% d3 `+ e% \
    │              └─答案/ C& m2 F6 m8 W% X: ~1 ~
    │                  ├─ex16 Z% q5 Y+ r  J/ T7 }% l
    │                  │      computeCost.m
' y+ Q  D! d  H    │                  │      computeCostMulti.m
6 b# T' V1 t! m0 l* e3 B8 C, S, e    │                  │      ex1.m' b4 p) p- }& s* [
    │                  │      ex1data1.txt
" R( t5 d2 x, V2 E) U- Y1 T  k  ^    │                  │      ex1data2.txt
; X, l; B6 i  s: N: ]4 S    │                  │      ex1_multi.m1 P8 L0 C* K9 P0 g( ]4 O
    │                  │      featureNormalize.m
2 \# r6 d' \1 t( d    │                  │      gradientDescent.m
  X4 `8 K% s/ c3 ~    │                  │      gradientDescentMulti.m: x; H/ i" _5 A" U8 Z- v1 z# _( |4 A
    │                  │      ml_login_data.mat. {4 D6 H; t2 @3 i
    │                  │      normalEqn.m  N  I; k, z4 [, ]
    │                  │      plotData.m
3 h, N6 m7 t3 m7 [    │                  │      submit.m' J2 B$ o  ]+ L& h8 Z
    │                  │      submitWeb.m
0 F0 ^1 N6 {+ m" q4 H. v5 S; H$ ~    │                  │      warmUpExercise.m# Y/ t) W: ?3 Y9 v3 y  F& \
    │                  │      
4 {  H% I2 p# c' @$ J    │                  ├─ex2( o% b' Z. f" [5 @  a) ^" G9 v# Y
    │                  │      costFunction.m
4 m# e3 l' Y  A$ m5 \! R    │                  │      costFunctionReg.m
' Q7 x  G/ o5 `) H- J) c" y0 J    │                  │      ex2.m
6 a+ \0 O% n9 P7 G( K6 ?    │                  │      ex2data1.txt4 b, V! l2 Z) l6 E; E6 _* e9 j: c3 Y
    │                  │      ex2data2.txt
- O- F1 b6 g9 Z* f- |1 P    │                  │      ex2_reg.m
7 w9 q! s7 G, r+ T! [9 a# ?    │                  │      mapFeature.m/ z  I6 {* j$ w) \. _- R, A( I2 h
    │                  │      ml_login_data.mat
* W$ m  x, P+ q0 r    │                  │      plotData.m
4 t# z2 M4 J# Y# g    │                  │      plotDecisionBoundary.m
* m3 l7 E9 f/ q2 A& Q. ]/ e1 u    │                  │      predict(1).m.baiduyun.downloading
" M' y+ y1 X) g, s9 S    │                  │      predict.m; }; p$ T9 I2 i3 e4 p2 w/ \5 c" w
    │                  │      sigmoid.m
/ ^8 O2 H% d+ V2 F5 d9 H    │                  │      submit(1).m.baiduyun.downloading9 z7 ~& F0 k" \+ h1 l
    │                  │      submit.m
  k1 A" J, F% ]7 @6 E7 B2 n) t2 H    │                  │      submitWeb(1).m.baiduyun.downloading7 H: K; a; [2 s4 Q0 |- K
    │                  │      submitWeb.m+ m2 @" k2 ?1 ~% J. v" g. h
    │                  │      * i( x7 m; \+ i. X
    │                  ├─ex3) p, \/ C% g) |2 U: H* Z- k+ c
    │                  │      displayData.m! i  ~( x8 [$ m+ |4 E. F. x& S$ X
    │                  │      ex3(437).m.baiduyun.downloading* m+ S% g& D" H: m0 `
    │                  │      ex3.m' Z5 H* G- `: `% m
    │                  │      ex3data1.mat2 l7 I  G: J! t1 ]5 s
    │                  │      ex3weights.mat) ~5 N5 q( \& x0 h
    │                  │      ex3_nn.m
' m! _; g7 ^7 k8 Y; V    │                  │      fmincg.m0 h4 [& c* |: P
    │                  │      lrCostFunction.m2 Q3 r! C# c1 ~1 g7 w
    │                  │      ml_login_data.mat$ a. I  Z2 K  T! f- X
    │                  │      oneVsAll.m" e" j/ d! o1 H! M+ q& P8 L
    │                  │      predict.m
9 |; O4 T9 [2 n/ v, w; S    │                  │      predictOneVsAll.m/ `1 u2 Z; P# [8 B) C+ S6 }8 `% W. z
    │                  │      sigmoid.m  \# s% e+ Z: U; ]. ^/ H' ~
    │                  │      submit.m+ ]: F4 E. A* q  }5 \
    │                  │      submitWeb.m1 M4 e- W, s5 b" h; m* J
    │                  │      4 Q! F" w9 n$ i6 I" a- N- v
    │                  ├─ex4
9 Z: o5 j( X6 o. {# {1 n    │                  │      checkNNGradients.m
6 B- i  b- r# i5 D, v: Y    │                  │      computeNumericalGradient.m9 e' s1 ]$ x5 }- Y" `9 i
    │                  │      debugInitializeWeights.m
6 `0 B! m8 }1 \2 y    │                  │      displayData.m- ]$ B) s+ h+ ^6 t* B
    │                  │      ex4.m0 W4 t1 m" c# K( J/ s1 ]
    │                  │      ex4data1.mat
# `2 z9 m/ i+ G0 ^7 b    │                  │      ex4weights.mat
' X1 Y+ m9 f5 q    │                  │      fmincg.m/ ?. @; |. i+ \2 z. m! t; ^
    │                  │      ml_login_data.mat7 f6 m3 S" q8 y  J4 q$ O4 D
    │                  │      nnCostFunction.m  i7 h1 A2 k! _- A. k
    │                  │      predict.m
; H8 q% H1 g* ^  z3 g    │                  │      randInitializeWeights.m. C1 [0 N  X# l% V( y" e# }
    │                  │      sigmoid.m4 k- }9 ~$ ?. L9 O6 N, j, z
    │                  │      sigmoidGradient.m
$ U+ i4 x1 Q* j7 o% D3 C    │                  │      submit.m
' `: s/ [* x* f9 l+ ?    │                  │      submitWeb.m2 z, ]  }/ s1 ~* w
    │                  │      . l5 ?' D% }, B" k! H& p
    │                  ├─ex5
9 _7 I5 W7 W: ?3 P) \( b    │                  │      ex5.m
' O4 v' G$ ?( m6 z5 e- u    │                  │      ex5data1.mat% u, f0 f% e+ ]6 i# D
    │                  │      featureNormalize.m
6 C: Z( G/ i3 K. B% }8 P1 M3 e    │                  │      fmincg.m
7 N# t$ i( `* l- i- K5 [    │                  │      learningCurve.m
4 j* A% Y) ~( W    │                  │      linearRegCostFunction.m. i0 ]' m! |/ z/ n
    │                  │      ml_login_data.mat; }- v8 f- Z  y1 ^, @9 y) V4 k
    │                  │      plotFit.m
/ Q, y: R: L: C0 G. u    │                  │      polyFeatures.m- D" R; a# p; s" l
    │                  │      submit.m* T( H! G7 \2 i! G; T  n
    │                  │      submitWeb.m
& O7 @/ A! x; b: ^9 _8 ?3 e; a    │                  │      trainLinearReg.m
) S: }: Z( a* ~7 |3 p    │                  │      validationCurve.m
4 R! o7 K* H5 N- {/ y    │                  │      
- {- M( s; f( Z& l  M0 _    │                  ├─ex6% [$ x* W3 o- D$ m( H: R
    │                  │      dataset3Params.m
4 ^5 u( L/ R8 m2 U, k    │                  │      emailFeatures.m. D$ [5 |: S' e+ z
    │                  │      emailSample1.txt
( v4 W5 k, F; y  h5 T    │                  │      emailSample2.txt
1 u; M3 s( O4 S8 @; j    │                  │      ex6.m
# ?3 Q6 ?% W1 Q$ e, G* v& ^" T    │                  │      ex6data1.mat
: S" Z5 ?& j5 u; W/ ^    │                  │      ex6data2.mat
9 R( L1 X- `6 G' r" Z3 w4 s: U+ |    │                  │      ex6data3.mat( n, I: W: b9 Y4 W5 |
    │                  │      ex6_spam.m* q5 ]3 J. ]$ X8 [; u
    │                  │      gaussianKernel.m6 x& R% F: T$ H. E$ v' x
    │                  │      getVocabList.m  P2 H( l$ V2 C( k
    │                  │      linearKernel.m
7 l: J& z' P/ ]/ ^    │                  │      ml_login_data.mat
* D( g# m5 W  _8 w4 N, v    │                  │      octave-core3 W7 O9 p0 \$ d0 D
    │                  │      plotData.m$ V& Y9 `$ R5 W9 P* @
    │                  │      porterStemmer.m
2 m; x" c1 F( }0 y" D* L    │                  │      processEmail.m
, M: n0 q8 [% Q# a/ T% Y! g    │                  │      readFile.m
# D- F& P/ X! a6 ?2 g    │                  │      spamSample1.txt
) V7 b2 g( A1 U( e! \# L    │                  │      spamSample2.txt3 G) P/ [7 A# J: V6 V
    │                  │      spamTest.mat1 A! x, {# Q* S# k
    │                  │      spamTrain.mat2 Y1 A# f$ |0 l
    │                  │      submit.m2 o& g, a# ]% y  {9 R! D# L* q. ]
    │                  │      submitWeb.m
) L5 \% o6 @3 @; R2 r" k( L! A    │                  │      svmPredict.m8 X8 L. ]) k. w& Q; O4 y
    │                  │      svmTrain.m; v' @( ^. R/ J! x
    │                  │      visualizeBoundary.m
) L# l! S2 P) ^) B6 e4 I    │                  │      visualizeBoundaryLinear.m3 q: Q  x7 I' ]% `( `" M
    │                  │      vocab.txt
5 V. q* B" o+ w8 w# W    │                  │      . l7 A( P, c) `& O6 q$ ]
    │                  ├─ex76 \, Y" l/ O; n
    │                  │      bird_small.mat
1 m* _  M' @/ d  g& S9 @    │                  │      bird_small.png
9 }# Y! u# q, k" c    │                  │      computeCentroids.m
* z# S7 `3 ^3 e3 H    │                  │      displayData.m' y; \, q' g$ s  q$ w8 \8 b  }
    │                  │      drawLine.m$ P% }  l0 v  e) ]. Q) h* B
    │                  │      ex7.m
+ }1 a/ k! `! ^0 ?# d6 w! U! N# [    │                  │      ex7data1.mat
" s( ^8 D. U4 `0 m7 K    │                  │      ex7data2.mat
8 L% d5 J. T. H4 [3 }2 c% G    │                  │      ex7faces.mat% d. p& Y! J; L! j: p
    │                  │      ex7_pca.m# H. n' ~! q, p: r
    │                  │      featureNormalize.m; v, Z& k+ D& n; S
    │                  │      findClosestCentroids.m" S3 g5 Z: a  w( o
    │                  │      kMeansInitCentroids.m
. @$ C5 |4 `( A, N; c    │                  │      ml_login_data.mat
, d0 p4 z( Y9 e  V0 j    │                  │      octave-core- n( V: G+ \2 C% K0 A) O! Z8 d3 \5 H! Y
    │                  │      pca.m
/ }, Y( f) I  A, l! T0 u, ^3 y    │                  │      plotDataPoints.m, K+ h  p; _( C
    │                  │      plotProgresskMeans.m# i- F; ]. m! y& N
    │                  │      projectData.m0 x( f/ l4 R0 y; u$ n8 U
    │                  │      recoverData.m$ b7 X  `2 G* e/ [
    │                  │      runkMeans.m
  V$ O' R% R" e5 X' s    │                  │      submit.m
' [) R9 z6 W4 f- B    │                  │      submitWeb.m+ U2 F1 f+ ]  p2 {: s
    │                  │      
& ?9 R7 j. a% I# D! M; {9 w2 Q    │                  └─ex8
. g, C8 ?, }9 ~    │                          checkCostFunction.m: w+ n7 G4 d7 A& G, X5 P6 g/ ?
    │                          cofiCostFunc.m! \1 z9 `+ W' V: w7 m% [% d
    │                          computeNumericalGradient.m
! d1 P3 r& P# w% F    │                          estimateGaussian.m; z7 D- P3 ~5 |8 G$ W# \8 Q
    │                          ex8.m* @2 B5 n) K" S( r
    │                          ex8data1.mat% _9 W8 ~8 y3 q6 _4 o
    │                          ex8data2.mat
3 ?; `4 w" R% ?8 K% _3 t8 f: _    │                          ex8_cofi.m$ |4 R/ F, R9 D1 b8 `3 V0 M6 X
    │                          ex8_movieParams.mat
# G# }" ]* S7 U( R8 E3 G2 }" F    │                          ex8_movies.mat
2 N! ^8 |* M5 t5 W" x7 Y' g, I4 a    │                          fmincg.m5 r1 B: |& Q) K. l' Y- v3 a
    │                          loadMovieList.m
$ _1 O; o8 P. i, z: f) P& r    │                          ml_login_data.mat
. z$ ?7 T! }& F4 I( m( e' Z, A$ c8 j    │                          movie_ids.txt7 H" \0 ^" A4 u5 m$ E: h+ p
    │                          multivariateGaussian.m8 [( O1 i  W9 r5 v: Q" y/ p! _. S
    │                          normalizeRatings.m4 B/ y: L. H8 ~( @- F
    │                          selectThreshold.m, O4 n0 ]  R( E6 i; Y6 P
    │                          submit.m
; |8 R2 \! m3 q    │                          submitWeb.m
1 j& t! L9 f, K% f$ l, ]+ \* n) M6 r    │                          visualizeFit.m
5 k# i3 H/ W4 ^8 p/ s    │                          
& x/ {- }/ V/ A+ y: _) G* }$ G    ├─003_机器学习基石, G! T; s( H4 r6 P
    │  └─003_机器学习基石
2 q" ], h) a4 |" U% z: {* k2 B, k    │      │  下载说明.txt
- _/ q( g2 c7 Y. D  P    │      │  关注我们.png% P( \" F) X7 \9 P% L# F; Z
    │      │  攻城狮论坛=网络技术+编程视频.url
- V# J" X' Q' e* z7 ~/ n) Z) w    │      │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt
4 Y, m( D4 `, F2 Y    │      │  0 ?6 _5 K/ D, f% g% s. }
    │      ├─Machine Leaning Foundations - TNU
) d+ A" y5 u; B9 [, w. Y& j1 _: ~    │      │      01_handout.pdf
% [( H5 P6 j# }" {: {+ G% b9 g. D% f    │      │      02_handout.pdf6 ^- b5 A# m5 ^/ ]" x! a! ~
    │      │      03_handout.pdf
; @* J, [# ?% q4 P/ t    │      │      04_handout.pdf
% ], x4 C0 m/ x5 J    │      │      05_handout.pdf
* U9 ~0 b' P% M" X. L5 z, n    │      │      06_handout.pdf
1 a9 r1 ~, K$ U8 F: S    │      │      07_handout.pdf
# D9 M: M* x4 P: D6 Z1 f    │      │      08_handout.pdf. d7 U0 @. D2 u0 {
    │      │      09_handout.pdf
& a' U( l; C! y! m6 }+ N    │      │      1 - 1 - Course Introduction (10-58).mp4' M5 `( b0 V, [- O7 }
    │      │      1 - 2 - What is Machine Learning (18-28).mp46 I; t+ i' O: N1 f6 Z0 w
    │      │      1 - 3 - Applications of Machine Learning (18-56).mp40 q6 |- t4 D$ m+ I% q8 q% U5 m
    │      │      1 - 4 - Components of Machine Learning (11-45).mp4
4 ~  Y; b# d% x/ Y+ P    │      │      1 - 5 - Machine Learning and Other Fields (10-21).mp4
! f/ A2 T/ v. ?0 Y+ [: c    │      │      10 - 1 - Logistic Regression Problem (14-33).mp43 k0 C; z* l6 m. v$ L( P
    │      │      10 - 2 - Logistic Regression Error (15-58).mp4" @) ]8 C7 A  n7 c9 W* m: F7 I2 r" t
    │      │      10 - 3 - Gradient of Logistic Regression Error (15-38).mp4
+ k" \/ S+ J7 v$ J    │      │      10 - 4 - Gradient Descent (19-18).mp4
) W8 z3 Z2 U2 C6 t6 T9 u* g    │      │      10_handout.pdf
" K7 k9 N8 ?  f5 b( Z7 d    │      │      11 - 1 - Linear Models for Binary Classification (21-35).mp49 N# g! ?' o+ Z% E& v4 B% x  f* c
    │      │      11 - 2 - Stochastic Gradient Descent (11-39).mp4. h4 `5 T' b! A
    │      │      11 - 3 - Multiclass via Logistic Regression (14-18).mp4# n" t2 \5 q( W; r7 k1 p# T
    │      │      11 - 4 - Multiclass via Binary Classification (11-35).mp4
5 R4 z1 @1 ^  f' d* `    │      │      11_handout.pdf9 Y% y2 I2 k9 p" W
    │      │      12 - 1 - Quadratic Hypothesis (23-47).mp45 _0 \  [/ ]2 b4 V# F, d
    │      │      12 - 2 - Nonlinear Transform (09-52).mp4
: R: G( @6 _. u    │      │      12 - 3 - Price of Nonlinear Transform (15-37).mp4& k" W& U, k7 r, `& k# y1 ?
    │      │      12 - 4 - Structured Hypothesis Sets (09-36).mp4
) h# z6 s+ |9 c) k/ r; j    │      │      12_handout.pdf& ~$ g3 ]& y/ e: S
    │      │      13 - 1 - What is Overfitting- (10-45).mp4  K0 [/ b4 C* |; O; t
    │      │      13 - 2 - The Role of Noise and Data Size (13-36).mp4
; t* G* \  _: K1 \% ^    │      │      13 - 3 - Deterministic Noise (14-07).mp4
3 s7 O: s/ R- U+ t! n  a    │      │      13 - 4 - Dealing with Overfitting (10-49).mp4- }8 \9 W# B" [3 ^
    │      │      13_handout.pdf- @6 v7 w: V3 {/ v9 W
    │      │      14 - 1 - Regularized Hypothesis Set (19-16).mp4
( N, r$ N3 q9 v' X+ P3 b& n    │      │      14 - 2 - Weight Decay Regularization (24-08).mp4
/ ]8 z7 B1 Q1 `( P% V    │      │      14 - 3 - Regularization and VC Theory (08-15).mp45 _9 w' J2 q- n3 X% L) k
    │      │      14 - 4 - General Regularizers (13-28).mp4
3 }& }; x2 s$ ?1 [    │      │      14_handout.pdf9 Q6 B3 T2 t5 G+ u  D3 x) q
    │      │      15 - 1 - Model Selection Problem (16-00).mp4/ M; a; `6 q# Q$ P% o
    │      │      15 - 2 - Validation (13-24).mp4
4 t$ A# P$ Q' T: B  g* p    │      │      15 - 3 - Leave-One-Out Cross Validation (16-06).mp4+ b7 l/ B! H- A6 `' C# s
    │      │      15 - 4 - V-Fold Cross Validation (10-41).mp4
8 d, K1 W4 b8 V+ m5 k    │      │      15_handout.pdf
( C) N- L0 A: O& ]% t    │      │      16 - 1 - Occam-'s Razor (10-08).mp4, [  F, \7 z5 I  R
    │      │      16 - 2 - Sampling Bias (11-50).mp4( ^2 k, V. y4 X! j2 f7 A$ B6 u
    │      │      16 - 3 - Data Snooping (12-28).mp4
- s  P. m. c+ h: N) p    │      │      16 - 4 - Power of Three (08-49).mp4( h( v( \9 m, A- o
    │      │      16_handout.pdf
( a! b5 G7 w* l    │      │      2 - 1 - Perceptron Hypothesis Set (15-42).mp4* u* T6 o4 B5 r* Q, e: E1 R- O
    │      │      2 - 2 - Perceptron Learning Algorithm (PLA) (19-46).mp4
$ c2 p: k; o) e6 @4 Y& P# _    │      │      2 - 3 - Guarantee of PLA (12-37).mp4, J9 D; P& |0 M* d
    │      │      2 - 4 - Non-Separable Data (12-55).mp45 W, i0 G% `: Z1 V# I0 C
    │      │      3 - 1 - Learning with Different Output Space (17-26).mp4% k0 Y7 w6 p9 b7 J' O1 n, D6 X( j
    │      │      3 - 2 - Learning with Different Data Label (18-12).mp49 ~! W+ ~; |/ N! G. Y2 o
    │      │      3 - 3 - Learning with Different Protocol (11-09).mp4
9 @% W) H/ A" h7 [    │      │      3 - 4 - Learning with Different Input Space (14-13).mp46 y' ~5 J  s, K* z- s; P' x
    │      │      4 - 1 - Learning is Impossible- (13-32).mp4$ ?( a+ }! V# s
    │      │      4 - 2 - Probability to the Rescue (11-33).mp4
! v7 D# r) b: I% n& U2 N8 M+ \    │      │      4 - 3 - Connection to Learning (16-46).mp4$ y2 a% Q) J: L8 U
    │      │      4 - 4 - Connection to Real Learning (18-06).mp4) [" U% P3 b& i; {
    │      │      5 - 1 - Recap and Preview (13-44).mp4
! a0 Q5 c( f4 y0 g0 s    │      │      5 - 2 - Effective Number of Lines (15-26).mp4
, `! R$ q) F3 [/ y    │      │      5 - 3 - Effective Number of Hypotheses (16-17).mp4
/ e# ]* l, F! ~' y, V+ C7 U5 o    │      │      5 - 4 - Break Point (07-44).mp4  S# V% h4 F/ B1 R9 t, R1 O
    │      │      6 - 1 - Restriction of Break Point (14-18).mp4- a# v" u9 Z# f7 d5 \
    │      │      6 - 2 - Bounding Function- Basic Cases (06-56).mp4
/ F# s2 d1 K4 j8 [    │      │      6 - 3 - Bounding Function- Inductive Cases (14-47).mp42 P7 E- ~) T# p! R; P
    │      │      6 - 4 - A Pictorial Proof (16-01).mp4. `0 d6 S' A0 Z1 I, }
    │      │      7 - 1 - Definition of VC Dimension (13-10).mp4* s4 P1 W+ A' e0 t2 E) l
    │      │      7 - 2 - VC Dimension of Perceptrons (13-27).mp4  i5 X. b2 l# c' b# W3 f- p
    │      │      7 - 3 - Physical Intuition of VC Dimension (6-11).mp4# W& g" z' f& ~- N5 }; f/ W9 \
    │      │      7 - 4 - Interpreting VC Dimension (17-13).mp4, I8 _/ g. T& E, i; Y0 c; M/ [$ m
    │      │      8 - 1 - Noise and Probabilistic Target (17-01).mp4
# U  `/ v! `; c2 ^( f- l+ i  m8 y# p    │      │      8 - 2 - Error Measure (15-10).mp4' _$ I0 Z! [0 a! O% n6 ]9 |
    │      │      8 - 3 - Algorithmic Error Measure (13-46).mp4* g1 j* \. z  B# E& H- x
    │      │      8 - 4 - Weighted Classification (16-54).mp4
" V: ^  j1 {3 X3 y    │      │      9 - 1 - Linear Regression Problem (10-08).mp4
7 R" G: z; E/ G! ~3 ]    │      │      9 - 2 - Linear Regression Algorithm (20-03).mp4+ F" y  O  f1 s: z8 b
    │      │      9 - 3 - Generalization Issue (20-34).mp4! y8 G) g. s+ C" t
    │      │      9 - 4 - Linear Regression for Binary Classification (11-23).mp46 r" T# y, R6 V
    │      │      
6 o# Q, m5 v5 X3 H6 Y& T    │      ├─机器学习的基石9 \9 V! C7 s1 G+ K* a7 k
    │      │      1 - 1 - Course Introduction (10-58).mp4
& |; \* G! t! z9 `1 I$ x    │      │      1 - 2 - What is Machine Learning (18-28).mp4
: ^" A  C0 [2 ^9 [' Y* k    │      │      1 - 3 - Applications of Machine Learning (18-56).mp4, F$ b; Y4 `0 ?7 \  `* H9 B- S7 `
    │      │      1 - 4 - Components of Machine Learning (11-45).mp46 m3 J! U. |2 a6 a
    │      │      1 - 5 - Machine Learning and Other Fields (10-21).mp4
' r) b" x! x6 x! Y    │      │      10 - 1 - Logistic Regression Problem (14-33).mp4
2 E% q: ?5 M) V0 c, T7 P( \) }# S& l    │      │      10 - 2 - Logistic Regression Error (15-58).mp4( f- B7 h! L% {" p6 T
    │      │      10 - 3 - Gradient of Logistic Regression Error (15-38).mp4  N4 M0 \: R) L$ \$ v% i
    │      │      10 - 4 - Gradient Descent (19-18).mp4
9 h3 ]( r+ U! Y4 z' u3 h; b1 f    │      │      11 - 1 - Linear Models for Binary Classification (21-35).mp4) E0 M) U2 H* W4 g
    │      │      11 - 2 - Stochastic Gradient Descent (11-39).mp48 U8 g' A6 N9 B1 _4 l. C
    │      │      11 - 3 - Multiclass via Logistic Regression (14-18).mp4: {2 l5 s# w3 j+ _
    │      │      11 - 4 - Multiclass via Binary Classification (11-35).mp41 x8 \4 _) S" [1 W7 i$ R% }
    │      │      12 - 1 - Quadratic Hypothesis (23-47).mp4, M- S# \+ N/ H4 ?  W# a
    │      │      12 - 2 - Nonlinear Transform (09-52).mp49 L1 e2 v  _; _1 v2 d( o+ b- {
    │      │      12 - 3 - Price of Nonlinear Transform (15-37).mp4! c4 i/ O& K0 H/ }( S  r) z. g" u
    │      │      12 - 4 - Structured Hypothesis Sets (09-36).mp45 D2 S; h% g  O9 q; i. j
    │      │      13 - 1 - What is Overfitting- (10-45).mp4
# S- N; k4 @% _1 ?; T2 S    │      │      13 - 2 - The Role of Noise and Data Size (13-36).mp47 t* i% Q6 `+ c3 U% Z/ C) e
    │      │      13 - 3 - Deterministic Noise (14-07).mp4
* {  c  ?' K/ N5 u0 s: o    │      │      13 - 4 - Dealing with Overfitting (10-49).mp4% N4 K3 S: F9 r0 _
    │      │      14 - 1 - Regularized Hypothesis Set (19-16).mp4
+ s( A) S" X/ B$ M) F    │      │      14 - 2 - Weight Decay Regularization (24-08).mp4. G" {! u7 E+ h7 L7 p7 _
    │      │      14 - 3 - Regularization and VC Theory (08-15).mp4
- \; h" v2 }) K2 v# H; B$ [    │      │      14 - 4 - General Regularizers (13-28).mp4, Y3 ~( `. {* t- C0 E% |, Y
    │      │      15 - 1 - Model Selection Problem (16-00).mp47 U8 J2 O# q% n( D+ Q
    │      │      15 - 2 - Validation (13-24).mp4% S7 A' T; U7 [5 w9 N
    │      │      15 - 3 - Leave-One-Out Cross Validation (16-06).mp4
4 Y6 d3 @$ R  N- e+ y) i    │      │      15 - 4 - V-Fold Cross Validation (10-41).mp4
( O% h. T3 M$ V, o9 v' b. a    │      │      16 - 1 - Occam-'s Razor (10-08).mp4: e, U3 p% x2 h, E7 @5 O
    │      │      16 - 2 - Sampling Bias (11-50).mp4( g7 e+ E8 q9 A
    │      │      16 - 3 - Data Snooping (12-28).mp4
8 F1 q6 i, J8 Q) M- s4 C% `% Y    │      │      16 - 4 - Power of Three (08-49).mp4; R& d: u+ q5 F& x4 E
    │      │      2 - 1 - Perceptron Hypothesis Set (15-42).mp4
7 b( Q+ r; P, w8 \8 R4 o1 e    │      │      2 - 2 - Perceptron Learning Algorithm (PLA) (19-46).mp4
6 H0 g, Z/ s1 o3 k    │      │      2 - 3 - Guarantee of PLA (12-37).mp4
1 j3 }' R, N' E: Z    │      │      2 - 4 - Non-Separable Data (12-55).mp4
# t8 D0 D1 K3 l: ]# r: l    │      │      3 - 1 - Learning with Different Output Space (17-26).mp4
9 L5 G$ n! t- s& b    │      │      3 - 2 - Learning with Different Data Label (18-12).mp4
) {( k8 P( }+ k# m" C) \3 g    │      │      3 - 3 - Learning with Different Protocol (11-09).mp45 Y8 ]/ C% T) r( ^6 S4 M
    │      │      3 - 4 - Learning with Different Input Space (14-13).mp4! j6 n, d1 L( j. \2 \3 \: q7 M
    │      │      4 - 1 - Learning is Impossible- (13-32).mp4
$ n# \0 C0 g( f5 Z  j5 X, v    │      │      4 - 2 - Probability to the Rescue (11-33).mp43 v" I6 t- Z9 D7 m
    │      │      4 - 3 - Connection to Learning (16-46).mp4( p  @5 k9 L# q0 z- d  I- e% z: A  u
    │      │      4 - 4 - Connection to Real Learning (18-06).mp4
% M5 ?# S0 _8 V/ j' k" W  c4 U- M    │      │      5 - 1 - Recap and Preview (13-44).mp4
, T/ c! Y7 B2 }- [7 r$ U, ^( u    │      │      5 - 2 - Effective Number of Lines (15-26).mp4  ~! `$ n  o- f. Q- d5 w
    │      │      5 - 3 - Effective Number of Hypotheses (16-17).mp4
( p  g: V, s; n" T    │      │      5 - 4 - Break Point (07-44).mp4
9 o; x) V: x% S    │      │      6 - 1 - Restriction of Break Point (14-18).mp4
7 r# L. P' r( H, P; l, E    │      │      6 - 2 - Bounding Function- Basic Cases (06-56).mp4& G; ~# S3 O- v  O- v9 D
    │      │      6 - 3 - Bounding Function- Inductive Cases (14-47).mp4: G6 ]7 Q8 X; s, n5 s( X
    │      │      6 - 4 - A Pictorial Proof (16-01).mp4
2 W5 O' l9 P3 k; b5 I: z  y    │      │      7 - 1 - Definition of VC Dimension (13-10).mp4
* i" r# _5 x* c' t, z" E    │      │      7 - 2 - VC Dimension of Perceptrons (13-27).mp4
1 S! h; ~) H* d1 m+ q    │      │      7 - 3 - Physical Intuition of VC Dimension (6-11).mp4
$ u5 X, `( @& c6 w* @    │      │      7 - 4 - Interpreting VC Dimension (17-13).mp42 i% |( M) _# J! U: O
    │      │      8 - 1 - Noise and Probabilistic Target (17-01).mp4. T8 V; p% l- x; y1 Y+ _
    │      │      8 - 2 - Error Measure (15-10).mp49 |+ a6 v7 @* W1 q0 A
    │      │      8 - 3 - Algorithmic Error Measure (13-46).mp4; {  \6 R' B, X$ E& m7 B; ?
    │      │      8 - 4 - Weighted Classification (16-54).mp4
5 q" x; j' C5 S8 b1 h- h1 T    │      │      9 - 1 - Linear Regression Problem (10-08).mp48 }* q  ~# Z7 S
    │      │      9 - 2 - Linear Regression Algorithm (20-03).mp49 M1 {- ~. N$ H! x# Z
    │      │      9 - 3 - Generalization Issue (20-34).mp4
: x8 M5 y& m! d    │      │      9 - 4 - Linear Regression for Binary Classification (11-23).mp4
1 [+ G! |& K4 F% ~, _. q    │      │      lecture_slides-01_handout.pdf
2 Y. _5 ~( ]4 v3 W* j: M- h    │      │      lecture_slides-02_handout.pdf
/ l1 ^" ?/ R( `/ o4 r    │      │      lecture_slides-03_handout.pdf
/ W- S2 E: T% k9 j    │      │      lecture_slides-04_handout.pdf" y: V: I3 E# S5 m  B8 }2 x
    │      │      lecture_slides-05_handout.pdf4 V  y1 O! O" V! n/ F+ |
    │      │      lecture_slides-06_handout.pdf! F- G# t- M/ j9 _( l; P4 J
    │      │      lecture_slides-07_handout.pdf
; v  ]* k. L, [& Y0 F3 P+ ^0 o    │      │      lecture_slides-08_handout.pdf; g7 i2 M% t$ g
    │      │      lecture_slides-09_handout.pdf
) r2 Q$ u0 f! c    │      │      lecture_slides-10_handout.pdf
9 v  f3 x/ P9 `2 B* i1 d* u. O* w    │      │      lecture_slides-11_handout.pdf  ]6 U# D6 O% ~# \7 \- b0 {
    │      │      lecture_slides-12_handout.pdf: A4 _7 \8 x) o" L6 E: A3 }
    │      │      lecture_slides-13_handout.pdf5 w2 H6 b8 Z. s0 D7 n2 a" n
    │      │      lecture_slides-14_handout.pdf
% `8 d3 X$ T4 P1 m$ O1 M! z% a9 Y    │      │      lecture_slides-15_handout.pdf
2 m( T: |, p/ |- M! K2 z    │      │      lecture_slides-16_handout.pdf
+ G# I- \2 P; _    │      │      
, S: h0 M+ a1 l3 o% Y1 m1 a1 _    │      └─機器學習基石
- ^# L; d5 Y0 i    │          ├─01_-_The_Learning_Problem
% O& r! h9 t9 E+ k    │          │      01_Course_Introduction_10-58.mp40 l! D! ^# V  W4 W
    │          │      01_Course_Introduction_10-58.pdf
6 `* C( u  `, Q/ V' D7 e0 C    │          │      02_What_is_Machine_Learning_18-28.mp4* z  X" S1 g3 l, ^8 I) q
    │          │      03_Applications_of_Machine_Learning_18-56.mp4, Z9 \) ^; _' F; K7 X
    │          │      04_Components_of_Machine_Learning_11-45.mp41 J( N: W+ b9 {. V8 {  ~- A) n
    │          │      05_Machine_Learning_and_Other_Fields_10-21.mp46 [# k$ a# m4 u# Y' p: R
    │          │      6 T% A+ i$ v$ t2 X! k! A
    │          ├─02_-_Learning_to_Answer_Yes-No
/ h( X  i! q3 M' J$ R    │          │      01_Perceptron_Hypothesis_Set_15-42.mp4
' I. g$ c! d  j5 Y    │          │      01_Perceptron_Hypothesis_Set_15-42.pdf
; \, r) b% v) k    │          │      02_Perceptron_Learning_Algorithm_PLA_19-46.mp42 t% P5 T# ^$ ?" Z/ v- z% G2 {
    │          │      03_Guarantee_of_PLA_12-37.mp4! }& ?! U+ L8 M# r# t  \
    │          │      04_Non-Separable_Data_12-55.mp4% U& l4 |0 B, o5 {# [
    │          │      1 L+ X8 b' Y" \8 c  S
    │          ├─03_-_Types_of_Learning) E8 ]( E$ A* ^8 N) u
    │          │      01_Learning_with_Different_Output_Space_17-26.mp4
( o3 C+ U; I$ g+ _" ~3 r    │          │      01_Learning_with_Different_Output_Space_17-26.pdf
% ?4 e0 O0 B# g6 n4 }# f3 Z    │          │      02_Learning_with_Different_Data_Label_18-12.mp4- M  g' R# j+ k9 s5 m. T7 `. t
    │          │      03_Learning_with_Different_Protocol_11-09.mp4
3 U" F  {  D. o/ _: A' o    │          │      04_Learning_with_Different_Input_Space_14-13.mp4% c: T/ y5 [  X8 ?9 W' H" X
    │          │      ; \9 }" j6 C3 d2 G' y; Y7 Q3 J5 w# W
    │          ├─04_-_Feasibility_of_Learning
  W2 ^0 M# l) Q  K  W; A. ]% L    │          │      01_Learning_is_Impossible_13-32.mp46 T; C" S6 n, C+ Z
    │          │      01_Learning_is_Impossible_13-32.pdf
3 Q) ~$ r8 \5 t& G  @/ E    │          │      02_Probability_to_the_Rescue_11-33.mp4
- [& l" q! q2 e    │          │      03_Connection_to_Learning_16-46.mp4  k5 [% ^6 g* B) _9 l( J
    │          │      04_Connection_to_Real_Learning_18-06.mp42 d8 E! K! N9 ?( {
    │          │      , a+ `! f: g" g7 d' R
    │          ├─05_-_Training_versus_Testing
; Z- r/ _" k/ X2 X( C    │          │      01_Recap_and_Preview_13-44.mp4* w) F( V/ N  m8 h
    │          │      01_Recap_and_Preview_13-44.pdf- C+ x0 P: g7 ~, M4 g
    │          │      02_Effective_Number_of_Lines_15-26.mp4' k! A: F0 q& k7 ^3 J
    │          │      03_Effective_Number_of_Hypotheses_16-17.mp4* O5 {3 Z% K0 o. p# A
    │          │      04_Break_Point_07-44.mp41 f. X7 R4 C% E+ V
    │          │      / L% r/ ]1 I8 `! N) n' {
    │          ├─06_-_Theory_of_Generalization% ~$ f; u( j/ s7 x3 z
    │          │      01_Restriction_of_Break_Point_14-18.mp4
! X! h! _* H* O0 C/ o: k  T    │          │      01_Restriction_of_Break_Point_14-18.pdf
5 P+ C2 l0 I6 }! z& D    │          │      02_Bounding_Function-_Basic_Cases_06-56.mp4& V! {8 Z0 b+ H7 }8 Y
    │          │      03_Bounding_Function-_Inductive_Cases_14-47.mp4' e! ]/ c! l( d4 \0 |- w2 t) l
    │          │      04_A_Pictorial_Proof_16-01.mp40 G4 ~1 z- W) M9 r2 C# O
    │          │      
+ Q+ H1 h* x" N7 Y5 C; U    │          ├─07_-_The_VC_Dimension2 n: u: C: P  o5 |" [& l
    │          │      01_Definition_of_VC_Dimension_13-10.mp4: o' m  W" D& b% @0 |
    │          │      01_Definition_of_VC_Dimension_13-10.pdf, Z# l- {0 _! z
    │          │      02_VC_Dimension_of_Perceptrons_13-27.mp4- F; U8 A5 i8 U0 v8 m
    │          │      03_Physical_Intuition_of_VC_Dimension_6-11.mp4  l* R) E& A+ d
    │          │      04_Interpreting_VC_Dimension_17-13.mp4
: p+ }4 S' H4 e+ u9 t' j    │          │      * d8 ]2 d" k5 m
    │          ├─08_-_Noise_and_Error
; g4 ]2 J! U8 x4 c1 z5 Z4 k    │          │      01_Noise_and_Probabilistic_Target_17-01.mp4# H! h( h0 k" F# U
    │          │      01_Noise_and_Probabilistic_Target_17-01.pdf' w& A  y' W; |$ ]9 q( l  R5 B
    │          │      02_Error_Measure_15-10.mp4
2 q$ F. r7 x+ L. L! z3 Q5 \    │          │      03_Algorithmic_Error_Measure_13-46.mp4) k: o' E8 r& g# m5 ~" [# T5 D
    │          │      04_Weighted_Classification_16-54.mp45 A+ y, V; T$ r4 _
    │          │      
5 l% s$ v: q' n; |5 Q( |! y/ ?    │          ├─09_-_Linear_Regression* N/ [' m- p4 W* W: y( m6 A4 H/ ?
    │          │      01_Linear_Regression_Problem_10-08.mp4
$ P9 m3 a. n. z0 T$ n; U  V    │          │      01_Linear_Regression_Problem_10-08.pdf$ y) |: }' N: n
    │          │      02_Linear_Regression_Algorithm_20-03.mp48 W# d2 ?* X' x1 E7 K- A
    │          │      03_Generalization_Issue_20-34.mp4
# q: _7 r! a+ r. L% S  g9 |    │          │      04_Linear_Regression_for_Binary_Classification_11-23.mp4
/ B8 F) P* `, }0 A. G    │          │      - ~, y* T- i) M/ v1 R
    │          ├─10_-_Logistic_Regression
* `4 ?- b+ [, h6 H( h, m    │          │      01_Logistic_Regression_Problem_14-33.mp4
/ W. \8 I6 H' _$ z    │          │      01_Logistic_Regression_Problem_14-33.pdf' C! D8 D) ?+ Q3 K" M
    │          │      02_Logistic_Regression_Error_15-58.mp4
' F/ R; D$ V- |2 L+ m7 j    │          │      03_Gradient_of_Logistic_Regression_Error_15-38.mp4
/ B1 {0 S7 T/ o7 A- Q' @) u    │          │      04_Gradient_Descent_19-18.mp4* `6 a/ g/ t2 Y; f' A, c! _& K
    │          │      
; }# _$ H& i- |    │          ├─11_-_Linear_Models_for_Classification
6 W$ q, `* g2 d" i    │          │      01_Linear_Models_for_Binary_Classification_21-35.mp4
4 e4 [  z0 Z8 w* u    │          │      01_Linear_Models_for_Binary_Classification_21-35.pdf
, I& t/ \1 d0 s. [    │          │      02_Stochastic_Gradient_Descent_11-39.mp4
) H) d3 s# N! C& ]* b* u) @* r7 n. v    │          │      03_Multiclass_via_Logistic_Regression_14-18.mp4, i$ ]3 s' r2 s' Q; ]
    │          │      04_Multiclass_via_Binary_Classification_11-35.mp4
3 k: W& Y' N5 v& ?) u    │          │      . Y2 _! d# k% S9 V: Z& F- ~( |
    │          ├─12_-_Nonlinear_Transformation2 c9 S9 K) _. h4 j  p# o
    │          │      01_Quadratic_Hypothesis_23-47.mp4
0 o3 u$ {& ^5 X- n; O    │          │      01_Quadratic_Hypothesis_23-47.pdf3 }: w2 |- n( `
    │          │      02_Nonlinear_Transform_09-52.mp4" l* T' ~( J+ ?# v/ |/ \
    │          │      03_Price_of_Nonlinear_Transform_15-37.mp42 ^: q" e& B9 `6 r& ~2 b
    │          │      04_Structured_Hypothesis_Sets_09-36.mp4
' A+ E) L- e- e8 Z# G" \5 Z) e: C& }+ y    │          │      - r( c. S( d* \) w! N6 K
    │          ├─13_-_Hazard_of_Overfitting
3 k% {6 E0 h' T5 Q& r8 ^    │          │      01_What_is_Overfitting_10-45.mp4  q5 [+ S% ^+ {. U: s% H
    │          │      01_What_is_Overfitting_10-45.pdf7 }! p8 N. }8 G4 t- c4 r( x
    │          │      02_The_Role_of_Noise_and_Data_Size_13-36.mp40 U& z# l3 ?' r  X$ I/ o
    │          │      03_Deterministic_Noise_14-07.mp42 B* ?0 y3 {/ J+ A2 C
    │          │      04_Dealing_with_Overfitting_10-49.mp4+ ^/ h; r: I3 M4 D2 O5 M# L
    │          │      9 J1 |; F5 s. H" e0 h2 m) {; ~
    │          ├─14_-_Regularization
0 e  W5 M' W% P. G    │          │      01_Regularized_Hypothesis_Set_19-16.mp4
. t# O$ e0 o1 q9 z% |    │          │      01_Regularized_Hypothesis_Set_19-16.pdf& w2 E: N& f3 G" w4 G
    │          │      02_Weight_Decay_Regularization_24-08.mp4
, y1 U! O! A5 y5 }4 f; f( z/ i7 k* P    │          │      03_Regularization_and_VC_Theory_08-15.mp4
. R# S" {7 [) h    │          │      04_General_Regularizers_13-28.mp4; Z# i* x; Y# ~& x0 z$ i
    │          │        J3 n  G( m$ o+ v  s  ^# ?/ E
    │          ├─15_-_Validation
; t3 y  g" N  p% R0 p# J. g    │          │      01_Model_Selection_Problem_16-00(437).mp4
, w1 v% F  e3 z6 K& I2 }    │          │      01_Model_Selection_Problem_16-00.pdf+ j7 P# _% }  _7 n
    │          │      02_Validation_13-24.mp4. t( Q1 r! V7 \
    │          │      03_Leave-One-Out_Cross_Validation_16-06.mp4
1 J2 I( ?) G7 B3 T' X+ D- m    │          │      04_V-Fold_Cross_Validation_10-41.mp48 b; s& D' L! ^0 B0 t( d$ T
    │          │      5 G, J( O1 M) E, ^9 C. ~) j* \
    │          └─16_-_Three_Learning_Principles) y& u. j& g( G) O/ m' u6 r
    │                  01_Occams_Razor_10-08.mp4
* V" t: a, N, Y  Y/ M, [    │                  01_Occams_Razor_10-08.pdf* U4 |1 t# g! p/ q5 K3 X
    │                  02_Sampling_Bias_11-50.mp4
. z+ X. G) \( d3 p# _' W    │                  03_Data_Snooping_12-28.mp4- L) B  s- Q, |% \! P+ h* [
    │                  04_Power_of_Three_08-49.mp4& L5 F+ n$ v- \. F; {' B; W
    │                  # v/ t+ X: s% D  ~2 E+ g
    ├─004_机器学习技法
# r, L: n/ w4 A    │  └─004_机器学习技法8 N! A. r2 O5 o' {9 `" {5 R( D, D, s
    │      └─機器學習技法3 L/ ^2 C, c; i6 P; W3 @4 e6 C
    │          │  下载说明.txt
# Q; Q# D& P9 S3 [9 C    │          │  关注我们.png
+ Q, H( r( c& f/ G% ?0 N( `    │          │  攻城狮论坛=网络技术+编程视频.url
3 Q; ^' `* S0 s1 R( e' Z$ X    │          │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt
/ M" y5 }0 ?! n) j8 [& V    │          │  
5 H* B8 a) D1 H6 L4 [0 k    │          ├─01_Linear_Support_Vector_Machine7 |) ]$ W; n3 O6 l# t# h
    │          │      01_Course_Introduction_4-07.mp47 j+ ~# _, k/ z% K& L0 c5 A1 \  S
    │          │      01_Course_Introduction_4-07.pdf
+ A8 J" V, }6 N6 ~$ |    │          │      02_Large-Margin_Separating_Hyperplane_14-17.mp4: q  J8 W& z# Z2 q+ r: r
    │          │      03_Standard_Large-Margin_Problem_19-16.mp4, {) A/ Z2 v" D- P
    │          │      04_Support_Vector_Machine_15-33.mp4
3 m* s& Q6 ^; y; X& S8 j6 D; U    │          │      05_Reasons_behind_Large-Margin_Hyperplane_13-31.mp4  S6 @2 p3 H* j' `# F2 S/ [: Q5 o! ~
    │          │      ( b8 E  W' t' f$ R+ f$ q$ m6 N
    │          ├─02_Dual_Support_Vector_Machine
' [+ ~$ ?5 i' h, u2 N* a    │          │      01_Motivation_of_Dual_SVM_15-54.mp4
" @. r3 X* p+ [! N& a/ f- p8 e% d1 L    │          │      01_Motivation_of_Dual_SVM_15-54.pdf+ |- {4 _  j( `4 ^/ D
    │          │      02_Lagrange_Dual_SVM_18-50.mp4
# T, t0 i" q+ U% |0 @$ @    │          │      03_Solving_Dual_SVM_14-19.mp41 d7 R  U) M' Y
    │          │      04_Messages_behind_Dual_SVM_11-18.mp4' O) G9 d# z% R: ~2 v( j6 B& Z
    │          │      7 c- i' }2 X0 [
    │          ├─03_Kernel_Support_Vector_Machine8 f7 n4 S4 s$ q# ?5 }
    │          │      01_Kernel_Trick_20-23.mp48 O& Y, J! ]* x
    │          │      01_Kernel_Trick_20-23.pdf0 E# v: X' ^" V
    │          │      02_Polynomial_Kernel_12-16.mp4  {* F/ U4 v. N8 h+ _+ h) {
    │          │      03_Gaussian_Kernel_14-43.mp49 w8 H  K0 Y/ Z  K1 v" Y+ `" `
    │          │      04_Comparison_of_Kernels_13-35.mp46 p6 d! V& W* a  T' S* r
    │          │      
( y* A' i" j7 b8 F1 F$ w, m1 E    │          ├─04_Soft-Margin_Support_Vector_Machine
% K5 t) V! V1 r" C) A, G+ z    │          │      01_Motivation_and_Primal_Problem_14-27.mp42 W3 B% [& `' Y( y
    │          │      01_Motivation_and_Primal_Problem_14-27.pdf0 ]( M% t  P* M/ G3 v0 w$ n! o
    │          │      02_Dual_Problem_7-38.mp4
; o1 T$ d" V6 N% X; N7 r% W: W* }    │          │      03_Messages_behind_Soft-Margin_SVM_13-44.mp4
( `$ E" i  L9 E+ O3 _3 w* D    │          │      04_Model_Selection_9-57.mp4, p* j2 V+ w/ R  S0 Z) K
    │          │      
( b: h/ F; h5 @. W5 |. |9 A    │          ├─05_Kernel_Logistic_Regression1 N9 P8 X. _2 c; I
    │          │      01_Soft-Margin_SVM_as_Regularized_Model_13-40.mp4
2 H# y( I/ w7 X    │          │      01_Soft-Margin_SVM_as_Regularized_Model_13-40.pdf) T# W1 x0 C2 x( d2 ~7 B) q/ I) }
    │          │      02_SVM_versus_Logistic_Regression_10-18.mp4
* N) m7 {- }. Z    │          │      03_SVM_for_Soft_Binary_Classification_9-36.mp4
. f; v* i  d9 }0 |% z) c2 ^    │          │      04_Kernel_Logistic_Regression_16-22.mp4
' E  Y/ F9 F5 ~6 `    │          │      
: g+ N9 C; A5 t; j0 n% o9 ]    │          ├─06_Support_Vector_Regression
  r% K: N  s) h" O/ i7 v& S    │          │      01_Kernel_Ridge_Regression_17-17.mp4) i% `8 B; q  v& u
    │          │      01_Kernel_Ridge_Regression_17-17.pdf
: a7 W+ l+ i1 {( z0 {  V0 x    │          │      02_Support_Vector_Regression_Primal_18-44.mp4# Z. ?* B1 g1 C1 _& w
    │          │      03_Support_Vector_Regression_Dual_13-05.mp4" ^$ p8 g- V; u/ f
    │          │      04_Summary_of_Kernel_Models_09-06.mp4" @8 U9 W' l; v+ _4 @
    │          │      
  e; w8 v) {. L8 Q6 u& u+ K    │          ├─07_Blending_and_Bagging- F9 S8 R( m, |! a# o+ Z
    │          │      01_Motivation_of_Aggregation_18-54.mp47 i8 @, W' i, Z( G# \& m) _8 d* _
    │          │      01_Motivation_of_Aggregation_18-54.pdf3 d7 Q# v9 m3 j  b/ Z8 I6 q7 }7 }
    │          │      02_Uniform_Blending_20-31.mp4
$ N: u" F& b: ^7 s    │          │      03_Linear_and_Any_Blending_16-48.mp4
& [& h7 x4 E; E* b    │          │      04_Bagging_Bootstrap_Aggregation_11-48.mp4" P5 h5 n# Z6 T% r- F$ P+ n
    │          │      + q$ W' l4 [: b1 s% c
    │          ├─08_Adaptive_Boosting
  |% ]; P( {" }* O1 R    │          │      01_Motivation_of_Boosting_12-47.mp4, Z7 S+ C! z1 b3 d
    │          │      01_Motivation_of_Boosting_12-47.pdf
5 `" V' M! ]8 w: c    │          │      02_Diversity_by_Re-weighting_14-28.mp4  F9 j# b: @8 @) r
    │          │      03_Adaptive_Boosting_Algorithm_13-34.mp4/ i1 l5 L4 w. j9 \
    │          │      04_Adaptive_Boosting_in_Action_11-04.mp4' J& m- G( l0 J8 r8 J7 E
    │          │      / T5 n9 v, l+ h* Q; [
    │          ├─09_Decision_Tree
# s# V( k' r) `    │          │      01_Decision_Tree_Hypothesis_17-28.mp4
1 S( e& _) `5 i) x8 R# S! ~    │          │      01_Decision_Tree_Hypothesis_17-28.pdf
! C3 u- @9 U/ f* ^/ [    │          │      02_Decision_Tree_Algorithm_15-20.mp4# _) o! v: `& c5 e1 I0 \/ @! M& D& S
    │          │      03_Decision_Tree_Heuristics_in_CRT_13-21.mp4
, _$ X( i+ M+ X* m4 F    │          │      04_Decision_Tree_in_Action_8-44.mp4( b6 \* l% u5 O
    │          │      2 P* U  T  E- w1 u% _& {6 D3 p% A0 G' ?
    │          ├─10_Random_Forest0 \5 Q! z6 `, j) Y" R8 r5 E. K
    │          │      01_Random_Forest_Algorithm_13-06.mp4
, Y0 u. W9 D! l    │          │      01_Random_Forest_Algorithm_13-06.pdf
' E) ^% A) U) h. j. v  ^, h    │          │      02_Out-Of-Bag_Estimate_12-31.mp4
, L" i. _  B* B. s    │          │      03_Feature_Selection_19-27.mp45 c) ?" l6 T& K
    │          │      04_Random_Forest_in_Action13-28.mp4$ Q6 i7 O# o/ Z$ |2 [+ Z
    │          │      9 u' m0 L. X; D) B8 h
    │          ├─11_Gradient_Boosted_Decision_Tree* `9 q7 K7 @0 W
    │          │      01_Adaptive_Boosted_Decision_Tree_15-05.mp4
4 _) L. }8 r9 m- S$ \4 h: p    │          │      01_Adaptive_Boosted_Decision_Tree_15-05.pdf" k/ u: O6 l. e7 E, _
    │          │      02_Optimization_View_of_AdaBoost_27-25.mp4
* z  p/ M- H6 }- e7 _    │          │      03_Gradient_Boosting_18-20.mp4
6 a3 G1 r3 v  R& U; U6 s    │          │      04_Summary_of_Aggregation_Models_11-19.mp4" i' J, J, W' P; o! b
    │          │      6 x8 y1 M9 W* L; [
    │          ├─12_Neural_Network- l" C) R+ k8 P/ n& s1 M
    │          │      01_Motivation_20-36.mp4! j+ |, o8 H$ O, P* P3 a9 Y+ M9 [
    │          │      01_Motivation_20-36.pdf, O0 A0 D, T" J( w9 p
    │          │      02_Neural_Network_Hypothesis_18-01.mp44 v' X0 }4 S4 t! c& e, y
    │          │      03_Neural_Network_Learning_22-26.mp4
, S/ c2 l% j5 p4 S1 U9 n    │          │      04_Optimization_and_Regularization_17-29.mp4# w( i: E4 j5 N3 z" T6 {6 W
    │          │      
' k( [+ W. u! b7 P1 F7 E" o/ \% @    │          ├─13_Deep_Learning
7 j+ ^" @; Q5 y4 d! X! @    │          │      01_Deep_Neural_Network_21-30.mp4
# t  S6 ^/ p0 u6 {6 X    │          │      01_Deep_Neural_Network_21-30.pdf+ F6 T% }$ C0 g7 H# ^
    │          │      02_Autoencoder_15-17.mp4
* j+ I% R# v* K* Q$ V0 G    │          │      03_Denoising_Autoencoder_8-30.mp4' l7 E7 k& {; b9 D, ~1 X$ O% t$ ^
    │          │      04_Principal_Component_Analysis_31-20.mp4
2 A* j" V' e" X7 W8 q' I5 i    │          │      9 @/ X$ c0 g! f
    │          ├─14_Radial_Basis_Function_Network+ L2 V# w; h# M8 k8 Y9 U* ^( j
    │          │      01_RBF_Network_Hypothesis_12-55.mp4) ]8 I8 D$ a/ v' k
    │          │      01_RBF_Network_Hypothesis_12-55.pdf2 B: V; ~6 @" y0 i1 R
    │          │      02_RBF_Network_Learning_20-08.mp4
/ Z4 v% L4 A8 [. O    │          │      03_k-Means_Algorithm_16-19.mp4
0 I9 S( ^- f! H: Q7 _2 F: M- ?! q    │          │      04_k-Means_and_RBF_Network_in_Action_9-46.mp4- i6 Z% W, J  E" {
    │          │      $ I2 \0 l( G9 h. @8 z" K/ A5 O
    │          ├─15_Matrix_Factorization
. i- y; Z7 @! E$ p6 _4 p    │          │      01_Linear_Network_Hypothesis_20-16.mp4
2 w! v+ ?  @) y5 e* w2 T* _2 K    │          │      01_Linear_Network_Hypothesis_20-16.pdf$ ?% o8 S, D3 \: r- i* P9 K$ `- Q
    │          │      02_Basic_Matrix_Factorization_16-32.mp4
9 O6 f, M; C# e# F# ?, Z: |    │          │      03_Stochastic_Gradient_Descent_12-22.mp4
6 X0 y  f* `+ ~    │          │      04_Summary_of_Extraction_Models_9-12.mp4. u( G" M5 z6 C9 g
    │          │      
1 Q5 b$ @8 b: X- s% _- C    │          └─16_Finale# P" |& k, F% q4 I
    │                  01_Feature_Exploitation_Techniques_16-11.mp45 f. i; l+ |8 K& ]7 |9 \& ^4 V
    │                  01_Feature_Exploitation_Techniques_16-11.pdf0 @$ I! w% T! t8 A% z3 F; i
    │                  02_Error_Optimization_Techniques_8-40.mp4/ w- m" m- v: m3 H& \) K; I
    │                  03_Overfitting_Elimination_Techniques_6-44.mp46 ?+ S& ^0 O1 ?! ~1 ]2 f- }
    │                  04_Machine_Learning_in_Action_12-59.mp4
% l2 O1 V$ {7 r$ f9 d8 G    │                  9 |6 w& E4 S9 p( B
    ├─005_Neural Networks for Machine Learning
$ A& U' x* f6 R. t3 T) W    │  └─005_Neural Networks for Machine Learning( X9 ^$ ]! u: j" \9 `: u: }7 j
    │      │  下载说明.txt1 n7 l; r3 [! k% C: x& |
    │      │  关注我们.png, u5 c. l$ n# q& d. U: {5 G* ?
    │      │  攻城狮论坛=网络技术+编程视频.url
  q6 \" O  r5 Z' [1 c: h    │      │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt9 \& E1 L: I, [/ x
    │      │  
: C/ j( `5 }; `9 \' O# F* X    │      ├─hinton-ml
: t- D; O+ R0 l& d4 w    │      │      1.Why do we need machine learning) G5 j2 [6 R) d8 g$ ?0 p
    │      │      1.Why do we need machine learning.mp4
3 z6 }1 L4 \3 @: G# ~- E; t6 L    │      │      10.What perceptrons can't do [15 min].mp4/ q$ g# U6 E" H  g: Z. w
    │      │      10.What perceptrons can't do [15 min].srt
# M9 x. l: ]- u$ \$ l    │      │      11.Learning the weights of a linear neuron [12 min].mp4! e' L5 ^2 }1 I% q2 c$ L4 f* m" M
    │      │      11.Learning the weights of a linear neuron [12 min].srt4 G: f) g7 w1 ^; T- e
    │      │      12.The error surface for a linear neuron [5 min].mp45 |; S; [% [2 t: x8 s( O/ A
    │      │      12.The error surface for a linear neuron [5 min].srt2 f2 S! {! V9 i1 \$ W  v
    │      │      13.Learning the weights of a logistic output neuron [4 min].mp4
! \9 u/ y$ [( j! D9 |1 k# [5 L    │      │      13.Learning the weights of a logistic output neuron [4 min].srt
  H3 R  ~; m5 V) s- s    │      │      14.The backpropagation algorithm [12 min].mp4' ^% ?5 J# Z% x9 q7 u* {4 Y* Q
    │      │      14.The backpropagation algorithm [12 min].srt
  `4 y& a* n7 w    │      │      15.Using the derivatives computed by backpropagation [10 min].mp4
* m- u5 p! }; S4 Z    │      │      15.Using the derivatives computed by backpropagation [10 min].srt5 C+ B: [4 [+ v& s7 P! H3 t  d
    │      │      16.Learning to predict the next word [13 min].mp4
# ^! L8 y4 X& I- u    │      │      16.Learning to predict the next word [13 min].srt+ m5 g7 C2 u* V% k& o! B( _
    │      │      17.A brief diversion into cognitive science [4 min].mp4
" k' E) b0 }& ?7 E7 P    │      │      17.A brief diversion into cognitive science [4 min].srt
& b5 L$ z2 W; ]' t5 Y    │      │      19.Neuro-probabilistic language models [8 min].mp4+ @  ?4 T2 X$ X! f( z3 t* K+ P
    │      │      19.Neuro-probabilistic language models [8 min].srt
( F- u0 [! p6 C0 @4 U0 [    │      │      2.What are neural networks
8 W, j, [5 r5 d7 V) }    │      │      2.What are neural networks.mp43 x9 z4 ^# a6 k  ^
    │      │      20.Ways to deal with the large number of possible outputs [15 min].mp4( `* x1 s( y! B) w3 }( ~
    │      │      20.Ways to deal with the large number of possible outputs [15 min].srt
% X6 S3 r: X8 s    │      │      21.Why object recognition is difficult [5 min].mp4; U+ }& Z2 A: {* |" B# b
    │      │      21.Why object recognition is difficult [5 min].srt0 B8 K. k. B% `3 l, o0 ^
    │      │      22.Achieving viewpoint invariance [6 min].mp4: \! f5 D+ v0 s, }! ?4 ^3 w& ]
    │      │      22.Achieving viewpoint invariance [6 min].srt
4 N( J1 V, a) I    │      │      23.Convolutional nets for digit recognition [16 min].mp45 r3 T! K0 r, o; k* ~
    │      │      23.Convolutional nets for digit recognition [16 min].srt% _6 j# n4 ?$ Z
    │      │      24.Convolutional nets for object recognition [17min].mp4( a: r/ n  k9 G) e
    │      │      24.Convolutional nets for object recognition [17min].srt
2 m/ [# m4 K/ J' l1 F    │      │      25.Overview of mini-batch gradient descent.mp49 L3 ~2 i: @+ G% G! h
    │      │      25.Overview of mini-batch gradient descent.srt9 {# e% l; X+ o$ Q1 R; N, [
    │      │      26.A bag of tricks for mini-batch gradient descent.mp4( B7 H  z8 U% @7 W: ~* r3 S
    │      │      26.A bag of tricks for mini-batch gradient descent.srt8 i, {4 Q0 @7 V
    │      │      27.The momentum method.mp4
( {+ \8 A; Q. D    │      │      27.The momentum method.srt
1 }. V* a' h7 X) U% z4 a$ [    │      │      28.Adaptive learning rates for each connection.mp4
7 S4 d9 F5 J' k2 }" ?    │      │      28.Adaptive learning rates for each connection.srt& g4 a! R* W1 h. h
    │      │      3.Some simple models of neurons [8 min].mp4
2 u/ l! [# x4 M* N: c  A    │      │      3.Some simple models of neurons [8 min].srt* p" L/ ]  ]; `
    │      │      31.Training RNNs with back propagation.mp42 B! }3 O! g" H5 P7 [% Q: L' v
    │      │      31.Training RNNs with back propagation.srt
/ r, V/ x6 p1 H+ s' o! `    │      │      32.A toy example of training an RNN.mp4
  Y3 p& ?0 F" h% R    │      │      32.A toy example of training an RNN.srt
: O5 ?& V- l/ Q: p% l    │      │      33.Why it is difficult to train an RNN.mp4
1 @: [$ r8 @! T" K    │      │      33.Why it is difficult to train an RNN.srt
1 ?( E: @3 A  x7 ^  `2 K6 z    │      │      34.Long-term Short-term-memory.mp4
" W$ j( f$ Z5 K* b8 k' y    │      │      34.Long-term Short-term-memory.srt" z2 s. [0 W$ R! m/ v! A9 w
    │      │      35.A brief overview of Hessian Free optimization.mp4+ Y: U5 K) r4 ]0 d; j
    │      │      35.A brief overview of Hessian Free optimization.srt* i( x+ v, m, K0 z8 e
    │      │      37.Learning to predict the next character using HF [12  mins].mp44 j4 p; m3 x; c2 ?% Z+ r* [* e
    │      │      37.Learning to predict the next character using HF [12  mins].srt
: T- h( f. s6 O    │      │      38.Echo State Networks [9 min].mp4
! o$ j! d. g/ \1 p) n6 D5 o' }    │      │      38.Echo State Networks [9 min].srt5 r6 O; w, }0 C" @+ }" q  c
    │      │      39.Overview of ways to improve generalization [12 min].mp4
, |0 p8 A0 X! I& N) Y9 z! s/ e    │      │      39.Overview of ways to improve generalization [12 min].srt
- I/ C( H! q5 u$ n% C    │      │      4.A simple example of learning [6 min].mp4
: h: h& |. S) W( d! }% J    │      │      4.A simple example of learning [6 min].srt! t! G  a# g" K3 |% \8 L: J
    │      │      40.Limiting the size of the weights [6 min].mp4' e6 H0 z4 S8 A2 a* P
    │      │      40.Limiting the size of the weights [6 min].srt
3 w6 z, b) D( o    │      │      41.Using noise as a regularizer [7 min].mp4; C5 N4 q0 P' i& H
    │      │      41.Using noise as a regularizer [7 min].srt6 M) L3 _2 \2 f! ?
    │      │      42.Introduction to the full Bayesian approach [12 min].mp4
1 V4 y+ m: g6 R    │      │      42.Introduction to the full Bayesian approach [12 min].srt# L0 T5 d1 w) B+ X! |( H2 l4 t& W$ U
    │      │      43.The Bayesian interpretation of weight decay [11 min].mp4
7 G7 Y7 n* x+ t# V0 Y! y    │      │      43.The Bayesian interpretation of weight decay [11 min].srt9 C4 i9 n5 Q# u$ a/ N% {
    │      │      44.MacKay's quick and dirty method of setting weight costs [4 min].mp42 s# Q+ G0 Z& D% o- w4 o# Z' l3 u# v
    │      │      44.MacKay's quick and dirty method of setting weight costs [4 min].srt
' [; o- }' z* S+ J% a6 D. i2 ]& s    │      │      45.Why it helps to combine models [13 min].mp4
. w' `. v7 o. D" ~7 }# }# B  T# i: V% X9 \- ?    │      │      45.Why it helps to combine models [13 min].srt4 B7 T& _! ~( z' w) i0 G' S/ x
    │      │      46.Mixtures of Experts [13 min].mp48 o5 h4 o3 N) }# @
    │      │      46.Mixtures of Experts [13 min].srt) K3 y0 g, F" |; w" |# M
    │      │      47.The idea of full Bayesian learning [7 min].mp4
# L( T( V% E" _    │      │      47.The idea of full Bayesian learning [7 min].srt% z$ @* a5 s+ s( ~+ M! s5 M/ O
    │      │      48.Making full Bayesian learning practical [7 min].mp4; ~2 A; @+ k. ^- E" ~4 ?6 g
    │      │      48.Making full Bayesian learning practical [7 min].srt- v+ d2 `& L  Q0 m
    │      │      49.Dropout [9 min].mp43 J2 @/ s1 s# ?. J
    │      │      49.Dropout [9 min].srt
; A: S0 R/ J$ o; {    │      │      5.Three types of learning [8 min].mp4
  A7 a# P$ Y# y1 }. t6 n/ o    │      │      5.Three types of learning [8 min].srt
& m" Q) k% c$ s- h* X% D# N2 A/ f& z    │      │      50.Hopfield Nets [13 min].mp4
1 Z  r9 N4 {6 }, u6 ^3 x! ?    │      │      50.Hopfield Nets [13 min].srt1 E  u9 m2 e( U: p2 J: @- t, Y& K
    │      │      51.Dealing with spurious minima [11 min].mp4. w3 H+ |* L3 o1 M1 y) u! c
    │      │      51.Dealing with spurious minima [11 min].srt' K2 O( B- E( V& U' f8 O
    │      │      52.Hopfield nets with hidden units [10 min].mp4
" u+ [* ?: b: r( ~    │      │      52.Hopfield nets with hidden units [10 min].srt
5 ]3 m. |8 x8 L( v7 |& T  z- }    │      │      53.Using stochastic units to improv search [11 min].mp4% M2 x' Z) j$ ]' t5 l! n
    │      │      53.Using stochastic units to improv search [11 min].srt
# g4 G2 k1 k# A) ]- J    │      │      54.How a Boltzmann machine models data [12 min].mp4( y5 T% u7 f4 @0 `- }6 Y
    │      │      54.How a Boltzmann machine models data [12 min].srt
1 ?2 J1 ]& }/ t7 G7 v* ]) K' r/ D    │      │      55.Boltzmann machine learning [12 min].mp4
; f6 d9 |; h* l/ F# M    │      │      55.Boltzmann machine learning [12 min].srt: o, t6 }5 J9 s- _2 _- F
    │      │      57.Restricted Boltzmann Machines [11 min].mp4
/ P5 ~1 I+ K. s( ?& `# |    │      │      57.Restricted Boltzmann Machines [11 min].srt
, h( _' d+ C, P& e0 k    │      │      58.An example of RBM learning [7 mins].mp4
+ k: O3 X% u% F8 e' k) K' O    │      │      58.An example of RBM learning [7 mins].srt
7 |* w* E6 \4 F5 M( `! ^    │      │      59.RBMs for collaborative filtering [8 mins].mp4
" V; f8 e8 i; P    │      │      59.RBMs for collaborative filtering [8 mins].srt  A( O* p5 d( g3 u/ B3 \
    │      │      6.Types of neural network architectures [7 min].mp4; W' r1 w: r( P; K2 s
    │      │      6.Types of neural network architectures [7 min].srt
6 N- K. N- L; V! s" X: u    │      │      60.The ups and downs of back propagation [10 min].mp46 @% X8 n* R8 {  G7 {8 M  [- D
    │      │      60.The ups and downs of back propagation [10 min].srt
- _8 S' d& \% a% ~  K7 N    │      │      61.Belief Nets [13 min].mp47 s# b: |2 y* ^$ u2 C5 x) F' I1 O- g
    │      │      61.Belief Nets [13 min].srt2 v# A, ^) t  J" q
    │      │      62.Learning sigmoid belief nets [12 min].mp4
: K  |  O; t& d  I8 a" C! l: P    │      │      62.Learning sigmoid belief nets [12 min].srt
; H2 F3 R4 d9 z& H$ B- @, f) O7 e8 |    │      │      63.The wake-sleep algorithm [13 min].mp4
2 e$ }3 Z  B* X  U8 ^- i    │      │      63.The wake-sleep algorithm [13 min].srt. F! {* Z$ |" C. |5 a
    │      │      64.Learning layers of features by stacking RBMs [17 min].mp48 o4 v: b6 j: u: T  Y9 u* R
    │      │      64.Learning layers of features by stacking RBMs [17 min].srt+ a- f9 `! W. P+ G3 Y# o
    │      │      65.Discriminative learning for DBNs [9 mins].mp4: J9 P, A* L# e  U. a
    │      │      65.Discriminative learning for DBNs [9 mins].srt6 \. q& q( z/ U9 L. W' J
    │      │      66(1).What happens during discriminative fine-tuning
" l/ E* Z$ H/ _" R, w: W    │      │      66.What happens during discriminative fine-tuning
8 w' z$ {& f' p0 o7 P  P, N    │      │      67.Modeling real-valued data with an RBM [10 mins].mp4" h) B2 e! m7 I5 |
    │      │      67.Modeling real-valued data with an RBM [10 mins].srt
( L- R. }/ y2 }5 e5 H) h    │      │      69.From PCA to autoencoders [5 mins].mp4
% t6 n9 y* u, d4 X0 N- d4 O4 M    │      │      69.From PCA to autoencoders [5 mins].srt" D; Z* S, y; a' @6 x; K% ?( V; x
    │      │      70.Deep auto encoders [4 mins].mp4+ N5 Y( \* x: ^8 ~
    │      │      70.Deep auto encoders [4 mins].srt/ K2 e* g5 G+ m+ d
    │      │      71.Deep auto encoders for document retrieval [8 mins].mp4
" `. Q/ J2 u+ n( ~: G    │      │      71.Deep auto encoders for document retrieval [8 mins].srt
+ v2 {( c! C: K' ]& E8 P    │      │      72.Semantic Hashing [9 mins].mp4
' q9 i5 L: C! t# p" ]1 _    │      │      72.Semantic Hashing [9 mins].srt
9 I. m, c& j( G& W    │      │      73.Learning binary codes for image retrieval [9 mins].mp40 M1 ^" `" n4 I' y8 \8 J* C
    │      │      73.Learning binary codes for image retrieval [9 mins].srt
: t+ ]+ J% P! P" y    │      │      74.Shallow autoencoders for pre-training [7 mins].mp4
) Y+ s5 ?: ^% i$ n    │      │      74.Shallow autoencoders for pre-training [7 mins].srt* v8 h% D7 A+ r# W
    │      │      8.A geometrical view of perceptrons [6 min].mp4
( N& E5 c5 O2 h" x5 g    │      │      8.A geometrical view of perceptrons [6 min].srt1 J3 C+ C$ a( Q2 I1 ?; i* t
    │      │      9.Why the learning works [5 min].mp4: O' V1 H, \$ H2 x, K6 K5 q
    │      │      9.Why the learning works [5 min].srt
. C/ I! a& ?2 c. }2 U, l( ?    │      │      ; v* N7 X! k7 x+ |, _
    │      └─neuralnets-2012-001" q) q! O/ V) f) [" v6 U  O
    │          ├─01_Lecture1# M( e7 O/ x' E" B  T
    │          │      01_Why_do_we_need_machine_learning_13_min.mp4
" _0 S' [2 b" U/ V2 [  [5 }6 s    │          │      01_Why_do_we_need_machine_learning_13_min.pdf# Y" `0 Q4 ^; ^% B6 w
    │          │      01_Why_do_we_need_machine_learning_13_min.pptx
2 E" B" C1 i! u0 ^5 j( Z4 `6 V+ J% `    │          │      01_Why_do_we_need_machine_learning_13_min.srt4 _. T  o1 n, u" y3 d, M
    │          │      01_Why_do_we_need_machine_learning_13_min.txt* E; Y8 P- O5 I$ t1 z  q, V! Z$ k
    │          │      02_What_are_neural_networks_8_min.mp4: q- h. J- ?! H+ l7 F6 G8 K0 G: l
    │          │      02_What_are_neural_networks_8_min.srt8 \6 K$ h6 y# V, f3 K! g
    │          │      02_What_are_neural_networks_8_min.txt6 u/ M8 B/ \. T& G+ V' A9 }  R# @
    │          │      03_Some_simple_models_of_neurons_8_min.mp4+ D$ X7 ~& N0 }" K
    │          │      03_Some_simple_models_of_neurons_8_min.srt
$ {* d& w3 \5 C, b    │          │      03_Some_simple_models_of_neurons_8_min.txt5 W+ E3 z9 l$ _8 ?
    │          │      04_A_simple_example_of_learning_6_min.mp44 X/ j! k, O. ]' a9 c+ W" O, ~
    │          │      04_A_simple_example_of_learning_6_min.srt, T  C: E" D3 L$ \8 k
    │          │      04_A_simple_example_of_learning_6_min.txt
0 V. B. x3 f+ K    │          │      05_Three_types_of_learning_8_min.mp4
0 t: T: A2 j6 y0 H, K    │          │      05_Three_types_of_learning_8_min.srt
4 G/ ^: o. V5 x, g2 H8 p; V* \    │          │      05_Three_types_of_learning_8_min.txt4 t6 N1 m) ]# T6 q, b( x. _
    │          │      / Q. I& ?8 m" Y  d9 E
    │          ├─02_Lecture2" o+ w9 ?( k; V
    │          │      03_A_geometrical_view_of_perceptrons_6_min.mp44 W) V4 X/ a, `+ C8 X: ?, S
    │          │      03_A_geometrical_view_of_perceptrons_6_min.srt4 v0 X+ X7 x- g9 v, B
    │          │      03_A_geometrical_view_of_perceptrons_6_min.txt* U1 l5 x. ]7 J
    │          │      04_Why_the_learning_works_5_min.mp4
7 w; [( h( k9 N( d- v. n/ |    │          │      04_Why_the_learning_works_5_min.srt. ]' e2 O" P% e9 T* K' d5 `" O. F
    │          │      04_Why_the_learning_works_5_min.txt  `6 E; E6 n9 r- o, T) y' e+ G: X" e
    │          │      05_What_perceptrons_cant_do_15_min.mp48 N$ h3 ~7 }  Y: S; g% O$ ^9 Q4 c& R
    │          │      05_What_perceptrons_cant_do_15_min.srt2 {0 c+ J/ v1 s
    │          │      05_What_perceptrons_cant_do_15_min.txt
! D  {; \5 B- u0 u    │          │        n% \- z/ b" k6 n" b- i$ ?) d  V+ P
    │          ├─03_Lecture3
, y. U5 H8 a" C3 R4 j2 w* W    │          │      04_The_backpropagation_algorithm_12_min.mp4; `0 M) m+ S8 z' E. F
    │          │      04_The_backpropagation_algorithm_12_min.pdf9 ~# j. n! q$ B9 ~: G4 Q- ~: d
    │          │      04_The_backpropagation_algorithm_12_min.srt; B  @" T& I' B
    │          │      04_The_backpropagation_algorithm_12_min.txt; ]4 U: p. n2 {; f1 I, Z5 J
    │          │      
$ A1 U2 m! V3 o: q" Y: W    │          ├─04_Lecture4
; R' i  r& {; u! \! B# q8 q    │          │      01_Learning_to_predict_the_next_word_13_min.mp4# O7 S1 Q; F+ \) l$ q/ u) N4 j- {4 G9 h
    │          │      01_Learning_to_predict_the_next_word_13_min.pdf
# {, {9 ~" M  u    │          │      01_Learning_to_predict_the_next_word_13_min.pptx
  ^4 i+ \  e7 V6 l2 A( x    │          │      01_Learning_to_predict_the_next_word_13_min.srt
7 r9 D, g  _! ~* C& w    │          │      01_Learning_to_predict_the_next_word_13_min.txt) Q, |9 g) T7 n& t
    │          │      04_Neuro-probabilistic_language_models_8_min.mp4  e  y, P1 }1 q7 Y$ O* S. ]" Z- g
    │          │      04_Neuro-probabilistic_language_models_8_min.pdf) @) a3 ]+ E3 ^% [! q( I$ l
    │          │      04_Neuro-probabilistic_language_models_8_min.srt  l& K8 u4 U) G% a
    │          │      04_Neuro-probabilistic_language_models_8_min.txt
2 t0 w  c' K9 y9 a* i" V    │          │      
: ~, U0 O" L; |. J  z- j3 |' P3 W" R7 x    │          ├─05_Lecture5! v) O0 K+ v- I0 X$ t0 V1 R6 U
    │          │      01_Why_object_recognition_is_difficult_5_min.mp4# `( f. j' I1 @3 \0 w
    │          │      01_Why_object_recognition_is_difficult_5_min.pdf: V9 j; I8 `- K# q
    │          │      01_Why_object_recognition_is_difficult_5_min.srt1 |, N, p* g' b- Y: S
    │          │      01_Why_object_recognition_is_difficult_5_min.txt5 F* [) l! w# V; z* ?
    │          │      02_Achieving_viewpoint_invariance_6_min.mp4
1 b! m8 \. v/ Z5 i+ B" E- \' _$ Z    │          │      02_Achieving_viewpoint_invariance_6_min.srt
- I& z6 j8 L% r+ m6 W. y5 _    │          │      02_Achieving_viewpoint_invariance_6_min.txt
- d$ G  @8 |/ T    │          │      , G# a& g8 m# r9 i
    │          ├─06_Lecture6
1 |! T; Y) {  K9 ?    │          │      01_Overview_of_mini-batch_gradient_descent.mp4
  ]. S& t, N) F0 C, }& o  l    │          │      01_Overview_of_mini-batch_gradient_descent.pdf
2 C7 W5 M' u# q+ {/ i    │          │      01_Overview_of_mini-batch_gradient_descent.pptx! k5 u( x% W. h7 e1 S( w
    │          │      01_Overview_of_mini-batch_gradient_descent.srt  k5 M8 w- S9 e% I4 n# V
    │          │      01_Overview_of_mini-batch_gradient_descent.txt5 n/ L8 j( }, \( [
    │          │      03_The_momentum_method.mp4
' _9 M% F+ F0 z4 ]    │          │      03_The_momentum_method.srt
3 W  C! r: ~+ }9 g1 W5 d  c    │          │      03_The_momentum_method.txt
" i% d3 @) T$ |' N! F' o    │          │      1 A, z* c; e7 X) w2 s4 F
    │          ├─07_Lecture7) H  Q% U5 J" n5 z' |
    │          │      01_Modeling_sequences-_A_brief_overview.mp4
$ `6 P8 i3 j2 ^& ?; N/ Y9 R    │          │      01_Modeling_sequences-_A_brief_overview.pdf
3 h7 y% l, ^3 \7 c% ^2 B    │          │      01_Modeling_sequences-_A_brief_overview.pptx" }0 k  f6 B6 \8 t7 C
    │          │      01_Modeling_sequences-_A_brief_overview.srt
3 K# s* O  S- @' J' _    │          │      01_Modeling_sequences-_A_brief_overview.txt; @8 X0 ?6 q0 {% L& ~/ x
    │          │      02_Training_RNNs_with_back_propagation.mp4
8 d6 D7 u* }5 b& T6 l# `5 f6 x    │          │      02_Training_RNNs_with_back_propagation.srt
  m5 T) Y5 r" ^9 N1 {    │          │      02_Training_RNNs_with_back_propagation.txt
* T1 _9 _# k& O9 U+ ]9 J5 O& z    │          │      03_A_toy_example_of_training_an_RNN.mp4
$ B# u4 z# X; A/ S3 U6 }    │          │      03_A_toy_example_of_training_an_RNN.srt* y( O5 `6 k+ Z
    │          │      03_A_toy_example_of_training_an_RNN.txt! M% c7 _1 J" `$ X: Q' G: j
    │          │      04_Why_it_is_difficult_to_train_an_RNN.mp4
  p/ H, Z* R/ \/ I4 D; `    │          │      04_Why_it_is_difficult_to_train_an_RNN.srt* z1 G% e  N7 s4 H) r+ C+ T; B
    │          │      04_Why_it_is_difficult_to_train_an_RNN.txt
# c( U% |4 B- A- |9 t    │          │      05_Long-term_Short-term-memory.mp4
6 X+ _7 E. v% f1 U' i, a    │          │      05_Long-term_Short-term-memory.pdf
6 g: X) m2 J; [, d    │          │      05_Long-term_Short-term-memory.srt5 k8 J0 B7 ~3 E+ `! r
    │          │      05_Long-term_Short-term-memory.txt# o4 A& c# D7 O/ m$ k4 l
    │          │      
3 M( B) L: M$ H( y" s' H  Q, Q7 `    │          ├─08_Lecture8' e4 J3 Z, R3 A+ q  b  Z
    │          │      04_Echo_State_Networks_9_min.mp4* q, e( p! L2 P$ l  Q0 U. T3 [( v* y
    │          │      04_Echo_State_Networks_9_min.srt" x/ D7 `/ q* p1 T
    │          │      04_Echo_State_Networks_9_min.txt
" Q/ \3 y0 `' U8 {    │          │      * f7 o. p# b8 ?3 m4 M1 N, K
    │          ├─09_Lecture9
- D% |, g7 ?+ Z  c    │          │      02_Limiting_the_size_of_the_weights_6_min.mp4
2 H" K& o8 K8 @# m6 V    │          │      02_Limiting_the_size_of_the_weights_6_min.srt
) W6 @2 Q! m6 I& C% @7 P% {& x; {    │          │      02_Limiting_the_size_of_the_weights_6_min.txt" z/ k( A/ p& ?7 L
    │          │      03_Using_noise_as_a_regularizer_7_min.mp4
; |8 F6 N$ s5 s  ]    │          │      03_Using_noise_as_a_regularizer_7_min.srt6 K! Y1 N8 Z3 e& d
    │          │      03_Using_noise_as_a_regularizer_7_min.txt/ g! |* x) K) G
    │          │      
, i, b; [# [* l5 @& |* d9 z* }    │          ├─10_Lecture10* _5 c8 O' x* Q
    │          │      01_Why_it_helps_to_combine_models_13_min.mp4
7 E( r  K& l( j! \  H4 v    │          │      01_Why_it_helps_to_combine_models_13_min.pdf
5 \- W8 [& _! Z1 X' l* P    │          │      01_Why_it_helps_to_combine_models_13_min.pptx7 q9 h) m, W( ~4 A
    │          │      01_Why_it_helps_to_combine_models_13_min.srt7 r5 w& \. D( }  h5 O) P' h5 F
    │          │      01_Why_it_helps_to_combine_models_13_min.txt* h. P2 u: y( n
    │          │      02_Mixtures_of_Experts_13_min.mp4% P' G) D6 d6 Q( ^4 m
    │          │      02_Mixtures_of_Experts_13_min.pdf
( E* ?  G3 M2 p! x/ o    │          │      02_Mixtures_of_Experts_13_min.srt
5 s$ q" o5 }4 l& D4 y7 }    │          │      02_Mixtures_of_Experts_13_min.txt
; {2 _8 `5 I' P" w- v% x    │          │      03_The_idea_of_full_Bayesian_learning_7_min.mp43 ?+ U5 c/ M& N9 ?  ~- W; j
    │          │      03_The_idea_of_full_Bayesian_learning_7_min.srt. a5 X! _8 `/ t! v: }) ?: K
    │          │      03_The_idea_of_full_Bayesian_learning_7_min.txt
& P0 a; H2 ]$ x( j( h) ^# {3 C    │          │      05_Dropout_9_min.mp4
- q4 P4 \5 ~7 u) |/ f$ L    │          │      05_Dropout_9_min.pdf
- }: [' B6 E& E! _9 s) @) e    │          │      05_Dropout_9_min.srt; |* o3 h  h  \! R+ ^# u% b, X
    │          │      05_Dropout_9_min.txt
& r7 e: H% {/ Y# i* n2 B1 c( K    │          │      2 D$ g) l9 o. [7 e; g/ R$ F
    │          ├─11_Lecture11% y! G: t0 t3 |& `, v
    │          │      01_Hopfield_Nets_13_min.mp4
* E4 v( ?) I3 U    │          │      01_Hopfield_Nets_13_min.pdf
( j: u3 _$ j8 x  e0 F    │          │      01_Hopfield_Nets_13_min.pptx
, Y! e4 l, L9 j    │          │      01_Hopfield_Nets_13_min.srt) ]  ?4 t4 O# j
    │          │      01_Hopfield_Nets_13_min.txt
4 c9 S6 @# N9 B6 P4 d( Z5 L  ]  ^    │          │      02_Dealing_with_spurious_minima_11_min.mp4  d( x% t8 ?: K7 A! G. ]9 E- n
    │          │      02_Dealing_with_spurious_minima_11_min.srt. z! i  ]5 h5 j+ S
    │          │      02_Dealing_with_spurious_minima_11_min.txt0 T( \0 Y& q3 a! u- S# d+ ]* \
    │          │      03_Hopfield_nets_with_hidden_units_10_min.mp4
$ Q& |& x, ?3 q4 n/ z    │          │      03_Hopfield_nets_with_hidden_units_10_min.srt
5 m) s! t1 Y( B, y$ g3 K9 o4 ]% ?    │          │      03_Hopfield_nets_with_hidden_units_10_min.txt2 n1 w# {- S9 \  K# a; x5 V$ l2 {
    │          │      
0 R$ g' U" i/ B; U    │          ├─12_Lecture12- m/ ~% ]8 _/ U; L$ W, c
    │          │      01_Boltzmann_machine_learning_12_min.mp4, |+ u) S  E: m% A2 K$ a3 ?
    │          │      01_Boltzmann_machine_learning_12_min.pdf
( q1 B$ A4 x0 Y: `' N! m' h! }! I5 m5 j    │          │      01_Boltzmann_machine_learning_12_min.pptx" K: X. |) {* N4 B/ q
    │          │      01_Boltzmann_machine_learning_12_min.srt2 V. u5 O2 s/ [9 g2 ^6 |3 p
    │          │      01_Boltzmann_machine_learning_12_min.txt
5 G4 p# n0 b  g0 R; ?' S' W    │          │      03_Restricted_Boltzmann_Machines_11_min.mp4: h8 {  N1 m7 k
    │          │      03_Restricted_Boltzmann_Machines_11_min.srt, q3 ~5 u6 u3 c' ^: w% n3 N
    │          │      03_Restricted_Boltzmann_Machines_11_min.txt
4 N, U8 K# h; j' B    │          │      04_An_example_of_RBM_learning_7_mins.mp4
; n1 J5 X" n: z    │          │      04_An_example_of_RBM_learning_7_mins.srt4 ?( @9 ~& N7 B; x5 V2 `( c3 o
    │          │      04_An_example_of_RBM_learning_7_mins.txt
, ?0 Q8 K; K' X7 ^' O+ ?9 @    │          │      05_RBMs_for_collaborative_filtering_8_mins.mp4& t0 D9 y% C: E8 f
    │          │      05_RBMs_for_collaborative_filtering_8_mins.srt
" B: `+ g. A5 M  R& x2 U    │          │      05_RBMs_for_collaborative_filtering_8_mins.txt
# F, `' T/ m9 L7 n' U( s5 _    │          │      ( X/ P% o3 g5 X
    │          ├─13_Lecture134 s/ l( T, p  |. a* |
    │          │      02_Belief_Nets_13_min.mp4, N2 [" e& ?' ^, ~
    │          │      02_Belief_Nets_13_min.srt
2 q! b4 R% v9 z# D- c" h    │          │      02_Belief_Nets_13_min.txt
9 t& l2 w! F0 W9 @1 q    │          │      03_Learning_sigmoid_belief_nets_12_min.mp4% ^3 f5 U( S4 \) V  ?; x; A
    │          │      03_Learning_sigmoid_belief_nets_12_min.pdf
1 {, m7 J4 @/ ~  ~' t    │          │      03_Learning_sigmoid_belief_nets_12_min.srt$ T. [+ m4 U8 \) J  [- [
    │          │      03_Learning_sigmoid_belief_nets_12_min.txt
1 T& K5 i6 Y) g3 {/ T$ d    │          │      04_The_wake-sleep_algorithm_13_min.mp4
* f% C# N" @3 c; j, A$ ~    │          │      04_The_wake-sleep_algorithm_13_min.pdf0 b9 d+ U# K0 _5 G$ J2 ^+ v* I9 J
    │          │      04_The_wake-sleep_algorithm_13_min.srt
/ y0 j# i1 v  s1 G7 G5 A8 a    │          │      04_The_wake-sleep_algorithm_13_min.txt" x, v8 d. _* u
    │          │      : X" y. i' f8 j  J
    │          ├─14_Lecture14: i7 [0 L2 b2 A, y% |. g
    │          │      02_Discriminative_learning_for_DBNs_9_mins.mp4+ ?3 f" [( {9 E$ Z3 x4 k) N
    │          │      02_Discriminative_learning_for_DBNs_9_mins.srt: y1 t2 I! L. F: ^3 V# Y+ V. w. a" Q6 ^
    │          │      02_Discriminative_learning_for_DBNs_9_mins.txt
9 a0 s7 c& u- ~! V    │          │      
* P* h! u! Y$ F, K/ z    │          ├─15_Lecture15/ R9 R- V. h5 l5 \4 L, c- }; v
    │          │      01_From_PCA_to_autoencoders_5_mins.mp4
6 Q; O9 k: l/ m$ h' F; G. n    │          │      01_From_PCA_to_autoencoders_5_mins.pdf0 P. b( H" r0 m
    │          │      01_From_PCA_to_autoencoders_5_mins.pptx
$ L# M8 A3 O1 x( f9 z    │          │      01_From_PCA_to_autoencoders_5_mins.srt
& }; n! C) J% W- R2 h* _" g6 C. U    │          │      01_From_PCA_to_autoencoders_5_mins.txt
& n  c  G* w/ X+ g3 O    │          │      02_Deep_auto_encoders_4_mins.mp4
! f9 w' Z2 D0 I" C2 O    │          │      02_Deep_auto_encoders_4_mins.srt3 n4 {+ _3 B. C0 o: z9 E
    │          │      02_Deep_auto_encoders_4_mins.txt1 Q7 S1 V: q- p/ E" [( f
    │          │      04_Semantic_Hashing_9_mins.mp4# ?$ g* ], v2 @9 m
    │          │      04_Semantic_Hashing_9_mins.pdf5 M0 v- e! @) p% C! ?  R* F: ^
    │          │      04_Semantic_Hashing_9_mins.srt6 n2 y( B* l' W8 P. P* y, F/ V. G) ]
    │          │      04_Semantic_Hashing_9_mins.txt/ j4 ^, u! U) Q0 U; X0 i* e6 F
    │          │      
0 n) p) B  v- G0 p' H    │          └─16_Lecture169 N; D' n- p- k4 @) b, g1 \4 |0 \
    │                  04_OPTIONAL-_The_fog_of_progress_3_min.mp4
! ?; p3 \1 v) T( V" J0 T    │                  04_OPTIONAL-_The_fog_of_progress_3_min.pdf# T7 s/ e' J( p; j+ m/ p
    │                  04_OPTIONAL-_The_fog_of_progress_3_min.pptx5 f& v4 O6 [# e# l
    │                  04_OPTIONAL-_The_fog_of_progress_3_min.srt
. H7 z3 l. _% k. U    │                  04_OPTIONAL-_The_fog_of_progress_3_min.txt- W+ B. o. t* E6 E+ {% Z; d7 \
    │                  " u' i) M; a; q! o/ g
    ├─006_Probabilistic Graphical Models$ ?3 M) {. L: v0 U; r
    │  └─006_Probabilistic Graphical Models
8 o9 H" s. V$ {5 N- a- b    │      ├─pgm-003
% M8 ?5 z+ w7 p/ W1 m    │      │  ├─01_Introduction_and_Overview- V- A  L. \6 Q: b
    │      │  │      01_Welcome.mp4
! P$ D: N$ N$ C, @7 _+ W5 m+ p    │      │  │      01_Welcome.srt. e7 U9 Y$ g' H7 R5 n
    │      │  │      01_Welcome.txt
: h3 |! z; F, F+ D# T! F- t9 B, v    │      │  │      02_Overview_and_Motivation.mp4
8 v8 p* O. _1 S2 S% H    │      │  │      02_Overview_and_Motivation.srt& Z+ Y/ t2 w; F% ~
    │      │  │      02_Overview_and_Motivation.txt
$ C# S2 A4 \/ n! h6 P# F# z: d% X    │      │  │      03_Distributions.mp4
+ \2 F! I1 d1 x$ M$ p1 c/ n    │      │  │      03_Distributions.srt
# V$ q0 N1 `9 Q. _& E2 L/ u# f" l# \    │      │  │      03_Distributions.txt! \5 t/ d; C3 s) K
    │      │  │      04_Factors.mp41 Q7 ]4 |/ E" R4 H
    │      │  │      04_Factors.srt
. ?9 \" X/ I! b8 A1 b3 X    │      │  │      04_Factors.txt
5 ]( R- {/ g9 M/ k5 J% W    │      │  │      
% i. k* s5 L+ }+ e    │      │  ├─02_Bayesian_Network_Fundamentals+ {7 b( d" ^6 `! t- u0 w$ [
    │      │  │      01_Semantics_amp_Factorization.mp4
" O" T9 C5 ~- ]1 n    │      │  │      01_Semantics_amp_Factorization.srt- M8 k, u! X4 [
    │      │  │      01_Semantics_amp_Factorization.txt; Y0 L$ ~; A6 v+ L8 z
    │      │  │      02_Reasoning_Patterns.mp4' I7 f5 r8 ^  @( R0 R/ g) q
    │      │  │      02_Reasoning_Patterns.srt% ?& J  `) B) U2 L
    │      │  │      02_Reasoning_Patterns.txt5 G, y! ?- j  C8 p7 [! l
    │      │  │      03_Flow_of_Probabilistic_Influence.mp4
7 ^) u$ G- ]- d    │      │  │      03_Flow_of_Probabilistic_Influence.srt
6 r; A# g5 `( B; E    │      │  │      03_Flow_of_Probabilistic_Influence.txt% v) s7 y. a6 ^1 L0 G' q
    │      │  │      04_Conditional_Independence.mp4
) K5 P1 y7 F7 w    │      │  │      04_Conditional_Independence.srt
- L4 ?: \' l5 L7 D8 U3 a( o# ~    │      │  │      04_Conditional_Independence.txt. F+ I$ q* z% B9 l; U6 c1 X0 x
    │      │  │      05_Independencies_in_Bayesian_Networks.mp4+ Y: \2 z- N0 z- \
    │      │  │      05_Independencies_in_Bayesian_Networks.srt# ^1 }8 r+ Y. X9 t
    │      │  │      05_Independencies_in_Bayesian_Networks.txt
' K2 @5 ]" x; ~+ @% B    │      │  │      06_Naive_Bayes.mp4" T9 {8 u- f8 c' w3 f7 p* A
    │      │  │      06_Naive_Bayes.srt5 a, E0 [' i+ m0 x7 L
    │      │  │      06_Naive_Bayes.txt
; s6 Z* I# ^) O9 V. V6 v    │      │  │      07_Application_-_Medical_Diagnosis.mp4
) M( X) m, ^3 b  C9 a0 T    │      │  │      07_Application_-_Medical_Diagnosis.srt
: P& W) @7 M6 r3 T    │      │  │      07_Application_-_Medical_Diagnosis.txt2 t# s8 y+ [. m- e
    │      │  │      08_Knowledge_Engineering_Example_-_SAMIAM.mp4
  W1 ?' X/ j. v8 u' D, b    │      │  │      08_Knowledge_Engineering_Example_-_SAMIAM.srt
2 n$ C% v$ o1 [/ h8 B5 o# e- Z* i    │      │  │      08_Knowledge_Engineering_Example_-_SAMIAM.txt
, c$ A# n" b6 d$ ^    │      │  │      
2 t0 e- _2 y4 \# B& z/ Y    │      │  ├─03_Template_Models, h, V3 a$ j* ?, c  k
    │      │  │      01_Overview_of_Template_Models.mp4
) f+ n6 p/ }; _6 ~# l- w    │      │  │      01_Overview_of_Template_Models.srt8 g  ~+ o5 d. s3 d5 U
    │      │  │      01_Overview_of_Template_Models.txt
6 }" t& ]: m6 h* h    │      │  │      02_Temporal_Models_-_DBNs.mp49 y/ ^9 a" Y9 C
    │      │  │      02_Temporal_Models_-_DBNs.srt( w& h. J. y. \, m4 s
    │      │  │      02_Temporal_Models_-_DBNs.txt
) D9 Z' ?; w7 l* Y+ t1 L    │      │  │      03_Temporal_Models_-_HMMs.mp4
- M, R, W8 t+ Z/ b- p# s9 n5 N    │      │  │      03_Temporal_Models_-_HMMs.srt  E# K' f* r# ?$ ^. g
    │      │  │      03_Temporal_Models_-_HMMs.txt
* K: L7 R) ?& Y) R    │      │  │      04_Plate_Models.mp4, Z. b) `3 \* g( G
    │      │  │      04_Plate_Models.srt
" q5 }+ m6 Q/ n# S    │      │  │      04_Plate_Models.txt
# W: X; d" D  f6 e    │      │  │      
- o( I$ y' G% i" o    │      │  ├─04_ML-class_Octave_Tutorial
1 \) w1 c, o9 M) H% z  S    │      │  │      01_Basic_Operations.mp4. b( t  W' o  X
    │      │  │      01_Basic_Operations.srt
+ s8 Y% c- c% P6 E    │      │  │      01_Basic_Operations.txt
3 J2 C& m0 G7 o  }1 o    │      │  │      02_Moving_Data_Around.mp4) f/ t- Q7 H8 ]9 t; t
    │      │  │      02_Moving_Data_Around.srt
. e# v, k7 q9 S5 e    │      │  │      02_Moving_Data_Around.txt' g1 i$ s5 L# \" f  c2 T
    │      │  │      03_Computing_On_Data.mp45 L/ k+ G$ u% h; S& |
    │      │  │      03_Computing_On_Data.srt
7 \( h$ N% T4 y* n    │      │  │      03_Computing_On_Data.txt
$ ?+ }7 Z  }# H* H    │      │  │      04_Plotting_Data.mp4/ R$ q; e9 b! |2 U
    │      │  │      04_Plotting_Data.srt
% ?: s3 B4 Y% S/ k, d* ?- ], [    │      │  │      04_Plotting_Data.txt# z- j0 {. S* d$ G& g2 V  X4 Y: }
    │      │  │      05_Control_Statements-_for_while_if_statements.mp4
$ E1 y. T$ E* k    │      │  │      05_Control_Statements-_for_while_if_statements.srt: S: R, t' c! F# C3 K6 G: H% U
    │      │  │      05_Control_Statements-_for_while_if_statements.txt
" A: q. l& w7 G    │      │  │      06_Vectorization.mp45 }% \! l5 q* Z' a% K
    │      │  │      06_Vectorization.srt
4 l6 I0 \% M( U& \" z9 H    │      │  │      06_Vectorization.txt1 ]/ s* m# S% }0 b' \
    │      │  │      07_Working_on_and_Submitting_Programming_Exercises.mp4
. B4 M, {0 G% g8 D; X0 N3 w    │      │  │      07_Working_on_and_Submitting_Programming_Exercises.srt) Q# r- R& X+ ?* j1 E
    │      │  │      07_Working_on_and_Submitting_Programming_Exercises.txt
/ E- t. k8 f; ?+ j    │      │  │      
- B, ^. B9 A& B" O$ ]    │      │  ├─05_Structured_CPDs* N+ s* t! U" j6 q
    │      │  │      01_Overview-_Structured_CPDs.mp4( C0 D' G9 x. o7 Y% {
    │      │  │      01_Overview-_Structured_CPDs.srt
- s6 b$ d" z8 c    │      │  │      01_Overview-_Structured_CPDs.txt
4 @- ~2 a* V6 u2 h8 A4 x    │      │  │      02_Tree-Structured_CPDs.mp46 i  A9 c. ?8 m0 D* U
    │      │  │      02_Tree-Structured_CPDs.srt+ N- Z! v: v9 t8 H/ R% A) l
    │      │  │      02_Tree-Structured_CPDs.txt
. L8 m6 Z  S5 |/ W    │      │  │      03_Independence_of_Causal_Influence.mp4/ [/ Y7 x/ f4 G
    │      │  │      03_Independence_of_Causal_Influence.srt) f' ~: n4 r2 b1 l/ y1 V: m
    │      │  │      03_Independence_of_Causal_Influence.txt! ~% c+ R/ B/ D7 Y) ]
    │      │  │      04_Continuous_Variables.mp4( q+ P  [9 r- n$ ^% n6 J
    │      │  │      04_Continuous_Variables.srt3 I; M7 m- h1 {' _8 N
    │      │  │      04_Continuous_Variables.txt
3 N/ A* D8 S( Z5 |    │      │  │      7 X) f. `, k8 |$ J+ i
    │      │  ├─06_Markov_Network_Fundamentals
* O& a0 }! R( |0 Z    │      │  │      01_Pairwise_Markov_Networks.mp4
4 F1 c* K$ B, M$ s. V    │      │  │      01_Pairwise_Markov_Networks.srt
& n; ~* N0 q/ u; M( L+ ^$ R* T    │      │  │      01_Pairwise_Markov_Networks.txt/ O" H$ e3 R# z8 ^
    │      │  │      02_General_Gibbs_Distribution.mp43 d7 m0 R9 `1 ]3 R
    │      │  │      02_General_Gibbs_Distribution.srt% c, A$ y$ t) F  E# R
    │      │  │      02_General_Gibbs_Distribution.txt
0 `; s: P' M! A) U9 @; {    │      │  │      03_Conditional_Random_Fields.mp4
% _3 f- t( T4 B$ j2 o- _# ]. y    │      │  │      03_Conditional_Random_Fields.srt% E  p4 Z1 `) n7 [) u  s# l
    │      │  │      03_Conditional_Random_Fields.txt9 p/ I% l% S% X! l% l0 G) \
    │      │  │      04_Independencies_in_Markov_Networks.mp4
# s& g1 f7 t/ G7 s6 X+ h/ K    │      │  │      04_Independencies_in_Markov_Networks.srt
% a  V4 h* s* Y" {$ z    │      │  │      04_Independencies_in_Markov_Networks.txt
# B2 S  C2 L) u( C+ h    │      │  │      05_I-maps_and_perfect_maps.mp4: S" b+ X* N) i1 t9 Y- ]  Q2 p
    │      │  │      05_I-maps_and_perfect_maps.srt- i$ T0 p1 ~+ g6 N
    │      │  │      05_I-maps_and_perfect_maps.txt$ o3 `" W+ A' s7 v/ B
    │      │  │      06_Log-Linear_Models.mp4
4 J+ V/ J  n7 J+ Y& m# w) m    │      │  │      06_Log-Linear_Models.srt
* q' ^- b* x8 |( S1 L1 i/ I    │      │  │      06_Log-Linear_Models.txt
- V0 D4 b+ I! y6 y    │      │  │      07_Shared_Features_in_Log-Linear_Models.mp4
( x- Q. S5 K* G9 n* ?    │      │  │      07_Shared_Features_in_Log-Linear_Models.srt2 z+ t$ I3 b5 g5 u
    │      │  │      07_Shared_Features_in_Log-Linear_Models.txt4 v. e: I2 h. S2 m- G
    │      │  │      : @" r3 d0 y  U) W: F
    │      │  ├─07_Representation_Wrapup-_Knowledge_Engineering
; o6 ^5 B5 S; u9 o4 P7 Z    │      │  │      01_Knowledge_Engineering.mp4
% G3 |$ q8 `/ e. @( c    │      │  │      01_Knowledge_Engineering.srt
) p& Y+ [" E' I    │      │  │      01_Knowledge_Engineering.txt
: Q" T- b: l, l- K" \0 n    │      │  │      # p) Q7 Z5 t8 C8 U& {! A" i
    │      │  ├─08_Inference-_Variable_Elimination
& u7 k% X' U# n, {: W& M; r    │      │  │      01_Overview-_Conditional_Probability_Queries.mp4; D5 @- G7 R; J
    │      │  │      01_Overview-_Conditional_Probability_Queries.srt
% W: L; r6 j6 E. V8 {    │      │  │      01_Overview-_Conditional_Probability_Queries.txt/ |. B8 Z7 A1 k4 j# D; M! k
    │      │  │      02_Overview-_MAP_Inference.mp4  G8 y  [, u" g) n, W
    │      │  │      02_Overview-_MAP_Inference.srt
- o' }* P' [: ?1 E" ~- I3 b    │      │  │      02_Overview-_MAP_Inference.txt
( S6 I2 R+ c# i* {6 b, _    │      │  │      03_Variable_Elimination_Algorithm.mp4& ^! ~' R+ n. `0 y; N% k; \0 u. ]
    │      │  │      03_Variable_Elimination_Algorithm.srt9 i' D& {7 m/ t. g/ ]9 d9 p
    │      │  │      03_Variable_Elimination_Algorithm.txt2 R1 K6 ~+ l* |$ O  y
    │      │  │      04_Complexity_of_Variable_Elimination.mp48 b) C7 E  Q" E  ^9 D; l) j
    │      │  │      04_Complexity_of_Variable_Elimination.srt
; I( Z4 J0 {/ g  e3 Z+ c. _    │      │  │      04_Complexity_of_Variable_Elimination.txt
* p) x3 t% _2 }" k: O. v    │      │  │      06_Finding_Elimination_Orderings.mp4& n) D3 D5 q! S$ L# ]* |
    │      │  │      06_Finding_Elimination_Orderings.srt+ q2 q. e. V3 W! b- U; \
    │      │  │      06_Finding_Elimination_Orderings.txt  q$ f) Q: j! [) b9 F
    │      │  │      
% M8 d; X% h* a  Y' _" W    │      │  ├─09_Inference-_Belief_Propagation_Part_1" I( i* ]4 N: h' S# K
    │      │  │      01_Belief_Propagation.mp4* S) G' m7 d0 A! a( X$ U% x
    │      │  │      01_Belief_Propagation.srt7 S5 j. s) ^! w8 s7 g+ o/ o
    │      │  │      01_Belief_Propagation.txt: \, N* \  f2 O2 ^# ^
    │      │  │      02_Properties_of_Cluster_Graphs.mp4
  o6 \# j4 |, {; k    │      │  │      02_Properties_of_Cluster_Graphs.srt" M) E* a, k1 S0 Z- P: B
    │      │  │      02_Properties_of_Cluster_Graphs.txt$ w2 l& {  `# K# r! r0 X- b
    │      │  │      
! ^8 L' ~9 n5 S0 K    │      │  ├─10_Inference-_Belief_Propagation_Part_2
9 a) v1 |5 Q; L: O, c. H4 ?. V7 t! A' [3 l    │      │  │      01_Properties_of_Belief_Propagation.mp4
& r* I# X0 p. X( y5 `( b1 ?    │      │  │      01_Properties_of_Belief_Propagation.srt
: |" w; V9 J0 Q    │      │  │      01_Properties_of_Belief_Propagation.txt
  f4 A# r2 n+ E& A    │      │  │      02_Clique_Tree_Algorithm_-_Correctness.mp4
' A) y# y1 }* Y+ v5 w8 h4 L( \. \    │      │  │      02_Clique_Tree_Algorithm_-_Correctness.srt1 t7 q! N) w/ |1 G$ e: Z( g- J& h
    │      │  │      02_Clique_Tree_Algorithm_-_Correctness.txt
/ r$ Z7 m5 K# ^+ G3 x( \! t    │      │  │      03_Clique_Tree_Algorithm_-_Computation.mp4" C4 x4 _  I# u+ y
    │      │  │      03_Clique_Tree_Algorithm_-_Computation.srt
/ C1 B' [6 H+ C+ m5 z    │      │  │      03_Clique_Tree_Algorithm_-_Computation.txt
  E5 g) D, L4 a3 G8 u3 ~. D) g5 h2 d6 w    │      │  │      04_Clique_Trees_and_Independence.mp4% c0 N) r3 \6 f5 D; X" a. w
    │      │  │      04_Clique_Trees_and_Independence.srt2 Q1 b" Z2 k% D
    │      │  │      04_Clique_Trees_and_Independence.txt
) X! n2 Y* l$ B6 |# a    │      │  │      05_Clique_Trees_and_VE.mp4
3 Y2 I0 l+ {8 `5 w    │      │  │      05_Clique_Trees_and_VE.srt
. F2 a8 S5 y( R* T6 z+ [# y4 p' K    │      │  │      05_Clique_Trees_and_VE.txt
/ W0 G/ n0 z) l' M. z: d8 ^    │      │  │      06_BP_In_Practice.mp4
3 o# a0 }' X1 `- D. j3 h    │      │  │      06_BP_In_Practice.srt' Z: t7 P' c3 R2 l. F
    │      │  │      06_BP_In_Practice.txt
. K( E+ K+ U5 V9 E' p' X- o    │      │  │      07_Loopy_BP_and_Message_Decoding.mp4& a5 ]  f* @# `
    │      │  │      07_Loopy_BP_and_Message_Decoding.srt, V7 T8 |- q( m' R5 i% |
    │      │  │      07_Loopy_BP_and_Message_Decoding.txt
5 M) u1 j$ y! L5 _6 z) V    │      │  │      
) k- e4 t- l2 A2 t) ?8 E/ |; p    │      │  ├─11_Inference-_MAP_Estimation_Part_1
7 B' e; y( x/ z    │      │  │      01_Max_Sum_Message_Passing.mp4
! T2 m3 U7 e; x$ H    │      │  │      01_Max_Sum_Message_Passing.srt
) n/ L  b4 b+ S1 y- q6 M- |# J    │      │  │      01_Max_Sum_Message_Passing.txt
6 E' u$ c& n7 s8 }5 L  O' p9 C0 g8 m    │      │  │      02_Finding_a_MAP_Assignment.mp48 E: ]4 L/ n& {
    │      │  │      02_Finding_a_MAP_Assignment.srt
& L( x* R0 V- j! ?4 Q1 w8 l0 [    │      │  │      02_Finding_a_MAP_Assignment.txt1 ^) R/ I( a* G2 L
    │      │  │      + I4 P) E/ ?) j! {% _0 x
    │      │  ├─12_Inference-_MAP_Estimation_Part_2
* @' e/ G: i3 N6 ~' r. e* Z    │      │  │      01_Tractable_MAP_Problems.mp43 u- V" W3 X8 p3 a
    │      │  │      01_Tractable_MAP_Problems.srt
  J/ a+ t1 [9 V* s& r- W! X    │      │  │      01_Tractable_MAP_Problems.txt0 Y# c! j- [) T$ O- ~* M( t
    │      │  │      02_Dual_Decomposition_-_Intuition.mp4" n% V& g9 |5 B9 a3 @
    │      │  │      02_Dual_Decomposition_-_Intuition.srt% o, Q3 f4 j4 ~5 H( P
    │      │  │      02_Dual_Decomposition_-_Intuition.txt
! _5 F( Q- Y! F$ f    │      │  │      03_Dual_Decomposition_-_Algorithm.mp49 u! m( A7 \0 ~+ b: G
    │      │  │      03_Dual_Decomposition_-_Algorithm.srt
5 }; \% h  w3 d" }0 y  ^- g5 }    │      │  │      03_Dual_Decomposition_-_Algorithm.txt
! k. l- }) I+ r2 U    │      │  │      ; P  n3 y, D7 K  l1 ]0 j
    │      │  ├─13_Inference-_Sampling_Methods
9 `# o0 N$ b! U1 l* c    │      │  │      01_Simple_Sampling.mp4; ]  G( T- j, ~9 a" S
    │      │  │      01_Simple_Sampling.srt
! j. c. Z' g2 I! Z: L5 @    │      │  │      01_Simple_Sampling.txt
( p# ?% V8 E5 q- l( J# j    │      │  │      02_Markov_Chain_Monte_Carlo.mp4; N6 O$ t) Z4 F  k- g# H
    │      │  │      02_Markov_Chain_Monte_Carlo.srt
6 }2 K5 B9 O4 }/ J6 k    │      │  │      02_Markov_Chain_Monte_Carlo.txt: ]& y* ?+ F8 X% ]7 X
    │      │  │      03_Using_a_Markov_Chain.mp4! v' d2 c! {+ U0 Z& x$ {
    │      │  │      03_Using_a_Markov_Chain.srt, y8 D. I2 {: @& N& Y
    │      │  │      03_Using_a_Markov_Chain.txt0 h8 e5 q5 R- w! v6 m
    │      │  │      04_Gibbs_Sampling.mp4
+ `& U) `6 ]4 x8 p) @# B" c    │      │  │      04_Gibbs_Sampling.srt/ H5 x; x* H6 [( Z- k3 P5 A
    │      │  │      04_Gibbs_Sampling.txt5 E4 U- s( L5 Q, d) ~/ q
    │      │  │      05_Metropolis_Hastings_Algorithm.mp4
$ l. N( V* E2 C0 r    │      │  │      05_Metropolis_Hastings_Algorithm.srt) }4 Q0 |! ]; `
    │      │  │      05_Metropolis_Hastings_Algorithm.txt1 |' [4 D6 {7 N8 a% F- S" y+ I
    │      │  │      
  P) [, W: J: w0 u2 V0 v! Y* U/ m    │      │  ├─14_Inference-_Temporal_Models_and_Wrap-up( b: m4 L! @  [8 W0 C) j/ M
    │      │  │      01_Inference_in_Temporal_Models.mp4
# k+ C3 B0 C/ n, I% \( D    │      │  │      01_Inference_in_Temporal_Models.srt
8 s/ t( u9 ~0 D# g+ c    │      │  │      01_Inference_in_Temporal_Models.txt0 Y% v( J# ?$ N
    │      │  │      02_Inference-_Summary.mp4
* T2 s  Y8 L/ j# \% ]* d$ f% ^    │      │  │      02_Inference-_Summary.srt* X& P9 t5 l. ^6 \9 U
    │      │  │      02_Inference-_Summary.txt
1 |) X! v. H4 w; J) z& u1 R" F    │      │  │      2 i9 h% ?+ |7 ~+ m
    │      │  ├─15_Decision_Theory8 X" b. Q& O1 b' |% N) E& Y1 u
    │      │  │      01_Maximum_Expected_Utility.mp4
3 k' e9 i& v7 D' t: t+ Z    │      │  │      01_Maximum_Expected_Utility.srt
& T2 l4 _7 M2 _  u3 K4 }1 ?    │      │  │      01_Maximum_Expected_Utility.txt
0 ?3 u# u* N2 Y$ I- ^6 B' w4 _    │      │  │      02_Utility_Functions.mp43 p& f7 L% Y( y4 {% M9 b4 W2 S
    │      │  │      02_Utility_Functions.srt
8 x8 p, X) t- |2 s) G1 h; c    │      │  │      02_Utility_Functions.txt
7 V6 s- N7 s: W: [5 y    │      │  │      03_Value_of_Perfect_Information.mp4  O. z/ w4 H: O5 Q
    │      │  │      03_Value_of_Perfect_Information.srt; u' D9 T, c! M
    │      │  │      03_Value_of_Perfect_Information.txt) o# p2 l2 z- v5 {% A' s4 `& {
    │      │  │      # r7 x5 I# [; [3 S. v. z' t
    │      │  ├─16_ML-class_Revision
9 P$ n% k5 p! X, \. f' _    │      │  │      01_Regularization-_The_Problem_of_Overfitting.mp4' V. t9 a* }3 B5 M* @  W
    │      │  │      01_Regularization-_The_Problem_of_Overfitting.srt
; u$ X* J4 H" b: A, B2 Y    │      │  │      01_Regularization-_The_Problem_of_Overfitting.txt
0 i/ |" e# K) f2 n1 F    │      │  │      02_Regularization-_Cost_Function.mp4# P- u+ |3 C' a) O& b' Y
    │      │  │      02_Regularization-_Cost_Function.srt! H. C7 A; ?3 f4 Q1 N
    │      │  │      02_Regularization-_Cost_Function.txt9 q6 b6 e8 C3 G
    │      │  │      03_Evaluating_a_Hypothesis.mp4
5 |& t! s8 Y8 t* v. T! D( c    │      │  │      03_Evaluating_a_Hypothesis.srt" x+ e" V% D3 X  G; c' C' ^
    │      │  │      03_Evaluating_a_Hypothesis.txt
/ {7 U7 d$ o) x3 W/ z( D* h    │      │  │      04_Model_Selection_and_Train_Validation_Test_Sets.mp41 {2 Z$ V+ a& g) y% s0 U  l
    │      │  │      04_Model_Selection_and_Train_Validation_Test_Sets.srt
- E6 @2 l4 w8 r8 n, `    │      │  │      04_Model_Selection_and_Train_Validation_Test_Sets.txt; f) P' k1 x4 \' E' ~( j) l. o
    │      │  │      05_Diagnosing_Bias_vs_Variance.mp4
: ^/ M, o7 X' w5 p+ K+ i    │      │  │      05_Diagnosing_Bias_vs_Variance.srt! \7 Y2 }4 M5 N# ?0 A
    │      │  │      05_Diagnosing_Bias_vs_Variance.txt
0 }4 M: |$ U1 z/ i) I7 W$ \, Z9 X* @    │      │  │      06_Regularization_and_Bias_Variance.mp43 W  p$ i3 N2 t+ y, ~) ~
    │      │  │      06_Regularization_and_Bias_Variance.srt9 @6 J% j7 o( a! q! C& I1 t, n; d
    │      │  │      06_Regularization_and_Bias_Variance.txt
$ g% u+ }- y/ i4 {  R    │      │  │      * e4 }" o0 y2 P0 W
    │      │  ├─17_Learning-_Overview4 C+ I- ]5 o/ m
    │      │  │      01_Learning-_Overview.mp43 s  |0 t* j7 N  `0 k2 @8 f0 C: ^
    │      │  │      01_Learning-_Overview.srt
, [- \- b  u. B# @- g    │      │  │      01_Learning-_Overview.txt
* t! R8 M7 v2 P' |& `    │      │  │      * S, C( n/ W" Y
    │      │  ├─18_Learning-_Parameter_Estimation_in_BNs. j$ w# O' v( f7 s" F: [
    │      │  │      01_Maximum_Likelihood_Estimation.mp4% W* }: u" |0 w4 s: [
    │      │  │      01_Maximum_Likelihood_Estimation.srt/ g9 q9 K& b" ^8 B
    │      │  │      01_Maximum_Likelihood_Estimation.txt
! y1 X9 l. m" X: f) j1 j9 P+ l    │      │  │      03_Bayesian_Estimation.mp4! L1 ^: m0 A4 E& i
    │      │  │      03_Bayesian_Estimation.srt
# G4 l" Q! @5 a$ q3 C* U    │      │  │      03_Bayesian_Estimation.txt
/ I2 q5 D7 ]2 J) G/ x: r    │      │  │      04_Bayesian_Prediction.mp4
+ A- D, s; L" b2 C$ c4 l! G7 b    │      │  │      04_Bayesian_Prediction.srt
4 {7 H3 O. T5 c' b    │      │  │      04_Bayesian_Prediction.txt
  v4 @8 ?1 t! ?4 c' h& y. w6 i    │      │  │      8 t* t% I! V/ T8 \% U+ K, H
    │      │  ├─19_Learning-_Parameter_Estimation_in_MNs+ ]6 Z( ^: n: G" X7 O  H
    │      │  │      03_MAP_Estimation_for_MRFs_and_CRFs.mp4  V+ e# S; B1 @+ I0 D% n$ ~( I
    │      │  │      03_MAP_Estimation_for_MRFs_and_CRFs.srt
$ `7 V6 d7 |% c% s0 n( x    │      │  │      03_MAP_Estimation_for_MRFs_and_CRFs.txt
% s& S. S) D6 x" E6 U2 v1 X2 `    │      │  │      
9 t( K0 ?0 I0 ]) ^8 i    │      │  ├─20_Structure_Learning$ u8 ~6 G& |3 M4 X' {) F
    │      │  │      01_Structure_Learning_Overview.mp4
9 Y+ }9 d; Z- _% j( {, O    │      │  │      01_Structure_Learning_Overview.srt
: r) R3 I8 _/ H" R0 j    │      │  │      01_Structure_Learning_Overview.txt
! y$ c! T, A) X9 w% C1 `    │      │  │      02_Likelihood_Scores.mp4
! h/ e9 W# @' ?2 f: U; \' z" Z6 `    │      │  │      02_Likelihood_Scores.srt
' p) z" T; Q7 K# m0 r  X    │      │  │      02_Likelihood_Scores.txt
8 t' _: V& y# L8 E    │      │  │      03_BIC_and_Asymptotic_Consistency.mp48 n7 R! X) c1 z* Y9 Z9 N
    │      │  │      03_BIC_and_Asymptotic_Consistency.srt  P$ p& w$ X: T
    │      │  │      03_BIC_and_Asymptotic_Consistency.txt
; O1 E3 Y( v+ S$ T- O  T    │      │  │      04_Bayesian_Scores.mp4. W4 h9 f+ O+ X$ l$ O9 U! U5 w
    │      │  │      04_Bayesian_Scores.srt0 g/ f$ v! ^5 g( U: c, N# ]
    │      │  │      04_Bayesian_Scores.txt
& Z5 c9 C; ~2 n/ @( p    │      │  │      05_Learning_Tree_Structured_Networks.mp4
* |# G. m! g( d  L3 ?, s) g' H    │      │  │      05_Learning_Tree_Structured_Networks.srt
# H# Y, a3 D: Q+ |: \3 v4 F( Q* D$ w    │      │  │      05_Learning_Tree_Structured_Networks.txt' ?/ y" f) `) E% N1 x
    │      │  │      06_Learning_General_Graphs-_Heuristic_Search.mp4) h6 k2 @: i9 I" U7 p5 d  m
    │      │  │      06_Learning_General_Graphs-_Heuristic_Search.srt
9 F& t3 A& y: U% f2 u, d) \4 v    │      │  │      06_Learning_General_Graphs-_Heuristic_Search.txt" [4 |8 h* j& o2 E6 e; K1 n
    │      │  │      07_Learning_General_Graphs-_Search_and_Decomposability.mp4& A8 J. K0 Z; ^
    │      │  │      07_Learning_General_Graphs-_Search_and_Decomposability.srt
. ^- S: Q# X& C# `& o5 P3 ~3 k* R    │      │  │      07_Learning_General_Graphs-_Search_and_Decomposability.txt! T# E& ]6 m( e3 z& U
    │      │  │        V, v. Q' Q& `- B( g
    │      │  ├─21_Learning_With_Incomplete_Data8 ~* ~; q3 {  @9 {
    │      │  │      01_Learning_With_Incomplete_Data_-_Overview.mp44 u  N0 `+ I4 f* B
    │      │  │      01_Learning_With_Incomplete_Data_-_Overview.srt7 O2 q1 ]- R; e& z+ @
    │      │  │      01_Learning_With_Incomplete_Data_-_Overview.txt
8 @* r. u; y/ p! _% T( P3 j    │      │  │      02_Expectation_Maximization_-_Intro.mp4+ s2 i- C) x# ?$ b* {
    │      │  │      02_Expectation_Maximization_-_Intro.srt6 h# B3 @' R+ `5 C6 z
    │      │  │      02_Expectation_Maximization_-_Intro.txt: }1 v9 i3 T9 {/ V+ r( }
    │      │  │      03_Analysis_of_EM_Algorithm.mp44 H* @% c3 |8 {+ Y" Z- f& f% V5 v! D
    │      │  │      03_Analysis_of_EM_Algorithm.srt
* M5 B; g$ @" ^! Q  J5 \: \' f3 W# J    │      │  │      03_Analysis_of_EM_Algorithm.txt
6 o' D& Z* p* F    │      │  │      04_EM_in_Practice.mp4
7 H9 @# Z8 U1 Q& I4 M: ~: T$ Q    │      │  │      04_EM_in_Practice.srt
0 F6 u% Z" U% F: @    │      │  │      04_EM_in_Practice.txt
6 H& r1 D3 z: q    │      │  │      05_Latent_Variables.mp43 l$ k* F/ m# v  {
    │      │  │      05_Latent_Variables.srt
$ Z3 x7 w+ i% X( E4 O( s3 @    │      │  │      05_Latent_Variables.txt8 u. n8 U7 g1 ~- g/ P
    │      │  │      % t7 w8 K' b. u: L( `9 p8 f0 `
    │      │  ├─22_Learning-_Wrapup
" S$ B( O2 h# }' S    │      │  │      01_Summary-_Learning.mp4
) `2 R, x% c) _    │      │  │      01_Summary-_Learning.srt
; y! m6 Q% G# n1 \6 _) s$ G    │      │  │      01_Summary-_Learning.txt
/ `3 m8 P5 o3 j2 J  _    │      │  │      
* F6 _' x8 C8 t; _7 s" F    │      │  └─23_Summary
  s7 b. k9 r! x2 x4 J7 i, m    │      │          01_Class_Summary.mp43 _, }8 `/ R% U6 O3 c" |7 O1 a
    │      │          01_Class_Summary.srt7 F, k# u1 a8 G9 p0 e5 U+ ]7 j$ y
    │      │          01_Class_Summary.txt5 w' U0 Y9 v& A8 w6 D) |
    │      │         
: a" Y. }. ]) z- i3 i9 G0 F    │      └─Probabilistic Graphical Models - Stanford
' u2 J$ x; ]' {! ]* e& O    │              1 - 1 - Welcome! (05-35).mp4
) m0 |/ V" z' D" V+ R/ G& ?, K    │              1 - 1 - Welcome! (05-35).srt! b5 B0 Q& ~8 A' h3 H) t
    │              1 - 2 - Overview and Motivation (19-17).mp4
- K1 |( {  G, ^- M% |" p    │              1 - 2 - Overview and Motivation (19-17).srt, f& S8 P: j. M: t! R4 r1 m5 G) ?: i. R
    │              1 - 3 - Distributions (04-56).mp49 }8 `( P/ C  n9 Z
    │              1 - 3 - Distributions (04-56).srt# M: P, V2 c! f2 N! d
    │              1 - 4 - Factors (06-40).mp4  M1 t& Z. [( }7 ]1 }
    │              1 - 4 - Factors (06-40).srt
" p# H: a" n: o! T: l0 ~  N    │              10 - 4 - Clique Trees and Independence (15-21).mp4
0 p- Z9 n0 c9 j* f3 z1 _. d  e    │              10 - 4 - Clique Trees and Independence (15-21).srt1 s8 D6 f+ o. ^& G; G
    │              10 - 5 - Clique Trees and VE (16-17).mp4! n# o7 x" z- V: r* P
    │              10 - 5 - Clique Trees and VE (16-17).srt
5 q1 g/ z' y5 x8 z* y" @; h    │              10 - 6 - BP In Practice (15-38).mp4
( q! X4 W6 Q/ g; d$ v    │              10 - 6 - BP In Practice (15-38).srt6 S+ {- c* v2 G- w/ O& j
    │              10 - 7 - Loopy BP and Message Decoding (21-42).mp45 ^, q! J: D: e  N  N  B7 G$ N
    │              10 - 7 - Loopy BP and Message Decoding (21-42).srt  a0 }2 N& z5 }" n& D9 V
    │              11 - 1 - Max Sum Message Passing (20-27).mp4
' S, |0 B4 y0 o& t/ h( x    │              11 - 1 - Max Sum Message Passing (20-27).srt
8 d# h# |& `7 A+ L5 @& o2 @    │              11 - 2 - Finding a MAP Assignment (3-57).mp4: a8 Y8 k& O1 V7 M
    │              11 - 2 - Finding a MAP Assignment (3-57).srt( T9 @: Z% z3 \6 D. f
    │              12 - 1 - Tractable MAP Problems (15-04).mp4
) G9 C" i4 H% ?& p4 c    │              12 - 1 - Tractable MAP Problems (15-04).srt1 h* W8 K; z: {# C; I
    │              13 - 1 - Simple Sampling (23-37).mp4, N1 {: @9 @5 c6 L+ k
    │              13 - 1 - Simple Sampling (23-37).srt' M' E6 P; ^3 T9 G9 |, j
    │              13 - 2 - Markov Chain Monte Carlo (14-18).mp4" }- l6 g8 P1 c2 a9 i
    │              13 - 2 - Markov Chain Monte Carlo (14-18).srt. W0 N# H; G: s
    │              13 - 3 - Using a Markov Chain (15-27).mp4* m6 K! x( ]( t3 I
    │              13 - 3 - Using a Markov Chain (15-27).srt: {- [3 V5 m# t1 r  Z
    │              13 - 4 - Gibbs Sampling (19-26).mp4
  V4 V3 y- {, n$ w" `  a4 i    │              13 - 4 - Gibbs Sampling (19-26).srt: v( t) d8 F+ v+ H+ Q- L# O  `
    │              13 - 5 - Metropolis Hastings Algorithm (27-06).mp43 {( y% n; Z7 U8 \: T" K& H
    │              13 - 5 - Metropolis Hastings Algorithm (27-06).srt; S$ f/ W  m$ G* A$ x4 k+ J+ K
    │              14 - 1 - Inference in Temporal Models (19-43).mp49 |3 O! X3 _8 u( `1 V7 D
    │              14 - 1 - Inference in Temporal Models (19-43).srt7 j) d, S6 ~+ z# c
    │              14 - 2 - Inference- Summary (12-45).mp4/ i8 w3 q- C, q  T
    │              14 - 2 - Inference- Summary (12-45).srt4 Y( ]8 {6 M& q, l
    │              15 - 1 - Maximum Expected Utility (25-57).mp4  Z" u. a# W1 v2 n
    │              15 - 1 - Maximum Expected Utility (25-57).srt) K: D1 l# ^7 K7 o' J* @
    │              15 - 2 - Utility Functions (18-15).mp4# q+ G9 O9 Z/ @* I9 P
    │              15 - 2 - Utility Functions (18-15).srt# j  f) j: V% k; F
    │              15 - 3 - Value of Perfect Information (17-14).mp4
' G: e* D/ k- \" P! `    │              15 - 3 - Value of Perfect Information (17-14).srt. l8 d+ d' Q0 r0 s* D( _! I/ Q
    │              16 - 2 - Regularization- Cost Function (10-10).mp4$ S' w, [# X, M7 H9 P  L
    │              16 - 2 - Regularization- Cost Function (10-10).srt
6 g! T2 B3 H8 Q+ a( U0 ^    │              16 - 3 - Evaluating a Hypothesis (07-35).mp4
: r6 C8 `1 N& r+ N    │              16 - 3 - Evaluating a Hypothesis (07-35).srt
9 _. Q5 w$ L3 p; `    │              16 - 5 - Diagnosing Bias vs Variance (07-42).mp4; Q9 f) K( A& _
    │              16 - 5 - Diagnosing Bias vs Variance (07-42).srt
& ~9 x( _1 [9 g6 k    │              17 - 1 - Learning- Overview (15-35).mp4
$ M) e& j3 c. e& {    │              17 - 1 - Learning- Overview (15-35).srt
" l- Q: S8 a' O( {    │              18 - 1 - Maximum Likelihood Estimation (14-59).mp46 v+ ~. b/ t; b, V1 e
    │              18 - 1 - Maximum Likelihood Estimation (14-59).srt
6 y' S  @; f  Q1 f9 k. S    │              18 - 3 - Bayesian Estimation (15-27).mp4
& `9 f. h( v0 B" C" G    │              18 - 3 - Bayesian Estimation (15-27).srt) P! e( e: @5 e1 a
    │              18 - 4 - Bayesian Prediction (13-40).mp4& Y3 U+ Y3 c( }1 v) n/ s0 `: [' z
    │              18 - 4 - Bayesian Prediction (13-40).srt! Z( g8 \2 s$ i- d0 M; o
    │              2 - 1 - Semantics & Factorization (17-20).mp4
  U# t# ?* }% B. P; y    │              2 - 1 - Semantics & Factorization (17-20).srt& I* L& m, ?  V6 t  \" U
    │              2 - 2 - Reasoning Patterns (09-59).mp4
, C+ q* f# m4 k' _  t8 ?    │              2 - 2 - Reasoning Patterns (09-59).srt  J7 ]7 v  ?; ?; m5 o  Q
    │              2 - 4 - Conditional Independence (12-38).mp4$ F6 j; E, I# \4 a
    │              2 - 4 - Conditional Independence (12-38).srt) e& H$ S1 M* T+ q- a! ]" T
    │              2 - 6 - Naive Bayes (09-52).mp4
8 Y3 Z8 e5 C+ B- L9 Y4 e    │              2 - 6 - Naive Bayes (09-52).srt" }0 T( L& B# U/ t* W. R' P
    │              20 - 1 - Structure Learning Overview (5-49).mp4
: ?; x" }% m' y& Z9 g$ x; m    │              20 - 1 - Structure Learning Overview (5-49).srt
! f8 C4 r% K) _) W6 l    │              20 - 2 - Likelihood Scores (16-49).mp4
) j) f# o5 P& U    │              20 - 2 - Likelihood Scores (16-49).srt$ y, m& Q! D& J$ j' b" z
    │              20 - 4 - Bayesian Scores (20-35).mp4$ u' g, {) z" I7 ]' `! a& q
    │              20 - 4 - Bayesian Scores (20-35).srt
5 \8 }8 G, A# ~$ }3 C5 D' `) i    │              21 - 3 - Analysis of EM Algorithm (11-32).mp4
- ?. j# M5 D( h. D    │              21 - 3 - Analysis of EM Algorithm (11-32).srt
2 c# }  q. b6 \0 T7 V7 a% `    │              21 - 4 - EM in Practice (11-17).mp4
$ P' R3 Z6 \, b6 e0 w3 r& N8 I7 n    │              21 - 4 - EM in Practice (11-17).srt
" d0 ^6 [' Q; `, a# m5 c    │              21 - 5 - Latent Variables (22-00).mp4  K$ h8 r( K/ j4 o% \! P
    │              21 - 5 - Latent Variables (22-00).srt
  K% c6 Y. Z2 E6 R2 ~    │              22 - 1 - Summary- Learning (20-11).mp43 U, G* f/ b$ n7 d2 n; m6 G
    │              22 - 1 - Summary- Learning (20-11).srt
6 u$ V8 N. B) X. f5 G7 I' B    │              23 - 1 - Class Summary (24-38).mp4( ]5 l- K4 w; c) Q
    │              23 - 1 - Class Summary (24-38).srt' }0 r2 u% z; L9 K  s7 N' J" J0 i! d
    │              3 - 1 - Overview of Template Models (10-55).mp4' u6 N% n/ F- X8 F' O
    │              3 - 1 - Overview of Template Models (10-55).srt: v9 j  Z) [8 t( s
    │              3 - 2 - Temporal Models - DBNs (23-02).mp4
9 o, O! J3 P4 ?. T5 k6 z' Y/ C9 ~    │              3 - 2 - Temporal Models - DBNs (23-02).srt/ O; k' Q6 U: A. o: m
    │              3 - 3 - Temporal Models - HMMs (12-01).mp4
6 B- p- t( d. s' i) O1 K    │              3 - 3 - Temporal Models - HMMs (12-01).srt4 C# N% `$ [5 X& k+ ?
    │              3 - 4 - Plate Models (20-08).mp4
. w. B$ ?- y: Z4 L2 I    │              3 - 4 - Plate Models (20-08).srt: A) C$ L1 e. ^1 U+ N' N" i
    │              4 - 1 - Basic Operations (13-59).mp4
- ^! ]  a  x7 E' |    │              4 - 1 - Basic Operations (13-59).srt
$ G& B4 n' G# _7 d    │              4 - 2 - Moving Data Around (16-07).mp4! v6 c% ~. e/ ^, l: [
    │              4 - 2 - Moving Data Around (16-07).srt0 G) f' N7 M  ~, B" e  u
    │              4 - 3 - Computing On Data (13-15).mp45 L) l6 k) u6 c$ t  B
    │              4 - 3 - Computing On Data (13-15).srt+ ~0 J7 }& d+ ~4 e
    │              4 - 4 - Plotting Data (09-38).mp4
! m5 q0 Z2 g6 H/ T- ]) x$ ^  `    │              4 - 4 - Plotting Data (09-38).srt/ y7 M' I, }1 l. Q) t6 J
    │              4 - 6 - Vectorization (13-48).mp4) Q& L4 @0 x/ S% q# w- k: R
    │              4 - 6 - Vectorization (13-48).srt8 _+ N* g3 W1 P$ `8 W
    │              5 - 1 - Overview- Structured CPDs (08-00).mp49 v" \' v) W5 o3 Y  d1 C4 e
    │              5 - 1 - Overview- Structured CPDs (08-00).srt9 v" O; m0 u5 x$ p
    │              5 - 2 - Tree-Structured CPDs (14-37).mp4
/ O1 h* p+ F  N+ M1 K: b& A1 t    │              5 - 2 - Tree-Structured CPDs (14-37).srt
2 U& i: a, Z' I2 S; I1 z    │              5 - 4 - Continuous Variables (13-25).mp4
5 B" _0 Q5 B9 \! i6 J! H# U* W    │              5 - 4 - Continuous Variables (13-25).srt
! A* R2 ]- {/ A1 Y    │              6 - 1 - Pairwise Markov Networks (10-59).mp4
. d2 q# ~4 k7 x2 Y7 C/ j8 b1 x    │              6 - 1 - Pairwise Markov Networks (10-59).srt
1 C7 M+ S/ t# R6 ?5 i" V0 p1 m- d    │              6 - 2 - General Gibbs Distribution (15-52).mp4
! k$ `! N/ e2 }! u% }    │              6 - 2 - General Gibbs Distribution (15-52).srt
; @' @( m$ @* ~  e6 v& H    │              6 - 3 - Conditional Random Fields (22-22).mp49 n: g" p5 ^/ ^1 i. r% Y
    │              6 - 3 - Conditional Random Fields (22-22).srt% e4 V4 ?, t8 V4 D& V6 @
    │              6 - 5 - I-maps and perfect maps (20-59).mp4
" L  s6 C2 V( F0 p: m    │              6 - 5 - I-maps and perfect maps (20-59).srt
& w+ H0 Y2 S  }4 B% e9 N+ _    │              6 - 6 - Log-Linear Models (22-08).mp4( ~8 w( z7 J, h3 ~6 e5 a
    │              6 - 6 - Log-Linear Models (22-08).srt
9 S4 v* M! w! r& a    │              7 - 1 - Knowledge Engineering (23-05).mp46 D8 l" n+ a( ]) V, m7 ]
    │              7 - 1 - Knowledge Engineering (23-05).srt
$ w. b  @$ r& I$ Y) G. l, i% R) ~4 k    │              8 - 2 - Overview- MAP Inference (09-42).mp40 d$ \; w$ I+ c; _; Q+ z4 G3 P
    │              8 - 2 - Overview- MAP Inference (09-42).srt
! g6 C. x, d$ Y    │              8 - 3 - Variable Elimination Algorithm (16-17).mp4) g: K1 v% h6 q) y' V
    │              8 - 3 - Variable Elimination Algorithm (16-17).srt
6 Q0 w7 T3 N3 [- y6 G1 a8 _    │              8 - 6 - Finding Elimination Orderings (11-58).mp4; k3 k! W% W5 t; w3 f+ x- ~
    │              8 - 6 - Finding Elimination Orderings (11-58).srt
2 ~/ E$ \% N7 K. k! w. I    │              9 - 1 - Belief Propagation (21-21).mp4% n8 r- o9 @( q% }
    │              9 - 1 - Belief Propagation (21-21).srt
0 F; F) s7 Y  I9 ], u( J    │              9 - 2 - Properties of Cluster Graphs (15-00).mp4- x! a2 t2 ~6 x' w, s
    │              9 - 2 - Properties of Cluster Graphs (15-00).srt
6 ]; q. H& q$ ]* Q2 r9 W* Y6 `    │              PGM-Programming_Assignment_1.zip
% v) g- C& N# X    │              PGM-Programming_Assignment_2.zip: C. v% R  D* _. z, j4 A5 i. j
    │              PGM-Programming_Assignment_3.zip
$ p' {  U2 M6 @4 Y- [6 F1 ]" d1 c    │              PGM-Programming_Assignment_4.zip
4 z  R4 k/ {# p/ m# u- m/ c- d    │              PGM-Programming_Assignment_5.zip
7 S! V7 N% v  e; |) X    │              PGM-Programming_Assignment_6.zip
- Z2 f- P- b9 p* U' P    │              PGM-Programming_Assignment_7.zip
# ?9 C: t# S* @6 E+ m: T    │              PGM-Programming_Assignment_8.zip
2 D; D; s5 P2 u$ o    │              PGM-Programming_Assignment_9.zip
. @8 H) @/ F1 u    │              下载说明.txt
$ @! G( s3 H& L9 O    │              关注我们.png
& ~3 x1 }$ d7 ~+ i1 T    │              攻城狮论坛=网络技术+编程视频.url& M- o6 A5 G% ]/ U& k
    │              解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt
3 [+ T% T7 I0 z0 j% V2 m    │              
7 \5 H. H; c5 y4 H  c    ├─031_台大概率; }) l1 \3 \% J3 F2 }
    │  └─031_台大概率0 `8 |( \9 ~" Z1 M
    │      ├─prob-0012 M# |7 Q  J6 A0 N( O3 z
    │      │  ├─01_Week_16 a; b4 c& E& W3 q5 F$ C( O
    │      │  │      01_1-0.mp4
( p" Q' |/ B! R# ]9 ~$ ~" m    │      │  │      02_1-1_17-41.mp40 ^( X8 j  a- I/ N
    │      │  │      02_1-1_17-41.pdf$ u" z9 {4 m. m8 B
    │      │  │      02_1-1_17-41_0_.pdf$ g5 X2 j6 r- S2 q0 }/ b+ q  b
    │      │  │      02_1-1_17-41_1_.pdf+ _0 X. T) [" l& I) G( ^7 Z- e& x
    │      │  │      02_1-1_17-41_2_.pdf" Z6 z/ S0 g3 Q, j* Q/ j: R
    │      │  │      03_1-2.a__11-46.mp4
3 X* H& H% i/ Z    │      │  │      04_1-2.b__09-40.mp4# S0 J0 ?3 M7 U# j2 f3 S- i; e6 I3 q
    │      │  │      05_1-3.a__11-24.mp4  G' _9 k; x9 Y+ i$ l$ t& `
    │      │  │      06_1-3.b__16-36.mp4
# b: P1 P! O7 o3 O/ Y4 l/ O    │      │  │      . g3 m" z3 a1 L/ T9 [- H/ ~/ d
    │      │  ├─02_Week_20 H: V: ]' u! s+ O4 r
    │      │  │      01_2-0_15-32.mp40 D" M& V! P- P2 I0 y' C
    │      │  │      02_2-1.a__16-09.mp45 m: `* ~; H+ X+ F* m: M8 S# P+ j7 o
    │      │  │      02_2-1.a__16-09.pdf
  H* X2 f! k' J" b6 r: u& G, H    │      │  │      02_2-1.a__16-09_0_.pdf: d& H; \7 [7 e  f/ H1 w0 w; D5 Y! @
    │      │  │      02_2-1.a__16-09_1_.pdf/ [3 t1 [( g( \, C4 d$ a
    │      │  │      02_2-1.a__16-09_2_.pdf
( L& V( h- T& O0 p    │      │  │      03_2-1.b__16-06.mp4
8 ~- {- S2 w: l7 Q$ U    │      │  │      04_2-1.c__10-07.mp4( i; b" T2 ~# ~' r; D' |, s9 X- {
    │      │  │      05_2-2.a__10-41.mp4
: g7 F4 b) `1 Q/ ~" E# w    │      │  │      06_2-2.b__12-43.mp4
% k9 m' j; ?4 ^- c& [, F    │      │  │      07_2-2.c__16-02.mp4
5 v4 q2 c: R5 r: J$ e4 `8 ^    │      │  │      $ `( F& b$ V3 y2 q$ B
    │      │  ├─03_Week_3
- W0 `* y) I5 S8 f* I/ C    │      │  │      01_3-0_16-46.mp4) N  n* A7 h( e) i
    │      │  │      02_3-1.a___09-12.mp4
; ?, P* a! n, G; u2 G0 y2 I6 Y    │      │  │      02_3-1.a___09-12.pdf4 B* d& m: T: w! K+ ^; ^
    │      │  │      02_3-1.a___09-12_0_.pdf
- C, Y; l% P  A+ I' i# M- n# i% W    │      │  │      02_3-1.a___09-12_1_.pdf
& p4 s8 r' p" l0 ~0 F# _9 T    │      │  │      02_3-1.a___09-12_2_.pdf2 W, l6 [  q' H  A; q8 w# @4 o
    │      │  │      03_3-1.b__10-35.mp40 @  v) h& k! C* T) o! i$ Q5 N
    │      │  │      04_3-2_08-47.mp4/ ?$ ]" T$ G8 T( x
    │      │  │      05_3-3.a__16-57.mp40 p* x8 }0 e4 j0 N
    │      │  │      06_3-3.b__12-58.mp40 Q- j# {4 b9 a% z
    │      │  │      
3 |; k1 e+ P# r" V' V4 M    │      │  ├─04_Week_4
6 @0 z2 e! q! j9 w; H4 ~1 l    │      │  │      01_4-0_17-33.mp4: \+ R; v& W2 N1 l: S7 T7 {
    │      │  │      02_4-1.a__13-53.mp4$ e" J: b0 e- o& ^- b
    │      │  │      02_4-1.a__13-53.pdf/ f! V3 \4 {& ~4 L8 E
    │      │  │      02_4-1.a__13-53_0_.pdf
5 f; c0 l8 R# `    │      │  │      02_4-1.a__13-53_1_.pdf
5 M" H; z+ V+ d' d3 |+ i  `    │      │  │      02_4-1.a__13-53_2_.pdf1 k5 F" \3 c$ x% n! U6 T3 s% B
    │      │  │      03_4-1.b__14-43.mp4. U! x- ~. N( t
    │      │  │      04_4-1.c__5-18.mp41 Z2 Q6 L+ O% k5 ~: B- U
    │      │  │      05_4-2.a_CDF__9-48.mp45 ^! P4 G) p! G' Y+ A# I
    │      │  │      06_4-2.b_CDF__8-59.mp4
& F- g5 Y/ N" \2 l: n    │      │  │      07_4-2.c_CDF__9-00.mp4
# B6 Y& ?: O& t$ ?) B4 ]: @* w! p    │      │  │      08_4-3_PMF_11-26.mp42 h/ X! e4 r* Q2 f- ^
    │      │  │      09_4-4.a_I__14-41.mp4! W! k' C1 {( {5 K3 O- B3 c
    │      │  │      10_4-4.b_I__8-47.mp4" z0 d$ T, b5 N4 v! }) @
    │      │  │      . U) j& P5 Y) p! U4 p2 k
    │      │  ├─05_Week_5& A9 g; `. {7 o$ u# C
    │      │  │      01_5-0_14-09.mp4- w7 w6 h6 Q6 w; M" w3 ~( ~
    │      │  │      02_5-1.a_II__10-36.mp41 t% y" S0 f, c3 c% G: e% C1 F. m
    │      │  │      02_5-1.a_II__10-36.pdf
8 R2 Q4 J( c" y6 ~    │      │  │      02_5-1.a_II__10-36_0_.pdf
- i% B3 u9 g9 V) Z& d    │      │  │      02_5-1.a_II__10-36_1_.pdf3 r4 a, f3 [4 D1 C+ {# X
    │      │  │      02_5-1.a_II__10-36_2_.pdf
7 t* a3 N. |! X0 A) o' E    │      │  │      03_5-1.b_II__12-06.mp4) g2 G+ d1 q: g
    │      │  │      04_5-1.c_II__20-28.mp4% t9 p: s8 x- S
    │      │  │      05_5-2_PDF_18-56.mp4% @+ o  C% E: g
    │      │  │      06_5-3_I_18-12.mp4
/ c. V6 v4 H( U9 q1 W* E    │      │  │        o& J" Y! ?; j
    │      │  ├─06_Week_6/ Y: [$ s9 e6 `  m9 t# N
    │      │  │      01_6-0_10-13.mp4
% M7 h6 h2 O# u5 X* A. t/ a    │      │  │      02_6-1.a_II__15-25.mp4
& v1 P3 D( P) I1 H, y    │      │  │      02_6-1.a_II__15-25.pdf9 ]' q( k3 n8 P' N% H/ R0 `8 i/ ~
    │      │  │      02_6-1.a_II__15-25_0_.pdf  ]5 ~* W& {$ t' ^
    │      │  │      02_6-1.a_II__15-25_1_.pdf, o  D. k. p9 Y$ p; s  k
    │      │  │      02_6-1.a_II__15-25_2_.pdf
3 i: L+ w7 ]- ~. C  Z( p    │      │  │      03_6-1.b_II__16-08.mp4
9 _6 R: l4 f1 [7 y) \8 S# x    │      │  │      04_6-1.c_II__17-16.mp42 z* ^2 I2 p, L. I0 z; }
    │      │  │      05_6-1.d_II__5-40.mp44 K) g$ y$ `7 z1 h+ c2 W/ w9 C  U
    │      │  │      06_6-2.a_I__16-35.mp4
! @! L5 q; y7 E% E    │      │  │      07_6-2.b_I__10-41.mp44 N2 ~% ]9 E" M. d- ~2 I
    │      │  │      08_6-2.c_I__16-44.mp4
' n% n: Z# R& w0 y$ o& m& t    │      │  │      09_6-2.d_I__14-30.mp4
) M. S+ M  K! w. }& w& @    │      │  │      
6 J0 P9 g% Z1 f9 p2 n/ Q* }    │      │  ├─07_Week_7# _: p% Y, q* D5 Z
    │      │  │      01_7-0.mp4
! B$ B  V  o* o$ t- ^7 T    │      │  │      02_7-1.a_II__14-31.mp4! `: a5 H0 N& f+ t# V0 P2 f" i6 }
    │      │  │      02_7-1.a_II__14-31.pdf
/ z! k, q9 f9 |, C    │      │  │      02_7-1.a_II__14-31_0_.pdf
! C& J; x9 _, N2 S' g4 C    │      │  │      02_7-1.a_II__14-31_1_.pdf# u2 F; n7 p9 N6 J& V
    │      │  │      02_7-1.a_II__14-31_2_.pdf
. k5 R' K) N* s" A; e" M    │      │  │      03_7-1.b_II__13-07.mp4; Q8 h0 ?0 k" c- z( W, K
    │      │  │      04_7-2.a-___10-35.mp4, r; _0 I' U- ]3 X4 {7 d8 O
    │      │  │      05_7-2.b-___08-42.mp4
& U0 e+ K: k; L/ l* ~" G    │      │  │      06_7-3.a-___15-07.mp4+ m' b% R+ M) N9 P6 s, Q* X, \
    │      │  │      07_7-3b-___19-20.mp4
$ ^( |5 R' r, e) |    │      │  │      9 n# v8 m- H9 v/ _: K3 E
    │      │  ├─08_Week_81 L% k; V/ z! z! b# Q9 o; z$ e
    │      │  │      01_8-0.mp4
/ u8 c% R, f( e' y: ~; |( F, F    │      │  │      02_8-1.a__14-36.mp4
5 s3 b. I1 H! k) e+ {- P    │      │  │      02_8-1.a__14-36.pdf
* c$ W  i) |0 h& B    │      │  │      02_8-1.a__14-36_0_.pdf1 K) Z* h4 Q4 z# J$ O2 T1 p: A
    │      │  │      02_8-1.a__14-36_1_.pdf
! p; }* D$ o: q! T$ i  }    │      │  │      02_8-1.a__14-36_2_.pdf, [. T0 A3 ]$ A
    │      │  │      03_8-1.b__15-05.mp4, j0 O' ?8 D, k; }
    │      │  │      04_8-1.c__17-00.mp4
7 J  R0 n5 l  [, v' @! K    │      │  │      05_8-1.d__11-18.mp46 Z. J3 ^. K, M0 u+ d- m/ J* t; n
    │      │  │      06_8-2_12-32.mp4) z2 u+ F! F/ E" t, ?' D
    │      │  │      07_8-3.a__10-06.mp41 f- o* G5 T1 ?6 h! `, g9 d7 _0 U2 V
    │      │  │      08_8-3.b__17-27.mp4
" h0 `( b4 s6 H; V+ c* l    │      │  │      
) ^+ R; H- e9 u- _. @& w    │      │  └─09_Week_99 z' H) l7 ^4 B/ B. c6 J; h
    │      │          01_9-1.a__11-18.mp4* y/ F( J) q4 O3 V
    │      │          01_9-1.a__11-18.pdf8 q. m  O9 m( b+ U. @
    │      │          01_9-1.a__11-18_0_.pdf
5 E# f( R% ~6 |: U4 F* c5 j    │      │          01_9-1.a__11-18_1_.pdf# V" H1 v- F1 f& ]
    │      │          01_9-1.a__11-18_2_.pdf: B8 u6 @, Y: T9 u6 y
    │      │          02_9-1.b__13-49.mp4
; ^) A! r: k1 ]" N) F3 D6 ?/ W    │      │          03_9-2.aMGF__10-17.mp4
9 c3 w. [, k: |$ i    │      │          04_9-2.bMGF__14-06.mp49 M. B( K2 ]! J% \% G
    │      │          05_9-2.cMGF__15-53.mp4
7 t3 v+ b, o, U' Y, l1 u5 y9 u  q    │      │          06_9-3.a__10-35.mp4
- Z, M( d2 M% z! K: a    │      │          07_9-3.b__13-01.mp4
+ m$ @7 p% X; l$ L0 Z& M2 J    │      │          08_9-4.a-__16-45.mp4
5 y' A9 E; i2 S) m! S1 a! w. ?7 m    │      │          09_9-4.b-__17-19.mp4
+ B/ x3 ?6 \7 C9 H5 i% Y+ Z, }' M    │      │         
! W" |6 M; o7 N" h. D* }    │      └─概率-台大* N8 j: B. K7 P0 a* k8 {# c
    │          │  02-8.R4 Y% m! ~" g  \8 b
    │          │  
- M- F" c( H" ^. v5 |7 n$ j    │          ├─1& J% Z5 T  i5 E0 A" Y
    │          │      Benson_Coursera_Week_1_簡.pdf- d' y1 c# h: ]+ W
    │          │      Benson_Coursera_Week_1_繁.pdf
3 H2 d. B2 B9 u8 E2 Z+ v, D$ a    │          │      Benson_Coursera_Week_1_繁空.pdf
/ s# F6 E9 C: S" F    │          │      2 - 1 - 1-0:咱們先聊聊,這是門什麼樣的課呢-.mp4
. T9 i- K( j+ N  S+ |    │          │      2 - 2 - 1-1:機率概論 (17-41).mp4- A1 l( n- w) T- d' x8 S- P1 i6 q
    │          │      2 - 3 - 1-2.a:集合論 (上) (11-46).mp4
" [. F% M$ p- S" D    │          │      2 - 4 - 1-2.b:集合論 (下) (09-40).mp42 f+ N* V# X/ Z8 M" n2 Q$ B$ }+ K% P$ ~& t
    │          │      2 - 5 - 1-3.a:機率名詞 (上) (11-24).mp4
3 n1 i" t9 F: u$ M' p- s/ f    │          │      2 - 6 - 1-3.b:機率名詞 (下) (16-36).mp4! G! I5 F* h; T2 l) a  _9 E8 W
    │          │      
( e$ t- C# `: O    │          ├─23 B* f0 C2 N- H  L
    │          │      Benson_Coursera_Week_2_簡.pdf* d0 j6 }. I8 j5 m: x
    │          │      Benson_Coursera_Week_2_簡空.pdf9 p) G  z; |8 Q0 w7 a! @
    │          │      Benson_Coursera_Week_2_繁.pdf6 \9 ?* b% ~5 U" N1 [
    │          │      Benson_Coursera_Week_2_繁空.pdf
- a1 _+ I. ?+ Z% v    │          │      3 - 1 - 2-0:咱們聊聊,是學習,還是應付- (15-32).mp4
3 }& a6 Z# n) k" {9 \. v3 `$ ^    │          │      3 - 2 - 2-1.a:機率公理性質 (上) (16-09).mp4$ L4 s& N# U* B2 v* |
    │          │      3 - 3 - 2-1.b:機率公理性質 (中) (16-06).mp4
- J2 r9 ~' M  G! ^7 D- w- A$ R    │          │      3 - 4 - 2-1.c:機率公理性質 (下) (10-07).mp4
1 v: w! Y* Y, D& A    │          │      3 - 5 - 2-2.a:條件機率 (上) (10-41).mp4
/ a0 {0 G/ T4 A1 G# m) U    │          │      3 - 6 - 2-2.b:條件機率 (中) (12-43).mp4( A; d$ j$ W& |" ]; N* ^
    │          │      3 - 7 - 2-2.c:條件機率 (下) (16-02).mp4
, a% v+ S/ O" V3 \6 l, C/ \: I    │          │      
8 x, N; d! h0 r. O; o    │          ├─3
* t! Z$ }4 x& A0 w- _3 M    │          │      Benson_Coursera_Week_3_簡.pdf" k& t3 k3 I, M6 D9 u
    │          │      Benson_Coursera_Week_3_簡空.pdf; O; [' l$ q( A  n. y# c3 j/ H& D
    │          │      Benson_Coursera_Week_3_繁.pdf
8 ~7 s4 _8 Y$ b9 w) |7 `: o  U! h/ l    │          │      Benson_Coursera_Week_3_繁空.pdf
# U1 X. G9 B: m    │          │      4 - 1 - 3-0:咱們聊聊,常見的錯誤?學習的關鍵? (16-46).mp4  ^5 A1 F9 e+ D. d3 m% w
    │          │      4 - 2 - 3-1.a:機率的獨立性 (上)  (09-12).mp4
2 z7 x! X+ b- [1 i) w6 D    │          │      4 - 3 - 3-1.b:機率的獨立性 (下) (10-35).mp4$ V5 }' V0 I' ^' s$ l
    │          │      4 - 4 - 3-2:圖解繁複機率 (08-47).mp4
  [& M9 q1 [; K! l. m' Q' a# V+ }    │          │      4 - 5 - 3-3.a:數數算機率 (上) (16-57).mp4
% S# q9 d4 E3 k0 g# _3 g( L( ?    │          │      4 - 6 - 3-3.b:數數算機率 (下) (12-58).mp4* P/ d/ [: r. R* h' }0 `
    │          │      
8 _& N8 v( q; o7 Q3 k3 |+ ?    │          ├─4
8 ~( X& k1 ^" V6 O- {# L    │          │      Benson_Coursera_Week_4_簡.pdf
6 Q' [; x+ t& r( q7 b    │          │      Benson_Coursera_Week_4_簡空.pdf
+ i% p$ u: Z, g+ F    │          │      Benson_Coursera_Week_4_繁.pdf
1 `6 g* l/ o! y. C/ f; s* C    │          │      Benson_Coursera_Week_4_繁空.pdf
0 A2 |. c5 C2 e( D: `- y% @% c1 l  w    │          │      5 - 1 - 4-0:咱們聊聊,如何幫自己面對未來挑戰? (17-33).mp4
7 r$ W  L! Z0 [( M7 M" E' p. W; y    │          │      5 - 10 - 4-4.b:離散機率分佈 I (下) (8-47).mp4
! `# a$ o8 O8 [    │          │      5 - 2 - 4-1.a:隨機變數 (上) (13-53).mp41 W( V0 d: z! X  L4 F
    │          │      5 - 3 - 4-1.b:隨機變數 (中) (14-43).mp4$ s  m/ |5 D, O+ Z# V
    │          │      5 - 4 - 4-1.c:隨機變數 (下) (5-18).mp4
+ n* `; H0 A% M, i    │          │      5 - 5 - 4-2.a:累績分佈函數 CDF (上) (9-48).mp43 R/ X2 B3 b" ?) l$ c& D
    │          │      5 - 6 - 4-2.b:累績分佈函數 CDF (中) (8-59).mp4
1 @$ K2 V& I! ^+ U    │          │      5 - 7 - 4-2.c:累績分佈函數 CDF (下) (9-00).mp4
, L, x! z" I% `/ {+ |    │          │      5 - 8 - 4-3:機率質量函數 PMF (11-26).mp4
7 q  _2 H0 a0 y  r    │          │      5 - 9 - 4-4.a:離散機率分佈 I (上) (14-41).mp4
$ j3 K9 q- o" a- m: H+ m% `8 u    │          │      * K8 [: O; G2 D6 o* |2 P
    │          ├─5
5 L: S% U, c/ o4 B! ^    │          │      Benson_Coursera_Week_5_簡.pdf( t7 u, {+ R, T8 D2 h- a+ v+ [- o
    │          │      Benson_Coursera_Week_5_簡空.pdf
6 `0 {4 L# @+ z! F    │          │      Benson_Coursera_Week_5_繁.pdf6 T" H0 K; [! e' S/ M  H2 }  L
    │          │      Benson_Coursera_Week_5_繁空.pdf, D: u' J& h5 ?6 [) O7 J
    │          │      6 - 1 - 5-0:咱們聊聊,願你夜夜好眠到天明! (14-09).mp4
- B" w* o5 H, U4 V$ E* t6 z. c: Z    │          │      6 - 2 - 5-1.a:離散機率分佈 II (上) (10-36).mp4
8 P6 j1 a6 |( i3 [8 G; p    │          │      6 - 3 - 5-1.b:離散機率分佈 II (中) (12-06).mp4; e0 _* ^0 A! [* ^) o6 C% W
    │          │      6 - 4 - 5-1.c:離散機率分佈 II (下) (20-28).mp4
. E; f* N; S4 e    │          │      6 - 5 - 5-2:機率密度函數 PDF (18-56).mp4* q% G2 j8 ^, O, I. \  Z# V8 u
    │          │      6 - 6 - 5-3:連續機率分佈 I (18-12).mp41 |) L' M5 Q+ N9 A
    │          │      
6 @1 Z1 v8 [* F: Q, a6 Z    │          ├─6' k  d+ y7 S+ p1 g! M, }
    │          │      Benson_Coursera_Week_6_簡.pdf
; g, K2 f. N8 x* \7 }    │          │      Benson_Coursera_Week_6_簡空.pdf
! l6 t* j$ i/ f    │          │      Benson_Coursera_Week_6_繁.pdf
6 Y0 \/ W4 l: _! Q    │          │      Benson_Coursera_Week_6_繁空.pdf
3 z2 t1 w8 }# g    │          │      7 - 1 - 6-0:咱們聊聊,成功者的條件是什麼? (10-13).mp4  ~3 Q; ^) y+ J/ ^3 a4 @
    │          │      7 - 2 - 6-1.a:連續機率分佈 II (上) (15-25).mp4! @4 R; F6 a0 f' ?" o. _
    │          │      7 - 3 - 6-1.b:連續機率分佈 II (中) (16-08).mp4
, h9 O3 a  r( s' G  S  T0 ?    │          │      7 - 4 - 6-1.c:連續機率分佈 II (下) (17-16).mp4
, t$ O# M' }; {    │          │      7 - 5 - 6-1.d:連續機率分佈 II (末) (5-40).mp4: {# R7 ~- _& r$ I' T6 F/ G( F
    │          │      7 - 6 - 6-2.a:期望值 I (上) (16-35).mp4
6 z1 b* V) v' q0 c& `    │          │      7 - 7 - 6-2.b:期望值 I (中) (10-41).mp4
, k4 d) m* M- f    │          │      7 - 8 - 6-2.c:期望值 I (下) (16-44).mp46 h; P9 ?( F+ M# r. a* F. o
    │          │      7 - 9 - 6-2.d:期望值 I (末) (14-30).mp44 H' S% c' c8 n% T: x6 O4 {
    │          │      7 r2 e  Q0 H2 W' G* T9 g
    │          ├─7
  i" V- l: x. X. Z9 O6 i0 L    │          │      Benson_Coursera_Week_7_簡.pdf0 C( w4 T) o' e! W
    │          │      Benson_Coursera_Week_7_簡空.pdf
; I5 Z- m; `% D% I    │          │      Benson_Coursera_Week_7_繁.pdf
5 E; g* W2 Q3 t    │          │      Benson_Coursera_Week_7_繁空.pdf
2 ^, H+ X+ H1 P( e7 t/ Y, E    │          │      8 - 1 - 7-0:咱們聊聊,每天都在忙,忙的有用嗎?.mp4
4 Z/ C# d- U; ]" D- k    │          │      8 - 2 - 7-1.a:期望值 II (上) (14-31).mp4
3 c6 F5 [* w& H    │          │      8 - 3 - 7-1.b:期望值 II (下) (13-07).mp47 P" j$ |& i( K9 d2 e# R" ^
    │          │      8 - 4 - 7-2.a- 隨機變數之函數 (上) (10-35).mp4
& K5 u9 }" q, V- |    │          │      8 - 5 - 7-2.b- 隨機變數之函數 (下) (08-42).mp4
$ F; s9 D$ c* Y! ]* _6 ?0 Z    │          │      8 - 6 - 7-3.a- 條件機率分佈與失憶性 (上) (15-07).mp4
0 ?! O7 p' v7 K5 C% C& J4 L    │          │      8 - 7 - 7-3b- 條件機率分佈與失憶性 (下) (19-20).mp4. F+ V( Z" o& f- f# d7 j5 {
    │          │      0 k3 z/ j  M+ Q3 d/ `- m& x3 }
    │          ├─8' x8 m, _1 I+ S4 y2 l, E
    │          │      Benson_Coursera_Week_8_簡.pdf
, w7 r" Z/ d& A/ |; u* k" b    │          │      Benson_Coursera_Week_8_簡空.pdf
7 ~+ c$ V% \0 h" ^    │          │      Benson_Coursera_Week_8_繁.pdf
' B5 B* P5 E& l# N" o6 G* e( F    │          │      Benson_Coursera_Week_8_繁空.pdf
0 r. {- p$ X9 L% @6 \9 m    │          │      9 - 1 - 8-0:咱們聊聊,如何探索有意義的人生?.mp4; d6 s& n0 F& d. m" ~
    │          │      9 - 2 - 8-1.a:聯合機率分佈 (上) (14-36).mp4
# c. x  q3 l: o' c# Q; k& A  T    │          │      9 - 3 - 8-1.b:聯合機率分佈 (中) (15-05).mp4
" W, W3 N% Z% N5 E4 |# E, F8 G    │          │      9 - 4 - 8-1.c:聯合機率分佈 (下) (17-00).mp4
/ f" h0 R# ?7 `+ N7 ^; j    │          │      9 - 5 - 8-1.d:聯合機率分佈 (末) (11-18).mp4
2 x8 L" D" m$ J+ L0 q    │          │      9 - 6 - 8-2:邊際機率分佈 (12-32).mp40 _9 i  S" y- T8 r9 r
    │          │      9 - 7 - 8-3.a:雙變數期望值 (上) (10-06).mp48 K4 Z  M7 U7 t, k( O# z# [
    │          │      9 - 8 - 8-3.b:雙變數期望值 (下) (17-27).mp4$ K6 j$ U8 K! T
    │          │      
5 K6 n  f* _- l3 z% p    │          └─9
8 r# I% A! K" k9 i. o# I    │                  Benson_Coursera_Week_9_簡.pdf. O; u" P; U& g9 w8 K* U
    │                  Benson_Coursera_Week_9_簡空.pdf4 a& ^  f+ u% [5 {
    │                  Benson_Coursera_Week_9_繁.pdf  f  R; E1 r8 i
    │                  Benson_Coursera_Week_9_繁空.pdf
/ l, n6 u% o& w/ M; E+ Y    │                  10 - 1 - 9-1.a:隨機變數之和 (上) (11-18).mp4% h3 a' x# G6 d: A, r
    │                  10 - 2 - 9-1.b:隨機變數之和 (下) (13-49).mp4
) S' i5 }+ |/ |1 V4 Z# Z2 C    │                  10 - 3 - 9-2.a:MGF (上) (10-17).mp4( [; l2 N) R, I
    │                  10 - 4 - 9-2.b:MGF (中) (14-06).mp4
8 A3 @! _/ ?& K+ a4 e: L* E    │                  10 - 5 - 9-2.c:MGF (下) (15-53).mp41 W) ^- F8 k% ?* o
    │                  10 - 6 - 9-3.a:多個隨機變數和 (上) (10-35).mp4
# H* ^4 k$ q, z' }7 d: d    │                  10 - 7 - 9-3.b:多個隨機變數和 (下) (13-01).mp4% s8 X8 y! L$ j, H; W* k. [1 ?
    │                  10 - 8 - 9-4.a:中央極限定理-萬佛朝宗 (上) (16-45).mp4
- V2 H0 s  N; V2 B, u    │                  10 - 9 - 9-4.b:中央極限定理-萬佛朝宗 (下) (17-19).mp4
: \8 U! R- x8 _    │                  
6 S. R  a0 B, |6 i. ^* @    ├─036_Coding the Matrix
0 r; m3 a1 G: Z" O% S$ G5 o( ?    │  └─036_Coding the Matrix
! {9 a' i$ \/ j0 h3 R% H; e    │      └─matrix-0029 ~) \0 z: d+ e
    │          │  下载说明.txt8 k3 _' w6 w  j: `
    │          │  关注我们.png' z$ h4 j. B- N  ]9 r
    │          │  攻城狮论坛=网络技术+编程视频.url
) S) K5 I# T$ n/ ~, S) \' ?    │          │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt
  L( h2 T+ ?4 w- \3 Q, ~" g" G    │          │  
. [9 X9 K- [0 m+ [    │          ├─01_Week_0-_The_Function_and_the_Field8 G" M6 K& N) K/ @9 x" \
    │          │      01_Course_Introduction_Part_1__9-53.mp43 g- T+ x: q- }, P9 o1 ]% O5 {
    │          │      01_Course_Introduction_Part_1__9-53.srt
6 @! j+ C' I' Q    │          │      01_Course_Introduction_Part_1__9-53.txt
5 D! ~+ [$ G# |2 U! h. x    │          │      02_Course_Introduction_Part_2__8-49.mp4* C) T6 `* {# p
    │          │      02_Course_Introduction_Part_2__8-49.srt3 Y8 ^/ J2 K) b7 g
    │          │      02_Course_Introduction_Part_2__8-49.txt
2 S- G: ?9 U: O) z  ]. U7 `    │          │      03_The_Function-_The_function_and_other_preliminaries__20-55.mp4- Y0 Y* I: h+ a# o5 v# U  ~
    │          │      03_The_Function-_The_function_and_other_preliminaries__20-55.pdf
6 Y  g) i' p% _/ R' ~- \: c    │          │      03_The_Function-_The_function_and_other_preliminaries__20-55.srt. I9 O( S. O1 Y
    │          │      03_The_Function-_The_function_and_other_preliminaries__20-55.txt
0 O& s; T! P) v4 s; V    │          │      04_The_Field-_Introduction_to_complex_numbers__5-52.mp4
/ B; @# h- o0 _* v' t    │          │      04_The_Field-_Introduction_to_complex_numbers__5-52.pdf
1 m3 |+ v5 V% y) s: b4 e. l    │          │      04_The_Field-_Introduction_to_complex_numbers__5-52.srt) K3 f  O0 I: C4 r0 V
    │          │      04_The_Field-_Introduction_to_complex_numbers__5-52.txt' }3 D7 T6 ?6 G0 d2 {
    │          │      05_The_Field-_Playing_with_C_15-19.mp4
: E* o' t8 @3 q, H" x    │          │      05_The_Field-_Playing_with_C_15-19.pdf
; g! ^2 h! v8 }' i, o6 Z. [0 ^$ Q    │          │      05_The_Field-_Playing_with_C_15-19.srt
# b0 _- I& y2 i. Z8 \    │          │      05_The_Field-_Playing_with_C_15-19.txt
! u. h3 e( _2 B- Z/ m- r  w    │          │      06_The_Field-_Playing_with_GF2__10-28.mp4
: Z$ s: [( E0 R4 w2 [    │          │      06_The_Field-_Playing_with_GF2__10-28.pdf
5 J/ {2 m' v) t' |/ {/ ]+ U6 |    │          │      06_The_Field-_Playing_with_GF2__10-28.srt9 t  L$ H  l% d
    │          │      06_The_Field-_Playing_with_GF2__10-28.txt! [* u1 D- D3 B
    │          │      : g) \0 _8 n) h
    │          ├─02_Week_1-_The_Vector5 @/ a8 z: Z- C0 z
    │          │      01_The_Vector-_What_is_a_vector__8-20.mp45 k1 o1 ?  p  b5 |6 M
    │          │      01_The_Vector-_What_is_a_vector__8-20.pdf
* ~( |" r0 x* w6 _0 x4 o    │          │      01_The_Vector-_What_is_a_vector__8-20.srt( }5 K& b" r, \* B' y
    │          │      01_The_Vector-_What_is_a_vector__8-20.txt
2 J/ \, `3 P  k" Y1 o# ?6 t    │          │      02_The_Vector-_Vector_addition_and_scalar-vector_multiplication__10-16.mp49 i% a% a, q% ~& P$ P/ G
    │          │      02_The_Vector-_Vector_addition_and_scalar-vector_multiplication__10-16.pdf
( A( U4 L, R2 v" {8 L9 \9 n    │          │      02_The_Vector-_Vector_addition_and_scalar-vector_multiplication__10-16.srt
; o. k( o1 z" b) u5 M    │          │      02_The_Vector-_Vector_addition_and_scalar-vector_multiplication__10-16.txt
2 N# D/ W2 u: f; r4 K: N2 s    │          │      03_The_Vector-_Dictionary-based_representations_of_vectors__9-10.mp47 M3 y' n, l$ Q7 r
    │          │      03_The_Vector-_Dictionary-based_representations_of_vectors__9-10.pdf
& Q( B2 z9 F# Y3 d  H' Z    │          │      03_The_Vector-_Dictionary-based_representations_of_vectors__9-10.srt
. l1 Q: {1 u8 A, b/ o    │          │      03_The_Vector-_Dictionary-based_representations_of_vectors__9-10.txt) _; X$ |2 G) w$ f: h  ]- x. s' ~
    │          │      04_The_Vector-_Vectors_over_GF2__9-18.mp4
  ?, @6 _  Q4 f2 h6 j4 y    │          │      04_The_Vector-_Vectors_over_GF2__9-18.pdf
( ]9 C- S* a8 \( i# a    │          │      04_The_Vector-_Vectors_over_GF2__9-18.srt1 I0 f0 b1 [* n' U+ b: E
    │          │      04_The_Vector-_Vectors_over_GF2__9-18.txt
% \$ U* J7 h$ |8 e+ |' c    │          │      05_The_Vector-_Dot-product__8-49.mp4
5 |4 w3 ]  V6 i  o. C2 v7 U    │          │      05_The_Vector-_Dot-product__8-49.pdf2 @9 g( L& f, w- \8 b
    │          │      05_The_Vector-_Dot-product__8-49.srt
" I; n7 \1 c& ~) |. H    │          │      05_The_Vector-_Dot-product__8-49.txt, q3 ^2 ~3 f4 }7 H  w! `9 I
    │          │      06_The_Vector-_Dot-product_of_vectors_over_GF2__4-44.mp4! _7 y* R( O- @; y8 R' C
    │          │      06_The_Vector-_Dot-product_of_vectors_over_GF2__4-44.pdf
2 t& z8 y" ?/ q$ [9 o    │          │      06_The_Vector-_Dot-product_of_vectors_over_GF2__4-44.srt
* V5 ~  s$ s; ?- A% i5 u) r" ~& z' p8 V2 ~    │          │      06_The_Vector-_Dot-product_of_vectors_over_GF2__4-44.txt7 Y0 @  B" J1 o+ m4 C* C& }7 T
    │          │      07_The_Vector-_Solving_a_triangular_system_of_linear_equations__4-00.mp4
9 F( j! N  ^$ T0 `  D% d    │          │      07_The_Vector-_Solving_a_triangular_system_of_linear_equations__4-00.pdf
- U, _1 d% F! k, g  }: C  b  C    │          │      07_The_Vector-_Solving_a_triangular_system_of_linear_equations__4-00.srt# U" [/ ]  w& H( t) |  [  `7 r
    │          │      07_The_Vector-_Solving_a_triangular_system_of_linear_equations__4-00.txt
( i5 s0 G: X. @: m9 `7 P$ Y    │          │      9 |% D+ Z' v: Z: \
    │          ├─03_Week_2-_The_Vector_Space
, w" o! G1 w9 e2 u& Z" H    │          │      01_The_Vector_Space-_Linear_combinations.mp4
. z  \6 _' F0 F: s2 U+ L+ @    │          │      01_The_Vector_Space-_Linear_combinations.pdf
* j+ n- S3 k- k* C3 H% g8 E; B    │          │      01_The_Vector_Space-_Linear_combinations.srt# B( E& u- _3 M$ d6 T, M
    │          │      01_The_Vector_Space-_Linear_combinations.txt
# l& |/ v1 d. h    │          │      02_The_Vector_Space-_Span.mp4: d7 P2 i" w5 d9 o+ W
    │          │      02_The_Vector_Space-_Span.pdf2 ?; D4 C  t% Q" L0 J
    │          │      02_The_Vector_Space-_Span.srt
6 S6 f: ]: d7 u: ]/ c- q    │          │      02_The_Vector_Space-_Span.txt' V8 M9 u. q' h; M5 i
    │          │      03_The_Vector_Space-_Geometry_of_Sets_of_Vectors.mp4% u; `/ a+ S3 x. u
    │          │      03_The_Vector_Space-_Geometry_of_Sets_of_Vectors.pdf- b, Y: k7 P; J
    │          │      03_The_Vector_Space-_Geometry_of_Sets_of_Vectors.srt* ?) E2 n; Y( S9 n
    │          │      03_The_Vector_Space-_Geometry_of_Sets_of_Vectors.txt
3 H* c( A# P9 ~% m; G. r    │          │      04_The_Vector_Space-_Vector_spaces.mp4# m" T- J7 V! |# e( m. v7 c
    │          │      04_The_Vector_Space-_Vector_spaces.pdf, D$ ~- O7 x2 k( k# s5 v
    │          │      04_The_Vector_Space-_Vector_spaces.srt
! y3 |8 R3 ~: ?: c! |: e    │          │      04_The_Vector_Space-_Vector_spaces.txt# @- Q. t& Y" Q9 J; b. |$ N
    │          │      05_The_Vector_Space-_Checksum_function.mp4
: f# g- \/ v' A+ |/ V! P    │          │      05_The_Vector_Space-_Checksum_function.pdf' ^, D: y, Q' z- C6 w$ @5 _3 G
    │          │      05_The_Vector_Space-_Checksum_function.srt
; X5 P1 \; F' t    │          │      05_The_Vector_Space-_Checksum_function.txt7 i7 ?3 {. T) B+ J$ V2 e) n9 R
    │          │      ; X% O" l4 j5 @& Z
    │          ├─04_Week_3-_The_Matrix3 N4 s, S( }0 H" E+ m1 ?+ ?
    │          │      01_The_Matrix-_What_is_a_matrix.mp45 s4 I+ B/ s7 b1 ?
    │          │      01_The_Matrix-_What_is_a_matrix.pdf" L5 T  N" L' Y5 F& g
    │          │      01_The_Matrix-_What_is_a_matrix.srt" `2 Z$ ^, g3 q& w9 c! l
    │          │      01_The_Matrix-_What_is_a_matrix.txt0 {& Q2 G: v8 U1 w
    │          │      02_The_Matrix-_Matrix-vector_and_vector-matrix_multiplication.mp4
1 e3 o8 u# v/ W2 D# _: C& [4 k    │          │      02_The_Matrix-_Matrix-vector_and_vector-matrix_multiplication.pdf
  o2 d! B0 L  D6 c4 t2 n" N: X( S$ S    │          │      02_The_Matrix-_Matrix-vector_and_vector-matrix_multiplication.srt
7 C0 d4 `- s; d  [    │          │      02_The_Matrix-_Matrix-vector_and_vector-matrix_multiplication.txt  j; U' ~* l/ _5 L, s/ k0 V% n. ~1 h
    │          │      03_The_Matrix-_Matrix-vector_multiplication_in_terms_of_dot-products.mp4
; I( \. e! e! n    │          │      03_The_Matrix-_Matrix-vector_multiplication_in_terms_of_dot-products.pdf: }6 @2 R* h" ]. Y* y& k
    │          │      03_The_Matrix-_Matrix-vector_multiplication_in_terms_of_dot-products.srt2 Z$ D5 R: C0 Z# e
    │          │      03_The_Matrix-_Matrix-vector_multiplication_in_terms_of_dot-products.txt! L  x: Q$ i; f9 d
    │          │      04_The_Matrix-_Null_space.mp4
! h/ I% q* a% n' W7 {" X- ?    │          │      04_The_Matrix-_Null_space.pdf0 Q4 p+ V7 V! [) a% K$ j- w% T
    │          │      04_The_Matrix-_Null_space.srt1 f6 O. I5 Q6 S# }
    │          │      04_The_Matrix-_Null_space.txt4 [( \6 l; ?5 h2 t8 y
    │          │      05_The_Matrix-_Error-correcting_codes.mp4: J( k# R8 e% {: Q, }
    │          │      05_The_Matrix-_Error-correcting_codes.pdf2 V; S: }/ G' L5 r( p0 i
    │          │      05_The_Matrix-_Error-correcting_codes.srt6 c2 J# K7 ~( h3 h4 P& U' ^
    │          │      05_The_Matrix-_Error-correcting_codes.txt
  c8 D" T+ O( p9 q    │          │      06_The_Matrix-_Matrices_and_their_functions.mp4
3 y. \' P7 v+ z' H1 T    │          │      06_The_Matrix-_Matrices_and_their_functions.pdf# b7 Q4 Y7 O6 _/ b8 l0 O
    │          │      06_The_Matrix-_Matrices_and_their_functions.srt. U1 F& I# A) F& o
    │          │      06_The_Matrix-_Matrices_and_their_functions.txt+ |- Y' a3 ]8 ]+ @" C
    │          │      07_The_Matrix-_Linear_functions.mp4
- G1 _; F3 T; ]% D    │          │      07_The_Matrix-_Linear_functions.pdf+ W0 P# @3 R2 m) W# J+ n0 u: K' l* Y
    │          │      07_The_Matrix-_Linear_functions.srt
' _7 n4 y9 G1 V$ T+ ?4 P2 z/ a0 j    │          │      07_The_Matrix-_Linear_functions.txt/ ^4 U  m  q& B9 W1 A6 E
    │          │      08_The_Matrix-_Matrix-matrix_multiplication.mp4
1 i5 L: _: {  E  W    │          │      08_The_Matrix-_Matrix-matrix_multiplication.pdf$ r1 Z$ v1 z' O( ~
    │          │      08_The_Matrix-_Matrix-matrix_multiplication.srt
& R  B: F0 c: O, f9 J/ }    │          │      08_The_Matrix-_Matrix-matrix_multiplication.txt
& k* X. N; L* T    │          │      09_The_Matrix-_Matrix-matrix_multiplication_and_function_composition.mp49 c4 V% z( [4 p) n" C2 |
    │          │      09_The_Matrix-_Matrix-matrix_multiplication_and_function_composition.pdf
9 h/ a3 W1 c0 H: H$ {0 c    │          │      09_The_Matrix-_Matrix-matrix_multiplication_and_function_composition.srt& b% G" m" }& E6 x! J
    │          │      09_The_Matrix-_Matrix-matrix_multiplication_and_function_composition.txt
3 `' f" k8 ^* p    │          │      10_The_Matrix-_Matrix_inverse.mp4. q3 `3 T  f$ e
    │          │      10_The_Matrix-_Matrix_inverse.pdf
; F; f3 C3 `0 g  E: o( ~    │          │      10_The_Matrix-_Matrix_inverse.srt
& K0 [0 B0 ]1 k7 G* N. a    │          │      10_The_Matrix-_Matrix_inverse.txt& C9 z  ^4 @" L# R6 l
    │          │      
3 k& L; O, c3 q# p) e1 y    │          ├─05_Week_4-_The_Basis* l1 G0 _' `. T& i7 z
    │          │      01_The_Basis-_Coordinate_systems.mp4: [; C& @% Z3 k  D0 Z
    │          │      01_The_Basis-_Coordinate_systems.pdf
; c$ ~9 I$ v5 X    │          │      01_The_Basis-_Coordinate_systems.srt
  g: K& ]+ k, \+ N6 B, J& X  T    │          │      01_The_Basis-_Coordinate_systems.txt
0 |& {7 j: C9 d, Z- h6 n    │          │      02_The_Basis-_Lossy_compression.mp4
; O. B8 h2 f& z4 X    │          │      02_The_Basis-_Lossy_compression.pdf
7 d' @3 i0 ?& V) x7 {8 i9 P/ v    │          │      02_The_Basis-_Lossy_compression.srt
: f! u( e' h: H    │          │      02_The_Basis-_Lossy_compression.txt% ^, [1 Y* c( }; Z8 C6 j
    │          │      03_The_Basis-_Algorithms_for_finding_a_set_of_generators.mp4% X4 q1 p+ K$ _6 p+ B' ?
    │          │      03_The_Basis-_Algorithms_for_finding_a_set_of_generators.pdf
/ P7 E& K$ Y: Z- e    │          │      03_The_Basis-_Algorithms_for_finding_a_set_of_generators.srt
4 l  q4 B+ Z. c6 z- I# m0 G8 J    │          │      03_The_Basis-_Algorithms_for_finding_a_set_of_generators.txt9 t* B! G, ]( E1 i* x
    │          │      04_The_Basis-_Minimum_spanning_forest.mp4
$ m* E9 C$ N8 C! }3 z    │          │      04_The_Basis-_Minimum_spanning_forest.pdf6 A4 F- O  R8 p( `" v! g' c# V  ?
    │          │      04_The_Basis-_Minimum_spanning_forest.srt
3 x" T* J/ V% }- t( j    │          │      04_The_Basis-_Minimum_spanning_forest.txt% W, {) d( n: e0 [9 E5 k( U
    │          │      05_The_Basis-_Linear_dependence.mp4
, C+ A+ E  q: }- G    │          │      05_The_Basis-_Linear_dependence.pdf9 ?4 m0 A. z% F- p  y
    │          │      05_The_Basis-_Linear_dependence.srt1 w$ v$ y/ v) H1 e
    │          │      05_The_Basis-_Linear_dependence.txt  e$ u, p; z# }# y, p8 W
    │          │      06_The_Basis-_Basis.mp4; k/ ]4 }! U; T* K8 ^8 L2 S1 l
    │          │      06_The_Basis-_Basis.pdf7 M# ?# X; P' m3 u. |3 t2 y
    │          │      06_The_Basis-_Basis.srt' d: C( l1 T" x0 [
    │          │      06_The_Basis-_Basis.txt" P) k! f, v* A& `* B
    │          │      07_The_Basis-_Unique_representation.mp4
9 V6 _7 C8 q( ?. ~    │          │      07_The_Basis-_Unique_representation.pdf! M/ t4 ]6 G( F. ?: L+ D- x5 D
    │          │      07_The_Basis-_Unique_representation.srt
6 W0 Q% @6 V  a$ s    │          │      07_The_Basis-_Unique_representation.txt
. O6 m0 v* u; F5 p    │          │      08_The_Basis-_Change_of_basis.mp46 o6 C( }' k0 j8 r& d! B
    │          │      08_The_Basis-_Change_of_basis.pdf# R* G5 \) t0 x, M
    │          │      08_The_Basis-_Change_of_basis.srt/ T, A! e. N$ E5 l
    │          │      08_The_Basis-_Change_of_basis.txt; e9 d; ^! t4 w3 ]% z2 v6 u! C$ Z
    │          │      09_The_Basis-_Perspective_rendering.mp4
7 J8 d: p/ o+ s1 |/ _: H) ]    │          │      09_The_Basis-_Perspective_rendering.pdf
2 P& s7 y4 e. w$ d% u2 ^    │          │      09_The_Basis-_Perspective_rendering.srt6 d# P. k% S9 g: y  Y
    │          │      09_The_Basis-_Perspective_rendering.txt
0 M7 v. D, y' C- f! m- ^    │          │      10_The_Basis-_Perspective_rectification.mp4
! E% a4 g, K3 t' _# ^    │          │      10_The_Basis-_Perspective_rectification.pdf
: p; z8 c0 ?$ E3 D) C+ e    │          │      10_The_Basis-_Perspective_rectification.srt
) w5 D7 a7 W* e" }    │          │      10_The_Basis-_Perspective_rectification.txt
) o9 ]! m4 ^- B    │          │      11_The_Basis-_The_Exchange_Lemma.mp4
0 G# B; m6 ]1 ]    │          │      11_The_Basis-_The_Exchange_Lemma.pdf
- z* G9 V' _0 y3 [    │          │      11_The_Basis-_The_Exchange_Lemma.srt
5 {! Z' ~6 O8 r* T8 Z    │          │      11_The_Basis-_The_Exchange_Lemma.txt
8 p- V4 `1 ]- @# ]# s( m0 o& k; Z/ U" r    │          │      
& J* X; I8 N% W: B- Y6 m* \    │          ├─06_Week_5-_Dimension
1 t7 Z6 v6 x! q; |$ [. s) o( o9 R    │          │      01_Dimension-_The_size_of_a_basis.mp4
& s" l* c% y3 o    │          │      01_Dimension-_The_size_of_a_basis.pdf
- M% ?3 q$ g/ d! v+ A    │          │      01_Dimension-_The_size_of_a_basis.srt" ]6 ^- D0 \1 ?) T, E
    │          │      01_Dimension-_The_size_of_a_basis.txt
* g" C, c: j+ N    │          │      02_Dimension-_Dimension_and_rank_I.mp4: ?1 y6 @. k9 i8 p. G
    │          │      02_Dimension-_Dimension_and_rank_I.pdf
7 o% ?3 y$ d) n0 T    │          │      02_Dimension-_Dimension_and_rank_I.srt  m! D: k. Y! L: `3 E- P, `
    │          │      02_Dimension-_Dimension_and_rank_I.txt
8 U0 e9 ^. A% t' Z) ~& s% j5 s# d    │          │      03_Dimension-_Dimension_and_rank_II.mp40 H7 H5 C7 X7 y
    │          │      03_Dimension-_Dimension_and_rank_II.pdf+ p9 L! J0 J% b% q1 d
    │          │      03_Dimension-_Dimension_and_rank_II.srt7 a: i! A* M7 X- g! k6 E
    │          │      03_Dimension-_Dimension_and_rank_II.txt8 {4 j* U8 _3 Y6 h* M! @5 c
    │          │      04_Dimension-_Direct_sum.mp45 Y; H' Y. ]2 I; O$ v
    │          │      04_Dimension-_Direct_sum.pdf
/ ?" E$ E' _/ s& u# Q1 A5 q+ F) u    │          │      04_Dimension-_Direct_sum.srt( B: c7 Z; e! k* x% V$ N
    │          │      04_Dimension-_Direct_sum.txt- X# q9 x1 g1 K9 i
    │          │      05_Dimension-_Dimension_and_linear_functions_I.mp4
+ S* h. b$ q/ @9 d0 M$ k2 g    │          │      05_Dimension-_Dimension_and_linear_functions_I.pdf3 g7 e) ]- ]" B( g
    │          │      05_Dimension-_Dimension_and_linear_functions_I.srt
/ k) K1 T2 V& l8 X3 S+ m. A    │          │      05_Dimension-_Dimension_and_linear_functions_I.txt
5 Z* a# M" L2 W, r& V3 W4 {! B    │          │      06_Dimension-_Dimension_and_linear_functions_II.mp4
; v# P0 C) y1 q+ T% q+ q1 ?    │          │      06_Dimension-_Dimension_and_linear_functions_II.pdf
, `+ [$ g; Z& |1 m    │          │      06_Dimension-_Dimension_and_linear_functions_II.srt: N8 Y- a/ ~) n
    │          │      06_Dimension-_Dimension_and_linear_functions_II.txt
1 K$ q' e* W. Y& W" g$ V    │          │      07_Dimension-_Two_representations_of_vector_spaces.mp4
( h7 y8 x1 U& x4 \    │          │      07_Dimension-_Two_representations_of_vector_spaces.pdf. j. k+ |4 Q, C% h$ G
    │          │      07_Dimension-_Two_representations_of_vector_spaces.srt
. @4 ]3 G5 J; q( ?( t* r    │          │      07_Dimension-_Two_representations_of_vector_spaces.txt
0 \8 b/ v1 J7 L- N3 ^, b3 b' u: m    │          │      08_Dimension-_Threshold_secret_sharing.mp48 r- w+ k2 n0 x3 w, d* t+ N
    │          │      08_Dimension-_Threshold_secret_sharing.pdf
0 ^3 z2 |, k. E7 D; \    │          │      08_Dimension-_Threshold_secret_sharing.srt
" O9 X2 U3 d) ]" p/ \    │          │      08_Dimension-_Threshold_secret_sharing.txt
1 O1 Q: G5 [7 X; j+ ]    │          │      3 F2 q0 S8 P0 b4 i
    │          ├─07_Week_6-_Gaussian_Elimination_and_the_Inner_Product
3 f3 U/ `# V# w3 d! q# J" b& z    │          │      01_Gaussian_Elimination-_Echelon_form.mp4
" K8 {2 o. D6 k* e5 Y; n    │          │      01_Gaussian_Elimination-_Echelon_form.pdf
, k& N2 r5 W" u/ D- x$ D6 {( d. p) j    │          │      01_Gaussian_Elimination-_Echelon_form.srt
. l0 ]0 A) v8 X8 ?6 h    │          │      01_Gaussian_Elimination-_Echelon_form.txt* r1 g9 a2 f7 ]& s% h
    │          │      04_Gaussian_Elimination-_Factoring_integers.mp4
% B/ w. b- x2 ?  ~. ?1 c    │          │      04_Gaussian_Elimination-_Factoring_integers.pdf
  s" k3 a8 j9 z, U8 Q) W6 J5 w: e    │          │      04_Gaussian_Elimination-_Factoring_integers.srt
/ n$ o- K: T( i+ O% R    │          │      04_Gaussian_Elimination-_Factoring_integers.txt
+ ]4 l+ W8 `$ _8 _, S    │          │      05_The_Inner_Product-_The_inner_product.mp4
7 T( n; ^5 P0 r: o    │          │      05_The_Inner_Product-_The_inner_product.pdf6 @" x/ ~1 C0 q5 a: |; a/ T
    │          │      05_The_Inner_Product-_The_inner_product.srt
* d! S2 \: a  F# F, t2 u" l    │          │      05_The_Inner_Product-_The_inner_product.txt& j: m& b6 b$ I) d+ v
    │          │      06_The_Inner_Product-_Orthogonality.mp4
& u( q) h$ o2 Y- `+ I. ?" i  k. H    │          │      06_The_Inner_Product-_Orthogonality.pdf5 C+ `8 l7 k- [& ~  ~: i# ]" {' f
    │          │      06_The_Inner_Product-_Orthogonality.srt4 r* u8 u5 S  H6 D& R
    │          │      06_The_Inner_Product-_Orthogonality.txt4 g. F1 ]9 q) l- O, o* \
    │          │      
  n+ Y: }* a% ~! d6 I/ a7 J. r( e2 J5 D, u    │          ├─08_Week_7-_Orthogonalization
' P; R! \+ }1 w6 N+ U& r    │          │      01_Orthogonalization-_Finding_the_closest_point_in_a_plane.mp4
+ e! T( {4 S: Y    │          │      01_Orthogonalization-_Finding_the_closest_point_in_a_plane.pdf
' r/ n6 l# \5 Q3 L    │          │      01_Orthogonalization-_Finding_the_closest_point_in_a_plane.srt
2 X- p, _- n  x. c. A: y) ]# e, b    │          │      01_Orthogonalization-_Finding_the_closest_point_in_a_plane.txt- t' i+ |; U) y( `8 J
    │          │      02_Orthogonalization-_Projection_orthogonal_to_multiple_vectors.mp4
! ^8 c2 H" I6 y- N    │          │      02_Orthogonalization-_Projection_orthogonal_to_multiple_vectors.pdf
1 s$ w; M/ W) T8 u6 x. p    │          │      02_Orthogonalization-_Projection_orthogonal_to_multiple_vectors.srt
$ E9 d- u% ~5 F0 b6 F$ {4 H( w    │          │      02_Orthogonalization-_Projection_orthogonal_to_multiple_vectors.txt+ Z7 G3 L1 Z2 |5 b6 M6 r! |
    │          │      03_Orthogonalization-_Building_an_orthogonal_set_of_generators.mp46 a& K7 W3 W- [1 t
    │          │      03_Orthogonalization-_Building_an_orthogonal_set_of_generators.pdf, L5 A/ H) x" E7 r' Z( P' ]
    │          │      03_Orthogonalization-_Building_an_orthogonal_set_of_generators.srt
; q! U+ i7 C  R: I% \9 X. S* n    │          │      03_Orthogonalization-_Building_an_orthogonal_set_of_generators.txt; W, u9 Z6 k$ x
    │          │      04_Orthogonalization-_Computing_a_basis.mp42 p) w1 p! p2 |2 O; L
    │          │      04_Orthogonalization-_Computing_a_basis.pdf
" d) G. s2 B2 n6 j5 l% ^6 J    │          │      04_Orthogonalization-_Computing_a_basis.srt
; U$ R* H! t( e, H' _) y" V    │          │      04_Orthogonalization-_Computing_a_basis.txt
5 c0 z7 n  G& g1 {8 k& j    │          │      05_Orthogonalization-_Orthogonal_complement.mp4. d" b  Y. G, G$ E5 P! Q
    │          │      05_Orthogonalization-_Orthogonal_complement.pdf
5 h, e: k8 {/ t% H    │          │      05_Orthogonalization-_Orthogonal_complement.srt2 W! ?1 i! A) t7 ^) L3 O. E
    │          │      05_Orthogonalization-_Orthogonal_complement.txt
: h. n/ [, G+ ~5 t; f2 q    │          │      06_Orthogonalization-_Two_ways_to_find_a_basis_for_the_null_space.mp4
& [2 e2 \- B; F* _3 H+ J    │          │      06_Orthogonalization-_Two_ways_to_find_a_basis_for_the_null_space.pdf  E+ B7 d1 t4 Q0 O6 X& y/ x/ i
    │          │      06_Orthogonalization-_Two_ways_to_find_a_basis_for_the_null_space.srt5 a0 N  N1 y6 W) C3 m  {, T2 L9 |9 G
    │          │      06_Orthogonalization-_Two_ways_to_find_a_basis_for_the_null_space.txt  \5 V) H5 O3 L
    │          │      07_Orthogonalization-_The_QR_factorization.mp48 E( h- B4 [5 d) t) h
    │          │      07_Orthogonalization-_The_QR_factorization.pdf
( m& Z" s; Q* `+ V    │          │      07_Orthogonalization-_The_QR_factorization.srt
2 l$ I0 S, L) C. O. X2 p    │          │      07_Orthogonalization-_The_QR_factorization.txt+ S0 k3 F/ I; H3 S
    │          │      09_Orthogonalization-_Applications_of_least_squares.mp4
2 [, j, U9 T# w4 n    │          │      09_Orthogonalization-_Applications_of_least_squares.pdf6 b! R' ~5 N% N9 R$ J$ a% Z; K
    │          │      09_Orthogonalization-_Applications_of_least_squares.srt
1 g9 B- d+ I( |    │          │      09_Orthogonalization-_Applications_of_least_squares.txt0 }+ {$ J& W" L2 u& l! y; P
    │          │      8 [* b2 a8 ^- b! q, a
    │          └─09_Tutorials: G1 k6 a: g" v! b
    │                  01_How_to_submit_assignments.mp4( x  k( q4 G- Q0 R- u7 ~
    │                  01_How_to_submit_assignments.srt
" [0 r# q* X' Y4 {) Y    │                  01_How_to_submit_assignments.txt
" D$ e# I; F+ l1 E    │                  
% I* W4 A7 G5 d& S+ L    ├─Big Data, Cloud Computing, & CDN Emerging Technologies
  s3 S% d) A5 A" g' H! e$ r    │  └─Big Data, Cloud Computing, & CDN Emerging Technologies
2 j8 s* J: L9 E    │      │  下载说明.txt' d1 ?: Q* I0 o9 i* k% Q4 w6 j
    │      │  关注我们.png
0 `  F! Z" M4 d4 |) {" @7 B    │      │  攻城狮论坛=网络技术+编程视频.url, \$ i! ]! E' K* ^4 L
    │      │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt" B% d+ g# N8 p
    │      │  
% z) ~# J7 s( z    │      ├─01_cloud-computing: m9 r$ q, [0 O- ~
    │      │  └─01_cloud-computing% y) i2 E- Z5 w# A. q+ D
    │      ├─02_big-data$ o. K' x, `$ x, C
    │      │  └─01_big-data/ u. |5 L& ?: Z9 j/ U9 y  Z' F
    │      │          01_big-data-examples.mp4
, d- S  Z7 y3 N    │      │          01_big-data-examples.srt/ G! t$ T9 A" o; l2 X; L! ]5 M
    │      │          02_big-datas-4-vs.mp4
' `* f5 N+ z! H$ E4 g8 x6 o3 _/ Y: g' Y    │      │          02_big-datas-4-vs.srt
, D: R; Y; a% d* C    │      │          03_hadoop.mp4
# d0 O& ~" z* q2 U    │      │          03_hadoop.srt" p* x  B$ Q: O4 m( o
    │      │          04_mapreduce-vs-rdbms.mp4
' h# V- r) t: O* K# n4 {5 C    │      │          04_mapreduce-vs-rdbms.srt
# O/ _2 n) ~( J1 a9 g/ F/ y    │      │          05_mapreduce.mp4' S7 t4 R1 W4 K
    │      │          05_mapreduce.srt
/ U2 p, \  P0 G& m2 P* r5 `+ D    │      │          06_hdfs.mp42 [2 e+ _' c+ ?+ ]6 @* i8 B
    │      │          06_hdfs.srt( {! q/ q7 ]- r& _0 x, i
    │      │         
: Y! J* M; A# ?$ _1 J9 Z" p' i    │      └─03_cdn-content-delivery-network
* E" y4 l( J7 W, A: R    ├─Duke Image and video processing From Mars to Hollywood with a stop at the hospital* w' m, i7 t' f3 N  }0 Z& F: w
    ├─Interactive Computer Graphics
1 t4 |' Z5 B+ E) t: b    │  └─Interactive Computer Graphics4 |+ L- e+ u9 k5 Y$ O2 a* @
    │          interactivegraphics-Torrent-Week1_All.zip.torrent$ s8 u2 l% Y: R" m2 r2 n
    │          interactivegraphics-Torrent-Week2_All.zip.torrent
2 x+ Z& U6 l' x4 \& G" P    │          interactivegraphics-Torrent-Week3_All.zip.torrent
# D$ F( m% W9 X# ^8 C# H    │          interactivegraphics-Torrent-Week4_All.zip.torrent4 o9 \2 m: [! ?( z4 J0 I$ q1 o# X1 L
    │          interactivegraphics-Torrent-Week5_All.zip.torrent
# `2 y$ q/ H4 r0 K    │          interactivegraphics-Torrent-Week6_All.zip.torrent1 V/ c$ y+ B" R/ Q+ ]# x2 Q# }
    │          interactivegraphics_Torrent_Week1_All.zip0 c7 t% l8 e; E  B; E0 U7 e
    │          interactivegraphics_Torrent_Week2_All.zip2 G- w3 g3 G" P8 Q" r0 z2 O
    │          interactivegraphics_Torrent_Week3_All.zip
9 u2 z) o  p, T! s; ], G2 B    │          interactivegraphics_Torrent_Week4_All.zip
, r# V& c# d, O5 ^) [" b) }; A    │          interactivegraphics_Torrent_Week5_All.zip0 w) w3 _8 [& j6 x/ ^7 o. @3 ]
    │          下载说明.txt, o+ _6 G& i+ a( \% _( A6 V
    │          关注我们.png0 {, a! U# \& T& j/ B
    │          攻城狮论坛=网络技术+编程视频.url( M4 @. y8 M3 C: T' |' X* ^
    │          解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt
% Q8 e, g, R/ M% t* i    │         
1 Q+ s1 N1 L) z1 _" l$ {6 z    ├─Malik - Computer Vision; ~0 [4 V2 R7 x$ u: e
    │  └─Malik - Computer Vision
' O5 P8 j4 T* P5 P    │          001_Overview.mp42 a' @) L1 \3 ]4 T0 q
    │          001_Overview.srt
5 @. Q# }% G  c+ K- k    │          002_Fundamentals of image formation.mp4' v+ K9 G* s& e" I( B  a
    │          002_Fundamentals of image formation.srt
& V6 t0 A+ g( u7 W' @* @    │          003_Fundamentals of image formation - part II.mp4- j) \: y1 `- s/ R
    │          003_Fundamentals of image formation - part II.srt
: J% r! f, ]* q4 I7 D& c6 s, G    │          004_Rigid body motion.mp4$ A# W9 {8 r6 W0 ]( q2 j; G
    │          004_Rigid body motion.srt
7 f% z  h4 _" `& w    │          005_Orthogonal transformations.mp4: o3 E7 t3 A7 C5 M/ Y' C
    │          005_Orthogonal transformations.srt/ a# L% R: n+ S5 w* V
    │          006_Orthogonal transformations - Orthogonal Matrices.mp4
. j. e2 H, ~9 w1 L! d    │          006_Orthogonal transformations - Orthogonal Matrices.srt& `$ }( H* I$ L/ Q, X8 {: @: O6 z
    │          007_Orthogonal matrices - Rotations and reflections.mp4* s7 S: z5 w) D9 a  D# X
    │          007_Orthogonal matrices - Rotations and reflections.srt
' _) N" F( s( I! B: F* q    │          008_Parametrizing Rotations in 3D.mp4
" |* M0 V6 B8 `3 \( A$ ]    │          008_Parametrizing Rotations in 3D.srt9 T5 y; T$ V1 d; L1 j/ Q
    │          009_Euclidean, Affine and Projective Transformations.mp4
' a' s6 @, ^+ j8 F5 K( I% H4 ^    │          009_Euclidean, Affine and Projective Transformations.srt
! C6 a8 }9 D: r7 a4 G    │          010_Dynamic Perspective - I [15 mins].mp4- G# l4 ?: }8 a( ^7 H3 z' O
    │          010_Dynamic Perspective - I [15 mins].srt% m8 m5 C5 a0 g& L; r6 v/ L
    │          011_Dynamic Perspective - II [25 mins].mp45 T$ x: F* ~& {& }; _/ w+ N
    │          011_Dynamic Perspective - II [25 mins].srt# z+ z. L2 D0 g
    │          012_Binocular Stereo I [23 mins].mp4: k4 J0 j) c: D! o( T
    │          012_Binocular Stereo I [23 mins].srt) F5 b" C( g1 P+ N
    │          013_Binocular Stereo II [17 mins].mp45 ^4 D6 ^6 Y" ?2 C* o3 H. X
    │          013_Binocular Stereo II [17 mins].srt5 b2 j' U  @9 @- h  S
    │          014_Binocular Stereo III [13 mins].mp4. o# i, j' T+ j# |$ J( E
    │          014_Binocular Stereo III [13 mins].srt; e9 }) ?1 n: |& c1 C& t0 b$ Q
    │          015_Binocular Stereo IV  - The Essential Matrix [26 min].mp4/ ~5 S" o! h) j# y- @
    │          015_Binocular Stereo IV  - The Essential Matrix [26 min].srt1 x8 ?% }+ d/ z7 m' m8 N/ \
    │          016_Radiometry.mp4$ u' V" d, M9 z
    │          016_Radiometry.srt
& T9 X: G% @3 {; e2 p+ w    │          017_Image processing.mp4- M8 i" P) {$ k0 X. Q) i" \
    │          017_Image processing.srt3 w6 G$ a9 _" i5 f) ?& Q+ L+ U) c, l
    │          018_Image Processing2.mp43 `* b/ a( N3 e1 ?* n* d$ {
    │          018_Image Processing2.srt" Q2 N( }$ R) C7 _7 A
    │          019_Orientation histograms [7 min].mp4- b3 s. G" H; {1 \
    │          019_Orientation histograms [7 min].srt
0 g6 s) r/ e, k6 r( ?. p' J% N7 a    │          020_Handwritten digit recognition - Introduction.mp4
+ {$ j- t# D! |1 }! r    │          020_Handwritten digit recognition - Introduction.srt) U$ l* L* \3 V- a' d
    │          021_Support Vector Machines.mp4
$ }- g4 b. ^1 b. X' B' n    │          021_Support Vector Machines.srt
' v2 D+ J5 `$ |6 j/ ]    │          022_Transformation Invariance and Histograms.mp45 Z+ i" D- w: Y  B4 E2 c
    │          022_Transformation Invariance and Histograms.srt
( z& g. q- }& u- p9 ^    │          023_Digit recognition using SVMs.mp4) C; L  G% A) v9 A1 g
    │          023_Digit recognition using SVMs.srt3 O3 O  T# D9 x$ U" J: F1 y
    │          024_Random forests.mp48 n7 i/ `7 P$ o: w6 l
    │          024_Random forests.srt
  ]! g* s/ m0 J/ [. g* f    │          025_Detection of 3D objects.mp4
* A; e( Q! N2 E( [3 _( @    │          025_Detection of 3D objects.srt
6 L3 v' z1 I0 m' w+ |  i, J  N    │          026_Concluding Remarks.mp4$ i! ^5 }  U" Y, s% {
    │          026_Concluding Remarks.srt
$ f% H' @! ]! h* }    │          下载说明.txt, J, S1 Z# u% J
    │          关注我们.png6 O; D4 [  O% ^4 d6 ~
    │          攻城狮论坛=网络技术+编程视频.url" e5 p6 V7 r! z* D' ?! L" I2 Z
    │          解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt. \+ |) T1 N$ O
    │         
* Z6 A& B4 l/ {4 S! F7 B    ├─Practical Machine Learning
, z2 l. a0 i! R) P: k# F    │  └─Practical Machine Learning
+ N. Y% u# q3 z9 g) _    │      │  下载说明.txt5 y% Q3 k4 q5 u- q5 [
    │      │  关注我们.png0 ~, }( t3 I4 V% @
    │      │  攻城狮论坛=网络技术+编程视频.url0 H9 I1 o. H' n$ h' i/ f' _0 E6 @
    │      │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt
8 H& Z! _; m$ H    │      │  * \' P  a/ V2 j
    │      ├─Week1
! q8 H- l  N' @    │      │      001predictionMotivation.pdf( X/ T1 k: N5 W% m! o  {
    │      │      002whatIsPrediction.pdf
5 i% w! @2 n: x5 R- d* P    │      │      003relativeImportance.pdf
# J2 a% I. s, |) G$ P    │      │      004inOutSampleErrors.pdf
) c8 v8 V; O4 q# T    │      │      005predictionStudyDesign.pdf8 \( Z, b2 Q: G( D( i: O& x
    │      │      006typesOfErrors.pdf: z) Q% Z% s5 p
    │      │      007receiverOperatingCharacteristic.pdf
( K' ?1 d# o3 z8 q    │      │      008crossValidation.pdf
8 ]2 D! u! s2 j% I" G9 t* s1 @    │      │      009whatData.pdf  B% z4 [# J  F+ i9 ^
    │      │      1 - 1 - Prediction motivation (8-26).mp44 }+ u3 w# G3 t7 V( {' W* t' _
    │      │      1 - 1 - Prediction motivation (8-26).srt' P) G) L! i8 p1 \
    │      │      1 - 2 - What is prediction- (8-39).mp4
9 |7 \, o  r$ O+ S    │      │      1 - 2 - What is prediction- (8-39).srt) n; x! t$ [; v* g# C+ b
    │      │      1 - 3 - Relative importance of steps (9-45).mp49 O6 U& J# Q1 R
    │      │      1 - 3 - Relative importance of steps (9-45).srt- G) L8 K: U/ \9 {0 S; D* D- V8 }
    │      │      1 - 4 - In and out of sample errors (6-57).mp4% ^' ?5 p) |. Q! [5 }0 h6 e: Y
    │      │      1 - 4 - In and out of sample errors (6-57).srt
2 r6 N. ?. z# V+ y* m    │      │      1 - 5 - Prediction study design (9-05).mp4
7 B* k. R, E5 _. R    │      │      1 - 5 - Prediction study design (9-05).srt# T/ L3 ]; X1 m
    │      │      1 - 6 - Getting Data Overview (1-34).mp4
7 f0 u* i' ^" |) }3 x, n! \+ n    │      │      1 - 6 - Types of errors (10-35).mp4- C6 Y: `* ^2 ?* s; P  _% S
    │      │      1 - 6 - Types of errors (10-35).srt
1 ]- w; @1 g1 r- F- ^    │      │      1 - 7 - Receiver Operating Characteristic (5-03).mp42 |. m7 m+ o+ W2 y) ]. n4 B9 z' `+ H! `
    │      │      1 - 7 - Receiver Operating Characteristic (5-03).srt4 m3 {+ o7 ?% `, p9 U) N6 ]
    │      │      1 - 8 - Cross validation (8-20).mp4
8 G; ^( w) F- w: `    │      │      1 - 8 - Cross validation (8-20).srt$ l# K, M: T5 {. }, y
    │      │      1 - 9 - What data should you use- (6-01).mp4" n. O+ z/ j1 W9 n4 F, w
    │      │      1 - 9 - What data should you use- (6-01).srt
- a: b+ k* E8 U! ~/ J/ H  Z    │      │      + J5 k( G* D3 v2 j! M
    │      ├─Week2/ q; v4 V+ {4 d
    │      │      010caretPackage.pdf2 t7 q' K$ U$ Y) J: J
    │      │      011dataSlicing.pdf
$ V- N  i+ T) y    │      │      012trainOptions.pdf
7 X, N" K& r( |    │      │      013plottingPredictors.pdf' P! s0 _8 b) d, W7 T. a# o
    │      │      014basicPreprocessing.pdf
% D/ a! x  r) P    │      │      015covariateCreation.pdf0 y0 Y4 O' d( k* y( f0 S
    │      │      016preProcessingPCA.pdf; x7 M% G9 U8 }7 W4 D2 y& z$ `
    │      │      017predictingWithRegression.pdf
1 t2 _8 y6 _% C' A$ a8 `. o5 k    │      │      018predictingWithRegressionMC.pdf6 D& N* R8 \% P; ]% L& a
    │      │      2 - 1 - Caret package (6-16).mp4: L' Q" K' Y# a1 q- @! H& _9 e3 F
    │      │      2 - 1 - Caret package (6-16).srt
. F4 X' n2 C  U    │      │      2 - 1 - Caret package (6-16).txt
6 _& o# r- g5 A4 {3 a! e    │      │      2 - 2 - Data slicing (5-40).mp4
- m$ e" z! @& @% E. k. K2 K    │      │      2 - 2 - Data slicing (5-40).srt
. D7 k1 {4 y" {; M7 `    │      │      2 - 2 - Data slicing (5-40).txt
2 V$ p. ]2 f7 u9 i* f/ b' q9 G    │      │      2 - 3 - Training options (7-15).mp4
' G3 O& H7 \( `0 X3 E+ ?    │      │      2 - 3 - Training options (7-15).srt
$ p: [! Y8 t" d    │      │      2 - 3 - Training options (7-15).txt
0 ]  g( ?2 g2 i% c    │      │      2 - 4 - Plotting predictors (10-39).mp4
2 M; p) w1 v* [5 K& O    │      │      2 - 4 - Plotting predictors (10-39).srt7 D# f2 }5 i9 i' X. K( z- q
    │      │      2 - 4 - Plotting predictors (10-39).txt& v' T9 S$ N! U8 H; s4 v1 O7 ]
    │      │      2 - 5 - Basic preprocessing (10-52).mp4
" s: i- H0 ?- T: h4 n    │      │      2 - 5 - Basic preprocessing (10-52).srt* b' L# s6 T& v1 i- }
    │      │      2 - 5 - Basic preprocessing (10-52).txt
; s' r  R6 F, g( N# ]* A    │      │      2 - 6 - Covariate creation (17-31).mp4
9 L. k: H8 m1 ?! L2 C$ B    │      │      2 - 6 - Covariate creation (17-31).srt
- [! T4 L, Z# D: {' L    │      │      2 - 6 - Covariate creation (17-31).txt- @& D; {$ J# Z) \5 Y/ M
    │      │      2 - 7 - Preprocessing with principal components analysis (14-07).mp4
7 @% q2 L3 S# ~4 B" y- C    │      │      2 - 7 - Preprocessing with principal components analysis (14-07).srt
+ A4 n! E# e6 I5 v. C    │      │      2 - 7 - Preprocessing with principal components analysis (14-07).txt* \0 ~& Z* F; q% _! v
    │      │      2 - 8 - Predicting with Regression (12-22).mp4
& W9 B: m6 B* }) R7 Q) h    │      │      2 - 8 - Predicting with Regression (12-22).srt
. F( f! n$ p, p+ Q    │      │      2 - 8 - Predicting with Regression (12-22).txt
  e4 s; f7 t6 ]6 d! t9 Q$ u8 S    │      │      2 - 9 - Predicting with Regression Multiple Covariates (11-12).mp44 S3 J2 b5 T3 k  a0 p4 j
    │      │      2 - 9 - Predicting with Regression Multiple Covariates (11-12).srt0 u; r8 ]$ o3 h$ u! e
    │      │      2 - 9 - Predicting with Regression Multiple Covariates (11-12).txt, q. e( m" K, F" B. `6 f/ D
    │      │      
2 I6 g1 x: j  x! h( ?    │      ├─Week3
& |$ O! H4 Y  c& \    │      │      019predictingWithTrees.pdf
) p4 I& L5 w( p/ z    │      │      020bagging.pdf
4 N7 z( h0 b- C8 t+ Q0 V    │      │      021randomForests.pdf
" P* t. O# z# J& }    │      │      022boosting.pdf0 G6 r3 b, [0 x3 L' G7 R+ l( P  ^, }
    │      │      023modelBasedPrediction.pdf: L9 S+ Q6 d1 G% B8 A, X9 M
    │      │      3 - 1 - Predicting with trees (12-51).mp4) @! X1 M; A' D, J% B6 K3 D1 y
    │      │      3 - 1 - Predicting with trees (12-51).srt" Z4 M' D; u# b% K. W
    │      │      3 - 1 - Predicting with trees (12-51).txt
7 e/ g# j9 l4 ]) I, Q+ x+ {    │      │      3 - 2 - Bagging (9-13).mp4" p& D2 m0 Z) h5 q0 t
    │      │      3 - 2 - Bagging (9-13).srt$ C8 n* l& J/ l) E# U
    │      │      3 - 2 - Bagging (9-13).txt
# H' D# L9 Z1 r% I9 s    │      │      3 - 3 - Random Forests (6-49).mp4
1 y9 @9 |* V% S* J# V' Y    │      │      3 - 3 - Random Forests (6-49).srt2 _4 W0 `, |' O/ F3 ?, t
    │      │      3 - 3 - Random Forests (6-49).txt
" ^9 h7 [0 u/ w( n4 W- [# c* Y    │      │      3 - 4 - Boosting (7-08).mp4
  v/ p! Q* J, f$ e6 ^6 k5 R    │      │      3 - 4 - Boosting (7-08).srt
. I* B, `% H; ?+ f& ]1 {, u    │      │      3 - 4 - Boosting (7-08).txt
& |/ |0 D: r+ N4 G2 e/ P    │      │      3 - 5 - Model Based Prediction (11-39).mp4
! w9 T  F* K6 m. J' F    │      │      3 - 5 - Model Based Prediction (11-39).srt
! C5 Q: G7 g9 D9 @& G' r    │      │      3 - 5 - Model Based Prediction (11-39).txt
5 M/ M% N' X( a" Z0 a  A    │      │      0 o. t4 }' ^3 I1 W' Q7 p5 Q
    │      └─Week48 L" n) j8 Y2 P6 s0 K9 D8 }; w/ {2 P0 T$ y
    │              024regularizedRegression.pdf8 G. e/ ?3 w5 I; e
    │              025combiningPredictors.pdf5 W4 m# F7 M- \" N) G9 e" v/ l
    │              026unsupervisedPrediction.pdf3 @8 q8 v& c. `, D
    │              027forecasting.pdf
8 ?! U7 j9 |7 z    │              4 - 1 - Regularized regression (13-20).mp4
' C  [6 x3 d% E2 Z# B5 o0 P7 s    │              4 - 1 - Regularized regression (13-20).srt
( R0 F/ [3 l5 h) B' l( s* s    │              4 - 1 - Regularized regression (13-20).txt% Z4 e- \1 ^1 Q
    │              4 - 2 - Combining predictors (7-11).mp4
( b) K5 r4 v# Y6 P4 B0 s    │              4 - 2 - Combining predictors (7-11).srt. \& {9 Y* ]) j/ ^5 q8 @) }
    │              4 - 2 - Combining predictors (7-11).txt! }: r- k+ s3 ~' A4 p
    │              4 - 3 - Forecasting.mp4: V3 P/ v$ N4 Y# F: T( d4 J. V9 m
    │              4 - 3 - Forecasting.srt
6 ]! s. O9 M4 b$ ^, t    │              4 - 3 - Forecasting.txt
8 w. h. }' e5 _% X1 B    │              4 - 4 - Unsupervised Prediction (4-24).mp4" y3 p4 c% Q: A; O9 d8 Y
    │              4 - 4 - Unsupervised Prediction (4-24).srt
2 X  t; q) O3 u( |4 J2 l% p    │              4 - 4 - Unsupervised Prediction (4-24).txt
2 B0 i  u1 S7 a6 G# Q" ], |2 s    │              
" h) ?# L& J! i- s/ p- U- p    ├─Sapiro - Image and video processing2 t" g0 @# N, \& C' ^1 Q
    │      01.pdf
' j' h- A7 t. \# r    │      02.pdf- T( x# @/ c, w9 o# i9 G# \. J
    │      03.pdf8 d* p7 o- x2 K; f% _* Z
    │      04.pdf8 x  @* w# k) i1 s' s( E7 k
    │      05.pdf
% }* Q0 S2 @3 E) w    │      06.pdf6 [/ b3 {+ {( q# a6 G
    │      07.pdf
, g1 P4 Z4 |# r( ?9 t2 c  [2 @  z5 u    │      08.pdf- S1 @7 L+ y/ _9 v% g6 ?# c$ P
    │      10 - 1 - 1 - Introduction to Medical Imaging - Duration 0703.mp4, S. B- u, c8 o: }5 s! K  g
    │      10 - 1 - 1 - Introduction to Medical Imaging - Duration 0703.srt5 F5 C2 \& T1 T" G- Z. {
    │      10 - 1 - 1 - Introduction to Medical Imaging - Duration 0703.txt) f9 i0 ^7 Z% e
    │      10 - 2 - 2 - Image Processing and HIV (Part I) - Duration 2351 - Optional breaks at 1237 and 1839.mp4) v' s0 ^; I( H. U
    │      10 - 2 - 2 - Image Processing and HIV (Part I) - Duration 2351 - Optional breaks at 1237 and 1839.srt! P' w* j7 }, {  O$ K
    │      10 - 2 - 2 - Image Processing and HIV (Part I) - Duration 2351 - Optional breaks at 1237 and 1839.txt) K4 P% k4 @4 g. g. ]
    │      10 - 3 - 2 - Image Processing and HIV (Part II) - Duration 1630.mp4' r! }8 K. @" R. R3 P, p
    │      10 - 3 - 2 - Image Processing and HIV (Part II) - Duration 1630.srt
7 x+ `  x3 |; }& T% [0 d; X( g% F    │      10 - 3 - 2 - Image Processing and HIV (Part II) - Duration 1630.txt
3 T8 K/ K" O7 O    │      10 - 4 - 3 - Brain Imaging Diffusion Imaging Deep Brain Stimulation - Duration 2628.mp4
1 w2 l2 o9 M+ j  m- j4 y    │      10 - 4 - 3 - Brain Imaging Diffusion Imaging Deep Brain Stimulation - Duration 2628.srt! J  V/ O1 @" i
    │      10 - 4 - 3 - Brain Imaging Diffusion Imaging Deep Brain Stimulation - Duration 2628.txt: n* A7 q+ j3 v  y
    │      10 - 5 - 4 - Thanks.mp4' k7 M8 `# B9 ]) @, @( x
    │      10 - 5 - 4 - Thanks.srt
4 g$ }- Q/ T9 s" J    │      10 - 5 - 4 - Thanks.txt* f; k, U0 ]+ E6 s; ?$ x4 _: ]
    │      2 - 1 - 0 - Welcome and Start Here.mp4
4 J$ J1 N2 F2 O& r0 I% K    │      2 - 1 - 0 - Welcome and Start Here.srt# K/ g' M- D5 O- b+ r" E% W: E8 A
    │      2 - 1 - 0 - Welcome and Start Here.txt
9 j( V* n* J* M( ?    │      2 - 2 - 1 - What is image and video processing (part 1) -  Duration 1049.mp4
5 i7 h3 b% A! s    │      2 - 2 - 1 - What is image and video processing (part 1) -  Duration 1049.srt; }/ ~/ p9 @3 i3 a+ Q
    │      2 - 3 - 1 - What is image and video processing (part 2) - Duration 1040.mp4
# m2 b4 a/ ^2 L8 o    │      2 - 3 - 1 - What is image and video processing (part 2) - Duration 1040.srt
, m3 I' I3 u+ X+ B. X, z7 k; K% q/ C    │      2 - 3 - 1 - What is image and video processing (part 2) - Duration 1040.txt7 n# E& T- E: S  f* m6 Z
    │      2 - 4 - 2 - Course logistics - Duration 0242.mp41 M5 z+ W& C4 I; a' f" T& _& E' ~. m
    │      2 - 4 - 2 - Course logistics - Duration 0242.srt. q4 d0 q( I9 f6 j
    │      2 - 4 - 2 - Course logistics - Duration 0242.txt5 ^6 L: l% S2 |: |* \% {
    │      2 - 5 - 3 - Images are everywhere - Duration 0631.mp4
1 ?: x- T( A. c* `  S  t    │      2 - 5 - 3 - Images are everywhere - Duration 0631.srt7 B4 X1 I; f+ b  i# l$ l5 D$ \* L
    │      2 - 5 - 3 - Images are everywhere - Duration 0631.txt% R* o5 l& o! |8 K( N9 _! V3 y
    │      2 - 6 - 4 - Human visual system - Duration 1710.mp4: Y+ b3 l0 j! G3 e7 r
    │      2 - 6 - 4 - Human visual system - Duration 1710.srt8 {7 A; Q# U7 {+ h, ]
    │      2 - 6 - 4 - Human visual system - Duration 1710.txt
, [# s% `* g4 n, L# n    │      2 - 7 - 5 - Image formation - Sampling  Quantization - Duration 2817.mp4
! Y! _2 B" G" F- T  y& G    │      2 - 7 - 5 - Image formation - Sampling  Quantization - Duration 2817.srt
  d+ W+ _5 W( s( H    │      2 - 7 - 5 - Image formation - Sampling  Quantization - Duration 2817.txt
! D! J+ D/ k9 u0 q4 b/ K+ o- H1 }    │      2 - 8 - 6 - Simple image operations - Duration 1705.mp4
0 Z. G6 R5 ~; c& N1 h: L    │      2 - 8 - 6 - Simple image operations - Duration 1705.srt! A- J$ I9 g0 L
    │      2 - 8 - 6 - Simple image operations - Duration 1705.txt0 S9 P4 e" T0 y3 ?  c: X
    │      3 - 1 - 1 - The why and how of compression - Duration 1416.mp44 E! n. M" G7 D4 r: ?- {% z  s* `
    │      3 - 1 - 1 - The why and how of compression - Duration 1416.srt
$ ]3 d6 o1 ?7 R9 U    │      3 - 1 - 1 - The why and how of compression - Duration 1416.txt. @% _0 ^& n0 V( w: r6 g
    │      3 - 2 - 2 - Huffman coding - Duration 2011 - Optional break at 0653.mp4
1 a( v( K8 g. j; t: y+ t4 p" G    │      3 - 2 - 2 - Huffman coding - Duration 2011 - Optional break at 0653.srt
: X& ]; O8 z1 d: A0 Y$ Q( o  p' _    │      3 - 2 - 2 - Huffman coding - Duration 2011 - Optional break at 0653.txt
) h: C: F  g2 W5 F- l: h& P    │      3 - 3 - 3 - JPEGs 8x8 blocks - Duration 0537.mp4
% M( Y( m$ O6 g& V    │      3 - 3 - 3 - JPEGs 8x8 blocks - Duration 0537.srt
+ |' z3 X# G0 ^    │      3 - 3 - 3 - JPEGs 8x8 blocks - Duration 0537.txt$ R3 }% C* m' q/ I: z
    │      3 - 4 - 4 - The Discrete Cosine Transform (DCT) - Duration 2532 - Optional break at 1213.mp4
5 w3 m* {, Y$ s, n: v( m7 M    │      3 - 4 - 4 - The Discrete Cosine Transform (DCT) - Duration 2532 - Optional break at 1213.srt
3 T5 f" A3 U1 y4 u0 b1 L$ C" T    │      3 - 4 - 4 - The Discrete Cosine Transform (DCT) - Duration 2532 - Optional break at 1213.txt4 T0 e4 K' X0 L% B2 Q+ [+ t2 ]
    │      3 - 5 - 5 - Quantization - Duration 2402 - Optional breaks at 0848 and 1718.mp43 K; S2 N) A; p8 d
    │      3 - 5 - 5 - Quantization - Duration 2402 - Optional breaks at 0848 and 1718.srt+ Y$ [; u$ L/ n, p* m% v
    │      3 - 5 - 5 - Quantization - Duration 2402 - Optional breaks at 0848 and 1718.txt- M) m% p- V% q- A) c3 u5 H- r- a
    │      3 - 6 - 6 - JPEG_LS and MPEG - Duration 1932 - Optional break at 1345.mp4
& I3 l+ C( \/ f' m    │      3 - 6 - 6 - JPEG_LS and MPEG - Duration 1932 - Optional break at 1345.srt: D/ o4 y, j/ w+ v7 q7 X
    │      3 - 6 - 6 - JPEG_LS and MPEG - Duration 1932 - Optional break at 1345.txt
6 \( Q' B2 h+ f1 q# T) w! U8 `    │      3 - 7 - 7 - Bonus Run-length compression - Duration 0429.mp4( z9 e7 O$ g# ?- g
    │      3 - 7 - 7 - Bonus Run-length compression - Duration 0429.srt$ ?; g) S7 X, u$ p
    │      3 - 7 - 7 - Bonus Run-length compression - Duration 0429.txt! K" a' t4 C1 d, a/ _! w* S9 Z
    │      4 - 1 - 1 - Introduction to image enhancement - Duration 1911 - Optional break at 0833.mp4
) e9 u3 y7 f/ e4 Z4 O    │      4 - 1 - 1 - Introduction to image enhancement - Duration 1911 - Optional break at 0833.srt7 S. M' `4 o% q  {" q
    │      4 - 1 - 1 - Introduction to image enhancement - Duration 1911 - Optional break at 0833.txt
+ G) S0 S0 m. A, \. g4 C; Y! P    │      4 - 10 - 10 - Demo - Median filter - Duration 0131.mp4
/ `+ p$ \6 J. N# `) A+ h& n    │      4 - 10 - 10 - Demo - Median filter - Duration 0131.srt
0 Y7 K1 q+ x8 ^    │      4 - 10 - 10 - Demo - Median filter - Duration 0131.txt* C8 _& ?" z! _! ]7 v: G
    │      4 - 11 - 11 - Derivatives Laplacian  Unsharp masking - Duration 1424 - Optional breaks at 0521 and 1133.mp4. Q, W8 }9 p# U6 b3 L3 m
    │      4 - 11 - 11 - Derivatives Laplacian  Unsharp masking - Duration 1424 - Optional breaks at 0521 and 1133.srt( t. a( ?: r: ?! G5 w+ E- u, J
    │      4 - 11 - 11 - Derivatives Laplacian  Unsharp masking - Duration 1424 - Optional breaks at 0521 and 1133.txt2 z) ?5 U/ {# a. k5 b
    │      4 - 12 - 12 - Demo - Unsharp masking - Duration 0310.mp4
- C* o) U9 M) c+ k2 s7 G. d    │      4 - 12 - 12 - Demo - Unsharp masking - Duration 0310.srt) n: a% c7 y4 m) a) Q6 [1 h
    │      4 - 12 - 12 - Demo - Unsharp masking - Duration 0310.txt
( @7 C/ P# O$ k. N% r    │      4 - 13 - 13 - Gradients of scalar and vector images - Duration 0557.mp4
2 h9 `. J! [' S# R    │      4 - 13 - 13 - Gradients of scalar and vector images - Duration 0557.srt2 W# u/ a% A4 m) \
    │      4 - 13 - 13 - Gradients of scalar and vector images - Duration 0557.txt9 L: w4 x& g  ]
    │      4 - 14 - 14 - Concluding remarks - Duration 0112.mp46 a8 Q; Q) F3 U8 S" n7 h7 _4 J& ~
    │      4 - 14 - 14 - Concluding remarks - Duration 0112.srt
1 o* ], n+ M! R8 @! ?: P$ P8 N    │      4 - 14 - 14 - Concluding remarks - Duration 0112.txt
$ ?' e% Z: `" f6 u, f    │      4 - 2 - 2 - Demo - Enhancement  Histogram modification - Duration 0353.mp4; s( N/ A9 i) P6 e/ g# A
    │      4 - 2 - 2 - Demo - Enhancement  Histogram modification - Duration 0353.srt* i" A6 U' t) g
    │      4 - 2 - 2 - Demo - Enhancement  Histogram modification - Duration 0353.txt
4 I1 z" }8 T' w3 G0 F    │      4 - 3 - 3 - Histogram equalization - Duration 1956 - Optional breaks at 0440 and 1130.mp4
* f, p5 A5 D6 ]7 O& w& g9 F1 j    │      4 - 3 - 3 - Histogram equalization - Duration 1956 - Optional breaks at 0440 and 1130.srt
! Y! A3 `. P1 C' p: H3 Q  {  {    │      4 - 3 - 3 - Histogram equalization - Duration 1956 - Optional breaks at 0440 and 1130.txt7 y* R5 b+ r! _6 Q: x( [0 `
    │      4 - 4 - 4 - Histogram matching - Duration 0831.mp42 S& K+ P3 \+ t. N0 i! U2 `5 t
    │      4 - 4 - 4 - Histogram matching - Duration 0831.srt$ c2 `' b/ j  t9 Z0 v
    │      4 - 4 - 4 - Histogram matching - Duration 0831.txt- u% I% }/ }- E8 n# q$ N
    │      4 - 5 - 5 - Introduction to local neighborhood operations - Duration 0646.mp4
8 f/ l& {7 _  p. V    │      4 - 5 - 5 - Introduction to local neighborhood operations - Duration 0646.srt1 I, }$ ?  F5 p/ W5 Z1 ]) K; C
    │      4 - 5 - 5 - Introduction to local neighborhood operations - Duration 0646.txt; @; h. H! F$ F
    │      4 - 6 - 6 - Mathematical properties of averaging - Duration 1100.mp4, [& |. T. p$ U* R+ J5 D
    │      4 - 6 - 6 - Mathematical properties of averaging - Duration 1100.srt
% |) w- F! I( D    │      4 - 6 - 6 - Mathematical properties of averaging - Duration 1100.txt
2 m; }& y# N5 t8 `7 M5 k5 d    │      4 - 7 - 7 - Non-Local means - Duration 0727.mp4+ o2 C+ c( o! G+ n) D, t. V5 {2 \! s
    │      4 - 7 - 7 - Non-Local means - Duration 0727.srt9 r4 [# t. e, T' Y8 d! {
    │      4 - 7 - 7 - Non-Local means - Duration 0727.txt
1 H' t2 B4 Q! b; ^. ^    │      4 - 8 - 8 - IPOL Demo - Non-Local means - Duration 0338.mp4& W# X3 B& @! |' v4 f8 M. ~
    │      4 - 8 - 8 - IPOL Demo - Non-Local means - Duration 0338.srt/ o6 X3 \% C- W2 E0 d* |
    │      4 - 8 - 8 - IPOL Demo - Non-Local means - Duration 0338.txt' ~3 Z4 E9 b! r1 G7 t
    │      4 - 9 - 9 - Median filter - Duration 0720.mp4+ R8 y) ]+ L2 C7 G1 B/ i9 B
    │      4 - 9 - 9 - Median filter - Duration 0720.srt9 Z% F/ I) K" C: Z/ ]0 K
    │      4 - 9 - 9 - Median filter - Duration 0720.txt
8 r, |- I: G) h& ]    │      5 - 1 - 1 - What is image restoration - Duration 0749.mp4( z2 H7 i% n1 q' D- {" I
    │      5 - 1 - 1 - What is image restoration - Duration 0749.srt0 B$ j8 y% i: d# x
    │      5 - 1 - 1 - What is image restoration - Duration 0749.txt
) Z" W9 }# r4 U  y    │      5 - 2 - 2 - Noise types - Duration 1243.mp4
8 o6 C! _) v7 [% }    │      5 - 2 - 2 - Noise types - Duration 1243.srt+ G, B! C7 W/ y& W. ~; e
    │      5 - 2 - 2 - Noise types - Duration 1243.txt/ F. m# T% O1 B( B) o
    │      5 - 3 - 3 - Demo - Types of noise - Duration 0303.mp4
" a. A# u, j6 X/ a( V* H5 o. l    │      5 - 3 - 3 - Demo - Types of noise - Duration 0303.srt
4 d6 y- W* q5 D* J. C    │      5 - 3 - 3 - Demo - Types of noise - Duration 0303.txt) ~7 B( @2 j  d# S4 U& d
    │      5 - 4 - 4 - Noise and histograms - Duration 0452.mp4
! t) |8 Z% d/ m: N$ ~4 G: {" X    │      5 - 4 - 4 - Noise and histograms - Duration 0452.srt/ U4 e; \: p( E5 @% n! j4 r
    │      5 - 4 - 4 - Noise and histograms - Duration 0452.txt# o% d5 u' q. \
    │      5 - 5 - 5 - Estimating noise - Duration 1041 - Optional break at 0503.mp4
7 |. M$ n: R4 X' |3 c: O    │      5 - 5 - 5 - Estimating noise - Duration 1041 - Optional break at 0503.srt9 @$ f1 ?8 I. `$ C4 D7 M
    │      5 - 5 - 5 - Estimating noise - Duration 1041 - Optional break at 0503.txt0 o9 B+ R! H& a: k* W
    │      5 - 6 - 6 - Degradation Function - Duration 1140.mp45 w( w1 `3 q# [
    │      5 - 6 - 6 - Degradation Function - Duration 1140.srt- }4 G* P3 V9 C  l% O- x
    │      5 - 6 - 6 - Degradation Function - Duration 1140.txt! ?* i% x$ c9 e+ T3 r/ A7 r3 g) z, B
    │      5 - 7 - 7 - Wiener filtering - Duration 1234 - Optional break at 0654.mp4( Y* |8 Q2 D5 n: @( \
    │      5 - 7 - 7 - Wiener filtering - Duration 1234 - Optional break at 0654.srt
. ~7 O2 F1 D; ~3 e, ?% r    │      5 - 7 - 7 - Wiener filtering - Duration 1234 - Optional break at 0654.txt
5 l2 I5 L$ N) F- h8 Y    │      5 - 8 - 8 - Demo - Wiener and Box filters - Duration 0319.mp47 K/ a% ~0 W' K& n
    │      5 - 8 - 8 - Demo - Wiener and Box filters - Duration 0319.srt
( I% M3 M+ L, B) }    │      5 - 8 - 8 - Demo - Wiener and Box filters - Duration 0319.txt
6 k0 ]1 I' F9 t9 b, T    │      5 - 9 - 9 - Concluding remarks - Duration 0033.mp4
2 W3 q" I  e! U( r% s# `! f& x. u    │      5 - 9 - 9 - Concluding remarks - Duration 0033.srt
4 D; L/ N. m) J& m% c    │      5 - 9 - 9 - Concluding remarks - Duration 0033.txt
+ E: [/ ]* ~# m5 \" e9 _. i    │      6 - 1 - 1 - Introduction to Segmentation - Duration 0417.mp4/ d4 g  O; K9 W3 {
    │      6 - 1 - 1 - Introduction to Segmentation - Duration 0417.srt
4 `- g5 B/ O2 F! O    │      6 - 1 - 1 - Introduction to Segmentation - Duration 0417.txt. i; x$ m& _4 O1 W. o: ?( m' C) X
    │      6 - 10 - 10 - Active Contours - Introduction with ipol.im and Photoshop Demos - Duration 0558.mp4( g* L# P9 P7 p4 C( }
    │      6 - 10 - 10 - Active Contours - Introduction with ipol.im and Photoshop Demos - Duration 0558.srt1 u: s5 b# F: R" C) e' ~# q4 @
    │      6 - 10 - 10 - Active Contours - Introduction with ipol.im and Photoshop Demos - Duration 0558.txt
8 r. U, ^* }. Q; b1 w) h+ r    │      6 - 11 - 11 - Behind the Scenes of Adobes Roto Brush - Duration 3129 - Optional breaks at 2030 and 2726.mp4
, R, t3 E& D8 ~# Y3 g/ Z4 b    │      6 - 11 - 11 - Behind the Scenes of Adobes Roto Brush - Duration 3129 - Optional breaks at 2030 and 2726.srt' E( z, J% o$ ]8 t' ?
    │      6 - 11 - 11 - Behind the Scenes of Adobes Roto Brush - Duration 3129 - Optional breaks at 2030 and 2726.txt
) Y1 {+ o) W! O6 Z( L; A/ J    │      6 - 12 - 12 - End of the Week - Duration 0021.mp48 x% T- {$ h$ ~" V
    │      6 - 12 - 12 - End of the Week - Duration 0021.srt
6 S4 a  r0 [9 O- E* x2 p    │      6 - 12 - 12 - End of the Week - Duration 0021.txt, ?7 H/ Q! u" G' R) p/ A/ A: p
    │      6 - 2 - 2 - On Edges and Regions - Duration 0517.mp4$ y5 I/ P+ E6 n
    │      6 - 2 - 2 - On Edges and Regions - Duration 0517.srt3 e7 C% Z5 H/ M/ x+ T
    │      6 - 2 - 2 - On Edges and Regions - Duration 0517.txt
8 h; K1 j! h  n( N. l3 a5 \% b    │      6 - 3 - 3 - Hough Transform with Matlab Demo - Duration 2059.mp4- h" `. t1 Y1 Y# J7 G( y
    │      6 - 3 - 3 - Hough Transform with Matlab Demo - Duration 2059.srt+ t, ~4 L( f2 c' M# k! x, \
    │      6 - 3 - 3 - Hough Transform with Matlab Demo - Duration 2059.txt
- s; i9 Q& a- N- z1 H- s) r8 T    │      6 - 4 - 4 - Line Segment Detector with Demo - Duration 0320.mp4- T% y8 u  O  c  j# o
    │      6 - 4 - 4 - Line Segment Detector with Demo - Duration 0320.srt
. J1 y4 q. X" F; I    │      6 - 4 - 4 - Line Segment Detector with Demo - Duration 0320.txt
$ m+ q2 N, n5 y, V3 C    │      6 - 5 - 5 - Otsus Segmentation with Demo - Duration 1425.mp4
3 k' \& b- ~" U! W, ~' ~    │      6 - 5 - 5 - Otsus Segmentation with Demo - Duration 1425.srt7 o6 ^! j7 X2 u3 h5 R
    │      6 - 5 - 5 - Otsus Segmentation with Demo - Duration 1425.txt5 [4 V  J1 a( t- `8 @* r
    │      6 - 6 - 6 - Congratulations - Duration 0017.mp4
  Y, ~- e( U5 S1 m# c    │      6 - 6 - 6 - Congratulations - Duration 0017.srt
! J! u1 [0 k5 W' U8 f) |    │      6 - 6 - 6 - Congratulations - Duration 0017.txt
5 k3 m7 e4 v  V7 c) d    │      6 - 7 - 7 - Interactive Image Segmentation - Duration 2113.mp4' d; Q3 [3 L9 A( b2 I4 U* R
    │      6 - 7 - 7 - Interactive Image Segmentation - Duration 2113.srt5 a8 f. W. P% r3 U/ W
    │      6 - 7 - 7 - Interactive Image Segmentation - Duration 2113.txt) C4 O( y' @9 k
    │      6 - 8 - 8 - Graph Cuts and Ms Office - Duration 0934.mp4
0 j" N9 ^& C0 S( K    │      6 - 8 - 8 - Graph Cuts and Ms Office - Duration 0934.srt
) a- I, t) h( _( D$ R& q% M    │      6 - 8 - 8 - Graph Cuts and Ms Office - Duration 0934.txt6 m$ ?/ {! N; \/ X' ~8 N1 m
    │      6 - 9 - 9 - Mumford-Shah - Duration 0550.mp4
- J" |. r$ d( E: |0 O0 T( g    │      6 - 9 - 9 - Mumford-Shah - Duration 0550.srt
' q6 N/ k' a9 `0 t" [" v6 g    │      6 - 9 - 9 - Mumford-Shah - Duration 0550.txt
! ?7 ^: {8 r& q4 r' X; |" S. `( _    │      7 - 1 - 1 - Introduction to PDEs in Image and Video Processing - Duration 1022.mp4
" @) |% {4 Y1 q3 N/ G3 \    │      7 - 1 - 1 - Introduction to PDEs in Image and Video Processing - Duration 1022.srt% i  f  V/ I$ j/ _7 K8 @- R" h
    │      7 - 1 - 1 - Introduction to PDEs in Image and Video Processing - Duration 1022.txt
, W: S8 ^7 G% E$ a' E% K' l    │      7 - 2 - 2 - Planar Differential Geometry - Duration 3833 - Optional breaks at 1246 2103 and 2941.mp4/ O9 {/ F/ D9 T) E( a% _; K- Z
    │      7 - 2 - 2 - Planar Differential Geometry - Duration 3833 - Optional breaks at 1246 2103 and 2941.srt
& L' F* X( G5 Q    │      7 - 2 - 2 - Planar Differential Geometry - Duration 3833 - Optional breaks at 1246 2103 and 2941.txt  m2 ^0 r: k8 P3 Q% r, Z  r; [# i7 y
    │      7 - 3 - 3 - Surface Differential Geometry - Duration 1143.mp44 V- ?. ^" T% q7 K
    │      7 - 3 - 3 - Surface Differential Geometry - Duration 1143.srt
# H3 g; Q8 ?) b, E7 ~. a    │      7 - 3 - 3 - Surface Differential Geometry - Duration 1143.txt
( [: f  {% i/ y1 u- K    │      7 - 4 - 4 - Curve Evolution - Duration 3110 - Optional breaks at 0850 1925 and 2422.mp47 g2 Y6 ^9 I% D' ]6 a+ C
    │      7 - 4 - 4 - Curve Evolution - Duration 3110 - Optional breaks at 0850 1925 and 2422.srt* h4 U+ ?( q2 V, X. S- d2 o* J
    │      7 - 4 - 4 - Curve Evolution - Duration 3110 - Optional breaks at 0850 1925 and 2422.txt) t; h/ h* G3 W+ c5 A1 \
    │      7 - 5 - 5 - Level Sets and Curve Evolution - Duration 2534 - Optional break at 1430.mp4" W2 f: I4 z2 ]
    │      7 - 5 - 5 - Level Sets and Curve Evolution - Duration 2534 - Optional break at 1430.srt. @$ z1 H- j: U: R9 V( n
    │      7 - 5 - 5 - Level Sets and Curve Evolution - Duration 2534 - Optional break at 1430.txt3 p- f# d- ]) t2 P
    │      7 - 6 - 6 - Calculus of Variations - Duration 1403 - Optional break at 0623.mp4
7 o+ r& F# k" E' l0 b* z    │      7 - 6 - 6 - Calculus of Variations - Duration 1403 - Optional break at 0623.srt' w- i( v9 r3 R3 P  v* q  t4 T
    │      7 - 6 - 6 - Calculus of Variations - Duration 1403 - Optional break at 0623.txt
# y! y6 i7 `( P    │      7 - 7 - 7 - Anisotropic Diffusion - Duration 1117.mp4
0 S! P2 |' ~1 W+ `    │      7 - 7 - 7 - Anisotropic Diffusion - Duration 1117.srt
3 H: R+ R' W4 B+ W    │      7 - 7 - 7 - Anisotropic Diffusion - Duration 1117.txt$ F  D3 V( V1 |; |( ]
    │      7 - 8 - 8 - Active Contours - Duration 1657 - Optional break at 0623.mp4
7 j* h) [6 d! Y; Z! e1 _7 M$ U4 A    │      7 - 8 - 8 - Active Contours - Duration 1657 - Optional break at 0623.srt! k: \1 C) z9 ~; X
    │      7 - 8 - 8 - Active Contours - Duration 1657 - Optional break at 0623.txt' h1 u  O. x# b3 t5 I5 _
    │      7 - 9 - 9 - Bonus Cool Contrast Enhancement via PDEs - Duration 0832.mp4
5 F" ^- a  c  x9 v, S$ {    │      7 - 9 - 9 - Bonus Cool Contrast Enhancement via PDEs - Duration 0832.srt
# J2 J! U5 x. p    │      7 - 9 - 9 - Bonus Cool Contrast Enhancement via PDEs - Duration 0832.txt" `$ X% u; `  C! X+ M* E. P8 ^$ O" X, W+ J
    │      8 - 1 - 1 - Introduction to Image Inpainting - Duration 0816.mp4
6 m- w9 u6 h* P- t% \, V- T8 F/ @6 G    │      8 - 1 - 1 - Introduction to Image Inpainting - Duration 0816.srt% Y7 u5 q2 u6 G% o6 A8 ^
    │      8 - 1 - 1 - Introduction to Image Inpainting - Duration 0816.txt8 r+ j) D" T) w. A( n: C9 e0 t/ L0 C
    │      8 - 2 - 2 - Inpainting in Nature - Duration 0501.mp4) S+ W- X) v% p
    │      8 - 2 - 2 - Inpainting in Nature - Duration 0501.srt
2 p; m% A" ^# H9 t4 k/ E+ u    │      8 - 2 - 2 - Inpainting in Nature - Duration 0501.txt! O% a% Q* X* k3 O1 M
    │      8 - 3 - 3 - PDEs and Inpainting - Duration 2159 - Optional break at 1331.mp4
- x- O# h0 l$ ]" n2 y    │      8 - 3 - 3 - PDEs and Inpainting - Duration 2159 - Optional break at 1331.srt
' |$ n4 M; R" [$ c- k' f2 u" D    │      8 - 3 - 3 - PDEs and Inpainting - Duration 2159 - Optional break at 1331.txt8 S4 |' U+ S1 a0 z: i
    │      8 - 4 - 4 - Inpainting via Calculus of Variations - Duration 1532 - Optional break at 1006.mp4- y* P2 {. k/ U, g6 b
    │      8 - 4 - 4 - Inpainting via Calculus of Variations - Duration 1532 - Optional break at 1006.srt5 X: b2 ]" d; D# V) f4 P
    │      8 - 4 - 4 - Inpainting via Calculus of Variations - Duration 1532 - Optional break at 1006.txt
& a) w- M( W4 t4 Y, ^0 i; d* F    │      8 - 5 - 5 - Smart Cut and Paste - Duration 0751.mp4/ c% `9 _+ L: ]2 d( B' _
    │      8 - 5 - 5 - Smart Cut and Paste - Duration 0751.srt  _  F+ C! L, H7 x) o
    │      8 - 5 - 5 - Smart Cut and Paste - Duration 0751.txt& Q6 [; y9 N0 S, r- W& Q
    │      8 - 6 - 6 - Demo - Photoshop Inpainting Healing Brush - Duration 0231.mp48 _7 p4 o( ]) H* t4 k
    │      8 - 6 - 6 - Demo - Photoshop Inpainting Healing Brush - Duration 0231.srt
" w; K( |8 j6 |; I9 |* w    │      8 - 6 - 6 - Demo - Photoshop Inpainting Healing Brush - Duration 0231.txt' Q% T' T( T( y8 D! ~' N; [' g
    │      8 - 7 - 7 - Video Inpainting and Conclusions - Duration 0513.mp46 {/ P8 Q+ j+ b$ l  x
    │      8 - 7 - 7 - Video Inpainting and Conclusions - Duration 0513.srt6 W- R! p6 y4 g2 [: C2 Q# T
    │      8 - 7 - 7 - Video Inpainting and Conclusions - Duration 0513.txt2 f& |; w. E: v# _" s+ R- H7 }
    │      9 - 1 - 1 - Introduction to Sparse Modeling - Part 1 - Duration 1039 .mp4
  a) [8 M9 @) t( ?% R8 T) f* S( D    │      9 - 1 - 1 - Introduction to Sparse Modeling - Part 1 - Duration 1039.mp4
$ K7 N4 `" Z4 w+ c    │      9 - 1 - 1 - Introduction to Sparse Modeling - Part 1 - Duration 1039.srt9 G( j) }0 c, v9 M: ]) L* x
    │      9 - 1 - 1 - Introduction to Sparse Modeling - Part 1 - Duration 1039.txt
回复 支持 反对

使用道具 举报

小硬盘 [超级版主] 发表于 2017-4-26 22:49:39 | 显示全部楼层
  g& \/ m7 G$ v. T/ s+ ]
    │      9 - 2 - 2 - Introduction to Sparse Modeling - Part 2 - Duration 1816.mp45 J' }: X4 H: D" r# c) S
    │      9 - 2 - 2 - Introduction to Sparse Modeling - Part 2 - Duration 1816.srt
# b7 b( d. d: h2 t9 Q    │      9 - 2 - 2 - Introduction to Sparse Modeling - Part 2 - Duration 1816.txt
7 Z8 ^4 Y0 L) N    │      9 - 3 - 3 - Sparse Modeling - Implementation - Duration 2430 - Optional break at 1158.mp4
$ B7 y* p: Z, A9 J+ [. v% S    │      9 - 3 - 3 - Sparse Modeling - Implementation - Duration 2430 - Optional break at 1158.srt
# D: H( o& w, q2 o" ]; Q0 h    │      9 - 3 - 3 - Sparse Modeling - Implementation - Duration 2430 - Optional break at 1158.txt! a& v5 A5 I- l+ _
    │      9 - 4 - 4 - Dictionary Learning - Duration 1713 - Optional break at 0603.mp4
9 m7 L* P2 e8 I    │      9 - 4 - 4 - Dictionary Learning - Duration 1713 - Optional break at 0603.srt
' U& d9 W+ H  H* I  g6 S2 o    │      9 - 4 - 4 - Dictionary Learning - Duration 1713 - Optional break at 0603.txt: J$ C5 u1 Y5 D# l+ y
    │      9 - 5 - 5 - Sparse Modeling Image Processing Examples - Duration 2057 - Optional break at 0925.mp4: Z! O0 }8 O8 J1 P$ V, o
    │      9 - 5 - 5 - Sparse Modeling Image Processing Examples - Duration 2057 - Optional break at 0925.srt( m( S$ E5 q+ D# g: M8 {3 r" O  k
    │      9 - 5 - 5 - Sparse Modeling Image Processing Examples - Duration 2057 - Optional break at 0925.txt
1 n: z9 o" ?( G- d" ?* w" T    │      9 - 6 - 6 - A Note on Compressed Sensing - Duration 0510.mp4, c0 s, u3 {: d
    │      9 - 6 - 6 - A Note on Compressed Sensing - Duration 0510.srt, T& a. T9 P4 e2 c% M& D: x
    │      9 - 6 - 6 - A Note on Compressed Sensing - Duration 0510.txt$ I, p& X' Q. q% E: k7 I
    │      9 - 7 - 7 - GMM and Structured Sparsity - Duration 1540.mp4, S5 X9 O8 f1 A# K
    │      9 - 7 - 7 - GMM and Structured Sparsity - Duration 1540.srt
8 a& ?  |" v, T! h3 P1 Y, Z    │      9 - 7 - 7 - GMM and Structured Sparsity - Duration 1540.txt3 d0 l1 U4 @' i' W
    │      9 - 8 - 8 - Bonus Sparse Modeling and Classification - Activity Recognition - Duration 1510.mp4
8 O. k. K! l% s% ~* b  _# A! v# |2 c+ d    │      9 - 8 - 8 - Bonus Sparse Modeling and Classification - Activity Recognition - Duration 1510.srt
9 B( K* n+ g  k* K/ ^: l    │      9 - 8 - 8 - Bonus Sparse Modeling and Classification - Activity Recognition - Duration 1510.txt
( z" z7 `" t- j8 n    │      下载说明.txt
1 g% T0 ]6 l; x6 k/ k8 q2 F    │      关注我们.png4 `. Z/ }; G! H7 K! t4 n1 q
    │      攻城狮论坛=网络技术+编程视频.url
+ w. T+ j6 b# l& F# {    │      解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt
8 d! y( w- i7 [  P3 c1 @; J$ x" C/ u! T    │      2 [2 c" j$ G3 y
    ├─Udacity
! D! K4 U5 {- \! A    │  │  下载说明.txt5 N* V( h" q7 E& E0 [* c
    │  │  关注我们.png3 f- o, |+ ~" j' J# B4 j: ]' S- _
    │  │  攻城狮论坛=网络技术+编程视频.url
! ~& N+ [% P" S6 k    │  │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt
! D, n- S& V1 M    │  │  
1 j$ F8 ~( ]# ]" M* U; W    │  ├─CS046 Introduction to Programming in Java Learning Java
. M8 ~% ]( J! n/ p) x% a    │  │      Lesson_1_-_Introduction.zip( [% |( P+ w. |; @
    │  │      Lesson_2_-_Objects.zip
9 _0 Y  w* X: X- X9 ^, D$ o* P    │  │      Lesson_3_-_Classes.zip' [# i* i# `! r
    │  │      Lesson_4_-_Fundamental_Data_Types.zip
' p; G" c0 E4 {+ @    │  │      Lesson_5.1_-_Decisions.zip4 u9 j7 N; J$ f) p2 U+ Q
    │  │      Lesson_5.2_-_Decisions.zip
2 @. M. s( t. [5 }9 \% V& u  a    │  │      Lesson_6.1_-_Loops.zip
- }, G6 k9 ^2 P; a: x$ }, n5 q    │  │      Lesson_6.2_-_Loops.zip' X, w5 L9 N/ z' x1 w$ ?
    │  │      Lesson_7.1_-_ArrayLists_and_Arrays.zip
9 @, i; P6 J% n) s. U& }0 o/ y    │  │      Lesson_7.2_-_ArrayLists_and_Arrays.zip! S+ [7 `0 P/ ?) w
    │  │      Lesson_7.3_-_ArrayLists_and_Arrays.zip- ?/ G3 M% D" ~. [* o: z
    │  │      Lesson_8.zip
+ m" a& `2 Q; r* E# i8 j    │  │      Lesson_8_-_More_About_Classes.zip- E" `: {  e' x
    │  │      Lesson_9_-_Interfaces_and_Inheritance.zip* [: a+ y$ q! ]2 t* R, m
    │  │      
7 N/ H0 q. G% m! z9 S    │  ├─CS101 Intro to Computer Science Building a Search Engine$ h) E5 ?* d4 a* \0 m5 `
    │  │      Exam_Part_2_Starred-subtitles.en.zip
0 U% }+ ?- C8 d* E+ i    │  │      Lesson_10_Inheritance.zip+ G, I0 F! S5 F+ J" j1 f
    │  │      Lesson_11_Files,_IO,_and_Exceptions.zip0 ]* O& L$ M9 ~1 z" y  k7 W
    │  │      Lesson_1_How_to_Get_Started.zip
8 e, {1 \8 v" L) [" A    │  │      Lesson_1_Problem_Set.zip/ N3 ~- A, g. @/ ]3 r
    │  │      Lesson_2.5_How_To_Solve_Problems.zip* {2 }( K5 w2 l! e4 t4 d5 J
    │  │      Lesson_2_How_to_Repeat.zip
& }* }9 d# h  J5 D3 C( v    │  │      Lesson_2_Problem_Set.zip
" z" F# n" H6 C, n    │  │      Lesson_3_How_to_Manage_Data.zip
+ T$ d! O/ W! X6 j    │  │      Lesson_3_Problem_Set.zip
9 L+ w" {4 S4 z$ `! |% o& M    │  │      Lesson_4_Problem_Set.zip/ u8 u/ [2 l! T! _( q$ U' O: g
    │  │      Lesson_4_Responding_to_Queries.zip
0 Q) L& y* ^9 A7 s5 c' S    │  │      Lesson_5_How_Programs_Run.zip) g7 g. l- ?- W/ f* G
    │  │      Lesson_5_Problem_Set.zip
, p! s+ u2 |( n8 N# Z    │  │      Lesson_6_How_to_Have_Infinite_Power.zip6 b  t5 v( G) Q8 L/ x- y
    │  │      Lesson_6_Problem_Set.zip
/ [+ B3 P0 A" c" _    │  │      Lesson_7_Past,_Present,_and_Future_of_Computing.zip
( H+ `3 F; j) G. d    │  │      Lesson_8_Learning_New_Things.zip
5 H7 f5 R$ D1 x4 ?    │  │      Lesson_9_Modules_and_Classes.zip
4 Y, R8 ^9 P3 d/ X( s1 E, Q9 x% h    │  │      Problem_Set_1-subtitles.en.zip
+ r9 X4 J" r3 r1 [/ U4 M    │  │      Problem_Set_1.zip# c- D5 z0 V- A" g% T% G2 B; i- `
    │  │      Problem_Set_2-subtitles.en.zip; G7 ~9 A$ s" ^4 h  z/ P& `
    │  │      Problem_Set_2.zip/ [+ h+ n1 ]- q* d9 e! G1 `
    │  │      Problem_Set_3-subtitles.en.zip
4 j7 V! |7 w2 p; Y' a  ?4 n- p    │  │      Problem_Set_3.zip& S0 `# }- H* t6 r7 F' j
    │  │      Problem_Set_4-subtitles.en.zip
0 q! y/ M1 [, B! f1 h    │  │      Problem_Set_4.zip$ w- @5 a: Z& ]* v6 P8 s: N9 q8 |
    │  │      Problem_Set_5-subtitles.en.zip
! Y( o4 u  X2 e% B  L    │  │      Problem_Set_5.zip
1 u, v. B% j5 F    │  │      Problem_Set_6-subtitles.en.zip5 m# p( I; c# P9 U& T
    │  │      Problem_Set_6.zip
4 E, M1 t% O& Q  J' D    │  │      Problem_Set_61_Starred-subtitles.en.zip
7 g, i  T+ L) s. F    │  │      Problem_Set_61_Starred.zip
' T* X# B8 F9 d7 H$ {    │  │      Q&A_1-subtitles.en.zip' `+ W/ p* u( S* x3 \# r/ y
    │  │      Q&A_1.zip
# q1 S. Z/ J( K4 i, Y    │  │      Q&A_2-subtitles.en.zip2 O5 N# A% s7 N* n2 U1 M
    │  │      Q&A_2.zip" ]* R9 b7 Q& i' U
    │  │      Q&A_5-subtitles.en.zip
( X2 T' C7 u$ ?/ W; p    │  │      Q&A_5.zip
; W+ a" {9 l$ B6 L    │  │      Q&A_6-subtitles.en.zip* s9 Y/ F- d2 H2 `
    │  │      Q&A_6.zip9 L( `5 e+ Z/ T: ]. y
    │  │      Unit_1-subtitles.en.zip
! W5 f) r: y0 }) P    │  │      Unit_2-subtitles.en.zip' F/ t/ E+ S# L2 @# U( U
    │  │      Unit_3-subtitles.en.zip8 \6 @. P3 m/ j+ {2 Z% C5 r' }
    │  │      Unit_4-subtitles.en.zip
$ O2 w) S$ \5 o% ~    │  │      Unit_5-subtitles.en.zip
6 m- C- j- ]1 w7 |3 x    │  │      Unit_6-subtitles.en.zip. M" Y* Z) x, S/ u
    │  │      Unit_7-subtitles.en.zip
, t- t6 s  z7 q    │  │      Unit_8_Optional-subtitles.en.zip5 y! w; L2 c* W$ ~8 E
    │  │      ' q- ]) ^1 T' M5 O+ x) ]  p1 k' j% g
    │  ├─CS212 Design of Computer Programs Programming Principles- ?! V5 }9 e/ k. L- U4 O. i' K2 ]
    │  │      Andy's_Corner_1.zip3 i8 N0 r! N' Q
    │  │      Andys_Corner_1-subtitles.en.zip) o# B( q; s" i. I' o
    │  │      Bonus_Shuffling-subtitles.en.zip
! @3 T' S# p7 I, u    │  │      Bonus_Shuffling.zip
4 p" @+ g( T5 {( _& h    │  │      Bonus_Weekly_Tournament!.zip
( |" ^- J- F0 ~& n8 W9 P$ T    │  │      Exam-subtitles.en.zip
* I( V1 J9 C# Y- h2 W7 t    │  │      Exam.zip
9 N" ]$ G+ ^3 H9 e    │  │      Office_Hours_1-subtitles.en.zip5 S( W( s  f' i( L6 R) @
    │  │      Office_Hours_1.zip1 X* [7 M' D+ q" y0 s
    │  │      Office_Hours_2-subtitles.en.zip# ?0 D2 E2 E0 D6 [. W! a
    │  │      Office_Hours_2.zip
& t$ L! @( w1 M! y3 C$ b" B    │  │      Office_Hours_3-subtitles.en.zip
6 I* S4 B( S2 f# |# I2 Q    │  │      Office_Hours_3.zip
- u1 r- p. i! X% |3 F5 a7 |    │  │      Office_Hours_4-subtitles.en.zip
7 r/ ^  A1 t4 J+ f" }    │  │      Office_Hours_4.zip) L* l2 R5 C& Z5 g$ U& M3 o9 {
    │  │      Office_Hours_5-subtitles.en.zip: {) g7 L7 A5 x  \; T: f2 w
    │  │      Office_Hours_5.zip
2 W; N: I7 a. F6 K    │  │      Office_Hours_6-subtitles.en.zip# l; T/ v" u+ `
    │  │      Office_Hours_6.zip
( e- u2 E; e$ ?+ f4 R1 ]    │  │      Problem_Set_1-subtitles.en_2.zip' Z& u- N! W& T1 h
    │  │      Problem_Set_1_2.zip. G, w4 M1 P1 K4 S: U2 _& s
    │  │      Problem_Set_2-subtitles.en_2.zip) H) F" o; U$ R. p. f. T8 K; o. `6 w
    │  │      Problem_Set_2_2.zip
4 j: `3 D( k& [0 C; b1 ]7 I  q    │  │      Problem_Set_3-subtitles.en_2.zip2 I- D/ M# t- d8 A) o0 b% |6 x
    │  │      Problem_Set_3_2.zip
2 w. O# g  G" G9 B# [# B    │  │      Problem_Set_4-subtitles.en_2.zip& N6 c0 I* w4 [4 u* O% `
    │  │      Problem_Set_4_2.zip
, a3 W" k' d. }    │  │      Problem_Set_5-subtitles.en_2.zip
* i. ~  V6 O0 I9 m& C6 c& R, R    │  │      Problem_Set_5_2.zip
' Z8 p5 l$ f. F: c& k& i    │  │      Problem_Set_6-subtitles.en_2.zip/ h2 X- |3 _, n
    │  │      Problem_Set_6_2.zip+ c" E- f9 E) i- C% Z+ r# x* C
    │  │      Python_Glossary-subtitles.en.zip
/ z% ]$ V+ L' N6 K6 g0 H  J    │  │      Python_Glossary.zip
: P- g7 B' S# M+ N' |8 }' [. w    │  │      Unit_1-subtitles.en_2.zip
7 k' a& D: \( w5 D/ t2 h    │  │      Unit_1.zip. W, ~) l3 I% m+ |, [9 i' ^
    │  │      Unit_2-subtitles.en_2.zip
6 u- O. V8 A% ~! z% o0 ~, x    │  │      Unit_2.zip& S' T$ a) m: K( P/ j0 k
    │  │      Unit_3-subtitles.en_2.zip: s9 q! h7 c3 F9 E9 G/ ]$ p# S
    │  │      Unit_3.zip
; l5 F% L, i2 Y0 T8 c: Y9 j    │  │      Unit_4-subtitles.en_2.zip2 S. u8 p$ S' _+ y" H
    │  │      Unit_4.zip7 i; X0 M% y- j! Y6 w
    │  │      Unit_5-subtitles.en_2.zip
; k4 a! T& h6 Z; ^4 ]# ~    │  │      Unit_5.zip7 K  p( i; N8 f
    │  │      Unit_6-subtitles.en_2.zip2 {9 G6 A0 `* E8 U9 q& |# o
    │  │      Unit_6.zip
+ c& @( D& t' S) u    │  │      Unit_7-subtitles.en_2.zip# |9 b0 I' f* l9 i0 B5 Z
    │  │      Unit_7.zip
+ J% X1 G5 T: V4 x+ s; i    │  │      
# W! d8 J7 _5 ]& v9 o    │  ├─CS215 Algorithms Crunching Social Networks/ A! ]( G8 x- `6 s& [, j
    │  │      Extra_Challenge_Problems-subtitles.en.zip' G6 S0 B( [, p8 E0 J
    │  │      Extra_Challenge_Problems.zip
3 F! v4 b* C2 b& X& M    │  │      Problem_Set_1-subtitles.en.zip
" I' x8 T7 L$ a4 U$ V3 N$ G    │  │      Problem_Set_1.zip  |& x0 G; t% T) _4 F: T
    │  │      Problem_Set_2-subtitles.en.zip- k9 Z3 i5 f4 i% f
    │  │      Problem_Set_2.zip
) Q* N6 ^+ X1 a% ~' J4 Q    │  │      Problem_Set_2_Solutions-subtitles.en.zip6 o( H& s* |3 P) S8 i
    │  │      Problem_Set_2_Solutions.zip
- i/ k. s. Y8 Z0 _- ~2 a    │  │      Problem_Set_3-subtitles.en.zip2 ~5 u+ @  L5 E6 C! c
    │  │      Problem_Set_3.zip
+ {3 v. }1 O3 k0 B- x; H    │  │      Problem_Set_3_Solutions-subtitles.en.zip; {( n7 C. }, H1 T6 x0 {
    │  │      Problem_Set_3_Solutions.zip) F! H1 u4 D: A4 H/ V* c) D
    │  │      Problem_Set_4-subtitles.en.zip8 t1 {/ q, E3 l+ n* k
    │  │      Problem_Set_4.zip# C) I- |, h8 C
    │  │      Problem_Set_4_Solutions-subtitles.en.zip
7 b6 B8 D, }3 ~4 A; K    │  │      Problem_Set_4_Solutions.zip
; e, i1 \- H# O0 Q    │  │      Unit_1_A_Social_Network_Magic_Trick-subtitles.en.zip
8 e: t- o* d; Z2 u* u  t  v6 n    │  │      Unit_1_A_Social_Network_Magic_Trick.zip2 J# [$ V  x0 b# {6 a$ Y* H
    │  │      Unit_2_Growth_Rates_in_Social_Networks-subtitles.en.zip
7 a+ r) A: P' r% {! v/ [8 ?    │  │      Unit_2_Growth_Rates_in_Social_Networks.zip5 O- O! i3 J8 s! `
    │  │      Unit_3_Basic_Graph_Algorithms-subtitles.en.zip
3 m9 P) \$ U( @! {# |    │  │      Unit_3_Basic_Graph_Algorithms.zip% }4 N5 g- r, n/ H" h3 }
    │  │      Unit_4_Its_Who_You_Know-subtitles.en.zip
  O3 T& y& n9 a, l) R8 a! \    │  │      Unit_4_Its_Who_You_Know.zip* ]# |3 f; z, x! ]
    │  │      Unit_5_Strong_and_Weak_Bonds-subtitles.en.zip8 E3 h( s" b/ ~6 o
    │  │      Unit_5_Strong_and_Weak_Bonds.zip. C5 c3 q$ R4 W& H- I
    │  │      Unit_6_Hardness_of_Network_Problems-subtitles.en.zip4 n0 `; }# F3 J; ]% I! G" K- ~7 c7 `
    │  │      Unit_6_Hardness_of_Network_Problems.zip
& W6 r; g0 j4 z" o, E# s3 \    │  │      Unit_7-subtitles.en.zip
; _5 c1 h& g6 J* p: r' H    │  │      Unit_7_2.zip/ r5 C! @/ w+ Z. ?0 Y2 E6 {
    │  │      
  }4 o+ h; ^( L    │  ├─CS222 Differential Equations Making Math Matter* D- ^) p, U0 |* Y* A# t! P- W
    │  │      Final_Exam-subtitles.en.zip
' @5 s' N6 `2 C3 c) r$ _, w/ g    │  │      Final_Exam.zip) Z. e2 R. V/ W! \, G/ Y
    │  │      Problem_Set_1-subtitles.en_2.zip* h4 M+ {( U2 P7 k  W* A2 P
    │  │      Problem_Set_1_2.zip
) J& F) Y9 J9 d: a) t    │  │      Problem_Set_2-subtitles.en_2.zip
8 m- w# s' V6 S# ]. w    │  │      Problem_Set_2_2.zip
, i( X) x; N" H    │  │      Problem_Set_3-subtitles.en_2.zip
; y" u9 ?4 h  H/ S: ?5 O    │  │      Problem_Set_3_2.zip
, @5 C8 m$ {& s    │  │      Problem_Set_4-subtitles.en_2.zip9 b$ z3 w- G" ?  e, I% W
    │  │      Problem_Set_4_2.zip9 C* c/ g" B: Z7 X# A
    │  │      Problem_Set_5-subtitles.en.zip
6 o; I( n  [7 T! I; P( Y1 X    │  │      Problem_Set_5.zip
/ z% s1 p3 t1 l8 z. }. d2 Q    │  │      Problem_Set_6-subtitles.en.zip8 q# E7 k* x9 I% |8 p! q
    │  │      Problem_Set_6.zip
" V/ y- |: E7 b+ Z& s  d4 x    │  │      Unit_1_-_Houston_We_Have_a_Problem-subtitles.en.zip
8 o( M- P+ `: I! ?/ W% R& N0 B    │  │      Unit_1_-_Houston_We_Have_a_Problem.zip& `/ D9 O0 V' C# s' O- T8 k
    │  │      Unit_2_-_Houston_We_Have_a_Solution-subtitles.en.zip
( O( d) B, }! C) ~1 _; A    │  │      Unit_2_-_Houston_We_Have_a_Solution.zip
3 d% m( @( c4 k    │  │      Unit_3_-_Contagion-subtitles.en.zip
9 {4 t! A2 T" b    │  │      Unit_3_-_Contagion.zip# w( ?, p' O# P( H
    │  │      Unit_4_-_Responsible_Fishing-subtitles.en.zip/ e4 a. d( E/ f
    │  │      Unit_4_-_Responsible_Fishing.zip
6 \# d) W5 r; |) t" w+ h    │  │      Unit_5_-_Antilock_Braking_Systems-subtitles.en.zip3 ^; H2 x7 |+ n; g$ d& I
    │  │      Unit_5_-_Antilock_Braking_Systems.zip
) c' @  [1 Z# e  v& ^& S    │  │      Unit_6_-_Wildfire-subtitles.en.zip
0 l) @# i# L3 w# ^$ }4 Y$ ~% F( L    │  │      Unit_6_-_Wildfire.zip4 V. e3 ?+ v; H0 j+ l/ r. p
    │  │      Unit_7_-_Advanced_Applications_of_Numerical_Methods-subtitles.en.zip) s* |) z, W9 |' m6 E
    │  │      Unit_7_-_Advanced_Applications_of_Numerical_Methods.zip, {- N' @  S& {1 B: k
    │  │      
- R+ w- g! \' q+ P2 W    │  ├─CS253 Web Application Engineering How to Build a Blog" L" _6 j  v8 L! t& F: x) z/ |+ n
    │  │      Final.zip1 f' K/ _4 P4 J* m
    │  │      Office_Hours_1-subtitles.en.zip4 K( `  l. U# _, @! }
    │  │      Office_Hours_1.zip& i& _4 m8 j, x7 f$ A
    │  │      Office_Hours_2-subtitles.en.zip
; s/ {; z+ F; Q) _    │  │      Office_Hours_2.zip( T; O# L( b% W& ^
    │  │      Office_Hours_3-subtitles.en.zip
/ Z% \3 {  x+ E8 M# h7 P( G7 }* Y    │  │      Office_Hours_3.zip. R7 W# Y5 D* T4 ^8 z, v8 |
    │  │      Office_Hours_4-subtitles.en.zip) X7 }5 i- T5 @
    │  │      Office_Hours_4.zip7 [! O$ O0 u! w% Q
    │  │      Office_Hours_5-subtitles.en.zip* j* S9 H0 }) r* g1 u; j5 @5 c2 Q6 c
    │  │      Office_Hours_5.zip
: L2 @) s" \3 h+ }. @* X, t8 t    │  │      Problem_Set_1-subtitles.en.zip
' Z# v$ p3 i# e" r7 a    │  │      Problem_Set_1.zip' j' w9 S) H2 G% e; x( S# p" W
    │  │      Problem_Set_1_Help-subtitles.en.zip
! R' f5 P6 G7 P6 C; \' r+ ]    │  │      Problem_Set_1_Help.zip& v1 g" }  S9 I5 [/ p+ }' h
    │  │      Problem_Set_2-subtitles.en.zip0 C8 W# Z" e8 M& @% ?6 P
    │  │      Problem_Set_2.zip
3 g- }* E5 [* y    │  │      Problem_Set_3-subtitles.en.zip
" S0 e3 {" i5 |7 x; d$ O- @    │  │      Problem_Set_3.zip/ M& H) g- r$ I4 L$ u1 I  K
    │  │      Problem_Set_4-subtitles.en.zip
/ o- ]& P$ I0 {  a+ ]    │  │      Problem_Set_4.zip
3 O5 ~1 b0 N  r0 l7 X  F    │  │      Problem_Set_5-subtitles.en.zip& J" B9 ~5 j( h) L
    │  │      Problem_Set_5.zip
2 K1 I4 _' Z. m    │  │      Problem_Set_6-subtitles.en.zip
8 S! \! p5 B: J, t+ l    │  │      Problem_Set_6.zip
5 ?% N0 X+ A; U    │  │      Unit_1-subtitles.en.zip
. z: T! c) g' J6 ^, N  h& k0 `/ H6 @    │  │      Unit_1.zip
# Z; k5 f1 F" q9 V; F    │  │      Unit_2-subtitles.en.zip
8 F( @1 J  J! H7 G; \: w! s+ t    │  │      Unit_2.zip6 {: C. `8 U" T3 f
    │  │      Unit_3-subtitles.en.zip" Y8 r+ y8 R! d$ Q- ]. F
    │  │      Unit_3.zip& P& k! q# @- |; p9 f, ~* z0 C
    │  │      Unit_4-subtitles.en.zip
9 j/ q, t3 M6 W0 [5 `& y    │  │      Unit_4.zip" J1 z0 S$ Z7 V: x  D
    │  │      Unit_5-subtitles.en.zip* p; m% @  @" s
    │  │      Unit_5.zip
% B% @$ m* Y# m; k  X7 S& N    │  │      Unit_6-subtitles.en.zip
, f3 ^' a* ]% Q6 O% x3 c3 |    │  │      Unit_6.zip( c% [$ G# K. a6 j/ I: ?+ v0 f
    │  │      Unit_7-subtitles.en.zip: N  S- s/ V0 c+ d6 t' F
    │  │      Unit_7.zip
: ?" V) E' ^3 s/ y0 Y) I    │  │      Wrap__Up_Questions-subtitles.en.zip
2 j" a; ~3 `$ a! \    │  │      Wrap__Up_Questions.zip4 W& @8 h2 k" w: B2 [
    │  │      
& Z5 }& M/ l$ [/ k    │  ├─CS255 HTML5 Game Development Building High Performance Web Applications
9 y2 a8 m) j( |5 L    │  │      Asset_Loading.zip+ T# E; K; j. t* V+ S3 @, l0 {1 F7 |
    │  │      Atlases.zip
! b% p/ @2 x4 o* d    │  │      Canvas-subtitles.en.zip
) W! x, L; x+ g    │  │      Canvas.zip
3 {) W8 I5 t& {( P, d    │  │      Entities.zip5 R5 P  P0 Z6 f
    │  │      Foreword.zip% s" ^$ Z6 K* K
    │  │      Input.zip
2 e) T4 T/ F5 k4 U9 C    │  │      Optional_Javascript_Crash_Course-subtitles.en.zip! g  u' ?# s! K  y% t& l9 K/ h
    │  │      Optional_Javascript_Crash_Course.zip
9 W4 w8 h' R& G/ w) h: h( ?    │  │      Physics.zip
. H9 m; e+ j' Y0 W2 U    │  │      Sound.zip1 Z# H: G" i3 D7 {. h, k
    │  │      
% P1 m1 {' k2 Y  T" ~    │  ├─CS259 Software Debugging Automating the Boring Tasks5 U& R3 H5 e  e0 E; V
    │  │      0._Introduction-subtitles.en.zip6 o, a) B- x' Y  G4 O, I0 L1 ]
    │  │      0._Introduction.zip
5 i/ n5 m1 M9 p! c3 d    │  │      1._How_Debuggers_Work-subtitles.en.zip
" R- w2 F4 A2 F6 X* s    │  │      1._How_Debuggers_Work.zip
+ x5 N4 q6 v4 H" b- r. |' d2 S3 E    │  │      2._Assertions-subtitles.en.zip
; w& Z6 b$ o+ a" C9 Y    │  │      2._Assertions.zip* e( b: B5 D4 F9 X5 O6 u' J: M/ x
    │  │      3._Simplifying_Failures-subtitles.en.zip4 P' Z1 N, `' V8 M1 J; t
    │  │      3._Simplifying_Failures.zip! \* i6 q6 }9 X, I, S  A: r
    │  │      4._Tracking_Origins-subtitles.en.zip
/ {8 g+ ~; a$ Q* Q3 ?# J: L    │  │      4._Tracking_Origins.zip
5 Z# v; v) i6 ~    │  │      5._Reproducing_Failures-subtitles.en.zip# d, p$ c5 m- q* B/ X6 m* e/ y
    │  │      5._Reproducing_Failures.zip5 v1 @! `/ A; p3 _" }' f
    │  │      6._Learning_from_Mistakes-subtitles.en.zip6 Y# \, p' m! d% r
    │  │      6._Learning_from_Mistakes.zip' q; L. u. N/ X+ `% M
    │  │      7._Recap_and_more_stories-subtitles.en.zip
$ o' N; |5 X# k. Q' q+ {    │  │      7._Recap_and_more_stories.zip
" y5 ~, Z6 K& a5 S    │  │      Problem_Set_1-subtitles.en.zip; N0 r' X( t( w) S5 X
    │  │      Problem_Set_1.zip
% v0 p9 ~" i2 M  b( C    │  │      Problem_Set_2-subtitles.en.zip
3 x! b4 R' {3 a8 X8 n' [    │  │      Problem_Set_2.zip
! H; t, B: r5 H/ ?' B" J    │  │      Problem_Set_3-subtitles.en.zip
) |( f! T, F( a$ E7 e0 P% v    │  │      Problem_Set_3.zip$ C: B  E9 s  a9 w3 u, B1 ^
    │  │      Problem_Set_4-subtitles.en.zip% U, f7 r  H5 y8 N! h
    │  │      Problem_Set_4.zip
1 N. V/ R1 L1 p$ r+ D% A    │  │      Problem_Set_5-subtitles.en.zip- ~! A! ~# g8 K8 Y, s
    │  │      Problem_Set_5.zip
4 M' ?& t6 M+ p- m' c+ D: D    │  │      Problem_Set_6.zip
" u* j2 H, q  e: U) Z: p    │  │      
- q2 y6 v& H; Y# y    │  ├─CS262 Programming Languages Building a Web Browser
3 h7 u! o+ J7 ~2 |+ v1 r( `& z: [    │  │      Homework_4.zip
5 y) U! C* E5 M# }    │  │      Homework_5.zip
( C6 l4 n5 |+ B1 F' L3 n5 c8 h    │  │      Make_The_World_A_Better_Place-subtitles.en.zip
" q" A( s0 y2 b    │  │      Office_Hours_1-subtitles.en.zip
& G- N# M1 H4 s) c/ k' N    │  │      Office_Hours_1.zip/ U4 S6 u9 g1 @5 y( t7 T. R1 p
    │  │      Office_Hours_2-subtitles.en.zip; N/ ^' S0 s; r- P$ s
    │  │      Office_Hours_2.zip
8 z* l9 q3 P0 j* ]6 ]4 A( K    │  │      Office_Hours_3-subtitles.en.zip& x0 E0 ^$ T# Z9 h! {
    │  │      Office_Hours_3.zip# u5 C: j/ I' I* g6 V, b& ^
    │  │      Office_Hours_4-subtitles.en.zip
  ?2 \% A1 x) u    │  │      Office_Hours_4.zip
! r# H1 `; [( R$ y  X    │  │      Office_Hours_5-subtitles.en.zip
! ~9 g; ~0 }$ K6 W0 t" `    │  │      Office_Hours_5.zip8 r* u( C4 a) D/ K$ L! M
    │  │      Office_Hours_6-subtitles.en.zip2 o' ^3 t- M0 a2 z
    │  │      Office_Hours_6.zip
8 W1 r7 F0 j! }# d    │  │      Problem_Set_1-subtitles.en_2.zip( \* u! n  d5 y3 X
    │  │      Problem_Set_1_2.zip" o; J9 x( a  U  k5 ?2 p# P6 j( {
    │  │      Problem_Set_2-subtitles.en_2.zip
  J: \% ~6 O9 K3 L3 G; N, d: ]    │  │      Problem_Set_2_2.zip+ c5 P& K& `+ i) i. ]" x
    │  │      Problem_Set_2_Challenge-subtitles.en.zip
1 ?) J$ k) [$ Z* c9 {0 t    │  │      Problem_Set_2_Challenge.zip
% K9 B2 |# l+ E% l, }9 k- f) M( v    │  │      Problem_Set_3-subtitles.en_2.zip
$ B. b& }7 w4 D' B9 m    │  │      Problem_Set_3_2.zip
  h+ w  H! E% H6 A4 p    │  │      Problem_Set_4-subtitles.en_2.zip5 B3 F8 t5 w* y0 u$ q- C( T7 b
    │  │      Problem_Set_4_Challenge-subtitles.en.zip, }8 D, v  }! x
    │  │      Problem_Set_4_Challenge.zip: L3 K, i: G: r8 H4 k6 ]; T" T
    │  │      Problem_Set_5-subtitles.en_2.zip- B! e& [7 O3 ^( P4 V$ k8 ]; B+ O
    │  │      Problem_Set_6-subtitles.en.zip% H( M8 t" H/ \  R
    │  │      Problem_Set_6_2.zip0 R2 `$ x/ M7 W4 }
    │  │      Problem_Set_6_Challenge-subtitles.en.zip: ^2 |7 k& w8 e% j/ x
    │  │      Problem_Set_6_Challenge.zip
3 |4 `  c3 K! l, x8 J! \    │  │      Programming_Practice.zip
9 \# x- A; t3 a    │  │      Programming_Practice_-_Find_Max-subtitles.en.zip! c0 [& J1 z: v6 S
    │  │      Programming_Practice_-_Find_Max.zip
$ j, F) L% a. |9 @    │  │      Programming_Practice_-_Subsets-subtitles.en.zip9 _& Z% U* ^$ O) Q3 ~) U0 ?
    │  │      Programming_Practice_-_Subsets.zip( `, ]( k; \6 \% S1 g. f8 z, O
    │  │      Programming_Practice_-_Trees-subtitles.en.zip
1 s8 c+ _$ o9 ^  A$ Z' ~* q    │  │      Programming_Practice_-_Trees.zip; d7 g" s1 _( v. i
    │  │      Unit_1-subtitles.en.zip
7 M/ r' L3 y  r- b4 X" z    │  │      Unit_1.zip4 F  f8 n' _& `; y
    │  │      Unit_2-subtitles.en.zip3 d# D8 ?: y, E$ l
    │  │      Unit_2.zip
+ r; Y: l( S6 s5 J1 V6 {' k    │  │      Unit_3-subtitles.en.zip7 i5 V- b# F! M/ ~: s% A5 G3 r
    │  │      Unit_3.zip' P; u$ }& m  L" z4 F2 V
    │  │      Unit_4-subtitles.en.zip
/ ]; @& F& w( K6 d    │  │      Unit_4.zip
) c& z; P0 Y1 h  z- s    │  │      Unit_5-subtitles.en.zip: X5 q3 j) U! o. K* Q% _0 G% Q
    │  │      Unit_5.zip+ N( _$ U. f. r9 `" B
    │  │      Unit_6-subtitles.en.zip. z# t7 Q2 n4 ]
    │  │      Unit_6.zip
, {7 l5 H) a( k* X    │  │      Unit_7-subtitles.en.zip
' s5 p+ {$ X( X0 H- Z8 c; `: i    │  │      Unit_7.zip
, `# J' u; T, U+ F, c; m, f$ G% [    │  │      + {' A9 i# Y4 z- I) I
    │  ├─CS271 Introduction to Artificial Intelligence AI Class
1 d9 b1 j+ P. `' J% E    │  │      1._Welcome_to_AI-subtitles.en.zip
' G5 K/ C8 \0 \/ V; M+ N2 Q; n' Y; ?    │  │      1._Welcome_to_AI.zip
, i  U8 m: ~$ B    │  │      10._Reinforcement_Learning-subtitles.en.zip( G( k& Y: m8 W( {! p
    │  │      10._Reinforcement_Learning.zip
: V7 z& U8 T+ o3 b    │  │      11._HMMs_and_Filters-subtitles.en.zip( p, s6 k# `* X' r% Y7 \
    │  │      11._HMMs_and_Filters.zip  K# _0 g  \7 y' q, n
    │  │      12._MDP_Review-subtitles.en.zip
. V9 a" a3 |3 @3 G% I0 R9 M    │  │      12._MDP_Review.zip: m: z; G# U  k6 G1 K
    │  │      13._Games-subtitles.en.zip- B: K& _: b5 U
    │  │      13._Games.zip
: N) v- b2 ?' Z* g$ g1 o! {    │  │      14._Game_Theory-subtitles.en.zip
% r4 H  y+ k: J% e$ Z+ x/ b    │  │      14._Game_Theory.zip
  }0 \9 T  ]+ Q. n( P' c    │  │      15._Advanced_Planning-subtitles.en.zip
9 L% J( k4 j" [, ^  p# X" |    │  │      15._Advanced_Planning.zip  V$ @% X, Y. D) F  q! P0 {; z
    │  │      16._Computer_Vision_I-subtitles.en.zip/ e: A5 u& h! q! z$ y, e
    │  │      16._Computer_Vision_I.zip( n. L' Q* u: G% I% w
    │  │      17._Computer_Vision_II-subtitles.en.zip
5 N( v5 L$ i# j    │  │      17._Computer_Vision_II.zip
) ~- }: \) e1 }- z  j6 n! s    │  │      18._Computer_Vision_III-subtitles.en.zip9 M3 Q2 c) a- j. ~2 t) D) S
    │  │      18._Computer_Vision_III.zip
% i" D3 ?4 L' I# j; j    │  │      19._Robotics_I-subtitles.en.zip
' i' f- W3 N' `- h- J    │  │      19._Robotics_I.zip
: d& t6 M# Q! g: A* a; M& N    │  │      2._Problem_Solving-subtitles.en.zip
5 j) g1 j; \! S4 K! |" ^    │  │      2._Problem_Solving.zip
) R1 A0 K6 D) g5 t7 q- g  l9 q9 B! Z. t    │  │      20._Robotics_II-subtitles.en.zip# w, a$ D, T. @; {6 l
    │  │      20._Robotics_II.zip
( o1 u% w7 r( \+ ]; v+ s) v8 ?    │  │      21._Natural_Language_Processing-subtitles.en.zip  h- M7 @) E* T
    │  │      21._Natural_Language_Processing.zip
3 U1 e9 g: j9 I5 I0 E    │  │      22._Natural_Language_Processing_II.zip
& l8 g! {6 G$ Y3 `/ y    │  │      3._Probability_in_AI-subtitles.en.zip2 [- _* C* ]4 o
    │  │      3._Probability_in_AI.zip
  R, J, x) {" H# g( g    │  │      4._Probabilistic_Inference-subtitles.en.zip! S6 {% T2 K) Q4 d( g* C
    │  │      4._Probabilistic_Inference.zip
0 S, K0 ]$ }, p" C- @- ]( g    │  │      5._Machine_Learning-subtitles.en.zip, W) k' |. {" ]0 A% S
    │  │      5._Machine_Learning.zip# B5 G, {  |% I( Y* O9 d1 X% U
    │  │      6._Unsupervised_Learning-subtitles.en.zip/ ^* L5 R) J! s# e% L- r/ ]
    │  │      6._Unsupervised_Learning.zip
7 @9 M0 W* T9 I% w8 X    │  │      7._Representation_with_Logic-subtitles.en.zip3 V7 Z# F0 H* g0 @+ \; H
    │  │      7._Representation_with_Logic.zip
/ R" i9 H6 c$ R$ m8 U* }0 R    │  │      8._Planning-subtitles.en.zip6 T# D" @; h4 A0 c: Q- E# O
    │  │      8._Planning.zip* c$ g+ T2 H# r  w/ w
    │  │      9._Planning_under_Uncertainty-subtitles.en.zip
7 M  n- b# s" t7 U    │  │      9._Planning_under_Uncertainty.zip, G( t# y( B4 D
    │  │      Office_Hours.zip
. \6 f1 n3 E& T* o) \9 z    │  │      printable_final.pdf! p9 z* W) v4 h4 x2 q% b( I' d5 K+ I
    │  │      printable_midterm.pdf) t5 d' W; f) P- V
    │  │      Problem_Set_1-subtitles.en.zip5 e  U! l% b8 C
    │  │      Problem_Set_1.zip( R$ V6 n# }9 a( c) [; [8 B
    │  │      Problem_Set_2-subtitles.en.zip5 x: p% h! ]" y3 c  n7 }5 c3 J/ b
    │  │      Problem_Set_2.zip5 {) @8 E0 i% X% W) G
    │  │      Problem_Set_3-subtitles.en.zip
0 ~& C9 E; H0 D    │  │      Problem_Set_3.zip
  G3 I) N0 P- f! a    │  │      Problem_Set_4-subtitles.en.zip
& t3 W# N9 O. p. }+ v$ E# w; S% q    │  │      Problem_Set_4.zip( R' j% e8 r' C/ y4 P
    │  │      Problem_Set_5-subtitles.en.zip
* S: S: n& W9 k4 b  H7 q" ?    │  │      Problem_Set_5.zip
, I: {- B5 e$ h5 O    │  │      Problem_Set_6-subtitles.en_2.zip
: V$ v' d- B- N, c. t    │  │      Problem_Set_6.zip
7 ?" z. B2 C% M* o) L) V    │  │      Problem_Set_7-subtitles.en.zip
; v/ t7 \' m7 T" V1 e" `    │  │      Problem_Set_7.zip
* E; T/ k. Z# y& r    │  │      Problem_Set_8-subtitles.en.zip
8 f& {1 q. N/ M0 _    │  │      Problem_Set_8.zip5 C6 L) d2 C3 k) `7 w1 Z* k
    │  │      
- K+ Y3 n1 b2 C! L. C( V3 m    │  ├─CS291 Interactive 3D Graphics Creating Virtual Worlds
+ J6 f8 n. d+ ?7 J3 z) @2 b( a2 K    │  │      Final_Exam-subtitles.en.zip
4 q- P& [5 B2 t9 E# H( Z+ v+ T# A$ r    │  │      Final_Exam.zip
; u6 P( i9 f- ]8 B    │  │      Interview_3D_Modelling_and_Printing-subtitles.en.zip
$ J) J0 t8 @* v    │  │      Interview_3D_Modelling_and_Printing.zip5 X( W# C+ E8 z+ ]1 i! L% N( ?
    │  │      Interview_Modeling_in_Real_World-subtitles.en.zip- Q' u& {1 A, A/ f
    │  │      Interview_Modeling_in_Real_World.zip4 E/ m0 u2 q3 B: c. W- Q
    │  │      Lesson_10_Interaction_and_Animation-subtitles.en.zip+ U. e3 l; |5 a4 x% {+ B& h" I& K
    │  │      Lesson_10_Interaction_and_Animation.zip; U- Y; d& M: }6 N% g
    │  │      Lesson_1_Introduction-subtitles.en.zip
) y; U5 q5 z9 P9 c    │  │      Lesson_1_Introduction.zip1 Q% n: @0 L# K( ]# ?8 O5 k
    │  │      Lesson_1_Problem_Set-subtitles.en.zip5 j. F) O+ l7 o
    │  │      Lesson_1_Problem_Set.zip
" ?- a* t$ w6 u, g: X* k  X    │  │      Lesson_2_Points,_Vectors,_and_Meshes-subtitles.en.zip
" V/ ^) B4 I! k5 F. ~4 [    │  │      Lesson_2_Points,_Vectors,_and_Meshes.zip
' b# E: l  g( `$ B6 }    │  │      Lesson_2_Problem_Set-subtitles.en.zip/ l3 d$ U9 e; ], u) x: D* @
    │  │      Lesson_2_Problem_Set.zip% t/ [1 K. G$ _4 s) E5 Z  V
    │  │      Lesson_3_Colors_and_Materials-subtitles.en.zip
% V( S, F* Q; m9 M7 `$ q5 F" y    │  │      Lesson_3_Colors_and_Materials.zip6 B2 }" f9 @7 }
    │  │      Lesson_3_Problem_Set-subtitles.en.zip
; [/ W* {6 E0 D: R9 y  r0 p6 U    │  │      Lesson_3_Problem_Set.zip; H* Q! S6 S4 Y) h' H9 a
    │  │      Lesson_4_Problem_Set-subtitles.en.zip, C9 ?3 U- O0 T4 L
    │  │      Lesson_4_Problem_Set.zip' P7 w. y+ B8 b- Y! j
    │  │      Lesson_4_Transforms-subtitles.en.zip
' I: ]4 k# e5 e9 u$ @& C    │  │      Lesson_4_Transforms.zip- @2 r1 M0 [% w7 d4 R
    │  │      Lesson_5_Matrices-subtitles.en.zip" L, s! d. G6 E; H& d- q
    │  │      Lesson_5_Matrices.zip( m3 \! N5 L) i1 z% i1 f) Y" Q
    │  │      Lesson_5_Problem_Set-subtitles.en.zip: l5 V% H5 j* d' }
    │  │      Lesson_5_Problem_Set.zip
3 J- E1 H/ e/ x  X$ I    │  │      Lesson_6_Lights-subtitles.en.zip4 V) o0 _1 y& |/ g/ H% v
    │  │      Lesson_6_Lights.zip
; h8 T" u' T, p4 [5 i* Q- v$ b    │  │      Lesson_6_Problem_Set-subtitles.en.zip& J1 c/ I$ C5 F  J* C
    │  │      Lesson_6_Problem_Set.zip5 K: U# M! y; M  L$ T
    │  │      Lesson_7_Cameras-subtitles.en.zip
; u+ o2 Z- [6 p- n3 u    │  │      Lesson_7_Cameras.zip/ c- s) X8 n8 ~" u- n
    │  │      Lesson_7_Problem_Set-subtitles.en.zip/ h3 s/ ?! d/ Y( o
    │  │      Lesson_7_Problem_Set.zip& v  b* m5 m; H
    │  │      Lesson_8_Problem_Set-subtitles.en.zip' r- p$ y( M: V% a2 D
    │  │      Lesson_8_Problem_Set.zip
" Z8 z* v9 _& Q    │  │      Lesson_8_Textures_and_Reflections-subtitles.en.zip
: R$ D5 J4 q3 t" ]0 e    │  │      Lesson_8_Textures_and_Reflections.zip
' X* ?7 [" \8 c6 q  R9 C    │  │      Lesson_9_Problem_Set-subtitles.en.zip
8 X& e7 ~" Z  H! l; E    │  │      Lesson_9_Problem_Set.zip
' J# A+ ~5 o2 W( i9 m. k    │  │      Lesson_9_Shader_Programming-subtitles.en.zip" \5 ]6 E" b6 x* c# n+ N7 ~$ n
    │  │      Lesson_9_Shader_Programming.zip
( u8 ?3 O1 f5 V6 |    │  │      2 h% e; U& c! ]2 \3 _
    │  ├─CS313 Introduction to Theoretical Computer Science
! G# n& o' l- a) I7 M% x    │  │      Exam-subtitles.en.zip: p: o* }# s$ a6 Y
    │  │      Exam.zip+ x+ o  c) R: Z/ B) M4 F5 ^2 g' d
    │  │      Problem_Set_1-subtitles.en.zip" c0 e: f$ K8 l1 n* u- O
    │  │      Problem_Set_1.zip
4 l" a3 t% \+ t3 M8 D7 T: W    │  │      Problem_Set_2-subtitles.en.zip
5 D3 x' R1 F6 P. L; f9 c8 A    │  │      Problem_Set_2.zip
1 T- z6 J+ S5 q    │  │      Problem_Set_3-subtitles.en.zip
& B1 m( ^7 v  l1 J    │  │      Problem_Set_3.zip) I0 g+ N. q- ?& }2 ~) X
    │  │      Problem_Set_4-subtitles.en.zip1 Z/ T) N* l7 b) J! U, @9 X) T
    │  │      Problem_Set_4.zip! i3 f2 r  y& t3 ?; C6 C/ |% y
    │  │      Problem_Set_5-subtitles.en.zip
; m# _' \4 ?4 z" ^2 S3 W9 O" q    │  │      Problem_Set_5.zip
! U" j" \6 V+ H8 n  [5 y+ p    │  │      Problem_Set_6-subtitles.en.zip9 o$ Q* d; ~# N9 g
    │  │      Problem_Set_6.zip
, N% r# q# E" ^& `    │  │      Problem_Set_7-subtitles.en.zip
. S& _; V: @8 A5 u. o/ x$ m7 z    │  │      Problem_Set_7.zip( u: H& i8 u1 O% L' s. k  ^
    │  │      Unit_1.1_-_Challenging_Problems-subtitles.en.zip% I# J& q, D7 p1 T3 k" N
    │  │      Unit_1.1_-_Challenging_Problems.zip
. e2 R8 B5 M6 u- p$ H6 A1 t    │  │      Unit_1.2_-_Algorithm_Analysis_and_the_RAM-subtitles.en.zip: E$ n2 \! p6 j& x. U9 o7 o
    │  │      Unit_1.2_-_Algorithm_Analysis_and_the_RAM.zip5 P. N1 M% f2 U$ y$ z& T4 C6 u
    │  │      Unit_1.3_-_Big_O_(Optional)-subtitles.en.zip+ x. k% c1 ~+ a3 [) q
    │  │      Unit_1.3_-_Big_O_(Optional).zip4 U; K! ~# z: x1 K3 O' ^6 r5 w( G, }: K
    │  │      Unit_1.4_-_Connecting_Similar_Problems-subtitles.en.zip* c! r# p' {" s: d8 K- _
    │  │      Unit_1.4_-_Connecting_Similar_Problems.zip
& o: I: y, Q0 B- ], [* v4 o    │  │      Unit_2.1_-_Many_Solutions_and_Intractability-subtitles.en.zip
% |* p. Z2 `: {" m  u    │  │      Unit_2.1_-_Many_Solutions_and_Intractability.zip  _5 c& g4 [/ x1 u3 s& o1 }
    │  │      Unit_2.2_-_Non-deterministic_RAM-subtitles.en.zip, a9 W4 X8 I; ^: D6 w2 Z* W# I! m' M
    │  │      Unit_2.2_-_Non-deterministic_RAM.zip
. g* A6 \. `2 m0 F9 L    │  │      Unit_2.3_-_SAT-subtitles.en.zip; L& A+ ^" ]. j* l* n! W
    │  │      Unit_2.3_-_SAT.zip
$ n- @3 X8 H$ X6 I9 \" l6 V    │  │      Unit_2.4_-_Proof_of_SAT_(Optional)-subtitles.en.zip
* K2 [, |+ |- J1 l7 Y    │  │      Unit_2.4_-_Proof_of_SAT_(Optional).zip% x6 {  {9 a& ]0 H) W, \. l1 s
    │  │      Unit_2.5_-_NP-Completeness_Via_Reductions-subtitles.en.zip1 G2 g- o6 Q0 Y2 }8 g" y
    │  │      Unit_2.5_-_NP-Completeness_Via_Reductions.zip) w0 l  _6 \; S7 n9 Y
    │  │      Unit_3_-_Solving_NP-Complete_Problems-subtitles.en.zip( a; @7 n4 @) s/ F! U* [. V# n- M$ u
    │  │      Unit_3_-_Solving_NP-Complete_Problems.zip: C3 K& b2 ^- F( A" z
    │  │      Unit_4.1_-_Pruning_the_Input-subtitles.en.zip
! ^& ]. I# w& e) r; Z: J4 \    │  │      Unit_4.1_-_Pruning_the_Input.zip- e( z9 L6 z' A+ U
    │  │      Unit_4.2_-_Preprocessing-subtitles.en.zip9 p- S6 n7 ^* L: W
    │  │      Unit_4.2_-_Preprocessing.zip/ Z% m' u- ^6 j  z! _6 f
    │  │      Unit_4.3_-_Measuring_Hardness-subtitles.en.zip! Z1 J, {1 f4 B3 x0 _/ f$ a
    │  │      Unit_4.3_-_Measuring_Hardness.zip; u% W( x' a/ o% a  Q
    │  │      Unit_5.1_-__Approximation_Factor-subtitles.en.zip
* F& h$ [& x4 v3 i- B+ S    │  │      Unit_5.1_-__Approximation_Factor.zip) ]& x6 o1 a  B; U3 \" L. ~
    │  │      Unit_5.2_-_Shortest_Tour-subtitles.en.zip
! b" C$ ]9 l; [. y. u* N: `+ F. Z6 Q    │  │      Unit_5.2_-_Shortest_Tour.zip' U2 @3 }9 a7 a9 G8 n: v
    │  │      Unit_5.3_-_Reductions_&_Approx._Factors-subtitles.en.zip: T! i0 T3 J# |' t( i
    │  │      Unit_5.3_-_Reductions_&_Approx._Factors.zip
' R0 X2 J- e& o  Q% q* M$ M    │  │      Unit_5.4_-_PTAS-subtitles.en.zip3 u& p9 Z- p" _  T8 l8 f3 D( y
    │  │      Unit_5.4_-_PTAS.zip
6 z' I- {  m8 N. N    │  │      Unit_6.1_-_Randomization-subtitles.en.zip/ M" R/ p; g' E$ i( V
    │  │      Unit_6.1_-_Randomization.zip
8 ]. }$ q7 N& v8 S1 c    │  │      Unit_6.2_-_What_Youve_Learnt-subtitles.en.zip
, r# J# F3 w, ?) U    │  │      Unit_6.2_-_What_Youve_Learnt.zip& U* H, d. W* B: v
    │  │      Unit_7.1_-_Limits_of_Computation-subtitles.en.zip- M3 e+ w; K8 ?, m
    │  │      Unit_7.1_-_Limits_of_Computation.zip( {0 M6 |! N! q) }  L3 D: N6 ~, @
    │  │      Unit_7.2__-_More_Undecidability-subtitles.en.zip
7 E# f/ N( l) `' G4 o    │  │      Unit_7.2__-_More_Undecidability.zip
  U! d7 @; O6 ^    │  │      4 j& F; o: p( T- T1 g. W4 S
    │  ├─CS344 Intro To Parallel Programming Using CUDA to Harness the Power of GPUs
" v6 W# w; k% w' _    │  │      Lesson_1_-_Bill_Dally_Interview-subtitles.en.zip0 O* w1 W& N1 Z- H, T" [
    │  │      Lesson_1_-_Bill_Dally_Interview.zip+ z; K$ p4 F1 x* O4 @6 m
    │  │      Lesson_1_-_The_GPU_Programming_Model-subtitles.en.zip
7 o0 t* Z" |8 S- h- o    │  │      Lesson_1_-_The_GPU_Programming_Model.zip
) m3 S% Q: X) m5 G' x7 R# y' d& |    │  │      Lesson_2_-_GPU_Hardware_and_Parallel_Communication_Patterns-subtitles.en.zip+ }; }: B( U/ T% R' _; L- u
    │  │      Lesson_2_-_GPU_Hardware_and_Parallel_Communication_Patterns.zip
; e9 E$ B* x/ z# o  ?$ G% \    │  │      Lesson_3_-_Fundamental_GPU_Algorithms_(Reduce,_Scan,_Histogram).zip8 G- e; C) D' U# @7 M8 _* E
    │  │      Lesson_4_-_Fundamental_GPU_Algorithms_(Applications_of_Sort_and_Scan).zip
3 u2 E) M  `7 }1 m. [) b    │  │      Lesson_4_-_Ian_Buck_Interview-subtitles.en.zip8 @  R: p# I; I+ s9 S
    │  │      Lesson_4_-_Ian_Buck_Interview.zip
, ^; @) l- a. s+ b& ~! d1 x    │  │      Lesson_5_-_Optimizing_GPU_Programs-subtitles.en.zip/ A# A# t% F5 J# u8 V
    │  │      Lesson_5_-_Optimizing_GPU_Programs.zip" H2 M% b) M% C0 w8 b% h7 |
    │  │      Lesson_6.1_-_Parallel_Computing_Patterns_Part_A-subtitles.en.zip9 N3 [0 ]# D3 V/ b* L) B* |
    │  │      Lesson_6.1_-_Parallel_Computing_Patterns_Part_A.zip
' t  {% B2 _5 [4 _( H# g& n    │  │      Lesson_6.2_-_Parallel_Computing_Patterns_Part_B-subtitles.en.zip$ r( Q7 \: V- b( J9 }8 @
    │  │      Lesson_6.2_-_Parallel_Computing_Patterns_Part_B.zip8 l  }+ T# U2 ]; N3 m! K  J
    │  │      Lesson_7.1_-_Additional_Parallel_Computing_Topics-subtitles.en.zip" [5 x4 _) R% X& a
    │  │      Lesson_7.1_-_Additional_Parallel_Computing_Topics.zip
0 ^3 k: L  |) _" B( t: p/ G    │  │      Lesson_7.2_-_Dynamic_Parallelism-subtitles.en.zip8 e% p; B5 t- @1 v0 v: `
    │  │      Lesson_7.2_-_Dynamic_Parallelism.zip
' Y% ?# M) l( E- _    │  │      Lesson_7.3_-_Stephen_Jones_Interview-subtitles.en.zip# N. b; c# k4 L! t$ W% l5 g
    │  │      Lesson_7.3_-_Stephen_Jones_Interview.zip! `" M5 Z( }1 W
    │  │      zh-cn-subtitles.zip1 a* x, Z/ X7 U* y  _  U
    │  │      & }1 l5 E6 B" e; l
    │  ├─CS348 Functional Hardware Verification How to Verify Chips and Eliminate Bugs! ^8 y* h- O3 {& {: T$ D% s* z
    │  │      Lesson_1_Introduction_to_Hardware_Verification-subtitles.en.zip* }* t: q3 x3 {# a1 \
    │  │      Lesson_1_Introduction_to_Hardware_Verification.zip( p1 v  r0 u. I$ T0 K
    │  │      Lesson_2_Basic_stimulus_modeling_and_generation-subtitles.en.zip% Z  P: U8 a2 m0 `  e( u4 P
    │  │      Lesson_2_Basic_stimulus_modeling_and_generation.zip- _- b4 i/ O8 @: X7 U5 z- \& B5 C. c: ?
    │  │      Lesson_3_Interfacing_to_the_Hardware_Model-subtitles.en.zip
- m! T- L# [5 h+ h' @$ a* @    │  │      Lesson_3_Interfacing_to_the_Hardware_Model.zip- L7 }5 G. j" t/ a- O7 \
    │  │      Lesson_4_Monitoring_and_Functional_Coverage-subtitles.en.zip
3 |1 u# Y6 D/ C# W: U& B2 D9 {3 r8 s) j) h" d    │  │      Lesson_4_Monitoring_and_Functional_Coverage.zip% }/ ^& Y& V1 s+ F: j+ A$ B
    │  │      Lesson_5_Checking-subtitles.en.zip
7 L& ~, c6 J$ |6 z6 {. s    │  │      Lesson_5_Checking.zip- h; E# K3 q# E2 T# l& J
    │  │      Lesson_6_Aspect_Oriented_Programming-subtitles.en.zip
: h7 ?4 M; Z5 p/ c  L    │  │      Lesson_6_Aspect_Oriented_Programming.zip
0 S2 P+ V/ @& \; w    │  │      Lesson_7_Reuse_Methodology-subtitles.en.zip* Z& m1 i3 C. Z; `3 q7 h7 D, G
    │  │      Lesson_7_Reuse_Methodology.zip! i( c6 ]5 s5 r; b& V
    │  │      Lesson_8__Debugging-subtitles.en.zip
! f6 X; i5 `/ T- ]$ Y- @% O: m* g    │  │      Lesson_8__Debugging.zip& I; \. E/ l$ H; I) p
    │  │      Lesson_9_Conclusion_and_Exam-subtitles.en.zip
8 z$ d; l: Q) T' {, J, \    │  │      Lesson_9_Conclusion_and_Exam.zip  R, U. \3 a; c* c+ Q) S
    │  │      
! H9 \& J& f1 T2 _    │  ├─CS373 Artificial Intelligence for Robotics Programming a Robotic Car, F1 L2 p; O1 ]0 w8 d+ T$ e# d& {8 n
    │  │      Problem_Set_1-subtitles.en.zip
6 a$ ]+ \- a' ]5 k9 S& y! A    │  │      Problem_Set_1.zip
1 ?& S2 K, j6 D4 \+ V    │  │      Problem_Set_2-subtitles.en.zip  z) R% f% p  L# R) j
    │  │      Problem_Set_2.zip
, e) f5 L# T9 ^% [' N    │  │      Problem_Set_2_Help-subtitles.en.zip
" m# d7 ?$ a8 a' j4 H3 c7 z" T; h    │  │      Problem_Set_2_Help.zip6 k  U8 j5 v. Z8 r3 U9 O
    │  │      Problem_Set_3-subtitles.en.zip4 T8 t# l0 e! ^5 ]  x+ D1 i8 o
    │  │      Problem_Set_3.zip
4 @2 ^+ t( o1 @) E    │  │      Problem_Set_3_Help-subtitles.en.zip
* T  o) @- m' K3 Q2 @- k    │  │      Problem_Set_3_Help.zip; Z" K% M0 H! _! L
    │  │      Problem_Set_4-subtitles.en.zip' d; u% j3 ?  ?& f4 ]7 s- \
    │  │      Problem_Set_4.zip" k4 H% X7 ^$ n5 P& E9 {. V1 Q! R
    │  │      Problem_Set_5-subtitles.en.zip
5 z. S& ~' k8 B$ i4 q5 x+ ]0 F    │  │      Problem_Set_5.zip
4 e$ G- f- j0 ^: h    │  │      Problem_Set_5_Help-subtitles.en.zip" z3 h& s" M. _& J) d
    │  │      Problem_Set_5_Help.zip2 S  [7 z7 A* n* N. X3 \' B; T- @
    │  │      Problem_Set_6-subtitles.en.zip% y" X- C& j4 i% x. j# e
    │  │      Problem_Set_6.zip
8 z- L3 U* C; d. `    │  │      Q&A_1-subtitles.en.zip
' Y& B- c: c& w% y1 t    │  │      Q&A_1.zip- e0 S! `4 K& O* s8 U4 M1 Y
    │  │      Q&A_2-subtitles.en.zip6 b8 e& C9 X; p% h
    │  │      Q&A_2.zip
: P$ O0 O$ x' {, P" Q2 }( i    │  │      Q&A_3-subtitles.en.zip% s1 G5 {5 p2 g. A
    │  │      Q&A_3.zip) U* G% a$ Z& r% k$ T1 X
    │  │      Q&A_4-subtitles.en.zip3 ?9 s& S0 x0 @8 @% n
    │  │      Q&A_4.zip
) Y+ f2 a$ t' H  n    │  │      Q&A_5-subtitles.en.zip
( s4 \, y! s/ J9 e  |7 U    │  │      Q&A_5.zip
. p& b$ F7 r- P: n2 ]. W; _* a7 ^    │  │      Q&A_6-subtitles.en.zip! ^  z! ^# m. ~+ u# ]) B
    │  │      Q&A_6.zip
1 f3 B3 z# |7 D* K* E    │  │      Unit_1_-_Localization-subtitles.en.zip2 g- v5 O' F5 ^1 T# x9 \$ o
    │  │      Unit_1_-_Localization.zip
( I, v! G. i  A5 I% H2 Z" |7 ]    │  │      Unit_2_-_Kalman_Filters-subtitles.en.zip( \& y: ]3 n2 i0 @- s
    │  │      Unit_2_-_Kalman_Filters.zip, {8 O: V5 z/ k  ]& c8 ]
    │  │      Unit_3_-_Particle_Filters-subtitles.en.zip; m( d# _0 g- n' }
    │  │      Unit_3_-_Particle_Filters.zip! e' h8 ^5 {7 a, s7 N+ ?3 n9 x
    │  │      Unit_4_-_Search-subtitles.en.zip
: n# }4 [- a7 v4 D- M. k, e    │  │      Unit_4_-_Search.zip9 U* t. m+ H: g7 o3 D) K$ j! q( J
    │  │      Unit_5_-_PID_controll-subtitles.en.zip) H8 p8 \  t4 E& p7 n0 W  l4 l
    │  │      Unit_5_-_PID_controll.zip
/ z& h4 @2 |7 E0 V    │  │      Unit_6_-_SLAM-subtitles.en.zip8 X& K' q: q3 ]* {( G
    │  │      Unit_6_-_SLAM.zip
. [5 L7 K& `- y) q- S* p, s  q    │  │      # J0 G3 p$ K) G* y& F
    │  ├─CS387 Applied Cryptography The Science of Secrets5 j: k/ G. e: ^- @9 L4 k8 n: m; F# {
    │  │      Exam-subtitles.en.zip
/ w1 I+ }& i; O+ @% \4 {, o    │  │      Exam.zip) l0 [0 C( s" }
    │  │      Interview_on_GSM_Cracking-subtitles.en.zip& B% g( h' s1 {( [/ ~
    │  │      Interview_on_GSM_Cracking.zip" U0 K! x5 I! @, |
    │  │      Problem_Set_1-subtitles.en_2.zip. v7 ]: V+ E) T* [2 v' p
    │  │      Problem_Set_1_2.zip; P4 a2 i$ T$ p0 ~
    │  │      Problem_Set_2-subtitles.en_2.zip
1 f+ |/ f; g2 G0 T; d) R. ^9 k/ x    │  │      Problem_Set_2_2.zip3 y% [  O6 _+ l# a. f
    │  │      Problem_Set_3-subtitles.en_2.zip
3 `* N' I) K3 J  @  I    │  │      Problem_Set_3_2.zip( i1 Z7 v0 U* }3 P
    │  │      Problem_Set_4-subtitles.en_2.zip. I- y( U* N3 ]: X7 G+ \
    │  │      Problem_Set_4_2.zip
: x7 Y/ P" S& ^7 ~9 D/ d4 l. {    │  │      Problem_Set_5-subtitles.en_2.zip: V$ g* ^) o7 K" ?! L1 y  h
    │  │      Problem_Set_5_2.zip
- m$ E: L* a( d/ `    │  │      Problem_Set_6-subtitles.en_2.zip  ~2 g) v, N3 F2 Q# V
    │  │      Problem_Set_6_2.zip
$ y* K0 e& T% \" ~" z% ?' ]3 J    │  │      Problem_Set_6_Solutions-subtitles.en.zip: A# V% k' D1 C  Q, a+ K
    │  │      Problem_Set_6_Solutions.zip$ M1 S" ?! I; C3 @
    │  │      Q_&_A_Session_1-subtitles.en.zip: e/ ]) `- s3 {  s$ W6 r/ Q7 t
    │  │      Q_&_A_Session_1.zip4 \- A6 [; l: r5 Z. `0 @
    │  │      Q_&_A_Session_2-subtitles.en.zip
( t; n% ?+ [8 v3 b; L    │  │      Q_&_A_Session_2.zip
" |. q! n" L% X* ^( g) {6 P+ Y8 {* Q    │  │      Q_&_A_Session__3-subtitles.en.zip/ S6 R4 l( D- z3 X5 |( d- P4 \
    │  │      Q_&_A_Session__3.zip( g7 z4 ]1 ?  Z. w
    │  │      Unit_1-subtitles.en.zip7 b! D! }1 A8 z. Y) n+ j$ {
    │  │      Unit_1.zip
5 M6 H. R( B1 Z0 s2 V4 M) n    │  │      Unit_2-subtitles.en.zip
) u" A  u" M9 e% D7 Q9 E+ B$ Y    │  │      Unit_2.zip
8 b2 P+ z7 G8 A) ]# d% f' |  H    │  │      Unit_3-subtitles.en.zip0 F7 v$ w# o- L) F
    │  │      Unit_3.zip
8 t9 s1 z6 e5 ^4 H* Z    │  │      Unit_4-subtitles.en.zip
& C5 z# Q& H8 G* h& Q    │  │      Unit_4.zip
8 a- q6 }* v; @& x* I9 A# o    │  │      Unit_5-subtitles.en.zip
6 a! N2 y& L9 ~3 e1 S$ d" A+ G- h% A    │  │      Unit_5.zip- c" i: ]' e" l
    │  │      Unit_6-subtitles.en.zip& a4 y3 S9 D$ v2 U, O
    │  │      Unit_6.zip0 C# u- ?5 g8 y9 ^) f1 t" \. O
    │  │      Unit_7-subtitles.en.zip4 |9 t6 k2 |# K4 t- Q0 i
    │  │      Unit_7.zip
5 C8 r: M' H& V) b# w& y; h# r    │  │      
& F  M8 M0 g- Q* k    │  ├─EP245 How to Build a Startup The Lean LaunchPad3 ^  }* m: i, L; ?
    │  │      Lecture_0_Before_You_Get_Started-subtitles.en.zip
) m1 V: p2 u; J" Z% M$ X    │  │      Lecture_0_Before_You_Get_Started.zip
2 H* n! `1 l, x. ]6 }8 f    │  │      Lecture_1.5A_Business_Models_and_Customer_Development-subtitles.en.zip
( o( p  _7 M- S& x; \' H) y& e; ~9 U    │  │      Lecture_1.5A_Business_Models_and_Customer_Development.zip
% A$ ?3 j+ z- A    │  │      Lecture_1.5B_Business_Models_and_Customer_Development-subtitles.en.zip
, f% E- U; d9 q+ j& f/ ]% d    │  │      Lecture_1.5B_Business_Models_and_Customer_Development.zip
, Y) }, u* ]3 a8 z* T+ d    │  │      Lecture_1_What_We_Now_Know-subtitles.en.zip  D& l1 C4 W: n: k" O1 P+ N% Z
    │  │      Lecture_1_What_We_Now_Know.zip& N' k- h5 l2 B* s
    │  │      Lecture_2_Value_Proposition-subtitles.en.zip
, |' U: k8 U0 j1 T5 r9 Z% v    │  │      Lecture_2_Value_Proposition.zip
; n1 C* T. Y: i, I8 M    │  │      Lecture_3_Customer_Segments-subtitles.en.zip0 F( }" i5 @4 q; f3 N5 a% ~
    │  │      Lecture_3_Customer_Segments.zip; Q7 m  M. n& M; v% T5 Z
    │  │      Lecture_4_Channels-subtitles.en.zip
) O) K, V: D- v% s& M/ d, S) X  w    │  │      Lecture_4_Channels.zip
8 F9 G( e8 m# M    │  │      Lecture_5_Customer_Relationships-subtitles.en.zip
/ g0 S) I6 }0 V( G) D1 L" J! Q    │  │      Lecture_5_Customer_Relationships.zip* t2 c0 M# D& U: z0 p1 R
    │  │      Lecture_6_Revenue_Model-subtitles.en.zip
$ b, q- B) l9 X2 ]" b    │  │      Lecture_6_Revenue_Model.zip
+ ]# _! q8 n# G    │  │      Lecture_7_Partners-subtitles.en.zip, h: v( I+ t0 B3 r' S+ O1 I
    │  │      Lecture_7_Partners.zip
3 X: h9 _( P7 q8 e" v    │  │      Lecture_8_Resources,_Activities_&_Costs-subtitles.en.zip  p- |0 x* T8 Y2 E! Q6 c/ }1 _
    │  │      Lecture_8_Resources,_Activities_&_Costs.zip0 t3 T0 d2 W+ K6 A6 T( R, v
    │  │      Secret_Notes_for_InstructorsCoaches-subtitles.en.zip' _0 Q- d( w7 H9 J+ L
    │  │      Secret_Notes_for_InstructorsCoaches.zip
  g$ y. N( p! \7 r5 t    │  │      
( W3 ^" h! {  U+ f& M. Q! s1 }0 I! o    │  ├─MA004 Introductory Algebra Review& c: |/ g9 M7 {3 \# F/ D
    │  │      1.1_Intro_to_Integers.zip/ r' A6 ]( v9 A/ H
    │  │      1.2_Order_of_Operations.zip6 B" Q2 Y1 \9 Z# R( z
    │  │      1.3_Area_and_Perimeter.zip/ p  V3 E! [( r4 Y: C
    │  │      2.1_Fractions.zip2 [8 _' Q, O" U3 }8 k* N
    │  │      2.2_Decimals_and_Applications.zip8 U, \+ V* e* G3 f) N' J6 h
    │  │      2.3_Fraction_to_Decimal_Conversion.zip! V6 U% g8 v- m5 f" d! N
    │  │      2.4_Scientific_Notation.zip3 H6 |, ^7 N1 U4 P% y
    │  │      3.1_Rates.zip+ G8 W  p4 U$ p! g
    │  │      3.2_Ratios.zip2 \* B) D( I0 v- M8 d5 f' T; C
    │  │      3.3_Unit_Conversion.zip
( N, N5 p7 J3 f5 Q, b" {    │  │      3.4_Decimals_and_Percents.zip. ]. o1 H; M6 q
    │  │      4.1_Algebraic_expressions.zip: W4 p7 q) v  N6 ]
    │  │      4.2_Linear_equations.zip( a2 b. f$ i8 I5 D+ G6 E* y) b
    │  │      4.3_Algebraic_Proportions_&_Similar_Triangles.zip3 K% p6 G$ ^9 `0 M
    │  │      4.4_Pythagorean_Theorem.zip
1 G( b, {7 v5 I    │  │      5.1_Introduction_to_Graphing.zip. f/ h/ K6 t/ e1 P- C" _4 P
    │  │      5.2_Slope.zip# q' t) o8 i& n* q  c$ E
    │  │      5.3_Writing_Linear_Equations.zip4 Q% B3 C) u7 ?- k, `- _# j
    │  │      8 {8 @  s7 x2 H; |+ W' ]0 n( a
    │  ├─MA006 Visualizing Algebra Problems and Patterns, N& V% y7 Z9 e" Y5 Y8 B& O
    │  │      1.1a_Equivalent_Fractions-subtitles.en.zip" a2 n' K& v, q1 [( y3 D' x
    │  │      1.1a_Equivalent_Fractions.zip
) k7 g. ~9 ]1 W6 T( p    │  │      1.1b_Multiply_Fractions-subtitles.en.zip- v# @8 B7 v/ J  n
    │  │      1.1b_Multiply_Fractions.zip
3 e. D' k: Q; E    │  │      1.1c_Divide_Fractions-subtitles.en.zip
! b4 \6 ~) a5 A$ t, h    │  │      1.1c_Divide_Fractions.zip! x( f4 f9 b" g; k. a/ @
    │  │      1.1d_Add_and_Subtract_Fractions-subtitles.en.zip
: J' T3 F4 U2 q$ {% ^3 ?& p    │  │      1.1d_Add_and_Subtract_Fractions.zip
1 R0 V5 \# f/ S4 k& X    │  │      1.2_Exponents-subtitles.en.zip
5 @* Y* [% @# i( m    │  │      1.2_Exponents.zip/ _8 P0 b! x, X/ V5 x% R
    │  │      1.3a_Scientific_Notation-subtitles.en.zip7 E( k7 h7 S' r0 d
    │  │      1.3a_Scientific_Notation.zip
- j! Q" y# W- i1 I- P" [% h; {- `    │  │      1.3b_Decimals_and_Percents-subtitles.en.zip
6 v$ V" Z0 ^/ d9 L    │  │      1.3b_Decimals_and_Percents.zip8 N% f% f& ?9 P* H# F  h0 r
    │  │      1.4_Order_of_Operations-subtitles.en.zip
  _- Z* V3 s8 `$ M5 ~3 n    │  │      1.4_Order_of_Operations.zip
  P& }$ K- @+ g9 i8 J# h0 s    │  │      1.5_Evaluating_Expressions-subtitles.en.zip
! L& ?/ A- I+ A1 O    │  │      1.5_Evaluating_Expressions.zip3 m" g7 r0 M. L8 c9 ]4 r
    │  │      1.6_Absolute_Value-subtitles.en.zip
& d. M2 r4 a& _$ f- ~    │  │      1.6_Absolute_Value.zip
& v: K1 a0 \9 _2 b. b$ n% [7 `! p& `    │  │      10.1_Solving_Equations_with_Radical_Expressions.zip/ [$ j3 |0 F! e: W& l+ v3 w
    │  │      10.2_Radical_Equations_that_lead_to_Factorable_Quadratics.zip5 N2 t% I, ]0 S; p
    │  │      10.3_The_Substitution_Method.zip5 s9 N- o8 ^# L& c
    │  │      10.4_Geometry_Applications_(Area_and_Perimeter).zip
0 F( C1 X$ b' R4 L* r    │  │      10.5_Motion_Problems.zip
' t3 F( R5 ]' G6 t" J$ J    │  │      10.6_Motion_Problems_with_a_Current.zip
! w% G( u2 v. T, M( H( l    │  │      10.7_Work_Problems.zip0 X5 q1 M% F/ A
    │  │      11.1_Pythagorean_Theorem.zip
8 m" P9 h: @  A( _' _1 |9 P0 Q8 n) _    │  │      11.2_The_Distance_Between_Two_Points.zip" X5 K6 D0 |7 I% H/ |* L3 G, ^) j
    │  │      11.3_Circles.zip
/ L+ B5 L. ]+ w/ F% j% B; C    │  │      11.4_Ellipses.zip, }& J! b3 q; @- T8 \- ]
    │  │      11.5_Hyperbolas.zip
( H5 n- ^  V2 M9 T) Y    │  │      11.6_Parabolas.zip: a" l0 L# }3 q! c: }% ^
    │  │      11.7_Conic_Sections.zip
8 H! ^5 {; p, H1 ]    │  │      12.1_Inverses_of_Functions.zip2 Y% U1 i! ?$ N
    │  │      12.2_Function_Algebra.zip
  {( [8 K0 G* C' |$ X    │  │      12.3_Exponential_Equations.zip( G/ a& V$ v8 y' ?. C9 Y$ `- k
    │  │      12.4_Logarithmic_Notation.zip
3 v! u; d: C: l4 V  u% p    │  │      12.5_Properties_of_Logarithms.zip
( p8 O/ N  d, f1 o! H( u7 ^" z) r; f    │  │      12.6_Equations_with_Logarithms.zip
. @5 ]$ X1 ~- y' T  q' }- e( ^    │  │      2.0_Math_Quill-subtitles.en.zip
* C- ~4 j) }5 f1 ~( U9 }    │  │      2.0_Math_Quill.zip
3 V5 b) J* A& Q    │  │      2.1_Equations_and_Inequalities-subtitles.en.zip0 S0 _$ k' S$ |
    │  │      2.1_Equations_and_Inequalities.zip& q; U! E" _& @$ H
    │  │      2.2_Problem_Solving-subtitles.en.zip
8 q' f  N0 ^) L0 K7 }( c    │  │      2.2_Problem_Solving.zip
3 p8 S. _6 @3 v6 |    │  │      2.3_Solving_Inequalities-subtitles.en.zip: x9 [- m+ G/ M7 }9 q
    │  │      2.3_Solving_Inequalities.zip
: h9 ?; \; r9 E/ A: b' e    │  │      2.4_Sets-subtitles.en.zip
! K2 @6 D9 [/ g    │  │      2.4_Sets.zip, y8 O7 e9 ?5 l2 l& y
    │  │      2.5_Compound_Inequalities-subtitles.en.zip
5 Z; a6 x7 S4 Q1 U5 u$ L; @% x    │  │      2.5_Compound_Inequalities.zip6 k" x% R" [* A
    │  │      2.6_Absolute_Value_Equations_and_Inequalities-subtitles.en.zip* d  ?( E  t4 r! {: _7 b( H. H" O; {
    │  │      2.6_Absolute_Value_Equations_and_Inequalities.zip
$ V9 k6 k" ]. o  h9 Y( e) O  B    │  │      3.0_Math_Quill.zip
' x) ^8 M9 n! r% i* Y" B    │  │      3.1_Cartesian_Plane.zip
9 ~3 k3 N' C/ A    │  │      3.2_Slopes_of_Lines.zip
; _; Y9 M) [$ x+ }    │  │      3.3_Graphing_Linear_Equations.zip
3 r) |" W) e( \$ s    │  │      3.4_Equations_of_Lines.zip0 V8 w, @* A$ n4 Z( F6 ]1 d5 ^
    │  │      3.5_Graphs_of_Linear_Inequalities.zip) e9 a5 ?) X% @3 p; D( g
    │  │      3.6_Functions.zip2 k3 [8 S2 T0 \9 T
    │  │      4.1_Types_of_Systems_of_Equations.zip; F" A- h* O" [: B  \4 i% K
    │  │      4.2_Solving_Systems_using_Substitution.zip5 o/ `* v- }' O* Q5 z; h  v
    │  │      4.3_Solving_Systems_using_Elimination.zip
8 L) V& Q" S. q    │  │      4.4_Applications_of_Systems.zip
; s, Q8 A6 y1 N" G    │  │      5.1_Properties_of_Exponents.zip" ~' f# C2 D$ ]  h
    │  │      5.2_Calculations_with_Scientific_Notation.zip  K. N6 G' N5 ^/ [
    │  │      5.3_Add_and_Subtract_Polynomials.zip2 r0 N0 N* K4 L
    │  │      5.4_Multiply_Polynomials.zip) p, n/ S! d  T
    │  │      5.5_Divide_Polynomials.zip% v! O3 e, N  s& G8 \; P
    │  │      6.1_Factoring_the_Greatest_Common_Factor.zip
$ L4 J+ e0 m( X$ q' G! \    │  │      6.2_Factoring_by_Grouping.zip  g* \# ^. L" g4 i! K" Q+ y
    │  │      6.3_Factoring_by_Patterns.zip9 y' s" X6 O3 e6 `) k- R7 m
    │  │      6.4_Factoring_Expressions.zip
( ]. U; K& ?) U/ ^; S    │  │      6.5_Solving_Quadratic_Equations_by_Factoring.zip
7 k7 q3 W  s0 Q, v( L* f    │  │      7.1_Simplify_Rational_Expressions.zip( E; @3 {' ~5 r; m
    │  │      7.2_Multiply_and_Divide_Rational_Expressions.zip- w$ ]) o: W2 Y# j( n1 S7 |* n
    │  │      7.3_Add_and_Subtract_Rational_Expressions.zip" j  _' x# N1 a* ^- S' H/ y3 w
    │  │      7.4_Complex_Fractions.zip
) Y$ k  i9 {! Z: W* b5 @7 Y( s    │  │      7.5_Solving_Equations_with_Rational_Expressions.zip, X4 L  m# _2 L/ }
    │  │      7.6_Solving_for_Variables_in_Variable_Equations.zip
) Y' K5 Y' t! _7 ?1 u    │  │      7.7_Variation.zip
# M. y: l: w4 ?    │  │      8.1_Rational_Exponents.zip) V/ x1 m2 I# h# h$ C5 F
    │  │      8.2_Simplifying_Radicals.zip
; m1 S3 ~  p2 N6 Q) M, L* @    │  │      8.3_Complex_Numbers.zip- r' I% _4 K# F* c, p* T
    │  │      8.4_Add_and_Subtract_Radicals_and_Complex_Numbers.zip( Q! m% j) x& S- n
    │  │      8.5_Multiply_Radicals.zip6 j) g" h7 N' }# v( t
    │  │      8.6_Divide_Radicals.zip- o. X+ M: b4 O7 h1 u
    │  │      9.1_Review_of_Factorable_Quadratics.zip; s% ?; O3 r8 ~! g: s& K
    │  │      9.2_Solving_Quadratic_Equations_using_the_Square_Root_Method.zip
  Q0 V" |; K$ |$ Q) W/ k; w    │  │      9.3_Solving_Quadratic_Equations_by_Completing_the_Square.zip
& M( M  [( o$ J% A# q    │  │      9.4_Solving_Quadratic_Equations_using_the_Quadratic_Formula.zip
" C1 i$ V% B. L  p% @* |! a    │  │      9.5_Quadratic_Inequalities.zip$ N' C0 p( h' L. t! i
    │  │      
4 ~+ @; l5 v/ p5 z8 l    │  ├─MA008 College Algebra Animals, Architecture, and Innovation/ M7 `+ n6 Y8 M7 m! U
    │  │      Lesson_10__Parabolas.zip, D  g7 X: }6 n1 B7 L
    │  │      Lesson_11_Factoring.zip
, A; Z' D! f! w5 T) ^+ w: i    │  │      Lesson_12_Quadratic_and_Rational_Inequalities.zip( s+ C, I) Z% b
    │  │      Lesson_13__Parabolas.zip
2 w! J6 [- u6 L% T6 |    │  │      Lesson_14_Completing_the_Square.zip) |8 Y" G/ ~* N+ \8 V: m
    │  │      Lesson_15_Quadratic_Formula.zip
$ N! b- X8 Q1 W* {; x) Y6 X    │  │      Lesson_16__Complex_Numbers.zip
% m5 o4 J! T& S5 D1 w    │  │      Lesson_17_Functions.zip0 F1 E3 h; |6 d% l/ ~
    │  │      Lesson_18_Domain_and_Range.zip
- g9 ^" K8 C" [! T    │  │      Lesson_19_Behavior_of_Functions.zip9 T0 b* T3 O" Y9 x# }7 H( L
    │  │      Lesson_1_Number-subtitles.en.zip
. F7 c8 g+ G2 }% [- c7 U1 F    │  │      Lesson_1_Number.zip
- R- O2 c# A/ v6 b8 L0 a' e    │  │      Lesson_20_Factor_Theorem.zip7 |# m: R5 E) e2 k* N' a- I* P
    │  │      Lesson_21_Rational_Zero_Test.zip
# Q1 A* Q" [9 S  e* q2 N    │  │      Lesson_22__Intermediate_Value_Theorem.zip/ f: B. ~4 p0 V: M5 \& i" y
    │  │      Lesson_23_Piecewise_and_Rational_Functions.zip( w+ \' F: i9 x( i  G2 k
    │  │      Lesson_24_Asymptotes.zip5 p0 k$ n7 o+ o/ t9 b' _
    │  │      Lesson_25_Slant_Asymptotes.zip
9 \$ |# A/ Q4 M5 o0 d. I6 q# M    │  │      Lesson_26_Transformations.zip# l1 p8 I. j! D6 }/ l* ?
    │  │      Lesson_27_Combining_Functions.zip
  v* P) _' f8 `6 z    │  │      Lesson_28_Inverses.zip5 f+ ~4 ^4 c2 O1 \8 R
    │  │      Lesson_29_Exponential_Functions.zip9 B5 K& b( O2 s$ f4 Z
    │  │      Lesson_2_Expressions-subtitles.en.zip
, l; B3 R% }. i3 C; W& r    │  │      Lesson_2_Expressions.zip
5 j/ v/ @% s. T; _* D8 J    │  │      Lesson_30_Scientific_Notation.zip+ [& ^# Q# J( F1 s% D
    │  │      Lesson_31_Logarithmic_Functions.zip
8 z6 D1 S# p% b( f, N) x# i% r0 j( Z    │  │      Lesson_32_Log_Properties.zip
( j! Y* Z& |3 \  Q% w$ `' q    │  │      Lesson_3_Polynomials-subtitles.en.zip' Z4 Y9 ~/ K$ K* M
    │  │      Lesson_3_Polynomials.zip
( n( ^% ~& G6 ?  O' k. Z    │  │      Lesson_4_Equations-subtitles.en.zip
; w  z6 ?6 V& n2 H9 A! b    │  │      Lesson_4_Equations.zip
* d: u# `. J" U! w% T; t    │  │      Lesson_5-1_Coordinates-subtitles.en.zip
0 P, K  W5 C9 t% X4 ?8 f    │  │      Lesson_5-1_Coordinates.zip0 B, @* n1 e$ i7 z# g
    │  │      Lesson_5-2_Distance-subtitles.en.zip5 @7 e2 b' [  ^
    │  │      Lesson_5-2_Distance.zip1 R  S* {( c$ }6 d  D- G
    │  │      Lesson_5-3_Midpoints_And_Slope-subtitles.en.zip, O$ f; O6 K/ n" s& g
    │  │      Lesson_5-3_Midpoints_And_Slope.zip5 N, T. \% F6 z- V
    │  │      Lesson_6-1_Slope_And_Equations.zip! c1 _& Z$ \! m4 S
    │  │      Lesson_6-2_Points.zip7 Z* F, d; w; M$ K  {, V/ L
    │  │      Lesson_6-2__Points-subtitles.en.zip
, a4 i# O$ j$ Q0 N6 {: q    │  │      Lesson_6-2__Points.zip
# \0 _: e. t3 o2 a) |    │  │      Lesson_6_-1_Slope_And_Equations-subtitles.en.zip( Z  r7 [5 o6 J' _- n- O
    │  │      Lesson_7_Forms_of_the_Equation_of_a_Line.zip) l; |3 A2 x+ W* r4 w
    │  │      Lesson_8_Inequalities_And_Absolute_Value.zip- z: G$ E! P4 {! Z$ e6 q2 L
    │  │      Lesson_9_More_Inequalities_And_Equations.zip+ u6 W0 k' @: W  E, s/ H
    │  │      Progress_Assessment_(Lessons_17-26).zip% j* V6 e2 t8 a: y% W" I: D
    │  │      Review_1-subtitles.en.zip
# {( y6 ~$ ?& @& H& K    │  │      Review_1.zip
$ Y$ N- R5 q4 ^! P7 `- Z9 d    │  │      Review_1_(Lessons_1_-_3).zip& S" `) k6 d. w4 w8 q
    │  │      Review_1_(Lessons_3_-_5).zip
  P! t& B4 t+ s    │  │      Review_2-subtitles.en.zip* b8 e5 Q# l- i7 K
    │  │      Review_2.zip
# H; A1 }& u% m4 K' z: H    │  │      Review_2_(Lessons_4_-_6).zip3 p0 f" R. d4 O. ?& c8 [( l
    │  │      Review_3_(Lessons_7_-_9).zip. ], V# t' L6 m; p! W) j% R
    │  │      Review_4_(Lessons_10-12).zip( O* L0 o7 f! G9 t9 U0 Z- K( _- G7 t
    │  │      Review_5_(Lessons_13-15).zip+ o- S+ x* s0 P1 y5 C* L7 P7 \
    │  │      Review_6_(lessons_1-16).zip
8 i& U5 m4 F! r8 f/ J" V    │  │      Review_7_(Lessons_17-19).zip
4 ~+ p* L$ r6 H' n* J! `    │  │      Review_8_(Lesson_20-22).zip
/ z2 J9 w. R% w' I    │  │      Review_9_(Lessons_23-25).zip
8 m4 W4 F. K/ x4 e/ v7 K+ P    │  │      7 @" F$ x5 ]( f6 H
    │  ├─PH100 Intro to Physics Landmarks in Physics- ?2 Q6 B  D1 Q; O+ G: E; Q7 i
    │  │      Bonus_-_Simple_Harmonic_Branches-subtitles.en.zip
' f5 v. v9 p$ P4 |, h# L    │  │      Bonus_-_Windows_on_Planes-subtitles.en.zip) q9 k7 z5 X# d
    │  │      Final_Exam-subtitles.en.zip
, ]# [1 ]. s7 X( A2 d; I6 P    │  │      Final_Exam.zip% m9 y2 n7 ^) L/ y/ [, K5 r; V
    │  │      Problem_Set_1-subtitles.en.zip
2 E' \) b8 t7 a' {2 F" ]    │  │      Problem_Set_1.zip8 v& T6 a# S4 h1 _
    │  │      Problem_Set_2-subtitles.en.zip0 \( Y, \5 I" y' E1 q; G
    │  │      Problem_Set_2.zip, z* p# y, y7 }, T
    │  │      Problem_Set_3-subtitles.en.zip" F  f/ D1 B3 y) t9 j1 z" g: E, s
    │  │      Problem_Set_3.zip
" C6 n; W) }! A+ y, f5 C+ Q+ z: C    │  │      Problem_Set_4-subtitles.en.zip) Z! i& y! y- Z/ o  s2 Q2 i
    │  │      Problem_Set_4.zip
* |: z- o+ M! F  v3 q    │  │      Problem_Set_5-subtitles.en.zip
/ o" F( Y( f. `' N6 s4 P    │  │      Problem_Set_5.zip6 G2 a3 T/ U) R1 C' }4 `
    │  │      Problem_Set_6-subtitles.en.zip8 `, O( p9 n2 }! t7 Y3 B  I+ C  v* a
    │  │      Problem_Set_6.zip
# [5 J; s5 e# h# p( F: f    │  │      Unit_1a_-_Circumference_of_the_Earth-subtitles.en.zip
3 C/ ], Q2 s- Z, k8 y    │  │      Unit_1a_-_Circumference_of_the_Earth.zip
! b0 w+ @& c7 ]2 z: U3 z4 ^0 p    │  │      Unit_1b_-_Bonus_-_Error_Analysis-subtitles.en.zip' ?: @7 U2 H/ }+ O, `
    │  │      Unit_1b_-_Bonus_-_Error_Analysis.zip
+ o; }" S2 D  v    │  │      Unit_2a_-_What_is_Motion-subtitles.en.zip$ A* Q: k, r7 y
    │  │      Unit_2a_-_What_is_Motion.zip" T3 S" K6 S' g1 g
    │  │      Unit_2b_-_Motion_in_Two_Dimensions-subtitles.en.zip
8 r; ]3 e# T! N/ p( J7 }    │  │      Unit_2b_-_Motion_in_Two_Dimensions.zip- b/ t" W7 r9 |7 w! Q: e; \2 z
    │  │      Unit_3_-_What_Causes_Motion-subtitles.en.zip0 i) |$ E. L2 A" B3 S5 f+ \9 e
    │  │      Unit_3_-_What_Causes_Motion.zip
: B5 c9 y- y& D& ^    │  │      Unit_4_-_Keeping_Holland_Dry-subtitles.en.zip
4 t2 q# u8 }8 O4 C/ F: D- r( x    │  │      Unit_4_-_Keeping_Holland_Dry.zip
# Y$ A( P5 ^# F. }4 F$ ~    │  │      Unit_5_-_Lost_at_Sea-subtitles.en.zip$ h, h  Q2 n0 m$ P9 f
    │  │      Unit_5_-_Lost_at_Sea.zip
3 m& ^5 W, }6 X/ G    │  │      Unit_6_-_Lightning_Strikes-subtitles.en.zip0 T! O& `0 `+ c* C+ u
    │  │      Unit_6_-_Lightning_Strikes.zip0 O9 [% o8 z) g( L
    │  │      Unit_7_-_Special_Relativity-subtitles.en.zip
: W# t9 v- v* E' l/ f    │  │      Unit_7_-_Special_Relativity.zip) D( y# O6 @0 z! d' z
    │  │      , L2 ^- o* A, M
    │  ├─PS001 Introduction to Psychology The Science of Thought and Behavior3 p6 D7 ?: ]6 @: v! N2 s
    │  │      Lesson_01_What_Is_Psychology.zip- z: i. Z# J+ N( H5 O
    │  │      Lesson_02_Research_Methods.zip
9 t6 Z5 }( P& k7 h  g) T5 H' c: A  P    │  │      Lesson_03_Biology_of_Behavior.zip
# _8 H: l* `, N3 H    │  │      Lesson_04_Sensation_and_Perception.zip
6 g: h+ b# u2 j2 a$ U$ f    │  │      Lesson_05_Development.zip
. h: u2 e& M3 y! Q- S! x    │  │      Lesson_06_Consciousness.zip
# e$ z4 A& O4 b5 I$ ]    │  │      Lesson_07_Learning.zip
! f8 n+ h/ z0 M3 Z    │  │      Lesson_08_Memory.zip
: I- B- k5 @: S3 G3 W    │  │      Lesson_09_Language_and_Thought.zip; c3 i+ J; @1 w6 n# ]2 k
    │  │      Lesson_10_Intelligence.zip$ f: S, X- H( a" D7 M
    │  │      Lesson_11_Motivation_and_Emotion.zip
4 d3 h% ?: l! v; j    │  │      Lesson_12_Stress_and_Health.zip' Q, y3 P& e  d5 h, j- K6 m% X
    │  │      Lesson_13_Personality.zip- |8 N) I% i6 K# C$ E6 }
    │  │      Lesson_14_Social.zip
( R- j: v  H6 f, f    │  │      Lesson_15_Psychological_Disorders.zip3 J  R6 W4 V- L+ {) C! u
    │  │      Lesson_16_Treatments_for_Psychological_Disorders.zip$ [/ y. {, r  F. i# I1 F0 _7 ~
    │  │      ' F# J/ w8 H  h" C7 {1 K" }' z2 ^& ^
    │  ├─ST095 Statistics The Science of Decisions1 C) U  x# V+ h0 F; X1 x
    │  │      Google_Spreadsheet_Tutorial.zip
: \* R& ?& Y' T7 v* F; |+ w    │  │      Lesson_1-subtitles.en.zip1 m( r* `( U4 v5 j* F& e4 h2 x
    │  │      Lesson_10_t-Tests.zip
# d: c% Y& P9 W' J, D$ v- F    │  │      Lesson_11_t-Tests_continued.zip3 f+ s# ]3 u4 C
    │  │      Lesson_12_One-way_ANOVA.zip( ]: p. {- o: H  N* Q
    │  │      Lesson_13_ANOVA_continued.zip6 U6 a( a. ?; N+ T% \6 y( z6 l
    │  │      Lesson_14_Correlation.zip
) W) R# @$ I  J* i    │  │      Lesson_15_Regression.zip
9 s# _  N$ C7 @& o& p% Q# W    │  │      Lesson_16_Chi-Squared_tests.zip+ ]/ v- x" Z' r% C5 B* o
    │  │      Lesson_1_Intro_to_statistical_research_methods.zip+ V& J/ o/ V3 i9 c, A
    │  │      Lesson_2-subtitles.en.zip, {5 j/ B/ g/ W% ^! t
    │  │      Lesson_2_Visualizing_data.zip
3 D& c4 {. @  k    │  │      Lesson_3_Central_tendency.zip
4 I- P( g, d$ l  {0 a( m+ z    │  │      Lesson_4_Variability.zip
, e- g, P; A! R1 h3 z  K4 @    │  │      Lesson_5_Standardizing.zip  |' [0 O0 Z+ L; `# x
    │  │      Lesson_6_Normal_Distribution.zip
$ R$ C' S6 f; ^# H    │  │      Lesson_7_Sampling_Distributions.zip! I$ c: M) `" B& o/ P- s
    │  │      Lesson_8_Estimation.zip
& Y: V4 S5 O- x4 X& J* {: V$ }    │  │      Lesson_9_Hypothesis_testing.zip
$ @! R% K$ Y% J7 ?8 O    │  │      Orientation!.zip
% {* f2 h) a. Y  Q4 ?4 b    │  │      Problem_Set_1-subtitles.en.zip( |9 v- n2 A) g8 a
    │  │      Problem_Set_1.zip
) t0 [  l: D+ V0 l0 s# Q    │  │      Problem_Set_2-subtitles.en.zip
: F, R' C7 D; }0 ?    │  │      Problem_Set_2.zip  {) d+ {1 ]1 h* C1 p4 N5 p
    │  │      
' J- r3 P8 R2 e& l; V    │  └─ST101 Intro to Statistics Making Decisions Based on Data
7 E$ |5 E8 X5 P; g    │          1._Teaser-subtitles.en.zip# Y0 x5 G7 c0 m, q0 S) u
    │          1._Teaser.zip
; w3 x2 d/ J4 [7 y    │          10._Bayes_Rule-subtitles.en.zip/ F. M7 @! T( C7 P# x( z
    │          10._Bayes_Rule.zip9 n, H% U9 C0 c1 v$ R
    │          11._Programming_Bayes_Rule_(Optional)-subtitles.en.zip5 P' P  v% a! H- d
    │          11._Programming_Bayes_Rule_(Optional).zip" f1 G/ B% C4 e- F
    │          11A._Probability_Distributions-subtitles.en.zip
3 E: m7 P) i/ Y8 q& u$ l! _( B- {    │          11A._Probability_Distributions.zip
. i  V9 b& u: \4 p    │          12._Correlation_vs._Causation-subtitles.en.zip' N. {- O4 F# l# B
    │          12._Correlation_vs._Causation.zip
% Z5 h- G6 X, i+ L! r2 B    │          13._Estimation-subtitles.en.zip
. z3 g4 o( O. z4 |9 `+ F7 q# M$ t) `    │          13._Estimation.zip
4 J% ^  a) B. l, O: n4 M    │          14._Averages-subtitles.en.zip
( Z' J$ _6 ~2 p    │          14._Averages.zip
( O. ^" |* S- ^0 X: \5 v    │          15._Variance-subtitles.en.zip+ t, n' N: l) J2 Z. D8 H. i( W
    │          15._Variance.zip
& x6 q# s; h$ J6 ]    │          16._Programming_Estimators_(Optional)-subtitles.en.zip
5 G# Z9 ~* G3 {6 U. P- r% E    │          16._Programming_Estimators_(Optional).zip0 o% \4 R& ~. w3 H5 `/ i, m
    │          17._Outliers-subtitles.en.zip
& u8 E4 u9 l% {5 }& k2 s  x    │          17._Outliers.zip
: t; W5 |; b( \- S3 {* z    │          18._Binomial_Distribution-subtitles.en.zip
1 P: R# R8 j. P    │          18._Binomial_Distribution.zip
0 V' P* y6 Q5 N2 G& d    │          19._Central_Limit_Theorem_Programming_(Optional)-subtitles.en.zip
$ I- `: I0 m% e( c0 `+ }    │          19._Central_Limit_Theorem_Programming_(Optional).zip
$ J# G. Y/ B- ~1 e' x& `    │          19A._Central_Limit_Theorem-subtitles.en.zip
+ i- |% n) t7 P' ~0 J8 |( @$ k; g    │          19A._Central_Limit_Theorem.zip
, `: T1 K) u' S& X8 m7 u    │          2._Looking_at_Data-subtitles.en.zip
/ G2 X( ?6 Z+ ^% a# M, x8 v    │          2._Looking_at_Data.zip8 ?9 S0 d0 t! V- E* R$ `
    │          20._The_Normal_Distribution-subtitles.en.zip
6 t5 |9 R2 q' K' B) o" g6 g    │          20._The_Normal_Distribution.zip9 n8 U. r4 h4 g9 W& ]
    │          21._Manipulating_Normals-subtitles.en.zip* a& y+ \) n8 D  [8 W+ E6 [
    │          21._Manipulating_Normals.zip% x* X2 a* x" R) N* G2 {. ?8 X* I8 u
    │          22._Most_Better_than_Average-subtitles.en.zip
3 D3 }5 Y! w1 M7 r    │          22._Most_Better_than_Average.zip' r7 `% W' f' O+ ^
    │          23._Sebastian's_Weight_and_Proofs_(Optional).zip3 [4 l$ X6 l, ?3 }  T3 O) D( q
    │          23._Sebastians_Weight_and_Proofs_(Optional)-subtitles.en.zip
/ K! H* m4 M, q  w6 `    │          24._Confidence_Intervals-subtitles.en.zip+ \$ m. A& S* U4 c3 S7 }/ R4 J
    │          24._Confidence_Intervals.zip
9 n8 f& ?( t0 Q& ?/ f1 H    │          25._Normal_Quantiles-subtitles.en.zip
( J( N9 x) M2 Y$ g1 k    │          25._Normal_Quantiles.zip
' ?- P& G1 ~) G7 _. Q% t    │          26._Hypothesis_Test-subtitles.en.zip
2 t0 l; o9 K2 @6 h    │          26._Hypothesis_Test.zip2 w3 b5 b% i$ a, S, T6 {! R
    │          27._Hypothesis_Test_2-subtitles.en.zip5 ~* y6 b! s1 T( j& J+ m
    │          27._Hypothesis_Test_2.zip, E' ^  O& ?0 a
    │          28._Programming_Tests_and_Intervals_(Optional)-subtitles.en.zip
( ^5 T) r. _% ]3 N. e, D1 |    │          28._Programming_Tests_and_Intervals_(Optional).zip
9 G) h2 a/ U# A& ]+ E    │          29._Regression-subtitles.en.zip8 p$ B* z% [% a
    │          29._Regression.zip. z" L1 i, [% }6 z  X  |9 a
    │          3._Scatter_Plots-subtitles.en.zip* R7 G7 C# M" z6 L: w$ o3 p9 e' M- a  @
    │          3._Scatter_Plots.zip; q  g, \  S" j5 S
    │          30._Correlation-subtitles.en.zip
5 J3 g' j* B( y# a  Z  }, t    │          30._Correlation.zip
, w0 c' E& n$ S: B$ T    │          31._Monty_Hall_Problem_(Optional)-subtitles.en.zip
6 y; f4 P2 M3 w" j  F+ A  ^    │          31._Monty_Hall_Problem_(Optional).zip
3 h5 b' _2 w6 k    │          32._Weight_Case_Studies-subtitles.en.zip% F7 {3 F7 T0 U7 u+ O( e9 s) O- J
    │          32._Weight_Case_Studies.zip
% _5 k, A. o( o) k8 Q! u6 h1 D    │          33._Flash_Crash_Example-subtitles.en.zip8 r1 ?/ p! g+ {) }8 q: r# K4 \
    │          33._Flash_Crash_Example.zip: I* c$ r' C. M% U7 O
    │          34._Challenger_Example-subtitles.en.zip
) ?4 }0 Q+ U1 U4 V- s- ?  ]    │          34._Challenger_Example.zip
% I9 ~5 Y, _& ~% i5 S  g    │          4._Bar_Charts-subtitles.en.zip4 y4 F$ W5 B8 N, O
    │          4._Bar_Charts.zip7 N7 H/ r0 u% A; U% L
    │          5._Pie_Charts-subtitles.en.zip
) H0 U$ b' g8 ^9 ]: |& m    │          5._Pie_Charts.zip
* B3 G1 `& g# a    │          6._Programming_Charts_(Optional)-subtitles.en.zip7 U. o6 v' G6 j
    │          6._Programming_Charts_(Optional).zip( ]2 _4 R" N! g
    │          7._Admissions_Case_Study-subtitles.en.zip
  U2 Z- z3 b9 o% y, A    │          7._Admissions_Case_Study.zip
) R1 o; Q; x! |5 ~2 y    │          8._Probability-subtitles.en.zip
4 w. p& h  y8 ^1 ~7 [' }    │          8._Probability.zip+ P! ~% k! Z- ^% V
    │          9._Conditional_Probability-subtitles.en.zip9 j& m' m8 W) ]  ]
    │          9._Conditional_Probability.zip$ ~" h9 U2 }6 [8 W0 ^, c& u3 U
    │          Final_Exam-subtitles.en_2.zip
3 Y  V; d; w3 }$ B3 P/ W    │          Final_Exam_2.zip2 ]  }2 Q( V# w6 I, `0 D
    │          Problem_Set_1_Visualization-subtitles.en.zip
) @8 V% D7 L+ @& ^' e- n: X. P  y    │          Problem_Set_1_Visualization.zip' k& e4 U. y/ i: M* Y
    │          Problem_Set_2_Probability-subtitles.en.zip
0 `. R9 ?. h! g" ]. b7 L    │          Problem_Set_2_Probability.zip
/ z' E7 o! k2 Z& O9 N2 f; ^    │          Problem_Set_3_Estimators-subtitles.en.zip( p  @! ~0 U: `( |9 P6 |6 Y) g9 w
    │          Problem_Set_3_Estimators.zip
- F. _7 V% |0 t; a( l0 E    │          Problem_Set_4-subtitles.en_2.zip3 W6 Y  C) H. o& J9 N
    │          Problem_Set_4_2.zip
: ~6 i2 D& [4 Z$ b; i" M" A    │          Problem_Set_5_Inference-subtitles.en.zip! e! ?0 U8 F; t/ \) u  d
    │          Problem_Set_5_Inference.zip6 c1 ?7 C9 C; m
    │          Problem_Set_6_Regression_and_Correlation-subtitles.en.zip
1 N0 V( f8 T6 p: @! u, y    │          Problem_Set_6_Regression_and_Correlation.zip: w4 K" m' R7 [6 `# B" O1 X1 I) N
    │          - K8 t( i$ N" W7 N1 A) ]7 @
    ├─斯坦福大学-机器学习课程
1 i/ f  t8 S' b    │  └─斯坦福大学-机器学习课程
7 u: ~: D0 n# ]. M    │      │  cs229-lecture01.mp4
7 ?+ p2 X9 y1 c% b& Q% V    │      │  cs229-lecture02.mp4; N- [( \# i9 @* |
    │      │  cs229-lecture03.mp4
% a# c& P7 {- C# E0 Q/ K' R    │      │  cs229-lecture04.mp4
, M. l& X) v0 z# D    │      │  cs229-lecture05.mp4( S( z1 u3 H% \* i
    │      │  cs229-lecture06.mp4
) A& O) V1 Y( U- V1 `6 `    │      │  cs229-lecture07.mp45 T: o0 o$ Q: g
    │      │  cs229-lecture08.mp49 M; I' v- m0 M, W; Q* T
    │      │  cs229-lecture09.mp4
4 d6 T" G; V; i9 d    │      │  cs229-lecture10.mp4$ G, J& M% E7 v8 l* w$ @- ]* U
    │      │  cs229-lecture11.mp4
6 b, b2 `6 G$ N# `( e4 y9 A7 m* P    │      │  cs229-lecture12.mp41 J2 i1 Z# I& y  a* N
    │      │  cs229-lecture13.mp4/ b: h: r+ f. h5 T6 y; H
    │      │  cs229-lecture14.mp4- H7 d# Y, ^# ]  O- l  F
    │      │  cs229-lecture15.mp4+ r# A0 o0 V2 @: W$ ^8 M
    │      │  cs229-lecture16.mp4
" g2 }5 B# O/ E3 q9 G1 [    │      │  cs229-lecture17.mp4
% G6 D# S5 I! P' Z5 K9 A7 I# f& i    │      │  cs229-lecture18.mp4
! B" [! [' ^' k9 [    │      │  cs229-lecture19.mp4
2 V7 y0 P. x- x: O1 A6 K    │      │  cs229-lecture20.mp4" K0 z# ?4 d: W) D- a
    │      │  下载说明.txt. T% |; q5 p6 l9 o; B
    │      │  关注我们.png5 }" a$ |% a* ~) W6 g
    │      │  攻城狮论坛=网络技术+编程视频.url
4 ?2 M. n% ]  d& k4 _    │      │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt8 i2 e# m6 `+ h) k0 q. C
    │      │  , w' C7 d* ~3 G2 p7 T0 ?
    │      └─[斯坦福大学-机器学习课程].materials) f  l" D5 @- v* \' g' k8 E6 ~
    │          └─materials
$ E  t4 R  q" P! M" {, S    │              │  Click_index_to_start.txt+ o) h5 l) m+ f
    │              │  index.html$ S6 ?0 a( I. I, Y. B
    │              │  lecturelist.html/ g& l9 ~4 @, W; D7 s
    │              │  6 r9 a2 |' B" q; y& b6 Q' P
    │              ├─css
* R1 X& |, a0 {3 f6 B    │              │      base.css
0 Z# ]% G* D1 s. L' w. T$ w    │              │      OpenCourse.css
3 D9 j) M$ R$ L    │              │      
/ {, v4 `7 G9 }" b9 h9 r    │              ├─images1 a+ r: v6 w" w7 p) ^, _* O
    │              │      14.gif
5 ~0 M2 a) d; `5 H    │              │      15.gif
7 N; {4 |( v) @5 K! z: N    │              │      ayn.jpg
$ N* d) A  H, x6 d0 v" z! d$ d    │              │      boyd.jpg
* q! F; w- |: W, Q4 T+ K    │              │      cain.gif' N" }& I! ^6 n3 Y, y4 i/ E
    │              │      clear.gif: b  l& o; e/ J2 u: V' p& Q  w2 W
    │              │      CS106A.jpg) H4 x* f6 C) i& s
    │              │      CS106B.jpg
# ^7 _/ Y" P5 O) R2 R9 G( B    │              │      CS107.jpg
: n0 A' \. K4 n4 `( G+ }    │              │      CS223A.jpg
  y8 U3 K* q: H3 {    │              │      CS224N.jpg3 y* N9 i& E5 \
    │              │      CS229.jpg
/ m* O; Z. T0 a* i- N6 w    │              │      EE261.jpg
6 }& x) {& L/ H    │              │      EE263.jpg
: P0 d& k: n# ?( \    │              │      EE364A.jpg
; f) F% f9 v3 h' J. ~0 t& n4 h    │              │      EE364B.jpg( {: [9 s& t8 J' a# [
    │              │      faculty_photo_bg.gif
) u: s( D- c1 `* o    │              │      GATES.JPG
" c* n) j& L9 W% X. k/ [: y    │              │      hw2a.gif; v! x/ L. v0 z7 Q2 i# g' g& F
    │              │      hw2b.gif
! ?& Y& Z6 s1 x) A/ S4 U/ @    │              │      hw2c.gif# G5 J2 ?2 ~" g- B3 f( j4 X
    │              │      hw2d.gif2 f* S, P# `! k  X" M
    │              │      hw2e.gif
, v3 b5 E, n+ A+ {$ y    │              │      hw4a.gif$ D& H$ H8 Z4 u6 r3 q/ f3 O/ `
    │              │      hw4b.gif
  c+ }  {+ [7 i% f) l7 V5 C. _8 P    │              │      khatib.jpg9 |. c0 V1 h- P* K! x$ ~) Z
    │              │      manning.jpg
. F+ P3 l" R# u3 G: r! \' n/ G3 W    │              │      nav.jpg+ g+ j% X" f& Q/ |1 U3 w5 l* C
    │              │      navtop.gif5 E/ L) y1 j7 d
    │              │      nav_bottom.gif
: c$ X! A0 H+ S3 a/ a3 `4 P; Q% n    │              │      osgood.jpg$ k5 D" ?6 ^' O' o, j. a1 C6 e  Z7 u& K
    │              │      sahami.jpg
& P6 F& x; F7 a9 n" l    │              │      SEEglobe.jpg3 q4 s3 O8 I) n& H6 f
    │              │      zelenski.jpg# T5 x( Z- Q! v7 ]2 q# _
    │              │      
" L" G, F7 ^" h# Z) H1 g: K2 [    │              └─materials
7 V6 O* S1 e7 t  [, z    │                  └─aimlcs229+ }' g. t8 [+ G* o# G4 b
    │                      │  AI-classes.pdf
1 V% O0 y- c8 u- k6 W9 @    │                      │  assignments.html+ f5 _! n5 {% s( N$ u+ W
    │                      │  compute_kernel_matrix.txt
/ b, M* r2 ?2 `3 I8 D    │                      │  cs229-cvxopt.pdf
9 l) y) C, `, {6 q) L    │                      │  cs229-cvxopt2.pdf- {; }& E+ x7 b- X! ~$ U) O
    │                      │  cs229-gp.pdf
" W6 n1 q9 B0 T& K( N' ?) l0 d: {    │                      │  cs229-hmm.pdf) q" F4 i7 _) h
    │                      │  cs229-linalg.pdf
* l, q3 z5 F% |2 Q( K1 \% H    │                      │  cs229-notes1.pdf( N0 Q! J( |8 a0 c! q# i+ ?
    │                      │  cs229-notes10.pdf. @7 w2 d9 g% l, V$ b/ f
    │                      │  cs229-notes11.pdf5 m$ s9 E3 Z0 E! B4 Q' P+ A! Y1 Y
    │                      │  cs229-notes12.pdf
  p0 P8 {, [& ^* s; x9 |1 Z    │                      │  cs229-notes2.pdf+ x2 @+ I3 y; X# s2 g
    │                      │  cs229-notes3.pdf
# B! m5 }% o- |, m3 H7 Q2 I    │                      │  cs229-notes4.pdf
1 S6 e  z0 U: H$ U8 m" _* Z    │                      │  cs229-notes5.pdf$ x3 m) h1 _% a0 R
    │                      │  cs229-notes6.pdf
' c, P3 C8 w5 B9 k4 p8 W    │                      │  cs229-notes7a.pdf+ i+ z1 d8 A9 g9 r
    │                      │  cs229-notes7b.pdf
+ h% E+ G4 [* h* o    │                      │  cs229-notes8.pdf
2 i# v4 ]9 W3 e! m    │                      │  cs229-notes9.pdf) o: x  J; _2 U0 `2 K
    │                      │  cs229-prob.pdf
- F3 |  g# B1 O  A% E0 J$ a: i0 J    │                      │  emacs.txt
% b  u7 \- F! G  p1 t3 Y    │                      │  gp_demo.txt
5 e. d, X9 [) ~' d1 y    │                      │  handouts.html9 Q8 w5 j0 u7 ^8 C4 W
    │                      │  info.pdf
8 V9 |! w: ]- P$ ~( l    │                      │  logistic_grad_ascent.txt
  Q5 U7 X" c+ H& y    │                      │  matlab_el.txt
1 p' |) u+ g* a4 X' b4 }    │                      │  matlab_session.txt
) h7 b8 G1 ?6 f' U; L    │                      │  ML-advice.pdf2 D6 L- D! I2 f, X# D
    │                      │  practice-midterm.pdf6 u9 `9 @  r+ o) i* q: S% m6 z
    │                      │  problemset1.pdf
( O: q# m# u. {/ h- V    │                      │  problemset2.pdf
& e7 L- W  [( j, i. b7 A    │                      │  problemset3.pdf
8 y/ x( h; k* ]7 u2 O& X    │                      │  problemset4.pdf
# ]/ Y/ i0 t. j' W+ l" F/ T4 U    │                      │  projectGuidelines.pdf
) P: k, E0 [, v" v    │                      │  PS1-data.zip/ Z' o* j* }0 K* `" s+ f$ E
    │                      │  ps1_solution-data.zip
2 u  d; Y- `, u  k5 Y! f# ]    │                      │  ps1_solution.pdf
" P( V$ z. U! H+ l% p" z- c    │                      │  PS2-data.zip" B* ~  i/ e/ S
    │                      │  ps2_solution.pdf& f; ?9 R1 _  l# M2 v; D
    │                      │  PS3-data.zip. v8 y! p9 _& V6 o% e& M
    │                      │  ps3_solution-data.zip
# l" Q. L* g1 k' e1 u    │                      │  ps3_solution.pdf% }; N3 T, p* S8 Z# X2 a& r3 b
    │                      │  PS4-data.zip+ F# d: J+ i7 i) `
    │                      │  ps4_solution-data.zip/ v1 l0 @: R. H$ n8 n% Z( j5 o
    │                      │  ps4_solution.pdf
/ W1 O7 g# @+ I7 e6 e3 `: p  g    │                      │  resources.html# c7 i2 E. c, \/ K: I
    │                      │  sample_gp_prior.txt
( w! b! n$ m3 a& O! ^' Q    │                      │  schedule.pdf4 t5 l# P8 t. J& k0 f
    │                      │  sigmoid.txt
, t' u7 @, N' U: x; Q! t    │                      │  : _2 @8 r7 q5 f4 D4 z
    │                      └─transcripts
- w# g: A4 _$ E    │                              MachineLearning-Lecture01.html5 [. d) [0 z. y; b& w1 \7 b
    │                              MachineLearning-Lecture01.pdf
6 R% M( O2 s' u! U0 |5 y/ b% B    │                              MachineLearning-Lecture02.html
  n. a; a. K2 P  _6 P* z$ I    │                              MachineLearning-Lecture02.pdf
; }4 c) J7 M( f    │                              MachineLearning-Lecture03.html
2 k( ?$ S! D7 @* s    │                              MachineLearning-Lecture03.pdf( H" P; d5 K) S" X, W
    │                              MachineLearning-Lecture04.html
& N+ N3 X. P3 N4 m0 x. U8 E    │                              MachineLearning-Lecture04.pdf
: H) V7 P' h" ~8 O6 g    │                              MachineLearning-Lecture05.html: X7 [" ]5 K; b% b! E" B* ?. V
    │                              MachineLearning-Lecture05.pdf# H: P1 `8 q% r: \/ ~  Y
    │                              MachineLearning-Lecture06.html: A$ C8 d1 b* R9 I  M" m
    │                              MachineLearning-Lecture06.pdf
5 v2 A$ t9 R# O) Y) F    │                              MachineLearning-Lecture07.html4 Z' k/ N/ j  z- y
    │                              MachineLearning-Lecture07.pdf" @6 J: s0 o% }* E1 G& [
    │                              MachineLearning-Lecture08.html
: W9 f; |! h3 p1 u1 I+ V% \    │                              MachineLearning-Lecture08.pdf) q9 V! U: y0 N( H0 l) |4 G
    │                              MachineLearning-Lecture09.html3 w& o8 Y8 i0 K, J. }8 e& b
    │                              MachineLearning-Lecture09.pdf
4 r& H- L; N! R% g4 x) e' x    │                              MachineLearning-Lecture10.html
" l8 Y- D0 P( v5 X& I% M" ~9 m    │                              MachineLearning-Lecture10.pdf
' I, [. |1 L3 t& v4 {    │                              MachineLearning-Lecture11.html
7 J/ s/ K! A0 ^$ j    │                              MachineLearning-Lecture11.pdf7 V, w4 K. Y' S1 c8 P
    │                              MachineLearning-Lecture12.html
2 N  Y& D! A% y5 {) M2 \# G8 ^    │                              MachineLearning-Lecture12.pdf
( _5 J: N7 D) A3 {; M6 \0 O    │                              MachineLearning-Lecture13.html; N" [! K: @. M' D$ L
    │                              MachineLearning-Lecture13.pdf) j; D. e8 v: c
    │                              MachineLearning-Lecture14.html. R+ b* z# R2 _! g9 N& a& P' |: @
    │                              MachineLearning-Lecture14.pdf
5 h, q0 [. m* N' O+ c    │                              MachineLearning-Lecture15.html
) |! w( n7 w# n3 ]) v  Y* _    │                              MachineLearning-Lecture15.pdf
/ H; t5 C2 C( F    │                              MachineLearning-Lecture16.html
4 Z3 E* @- H) U3 p    │                              MachineLearning-Lecture16.pdf
$ k4 t4 J$ k4 m. e/ Y    │                              MachineLearning-Lecture17.html
7 A" X( j1 K3 ^; Q' c9 n$ I  @$ `) ]) @    │                              MachineLearning-Lecture17.pdf
$ S# ^- Z' q8 i    │                              MachineLearning-Lecture18.html( `, Z  u& o) E: \" ]
    │                              MachineLearning-Lecture18.pdf1 H$ D/ v7 ~* j& C5 G5 q- [
    │                              MachineLearning-Lecture19.html
/ l5 n' ~5 W9 [# E' l    │                              MachineLearning-Lecture19.pdf
8 W0 Z0 W! K2 m& P  X    │                              MachineLearning-Lecture20.html
  l# U1 E1 B+ j" {0 O7 a    │                              MachineLearning-Lecture20.pdf& T7 {) H: q' W
    │                              
% K" i/ ~2 |1 M! l2 Y7 a! Y! _: ^    ├─机器学习书4 [- m$ r  ]) J# n% J8 F
    │  │  An Introduction to Statistical Learning.pdf
4 G" E5 [4 c5 D1 m    │  │  Bayesian methods for hackers.pdf
/ e3 x0 _7 F* N, [. @    │  │  Deep Learning Tutorial.pdf
  N9 a5 S/ u! B4 H    │  │  Mining of Massive Datasets.pdf
. k7 l7 z  _+ O    │  │  PRML中文版.pdf
' y: E8 v/ d5 S& S2 g    │  │  understanding-machine-learning-theory-algorithms.pdf, W* f0 c5 [, g, w. ~8 [7 X9 U
    │  │  凸优化.pdf
& I; x# E; t/ a* v. P( s    │  │  图解机器学习.pdf
. f( x. ^7 u; ~    │  │  机器学习_周志华.pdf/ v, x. k  b1 K
    │  │  机器学习〔中文版〕.pdf
% T1 t  g, T8 B7 w/ s    │  │  机器学习个人笔记完整版2.5.pdf
& F$ [( q( }9 g& @4 F2 o    │  │  机器学习在量化投资中的应用研究_汤凌冰著_北京:电子工业出版社_2014.11_13662591_P157.pdf
* l- J# U' D: I2 F    │  │  机器学习实战.pdf
# \& [, b3 q) h. I( w, h    │  │  机器学习实践指南++案例应用解析+麦好.pdf/ i$ M; ^+ ~% u) \$ D* g" z
    │  │  机器学习导论 原书 第2版.pdf
; Q6 G* E. a! U6 U5 f" R2 L    │  │  ' r( I7 m. y- _
    │  └─stanford machine learning
  g+ v% o) x+ \* L7 S. I! R    │      ├─Lecture Notes) q0 i3 O8 j0 j1 B+ ~1 W
    │      │      cs229-notes1.pdf6 {7 v* L! z2 H; {# m* K9 Q
    │      │      cs229-notes10.pdf! h8 O* C# u/ a# M
    │      │      cs229-notes11.pdf
2 i; X, x9 i/ G% T8 ?% N7 a3 f    │      │      cs229-notes12.pdf
3 W/ n/ {  f; O4 y: b4 |    │      │      cs229-notes2.pdf# M# s% a  C7 H: F1 |/ w/ t
    │      │      cs229-notes3.pdf$ O5 \8 o: S" C
    │      │      cs229-notes4.pdf
; |9 s$ X# P0 L. S2 s. z3 d0 B    │      │      cs229-notes5.pdf
7 e9 S- }3 P2 R    │      │      cs229-notes6.pdf
2 [% a! z' ^7 O1 U    │      │      cs229-notes7a.pdf. u4 D9 Y! i9 C3 ]/ W& E5 u
    │      │      cs229-notes7b.pdf: w6 v" Y( A! m' E+ x. C, a
    │      │      cs229-notes8.pdf
! V1 _3 C# x" x$ f- D2 R! s  _    │      │      cs229-notes9.pdf
+ Y4 J) R& F  I    │      │      ; w& d+ Y2 j6 T; Z5 y0 k$ W! J+ H
    │      ├─Section Notes
1 s+ P+ {' ^; L' b+ a& L& i! j    │      │      cs229-cvxopt.pdf
% A4 X! ~  n7 b4 |7 h    │      │      cs229-cvxopt2.pdf
; L1 z( o  w, |' E+ J' P: n    │      │      cs229-gaussian_processes.pdf
6 d, @6 F) P- K* j# K    │      │      cs229-hmm.pdf
% J2 C1 Z8 K2 _: g: x; S    │      │      cs229-linalg.pdf) m' `9 A1 r) ~8 N% j
    │      │      cs229-prob.pdf$ m0 Z) t+ o6 J7 N; q) j
    │      │      gaussians.pdf: p% W% ~3 s0 |- y' T! L$ D; E
    │      │      MATLAB_Session.pdf
  x4 i) }* I2 w2 I+ |: G    │      │      more_on_gaussians.pdf  ?0 a+ @: f, w  N( b0 S/ K
    │      │      $ w; T- N' _8 o4 a4 S
    │      └─Supplemental Notes& X% `# Y! A1 ]/ r* K8 ?1 A
    │              boosting.pdf
8 ~+ i" p% u! X8 _2 ?5 X* a    │              boosting_example.m
% p! f$ M  A- S9 a( x& Y    │              hoeffding.pdf
* V, {+ G! G$ q- S! v, x    │              loss-functions.pdf5 H) H* B) N: s
    │              representer-function.pdf
5 O2 d* N) C' ^, ]    │              4 z8 W2 i: ?" z/ A  [
    ├─机器学习方向(经典书籍及教材资料)
& l- a5 S: F; s" P# E1 }. ?    │      2012.李航.统计学习方法.pdf
4 y7 R+ o3 t/ d: U4 h- p    │      cs229 stanford machine learning(所有的lectures).rar
+ U/ H7 R0 z! [; B5 ~    │      Ensemble Machine Learning.Methods and Applications.2013.pdf
+ _. c, O: o# F4 i1 r1 z: f    │      evaluating-machine-learning-models.pdf" ^# h! U: G0 c, r% P4 H! R: W2 ~0 s. Z. J9 L
    │      Machine Learning A Probabilistic Perspective(1).pdf0 l) [6 y, Y$ k5 `3 R5 q; p
    │      Machine Learning A Probabilistic Perspective.pdf
( e: J  d; q: k! h2 C. v    │      Machine Learning in Python (2015).pdf
! L! W' E; C0 |$ k    │      Mastering Machine Learning With scikit-learn.pdf( {' N( e* ^+ P5 m+ U/ z, T% X# e5 @
    │      Mathematics for Computer Science.pdf5 D+ W6 Q& p" f! ]
    │      PRML.pdf+ d2 D. q; v4 P9 H3 V7 U' D+ ]2 y9 |
    │      PRML中文版.pdf* D+ A. ^5 T6 }# b( g$ l
    │      PRML中文翻译版.pdf5 l! W1 g9 W; X* v; ^2 v& v, d
    │      Probability and Statistics for Engineers and Scientists.pdf
2 W1 Z  Q" Q7 P7 {! \    │      Python_Machine_Learning.pdf. }& x# M# Q4 K; Z- i3 o
    │      PYTHON自然语言处理中文翻译 NLTK 中文版.pdf1 ^. i  O: G" |; x) B! H; e
    │      tempFile
: x6 |- H* z, _# `) k( o    │      The Elements of Statistical Learning(1).pdf; ]0 D) G  _" }) H
    │      The Elements of Statistical Learning.pdf
3 u% r- |( v6 E. i2 ^! a    │      word2vec_lstm_talk.pdf, p, y: R" w0 b$ X
    │      【官方文档】TensorFlow Python API documentation.pdf4 B) d2 q+ `2 d6 g2 A
    │      下载说明.txt
+ B5 P6 O& U( @9 ~9 a    │      关注我们.png" j& p4 Z5 W. [  E* V/ k
    │      利用Python进行数据分析.pdf
# p  D) f2 @6 ?% x, b+ Q    │      攻城狮论坛=网络技术+编程视频.url( S7 z+ e" j' H
    │      机器学习-实用案例解析.pdf/ p$ W& R' M' S# ^3 D; `# K* ]
    │      机器学习个人笔记完整版v4.21.docx
+ q# ?$ |( v& p7 x% e    │      机器学习个人笔记完整版v4.21.pdf. q# J' r: M2 v: n
    │      机器学习(周).pdf/ g$ }/ k/ M8 x% g  V
    │      机器学习:实用案例解析(中文版,带完整书签).pdf5 `6 ~: B6 @8 N6 \: G/ q' G
    │      模式分类 Richard O.Duda 中译本.pdf
2 k' p1 o' \. t2 Y( B# l    │      解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt+ h& m6 b0 n1 J) x
    │      9 p9 W5 ^/ [$ H& }& f
    └─机器学习经典论文% Y/ B8 C/ W' t8 O- C) ?
        │  下载说明.txt
( E# f$ |$ V' u  A* D        │  关注我们.png" n& _/ w# r/ e( S* h
        │  攻城狮论坛=网络技术+编程视频.url
  v+ C2 {  C% I1 l# t8 e. ^        │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt. U  `1 |& B% z( x" N1 Y1 k" H
        │    `2 M% @( l, E
        ├─active learning
6 F0 R: W4 o1 {8 F        │      Active Learning Literature Survey, Settles, 2010.pdf
( g$ n1 n4 K% m! r3 X3 D/ C( Y/ g        │      Two Faces of Active Learning, Dasgupta, 2011.pdf* f" t* g) G: f3 H0 G
        │      : m/ X0 a# b5 L
        ├─Applications2 P7 x* X* `. P' S/ N
        │      A Survey of Emerging Approaches to Spam Filtering, Caruana, 2012.pdf# v2 L5 [7 s7 D& G; ^
        │      A Survey of Online Failure Prediction Methods.pdf. F+ d) s  h) a* h* K# T
        │      Ambient Intelligence_ A Survey.pdf
3 F7 l4 F/ {8 s- B% Y        │      Anomaly Detection_ A Survey.pdf% V: o) o6 I5 ]# n( Y9 R. G
        │      Mining Data Streams_ A Review.pdf. S5 G" J3 h. i' r: x7 T3 Q7 w
        │      Workflow Mining_ A Survey of Issues and Approaches.pdf8 J" L  B0 Q! L0 l% a# _
        │      + A% R8 ^( s2 r  |
        ├─Biology
2 l' Q2 h- i/ {* j& Q& X        │      A Review of Feature Selection in Bioinformatics.pdf
$ `& h8 W( i+ o        │      Bioinformatics - An Introduction for Computer Scientists.pdf% A  V( w4 x9 ^5 k' @7 o
        │      Chemoinformatics - An Introduction for Computer Scientists.pdf' u" g) x+ ], H4 n+ w, m
        │      Computational Challenges in Systems Biology.pdf
9 X9 @% Z( `6 }        │      Computational Epigenetics.pdf! p4 I" w8 ^) u  Y
        │      Computational Systems Biology.pdf
" Q8 `  k" v9 x6 X6 |' P' H( Z4 Z        │      Machine Learning in Bioinformatics_ A Brief Survey and Recommendations for Practitioners.pdf
4 k8 d5 y. c2 \        │      Molecular Biology for Computer Scientists.pdf
- O4 A( w6 u0 N3 O  W9 V        │      Progress and Challenges in Protein Structure Prediction.pdf2 H3 v' D2 N9 x& @5 `* J0 V
        │      Protein Structure Prediction and Structural Genomics.pdf
& c3 o& `+ t8 g3 Y% K        │      Recent Developments and Future Directions in Computational Genomics.pdf
  z4 r" h4 V6 a# s        │      Support Vector Machines in Bioinformatics_ a Survey.pdf
2 D  N6 E! B( G" C        │      
5 B- X  @: K/ _! N+ t* ~# [* l        ├─Classification
# {3 M& @1 z6 I0 i* J        │      Supervised Machine Learning_ A Review of Classification Techniques.pdf
( u6 b6 h5 g  n        │      
7 I! _; _: M# X        ├─Clustering. N2 v' S5 Q) b( [! d( c  o  a
        │      A Survey of Fuzzy Clustering.pdf
2 N1 G( `3 g# q$ H& E        │      A Survey_ Clustering Ensembles Techniques.pdf, O- W+ s+ y  M5 f4 G4 \
        │      A Tutorial on Spectral Clustering.pdf
* {% F  s2 p  w& i9 l! Z        │      Clustering in Life Sciences.pdf
) D$ v% d( Q: z( ]+ S        │      Clustering Methods.pdf8 E- \! J; _. R! f6 G
        │      Clustering of Time Series Data - A Survey.pdf
+ L# e! M( Y5 j! A: Y( |        │      Clustering Stability_ An Overview.pdf* C" v# s. F- r# E' |! e" w/ T. Z
        │      Computational Epigenetics_ The New Scientific Paradigm.pdf: t5 f0 t% _3 S5 Q1 l
        │      Data Clustering_ 50 Years Beyond K-Means.pdf& ^' M0 R7 h0 X0 N: ?
        │      Data Clustering_ A Review.pdf9 Z* L$ |8 j7 O2 y! G, u
        │      On Clustering Validation Techniques.pdf
  f+ c0 `' |, z; k: x' n        │      Parallel Clustering Algorithms_ A Survey.pdf( G; c* F  H4 Q1 N: k& v
        │      Recent Advances in Clustering_ A Brief Survey.pdf
/ p- S1 b4 c" u2 B7 I3 e1 D* ]        │      Subspace Clustering for High Dimensional Data_ A Review.pdf5 H) r4 c3 _; w0 o% M. N
        │      Survey of Clustering Algorithms.pdf
8 [- a5 v# l3 d3 e        │      Survey of Clustering Data Mining Techniques.pdf
( y% M3 B) ^# d- i( ^& f, @        │      Unsupervised and Semi-supervised Clustering_ a Brief Survey.pdf5 Z$ z, a0 ^0 o! ~- l" Z4 K
        │      XML Data Clustering_ An Overview.pdf
2 ?" f) ^4 x  W1 \        │      
  S: n# ?; v3 D        ├─Computer Vision  b6 O# O) g3 F+ ?0 O! Y1 T
        │      A Comparative Study of Palmprint Recognition Algorithms.pdf! L' O/ a4 _( C" g, O5 F
        │      Context Based Object Categorization_ A Critical Survey.pdf
0 ]3 e: B. G2 o8 T- _2 Z* ]        │      Detecting Faces in Images_ A Survey.pdf  N1 _, q& ~7 X$ d8 ~( @
        │      Human Activity Analysis_ A Review.pdf
2 S; @/ Y7 _* q# v* }        │      Object tracking_ A Survey.pdf. p3 ~0 e. X1 [4 l! b6 T
        │      Pedestrian Detection_ An Evaluation of the State of the Art.pdf( s: C  W1 J6 o/ z3 Z% w$ h
        │      Subspace Methods for Face Recognition.pdf3 g  {; M% X& s$ z( i/ m3 o
        │      
- q; n% m7 a1 ]4 L3 L2 e0 i        ├─Databases
6 i/ D  j" B6 Z6 K4 W2 r: R; q        │      A Survey of Schema-based Matching Approaches.pdf
+ F0 Y9 q9 V0 s. b1 h* G6 G        │      Data Fusion.pdf
% w/ Q9 K# R- O1 E3 W# \3 S! o        │      Duplicate Record Detection_ A Survey.pdf
- P( G( k! B; U. t. Y. ?        │      Overview of Record Linkage and Current Research Directions.pdf: i7 k9 p3 W0 B" Y. N( t/ T
        │      
# U/ G0 G$ L( T2 B! f( H9 Q+ R        ├─deep learning5 X) _1 k  W) x
        │      Representation Learning_ A Review and New Perspectives.pdf
" f1 ?2 a$ C" n, q( Q; ~, @        │      
$ n& U0 E1 ~) f* \        ├─Dimension Reduction# ^) |  \9 a* L; n; I' Y
        │      A Survey of Dimension Reduction Techniques.pdf
8 F! v2 k% d) F8 b* D        │      A Survey of Manifold-Based Learning Methods.pdf) [0 a5 F: n0 ^& _( p- j& T
        │      An Introduction to Variable and Feature Selection.pdf3 X& \  o% J( w# O
        │      Dimension Reduction_ A Guided Tour.pdf
9 d9 t  z# B: o* R5 E( M; Y9 I$ y        │      Dimensionality Reduction_ A Comparative Review.pdf
$ ]" n5 s* V4 E        │      Toward Integrating Feature Selection Algorithms for Classification and Clustering.pdf* X- D# n% S; L' K) k9 ?/ f( H
        │      ( I1 J- X: |' r* x* Z3 k) Y
        ├─Economics
5 r! M' Z1 r0 b! m6 g; t4 j& r        │      Auctions and Bidding_ A Guide for Computer Scientists.pdf$ l1 A- ~9 F) w0 k
        │      Computational Finance.pdf  \1 \( g: d. r5 }0 H
        │      Computational Sustainability.pdf
  G5 e. l$ H- P- T3 t5 X6 k5 c        │      3 t8 \4 }! U" K1 |: r* L/ T
        ├─Game Theory
# O" j& I# K; X        │      Computer Poker_ A Review.pdf0 i/ d7 O! X5 H  `! O! C0 j1 K
        │      8 F1 M2 {- k2 O" ]+ N  @
        ├─Graphical Models
# e8 F% N8 E8 |& l        │      An Introduction to Variational Methods for Graphical Models.pdf
2 J+ Q7 [% P% M% a7 r9 S0 P5 h. M        │      
9 E- ?* F$ A  L7 W! F        ├─kernel methods& K/ t0 s! N7 P
        │      Kernels for Vector-Valued Functions_ a Review.pdf
' h- Z$ H5 T9 }        │      
2 d; N/ ^9 u; a: q% ^: l        ├─Learning Theory& _: Z( \% g( l$ m
        │      Introduction to Statistical Learning Theory.pdf
; v( w+ j$ h/ S2 Y7 z% e8 g        │      + h1 k% u0 Q0 h6 t2 w: n0 S4 R
        ├─Machine Learning' O' D. D* t% V2 N) Y# `
        │      A Few Useful Things to Know about Machine Learning.pdf
! X3 U1 m% m4 p* B& T; _9 @2 q        │      A Survey of Interestingness Measures for Knowledge Discovery.pdf
0 X  ?& F& \" Z' i" f        │      A Survey on Wavelet Applications in Data Mining.pdf
6 I6 z) j7 T. L; G5 q* R8 t        │      A Tutorial on Bayesian Nonparametric Models.pdf
, j4 E4 x! t7 w# K7 ]8 f        │      A Tutorial on the Cross-Entropy Method.pdf
) }( J7 H& F+ H/ S- v4 c        │      Decision Forests for Classification, Regression, Density Estimation, Manifold Learning and Semi-Supervised Learning.pdf& L2 V. d# {$ m' {; J( Y5 D7 G
        │      Interestingness Measures for Data Mining_ A Survey.pdf
- H( ?" @0 [" H* M( L8 X* P        │      Semi-Supervised Learning Literature Survey.pdf2 g! W( [1 p1 C/ g% Y6 W
        │      Survey on Frequent Pattern Mining.pdf0 \! @  m; O4 {- {2 r4 U
        │      The Boosting Approach to Machine Learning_ An Overview.pdf8 x& W) M& N" s
        │      Top 10 Algorithms in Data Mining.pdf6 `$ i! L6 u. \" Q2 K! }; u( m
        │      
6 s1 T2 _: m& G3 Q! f/ m        ├─Mathematics
  \+ t% `7 E# }+ f        │      Topology and Data.pdf
! ~7 h) q+ a6 L! B, B- t* _  _5 E" y- v        │      ) W" R0 e' _0 t) i. r5 L
        ├─Multi-armed Bandit
, ^9 m, }. ]* W$ C% S        │      Regret Analysis of Stochastic and Nonstochastic Multi-armed Bandit Problems.pdf
7 F" H% y; }7 M+ C) p9 N        │      
6 C/ _5 s) \8 \3 ?1 g. k        ├─Natural Computing
+ y$ o; F/ e6 E- n5 f5 m8 ~3 C5 e8 j        │      A Survey of Evolutionary Algorithms for Data Mining and Knowledge Discovery.pdf$ \' T3 r6 I; r) E) ?3 V- f
        │      Artificial Immune Systems.pdf+ L6 k4 M; k( k( Y9 j
        │      Data Mining in Soft Computing Framework_ A Survey.pdf1 ]: O9 B6 B" ?9 `+ A+ X
        │      Neural Networks for Classification_ A Survey.pdf
. d; L+ `7 i- h7 \' A$ d. H6 j        │      Reservoir Computing Approaches to Recurrent Neural Network Training.pdf2 w* @( g# u: ~! G
        │      
( S) H5 a- R7 B6 D        ├─Natural Language Processing+ J+ i; Y% a2 C* A  C% p
        │      A Survey of Named Entity Recognition and Classification.pdf$ r9 D: m4 q: D: A
        │      A Survey on Sentiment Detection of Reviews.pdf4 D/ M  Q# E( y/ M" g- q
        │      Adaptive Information Extraction.pdf( E: c: q7 W7 }
        │      Comprehensive Review of Opinion Summarization.pdf
  ?) e1 A/ l6 Y        │      Information Extraction.pdf4 ^4 G: N* ~7 Z- J; y+ K& S8 S
        │      Machine Learning in Automated Text Categorization.pdf
# b% ]* a8 k& f6 T- c! N        │      Machine Transliteration Survey.pdf6 c, g7 b) M4 V# T
        │      Ontology Learning From Text_ A Look Back And Into The Future.pdf
9 Y* i8 U  f  |3 M: o        │      Opinion Mining and Sentiment Analysis.pdf' i6 |4 @% z& X& J" N5 a" S! u- u) Q
        │      Probabilistic Topic Models.pdf
! J- n3 f' R' _% U7 D0 q. ^        │      Statistical Machine Translation.pdf: C8 A" [& q% W& B# X
        │      Survey of Text Clustering.pdf$ M8 O8 y, H4 z
        │      Topic Models.pdf/ l, r" }1 {2 u; \
        │      Translation Techniques in Cross-Language Information Retrieval.pdf
2 I+ s" s& K' Y0 S; T+ X        │      Web Mining Research_ A Survey.pdf
; h# X. H1 y, q# e9 G/ U        │      Word Sense Desambiguation_ A Survey.pdf0 A; O% ~' m3 t9 _# P
        │      " I* E3 q! _% v; b5 K8 ?( e: D
        ├─Networks% V; A- q: [5 b
        │      A Survey of Statistical Network Models.pdf) Q7 M. R: w- G; t( r
        │      Communities in Networks.pdf4 ^. N. [6 n* u3 R! t( v
        │      Community Detection in Graphs.pdf1 i( M; t6 @* d4 u+ N' S
        │      Comparing Community Structure Identification.pdf
; q2 P7 g( R5 ~$ _/ r4 i5 m        │      Detecting Community Structure in Networks.pdf
7 B  S1 m9 V% c# L0 H  Z1 L: r( i$ @- n        │      Graph Clustering.pdf
1 ~- L' q5 y' A; E        │      Graph Mining_ Laws, Generators, and Algorithms.pdf
# s* k  Q# |7 ~        │      Link Mining_ A New Data Mining Challenge.pdf
' V" v  x; }9 r" A# \* w, m2 A3 K        │      Link Mining_ A Survey.pdf
6 L+ k2 Z! z' U4 j1 h0 E        │      
% @+ W# ~9 G. z        ├─On-Line Learning
# ~4 z) ~- z" w( s+ \        │      On-Line Algorithms in Machine Learning.pdf6 d6 V8 U, H# _
        │      
1 j  K! N8 T% t        ├─Others( `7 V. Y/ D4 m4 @5 Y: [
        │      A Survey of Very Large-Scale Neighborhood Search Techniques.pdf
4 w! I3 f# ^. g        │      
: f* k+ Y: k8 X, i- H        ├─Planning and Scheduling
+ ]$ e& \% S5 O! O$ A        │      A Review of Machine Learning for Automated Planning.pdf2 M/ V8 d& C, p& H
        │      
6 A( e0 H( l' Z, t0 u        ├─Probabilistic/ Z: p9 Z; H9 S6 @5 g
        │      An Introduction to MCMC for Machine Learning.pdf( ^/ D/ A+ z- g
        │      Approximate Policy Iteration_ A Survey and Some New Methods.pdf
2 f1 I( w- h7 t( I% i5 Z0 `1 M        │      
: Z( R6 U- J; x# M( ^9 e3 S        ├─Probabilistic Models
+ |$ f* X6 r. r! p& @9 c        │      An Introduction to Conditional Random Fields.pdf
- c+ @! u6 J# U4 g4 Y  L) ~* e        │      
5 u* R# ?8 M0 S* o9 ~/ x) [        ├─Randomized Algorithms! ^+ R4 j4 W1 ~  I) [  `5 M
        │      Randomized Algorithms for Matrices and Data.pdf( V0 I% J% ~! q) m1 @& |
        │      
& w5 K1 V( g: Q9 \6 {' {        ├─Recommender Systems/ l& Y& o% g% ?
        │      A Survey of Collaborative Filtering Techniques.pdf
7 @. n' Z3 \# w& N1 H8 ^        │      Matrix Factorization Techniques for Recommender Systems.pdf9 x4 ^& L1 ^5 @4 n2 [
        │      Recent advances in Personalized Recommender Systems.pdf; n' E; |+ \) W
        │      ; T( Q& s. g0 Y* ~
        ├─Regression( |6 y" P" _  ^' u4 D5 R8 [
        │      Ensemble Approaches for Regression_ a Survey.pdf" p, p; w, K1 {5 i2 H
        │      : q; _9 Q  O0 c! y8 p
        ├─Reinforcement Learning2 h' f5 J4 a. g8 z( p
        │      A Survey of Reinforcement Learning in Relational Domains.pdf9 H4 |, e" g' z6 }  ?$ F6 L4 S- P
        │      Reinforcement Learning_ A Survey.pdf# [( k6 l6 f" s( e" o
        │      8 J6 U$ G( k: U# b
        ├─Rule Learning+ y: O3 O8 d% G
        │      Algorithms for Association Rule Mining - A General Survey and Comparison.pdf
9 h/ @6 `8 R6 S" L8 B        │      Association Mining.pdf
+ a/ a& i6 G/ V        │      5 m" S9 ?$ e% I4 O% I& t0 q
        ├─Testing- y& c; l1 g  e* B
        │      Controlled Experiments on the Web_ Survey and Practical Guide.pdf
4 w$ \) C# Z# N        │      " M3 S  r6 O. [7 U4 c$ N
        ├─Time Series
  k; F) }2 A. H5 b, j* }" i        │      A Review on Time Series Data Mining.pdf, F5 F  c8 h% {2 @; n1 @$ A; l
        │      Discrete Wavelet Transform-Based Time Series Analysis and Mining.pdf
& P6 s: @/ Z% M- d        │      Time-Series Data Mining.pdf
; s/ u# ^- {& d# t        │      
% ^  u/ B* N! i" f7 W: K% O5 z        ├─Transfer Learning
( r, J. }- S; e3 z# h. s        │      A Survey on Transfer Learning.pdf
% w* T( b) f0 Z) F4 x2 k/ ]2 @% O/ T        │      
/ V4 G/ ]6 ?1 ]- \        └─Web Mining
' E7 r0 _/ y. @' K                A Survey of Web Clustering Engines.pdf
% A8 ~" M& s5 e8 s4 Q+ Q$ i                A Survey of Web Metrics.pdf
: \5 _8 u& A+ `  W8 Z                A Taxonomy of Sequential Pattern Mining Algorithms.pdf7 W& a; |/ j& U2 U
                An Overview of Web Data Clustering Practices.pdf$ Z1 O8 u1 c% Z" K5 j5 m# `$ p
                Data Mining for Hypertext_ A Tutorial Survey.pdf! N( J* H- q6 t
                Mining Interesting Knowledge from Weblogs_ A Survey.pdf
' `( @# v" e( F% s9 E( U                Web Page Classification_ Features and Algorithms.pdf
回复 支持 反对

使用道具 举报

james_lai100 [Lv8 技术精悍] 发表于 2017-4-26 23:38:26 | 显示全部楼层
每天签到得积分 下载资料的同时也可以帮助别人 再也不用担心金币不够用了 http://bbs.vlan5.com/forum-97-1.html
回复 支持 反对

使用道具 举报

punish001 [Lv8 技术精悍] 发表于 2017-4-27 00:08:23 | 显示全部楼层
你知道么? 加2000人思科华为网络技术讨论群2258097 然后私聊群主 可以免费回答学习 工作中遇到的问题
回复 支持 反对

使用道具 举报

mwckk [Lv6 略有所成] 发表于 2017-4-27 00:18:13 | 显示全部楼层
+8888金币奖励!加入论坛VIP学习组会员,马上拥有免回复+免积分+批量下载特权!!! http://bbs.vlan5.com/plugin.php?id=qmx8_buy_usergroup:vip
回复 支持 反对

使用道具 举报

monkeyman [Lv9 无所不能] 发表于 2017-4-27 01:01:49 | 显示全部楼层
最新思科ccna(200-125)考试认证题库在这里下载 2016年最新更新http://bbs.vlan5.com/thread-15970-1-1.html
回复 支持 反对

使用道具 举报

adeilajackyNet [Lv7 精益求精] 发表于 2017-4-27 04:32:56 | 显示全部楼层
每天签到得积分 下载资料的同时也可以帮助别人 再也不用担心金币不够用了 http://bbs.vlan5.com/forum-97-1.html
回复 支持 反对

使用道具 举报

liugangpaul [Lv8 技术精悍] 发表于 2017-4-27 07:07:53 | 显示全部楼层
你知道么? 通过论坛客服报名CCNA,CCNP,CCIE 最高可省2000元培训费. 联系QQ 80766391
回复 支持 反对

使用道具 举报

twfnn [Lv8 技术精悍] 发表于 2017-4-27 07:20:58 | 显示全部楼层
轻松3步 无限次刷金币 每次200 只需20秒 http://bbs.vlan5.com/thread-14477-1-1.html
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|无图浏览|手机版|网站地图|攻城狮论坛

GMT+8, 2018-4-26 15:36 , Processed in 0.322140 second(s), 25 queries , Gzip On, Memcache On.

Powered by Discuz! X3.2 © 2001-2013 Comsenz Inc.

Designed by ARTERY.cn