本站已运行

攻城狮论坛

IE-LAB

IE-LAB

作者: 程序家
查看: 12540|回复: 2021

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

Cisco CCW售前销售报价系统使用方法Cisco commerce workspaceCisco CCW售前销售报价系统使用方法Cisco commerce workspace
2018.6.20 广州 CCNA战报 908 PASS2018.6.20 广州 CCNA战报 908 PASS
[KiKi原创]EVE-NG Community2.0.3-92 v1.4 中英双语一键切换.支持热插拔修改版[KiKi原创]EVE-NG Community2.0.3-92 v1.4 中英双语一键切换.支持热插拔修改版
2018.06.03 上海 943 CCNA R&S PASS2018.06.03 上海 943 CCNA R&S PASS
CCNA(200-125)题库V3.0(2018.04.07)的题库一共453道选择题的中文翻译+题库中参...CCNA(200-125)题库V3.0(2018.04.07)的题库一共453道选择题的中文翻译+题库中参...
2018.5.6 参加CCNA 考试通过。分享考试经验和那些试题2018.5.6 参加CCNA 考试通过。分享考试经验和那些试题
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

[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: 12540|回复: 2021
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

8 \6 i  _$ B" z3 F7 D/ r    ├─001_machine_learning_by_andrew_ng_coursera
7 T! Y8 a+ V: [    │  └─001_machine_learning_by_andrew_ng_coursera
  x8 x2 ~. r7 ^9 k4 N    │      ├─ml-003+ c( \! v8 j* x7 l2 S$ w3 f( Y$ U& e  T
    │      │  ├─01_I._Introduction
& a; Y7 L  L' g: u/ m1 p, ^' G    │      │  │      01_Welcome.mp4# O3 {; v! z1 g) x8 s! S' p6 x; q& |
    │      │  │      01_Welcome.pdf! K+ `4 H( I1 R% v+ c- F4 b, h
    │      │  │      01_Welcome.pptx
& i' D5 ?4 i7 p% A/ G! w    │      │  │      01_Welcome.srt
4 a% @! X9 K" G: D, q3 @. E8 _4 \) A    │      │  │      01_Welcome.txt
/ \& m9 f8 r# K7 O    │      │  │      02_What_is_Machine_Learning.mp4" f8 e  j3 U2 h" e7 E' t
    │      │  │      02_What_is_Machine_Learning.srt
: R/ b, i, y4 U0 c  ^8 \    │      │  │      02_What_is_Machine_Learning.txt
6 C) l8 E% |: O1 r6 P8 j    │      │  │      03_Supervised_Learning.mp4" g5 {7 q/ n3 D! a7 l8 V* H
    │      │  │      03_Supervised_Learning.srt
3 B# C: F0 \0 ]/ ]" I    │      │  │      03_Supervised_Learning.txt
: N/ X1 N7 ]* i( L    │      │  │      04_Unsupervised_Learning.mp49 J/ ^6 a1 P! O7 U
    │      │  │      04_Unsupervised_Learning.srt5 K4 L% B' Y. D
    │      │  │      04_Unsupervised_Learning.txt# G0 h1 v4 O, \# ?1 d
    │      │  │      
* \  b8 a5 Q2 i1 h9 C" y    │      │  ├─02_II._Linear_Regression_with_One_Variable
4 ]5 k8 E8 [; J' A3 g/ P, e6 B$ a    │      │  │      02_Cost_Function.mp4/ X4 _2 o8 w) P, A0 ^5 Q+ |" ]
    │      │  │      02_Cost_Function.srt
0 A" Z5 {$ Q/ L, C0 c: B8 e5 `    │      │  │      02_Cost_Function.txt
  U  R! t* M7 I3 P' u2 I6 i    │      │  │      05_Gradient_Descent.mp4
" Y' [9 S! t* S# P    │      │  │      05_Gradient_Descent.srt! ~4 C4 b# S1 [8 `
    │      │  │      05_Gradient_Descent.txt
' W2 @6 \+ }3 g" g* \    │      │  │      08_Whats_Next.mp41 e. A) A& e( X9 s" R# x2 q
    │      │  │      08_Whats_Next.srt
. \6 m9 \2 ^5 z    │      │  │      08_Whats_Next.txt
5 x- E3 S* q/ @    │      │  │      
- T& [) v3 p- R- r4 [5 {9 B3 W    │      │  ├─03_III._Linear_Algebra_Review
1 p$ L0 n$ c9 R    │      │  │      01_Matrices_and_Vectors.mp4
& s9 C0 D) O% r    │      │  │      01_Matrices_and_Vectors.pdf! z7 \/ l, n# s3 L) R
    │      │  │      01_Matrices_and_Vectors.pptx
; Q" o7 r! T1 w) Y- V2 e    │      │  │      01_Matrices_and_Vectors.srt* c. c0 P0 @  ^5 v  [; ^& H* B
    │      │  │      01_Matrices_and_Vectors.txt  x2 p9 y" E/ I- Z
    │      │  │      03_Matrix_Vector_Multiplication.mp4
4 A$ l- I+ j+ k2 B! l6 s3 Q0 N    │      │  │      03_Matrix_Vector_Multiplication.srt
9 d3 K' k  |' I, ~, V. q    │      │  │      03_Matrix_Vector_Multiplication.txt; t! w  u8 R7 d& @- T4 }7 Z5 g
    │      │  │      04_Matrix_Matrix_Multiplication.mp4
6 z2 W* m' A4 N8 s; e    │      │  │      04_Matrix_Matrix_Multiplication.srt/ A6 u- ?) }& a5 x3 b
    │      │  │      04_Matrix_Matrix_Multiplication.txt
) @8 k0 E+ V2 z" b    │      │  │      05_Matrix_Multiplication_Properties.mp4
6 a( [( [& [; X4 z/ p" q$ O    │      │  │      05_Matrix_Multiplication_Properties.srt
4 K& \3 ^4 Y: v4 ]0 y1 L    │      │  │      05_Matrix_Multiplication_Properties.txt% H, t3 t1 \$ U
    │      │  │      06_Inverse_and_Transpose.mp41 g7 J: T- b. n% Q0 L% ^9 r3 k
    │      │  │      06_Inverse_and_Transpose.srt" C9 c5 @0 {- }1 |' Z0 Z
    │      │  │      06_Inverse_and_Transpose.txt7 w0 ~# m& y3 Y7 D
    │      │  │      1 q' U8 e/ n/ l
    │      │  ├─04_IV._Linear_Regression_with_Multiple_Variables" i9 f& I( r. C$ q
    │      │  ├─05_V._Octave_Tutorial; m' U  u$ T5 r- s6 K1 ]
    │      │  │      01_Basic_Operations.mp4
+ i1 I7 d7 J1 x. z1 D7 \    │      │  │      01_Basic_Operations.pdf
; P2 Z1 C8 I2 y8 c/ P) w& D1 \    │      │  │      01_Basic_Operations.pptx
' E- h* R0 P9 Q' K8 N7 j    │      │  │      01_Basic_Operations.srt
5 T7 j# ~& N! a2 {2 O$ O    │      │  │      01_Basic_Operations.txt
1 ~* {" \  n. I3 g' `    │      │  │      02_Moving_Data_Around.mp4
8 M3 f# s% b' H% a" A    │      │  │      02_Moving_Data_Around.srt5 c) L& t  W2 n# }0 M; ?3 z
    │      │  │      02_Moving_Data_Around.txt
7 }0 e7 d/ t7 _9 q4 u* I* {    │      │  │      03_Computing_on_Data.mp4. d% ~4 P% s' c4 `  O
    │      │  │      03_Computing_on_Data.srt
8 n6 c1 B" d; x/ `    │      │  │      03_Computing_on_Data.txt
; m. Z9 a3 M- Z7 B7 b2 o    │      │  │      04_Plotting_Data.mp4, h# s( _0 h' z: U# k# H
    │      │  │      04_Plotting_Data.srt
; j7 {2 H: K4 C- Q! U    │      │  │      04_Plotting_Data.txt% h9 T& d  R. Y; D2 R8 m- N
    │      │  │      06_Vectorization.mp4
# e' ?* [% J8 d    │      │  │      06_Vectorization.srt
. S& |  E8 Y8 q" `    │      │  │      06_Vectorization.txt
- t; ~) ?  o; `. m    │      │  │      ) u3 q6 o7 r2 c+ W8 t! W2 m
    │      │  ├─06_VI._Logistic_Regression2 r" ]. R  N# u1 P* g
    │      │  │      01_Classification.mp42 `/ b: G3 z# i2 S5 O" f
    │      │  │      01_Classification.pdf
, D& }' P; L# ?    │      │  │      01_Classification.pptx
/ `. e( k3 e6 A, f" R    │      │  │      01_Classification.srt
2 o4 j) m& A4 o' P+ R" r    │      │  │      01_Classification.txt
# R: }3 p8 t$ c& @7 X9 Z" J    │      │  │      02_Hypothesis_Representation.mp4
7 B( V: T; B$ ?- ^    │      │  │      02_Hypothesis_Representation.srt* i1 @, \8 A: ]5 E/ i8 B
    │      │  │      02_Hypothesis_Representation.txt7 q; @' `( r' [& o5 \/ g
    │      │  │      03_Decision_Boundary.mp4
: D8 i! S/ y; w4 A5 {  [. u    │      │  │      03_Decision_Boundary.srt/ c4 C: |4 V& \( {
    │      │  │      03_Decision_Boundary.txt
5 C+ O4 i5 d- j. c! T9 W  v: ?1 b    │      │  │      04_Cost_Function.mp4
1 J& G+ ^9 i6 S) U    │      │  │      04_Cost_Function.srt2 ~7 W$ y4 h+ N. F1 o" C: K; T
    │      │  │      04_Cost_Function.txt  ]+ P  E! c) Z0 I4 J
    │      │  │      06_Advanced_Optimization.mp4" u( D! B8 [# r* h# V- z
    │      │  │      06_Advanced_Optimization.srt/ w, t5 d& a' {" f% {# m
    │      │  │      06_Advanced_Optimization.txt& m5 O) \$ v- @. [, _
    │      │  │      
: t; _2 R: Y8 G) Z, s4 r- c; v    │      │  ├─07_VII._Regularization& @) P  b) @7 N& h" u
    │      │  │      01_The_Problem_of_Overfitting.mp4/ h7 O2 G$ w0 n" U$ ~/ v
    │      │  │      01_The_Problem_of_Overfitting.pdf5 w- _) c8 w+ @
    │      │  │      01_The_Problem_of_Overfitting.pptx  I- q) p' Q1 a8 x3 I
    │      │  │      01_The_Problem_of_Overfitting.srt
8 _1 N# @; x; y2 G/ G: q# K    │      │  │      01_The_Problem_of_Overfitting.txt1 ]' j3 q' Q; @* T0 Z! t
    │      │  │      02_Cost_Function.mp4# L5 L- T2 |+ z
    │      │  │      02_Cost_Function.srt
! c, b3 `# `1 V$ ~    │      │  │      02_Cost_Function.txt
. l' _1 U: ?5 ~    │      │  │      03_Regularized_Linear_Regression.mp4
5 U, B* g2 h! \6 W7 b# u' H9 @0 [    │      │  │      03_Regularized_Linear_Regression.srt" `6 J1 N2 o5 O$ h# |& Z% D
    │      │  │      03_Regularized_Linear_Regression.txt$ n+ r: g- Q/ t0 G  W1 b5 l* @0 |
    │      │  │      04_Regularized_Logistic_Regression.mp43 o3 n+ j; `) y- F
    │      │  │      04_Regularized_Logistic_Regression.srt
2 J7 ^! w7 P. F% t" P' V    │      │  │      04_Regularized_Logistic_Regression.txt
' O+ ]" ]0 t* t) Z: J' N6 `6 N; m+ m- x    │      │  │      ' T* K5 e4 Q+ _% }
    │      │  ├─08_VIII._Neural_Networks-_Representation
$ k( n% h8 V# a) E7 I) O; y    │      │  │      01_Non-linear_Hypotheses.mp44 c2 M% P+ P- q3 w. {- ~
    │      │  │      01_Non-linear_Hypotheses.pdf( F8 Q. r& Q! i
    │      │  │      01_Non-linear_Hypotheses.srt
& S* F* E* L$ ]    │      │  │      01_Non-linear_Hypotheses.txt
7 a5 _/ F- d' n0 M. }2 v. s    │      │  │      02_Neurons_and_the_Brain.mp45 A# ?# b  E" U
    │      │  │      02_Neurons_and_the_Brain.srt  {! I. [  E. F& `6 F2 h5 E0 x
    │      │  │      02_Neurons_and_the_Brain.txt5 }- }  d( j+ w, e  P( `- R
    │      │  │      
2 N( E6 ?4 w7 _1 G8 W    │      │  ├─09_IX._Neural_Networks-_Learning
0 F1 F: I2 s# e2 }) y    │      │  │      01_Cost_Function.mp4/ H( J0 e' [9 T- o( n9 x1 P2 W8 \
    │      │  │      01_Cost_Function.pdf
) U4 f, m& _. |$ Z; f; P" @, r    │      │  │      01_Cost_Function.pptx3 j  X& y" U' P
    │      │  │      01_Cost_Function.srt$ i7 r  y' i+ i  [/ F$ a
    │      │  │      01_Cost_Function.txt& A6 ~" {' C* W0 X
    │      │  │      02_Backpropagation_Algorithm.mp4& b( j; {  K, M  q4 @0 X. B
    │      │  │      02_Backpropagation_Algorithm.srt
" [  d0 g4 {; _    │      │  │      02_Backpropagation_Algorithm.txt
4 U" B* V3 \9 B+ ^    │      │  │      03_Backpropagation_Intuition.mp49 [3 q0 C2 X0 }& t( H4 ]+ B
    │      │  │      03_Backpropagation_Intuition.srt* T/ f4 n0 ]: y, t
    │      │  │      03_Backpropagation_Intuition.txt( `" A5 V4 s, P9 k5 u
    │      │  │      05_Gradient_Checking.mp4" b7 A( t" i3 q2 u5 C, |
    │      │  │      05_Gradient_Checking.srt
2 I$ P6 U# n5 I9 E; h    │      │  │      05_Gradient_Checking.txt' F/ Y) G6 ~) u* T
    │      │  │      06_Random_Initialization.mp4
7 k! ?4 w8 ~" L# K7 J/ J    │      │  │      06_Random_Initialization.srt
4 Q& L" B- K! ?: _0 s    │      │  │      06_Random_Initialization.txt$ ~3 _) [- w6 S, B; O8 I
    │      │  │      07_Putting_It_Together.mp4
3 Y/ F( e5 {" I* M* W  i    │      │  │      07_Putting_It_Together.srt
0 ]# W. d# P8 d7 f: s7 o    │      │  │      07_Putting_It_Together.txt
1 Q1 J: T6 b# f* w* {  A    │      │  │      08_Autonomous_Driving.mp4
% r1 a% C0 X/ k; s3 W    │      │  │      08_Autonomous_Driving.srt. B, w9 Q7 s8 y" Q% [0 ]) E- [
    │      │  │      08_Autonomous_Driving.txt
+ F! ~! i$ m% |    │      │  │      - \1 S9 T$ h+ S' o
    │      │  ├─10_X._Advice_for_Applying_Machine_Learning% M8 }- g/ e) \5 l- \4 L
    │      │  │      06_Learning_Curves.mp4
- j, c( Z" k: l    │      │  │      06_Learning_Curves.srt
) e- z2 @7 l6 P) J$ _( s    │      │  │      06_Learning_Curves.txt& ~, f- ~/ Q% K2 n6 J& _+ |
    │      │  │      2 n& V; C' `3 a" D
    │      │  ├─11_XI._Machine_Learning_System_Design
2 n4 E, R! x) ?  H. E    │      │  │      02_Error_Analysis.mp4
& v* [$ u9 n' b/ r    │      │  │      02_Error_Analysis.srt
* }: C" G/ O0 L    │      │  │      02_Error_Analysis.txt: V/ i* c6 u% a$ G+ ^2 t' J; S  F6 U
    │      │  │      
* d1 P/ K9 O/ B3 p" ]/ Z: \    │      │  ├─12_XII._Support_Vector_Machines0 t( M* Z4 s- `9 _
    │      │  │      01_Optimization_Objective.mp4
+ ?- w  d* Y- M    │      │  │      01_Optimization_Objective.pdf4 h; E- g! j6 ^* j
    │      │  │      01_Optimization_Objective.pptx
: k; c" s5 S  L2 o9 k    │      │  │      01_Optimization_Objective.srt3 B- w- _2 h. N  ]5 U
    │      │  │      01_Optimization_Objective.txt$ r+ ]8 a* n0 o9 a3 b
    │      │  │      02_Large_Margin_Intuition.mp4* v- K% T0 N) c1 H3 Y$ I( @, V
    │      │  │      02_Large_Margin_Intuition.srt% f$ B% R4 Y, A8 B7 H4 n) d% A9 {
    │      │  │      02_Large_Margin_Intuition.txt
' j& F7 ^8 O) y" Q    │      │  │      04_Kernels_I.mp4
8 E8 @+ \' F) |' t    │      │  │      04_Kernels_I.srt
) y9 Y; t. H4 a# _9 h) r    │      │  │      04_Kernels_I.txt0 z- e" ]4 M% I1 P
    │      │  │      05_Kernels_II.mp4- d! F' W) ^, k( P% @- T) V
    │      │  │      05_Kernels_II.srt5 n% ~4 D. @0 S% Z& d, H
    │      │  │      05_Kernels_II.txt3 V  I! k  [, ~) N2 u
    │      │  │      06_Using_An_SVM.mp4
/ ^: z8 `( V' L4 W; D: M: D: r9 k# E" {    │      │  │      06_Using_An_SVM.srt" }8 ]2 Q1 _& M1 [* a
    │      │  │      06_Using_An_SVM.txt
2 I, R9 Q* P; I( V    │      │  │      
# g; C: Q6 Q$ @9 _5 v0 }3 h    │      │  ├─13_XIII._Clustering
/ @' C! n5 C& k' I& k: C' h+ @! x7 J$ i    │      │  │      01_Unsupervised_Learning-_Introduction.mp4
0 N! H! s+ I+ l! e' O! y+ U3 T    │      │  │      01_Unsupervised_Learning-_Introduction.pdf2 s+ [; E. p! A( D9 }5 Z( h( q
    │      │  │      01_Unsupervised_Learning-_Introduction.pptx
$ [* v2 m8 l) c' N    │      │  │      01_Unsupervised_Learning-_Introduction.srt! K7 h% y$ x, o8 q! E2 o
    │      │  │      01_Unsupervised_Learning-_Introduction.txt3 O1 Q4 I7 u, @+ d( s7 a
    │      │  │      02_K-Means_Algorithm.mp4
: I: _, e) z  a# I5 m, k3 M# Y    │      │  │      02_K-Means_Algorithm.srt
7 p" O8 w; |; F( `    │      │  │      02_K-Means_Algorithm.txt
! A  i3 n8 B2 E. ]4 r) P6 v    │      │  │      03_Optimization_Objective.mp49 e: i# |# K  w& O
    │      │  │      03_Optimization_Objective.srt% X) u: T* ^6 s- k6 ]3 }6 a
    │      │  │      03_Optimization_Objective.txt2 \3 T2 N( ^0 N7 d; i% r6 ?
    │      │  │      04_Random_Initialization.mp4$ D& C# e3 H8 [( [; a
    │      │  │      04_Random_Initialization.srt% C; N) L* G/ i1 j
    │      │  │      04_Random_Initialization.txt6 P6 U. c; h+ Y4 q
    │      │  │      05_Choosing_the_Number_of_Clusters.mp43 C! O" e+ M3 R0 j& W. M
    │      │  │      05_Choosing_the_Number_of_Clusters.srt. u: W6 z8 B+ |9 d2 X( \
    │      │  │      05_Choosing_the_Number_of_Clusters.txt
; l; X. o. ?2 U$ n- }    │      │  │      ; n- J; O  L. D) \7 N1 O
    │      │  ├─14_XIV._Dimensionality_Reduction
% Q1 L6 q* d; v) W; b: A    │      │  │      02_Motivation_II-_Visualization.mp4
; r: a, K. N, I! J    │      │  │      02_Motivation_II-_Visualization.srt% S9 a9 `# U; s, \0 B" g
    │      │  │      02_Motivation_II-_Visualization.txt* d$ X* I' A$ n! u5 E/ L2 e9 v
    │      │  │      07_Advice_for_Applying_PCA.mp4* x0 p4 I% @6 y- k$ I" V1 u/ h) r" M
    │      │  │      07_Advice_for_Applying_PCA.srt$ X) M3 Z# v4 j! ?
    │      │  │      07_Advice_for_Applying_PCA.txt+ k( {& M( B  a% D
    │      │  │        l" D- e7 L- t
    │      │  ├─15_XV._Anomaly_Detection; d9 ~$ y( N/ v* ^$ y. \& t7 W
    │      │  │      01_Problem_Motivation.mp47 X  s4 o/ d. b  C& ]9 b1 Z
    │      │  │      01_Problem_Motivation.pdf
! d+ _& A9 }" f6 }! G* E! m    │      │  │      01_Problem_Motivation.pptx
1 h# h% e" G: A6 c4 p    │      │  │      01_Problem_Motivation.srt
* j9 ~( Z" k" U/ R& G  M# t    │      │  │      01_Problem_Motivation.txt% p" ~3 v1 k9 ?# q6 w
    │      │  │      02_Gaussian_Distribution.mp4
, ]2 ^3 _/ ]- U* b* r    │      │  │      02_Gaussian_Distribution.srt
3 Z0 {' S1 Z; F  @9 W    │      │  │      02_Gaussian_Distribution.txt6 a% t1 L9 [" b, m0 Z7 c* }! a
    │      │  │      03_Algorithm.mp4
' _3 i( q$ W* ?+ N& n    │      │  │      03_Algorithm.srt
! e/ S; w) y8 _/ a: f! V    │      │  │      03_Algorithm.txt( R! {6 S. N% l' S6 a2 a4 c7 l
    │      │  │      06_Choosing_What_Features_to_Use.mp45 U7 r* S6 j8 ~6 ?
    │      │  │      06_Choosing_What_Features_to_Use.srt
+ l6 }0 r. I/ C" B. J5 ?: J) U    │      │  │      06_Choosing_What_Features_to_Use.txt% i3 y' M' r0 F
    │      │  │      
4 l6 u' J9 t- z" R( J5 j    │      │  ├─16_XVI._Recommender_Systems# _' h. Q# x: O. {# I- U
    │      │  │      01_Problem_Formulation.mp4
; l9 T/ t( \- G& S+ R* Y6 I* y    │      │  │      01_Problem_Formulation.pdf- {3 a6 {& h3 h! L5 a% L
    │      │  │      01_Problem_Formulation.pptx4 H7 Y/ h# z6 g0 @5 M4 ~2 [' t
    │      │  │      01_Problem_Formulation.srt5 I/ N  E+ Y" a' b% Z
    │      │  │      01_Problem_Formulation.txt
) ?) D1 n  Y2 U8 y5 I    │      │  │      02_Content_Based_Recommendations.mp4$ q- X5 ]3 l' a' l. F: g( v. d' b
    │      │  │      02_Content_Based_Recommendations.srt
# O; }$ e3 H/ }0 y: L    │      │  │      02_Content_Based_Recommendations.txt, L) u- ^1 v. q' R7 A. v
    │      │  │      03_Collaborative_Filtering.mp4' [3 K) |# v, y) x' E, Y
    │      │  │      03_Collaborative_Filtering.srt$ C2 S7 f4 c! N# G5 ]/ F
    │      │  │      03_Collaborative_Filtering.txt0 H, a/ G8 H0 U9 r
    │      │  │      04_Collaborative_Filtering_Algorithm.mp47 p/ w9 @) B/ O7 n
    │      │  │      04_Collaborative_Filtering_Algorithm.srt
1 `" Z0 f1 V6 r    │      │  │      04_Collaborative_Filtering_Algorithm.txt
% V  s" n4 Q3 `    │      │  │      5 u1 V$ H+ q5 ^6 Q. L! ?
    │      │  ├─17_XVII._Large_Scale_Machine_Learning
# h! f8 j! f+ m7 }8 n. o0 H    │      │  │      05_Online_Learning.mp45 f+ |  F+ y# G; j8 D  `! Z
    │      │  │      05_Online_Learning.srt
7 R: V0 ^9 K  t! g9 b    │      │  │      05_Online_Learning.txt
3 U6 V* x- W, t1 ~2 x" T6 w) B    │      │  │      
. @8 j7 D0 F" n8 V  D    │      │  ├─18_XVIII._Application_Example-_Photo_OCR
: k. C# y' v2 y& r. {% e    │      │  │      02_Sliding_Windows.mp49 v, J/ e" C. O; B4 k
    │      │  │      02_Sliding_Windows.srt
3 M  I% J2 \1 k" V$ ~1 `9 t& X    │      │  │      02_Sliding_Windows.txt/ J! T* X4 p# Q
    │      │  │      : i2 K/ Q+ ^3 c0 D6 [4 ]- J$ e
    │      │  └─19_XIX._Conclusion
' q4 E9 V' S: Z8 y! o* D    │      │          01_Summary_and_Thank_You.mp4/ k" m4 P% ~, l4 o$ ]# r4 o3 ^" [
    │      │          01_Summary_and_Thank_You.srt0 c7 R, T0 m$ a" q
    │      │          01_Summary_and_Thank_You.txt$ @( p, F7 ^1 O& B) D) ~
    │      │          # O  h$ @/ g8 F$ P  x) l
    │      └─机器学习-斯坦福-Andrew NG-2012/ s9 {! J5 o% B- C: c7 T. Z
    │          │  下载说明.txt" C  e, B2 {: r# u. H: C+ ^
    │          │  关注我们.png- h) R# t3 ?$ U6 m
    │          │  攻城狮论坛=网络技术+编程视频.url
+ h" c) Q: v  y: B: V    │          │  机器学习笔记2012_v0.1.pdf7 Y3 g. i$ h- Q
    │          │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt
4 T6 T' i' B" m    │          │  
* Q7 _" l. y# Y9 ?    │          ├─week 1% s- O, [! l- S6 T5 k, |
    │          │      1 - 1 - Welcome (7 min).mp4$ U- q) _! x% P3 C
    │          │      1 - 1 - Welcome (7 min).srt
1 Z6 V. b9 X% O) {5 N/ h5 M    │          │      1 - 2 - What is Machine Learning (7 min).mp4
' D) J; A8 M3 {1 y" j" o    │          │      1 - 2 - What is Machine Learning- (7 min).srt! J7 W8 X/ n. R+ ?4 ~5 s; o/ _# E
    │          │      1 - 3 - Supervised Learning (12 min).mp4# s4 h: h8 c6 G3 J$ E
    │          │      1 - 3 - Supervised Learning (12 min).srt" q6 i4 k7 c* f$ D
    │          │      1 - 4 - Unsupervised Learning (14 min).mp43 k# ]. f  l/ i
    │          │      1 - 4 - Unsupervised Learning (14 min).srt9 r8 a  t! \" _3 ~# ]: V
    │          │      2 - 1 - Model Representation (8 min).mp4
" Z' A0 t( h* t, z0 Z, h    │          │      2 - 1 - Model Representation (8 min).srt
( Y3 F9 y: P# V* q$ \- q    │          │      2 - 2 - Cost Function (8 min).mp4
) d# b% s6 M5 w. P! U+ H    │          │      2 - 2 - Cost Function (8 min).srt
. i' I/ ~/ T% ~    │          │      2 - 5 - Gradient Descent (11 min).mp4
8 @9 {  s$ }8 x3 |0 Z1 |    │          │      2 - 5 - Gradient Descent (11 min).srt1 c) d9 h* S8 r; p2 H  B
    │          │      2 - 8 - What's Next (6 min).srt
# `! {, I% y! W/ A6 p    │          │      2 - 8 - Whats Next (6 min).mp4
& @9 G  E/ T- G( ]1 _8 j3 K0 d    │          │      3 - 1 - Matrices and Vectors (9 min).mp4
( U- S2 g* B) C& E3 a) n    │          │      3 - 1 - Matrices and Vectors (9 min).srt
; ^" t- B! ^  U! h# U    │          │      
1 B+ h5 P* Q0 X+ y* }4 |; ~    │          ├─week 10
* N8 |7 d7 @( u. E3 t. B    │          │      17 - 5 - Online Learning (13 min).mp4
3 }4 j# T% I6 b5 d4 Y    │          │      17 - 5 - Online Learning (13 min).srt
1 b" j* }2 ]0 ^6 [, I! Y" O    │          │      Lecture17.pdf1 s$ f  Y( P4 ^& v* y
    │          │      
  h( D- ]/ M7 W    │          ├─week 2# `/ e9 p+ n6 h- `/ h4 B
    │          │      4 - 1 - Multiple Features (8 min).mp4
" \; ]- q& r9 S9 a/ i4 O! k    │          │      4 - 1 - Multiple Features (8 min).srt+ l3 o2 x9 |5 @/ o
    │          │      4 - 6 - Normal Equation (16 min).mp4
( A4 C2 ], O9 w$ I2 y( b    │          │      4 - 6 - Normal Equation (16 min).srt) Y4 D4 n9 V" ^( `( j
    │          │      5 - 1 - Basic Operations (14 min).mp4- C' ?2 w( t8 n' D  u
    │          │      5 - 1 - Basic Operations (14 min).srt2 t$ U& Q- H) I8 r1 W8 R
    │          │      5 - 2 - Moving Data Around (16 min).mp4  W, I" u9 }" S2 j. D
    │          │      5 - 2 - Moving Data Around (16 min).srt
) @, s# G; ?' E; z- @5 y    │          │      5 - 3 - Computing on Data (13 min).mp4
3 b0 @, f* N) P) q) F0 u    │          │      5 - 3 - Computing on Data (13 min).srt
" y4 u& u) A0 ?1 [' {    │          │      5 - 4 - Plotting Data (10 min).mp4) w& z1 U, U% p! w" y' K
    │          │      5 - 4 - Plotting Data (10 min).srt4 p' \) y; c$ A6 S6 i3 L+ h
    │          │      5 - 6 - Vectorization (14 min).mp4# T. ]# u! B. E) R) U  l
    │          │      5 - 6 - Vectorization (14 min).srt
5 C9 k8 V9 B6 w$ X3 K    │          │      Lecture4.pdf" T* G+ @0 Y1 B0 c4 a3 g+ b
    │          │      Lecture5_octave tutorial.pdf+ d2 x* ~$ A1 H: G
    │          │      
7 L/ L* g2 U% p: p) p4 Q    │          ├─week 3
. o  a6 j* ?$ t( x' b6 r    │          │      6 - 1 - Classification (8 min).mp46 b: F& I+ u4 ~" T, Y- g
    │          │      6 - 1 - Classification (8 min).srt
! Y- o: N4 v4 G" |# n3 ?    │          │      6 - 2 - Hypothesis Representation (7 min).mp40 l. a/ E$ o( {7 }1 R& U
    │          │      6 - 2 - Hypothesis Representation (7 min).srt5 P% o: k. s. u; N" o7 I: Y% c* Q
    │          │      6 - 3 - Decision Boundary (15 min).mp4% d# l( \( l2 B6 z
    │          │      6 - 3 - Decision Boundary (15 min).srt- L% a7 T( L* \. L5 a2 W) G+ Z+ D
    │          │      6 - 4 - Cost Function (11 min).mp4; X( g7 |  Y( y; r$ o/ q( y
    │          │      6 - 4 - Cost Function (11 min).srt
( r5 S. [4 Q: I    │          │      6 - 6 - Advanced Optimization (14 min).mp4
$ P3 R, j. Z; X* ]    │          │      6 - 6 - Advanced Optimization (14 min).srt
. T3 C: }/ o* E8 V- z# i    │          │      7 - 2 - Cost Function (10 min).mp4
+ B3 H2 q; L3 @% R+ m- S    │          │      7 - 2 - Cost Function (10 min).srt3 R2 s: l) l9 H4 {+ W6 ~
    │          │      docs_slides_Lecture6.pdf/ X) ]" `4 D/ _. @6 B
    │          │      docs_slides_Lecture7.pdf
+ p) X) G; A- \    │          │      ) e) I8 `* L" P4 \& n& H: l+ E
    │          ├─week 44 w9 x$ O6 h1 c. o3 Y2 Y, W
    │          │      8 - 1 - Non-linear Hypotheses (10 min).mp47 B( L" s& z+ C! C
    │          │      8 - 1 - Non-linear Hypotheses (10 min).srt
2 C# u8 k" [  h. C; s    │          │      8 - 2 - Neurons and the Brain (8 min).mp4* i! z4 V1 j5 B; @3 m; P% r
    │          │      8 - 2 - Neurons and the Brain (8 min).srt5 ^, i- Q; w; M; O
    │          │      8 - 3 - Model Representation I (12 min).mp4
5 M0 h* i& E# F    │          │      8 - 3 - Model Representation I (12 min).srt: a, Y6 y4 j& W, ]0 }
    │          │      8 - 4 - Model Representation II (12 min).mp42 a6 N# ~6 v. f/ E9 o7 x- m
    │          │      8 - 4 - Model Representation II (12 min).srt
+ y- K6 p: s* R0 ]) L/ l1 h    │          │      8 - 5 - Examples and Intuitions I (7 min).mp49 h( s/ x9 x7 v- W0 Y
    │          │      8 - 5 - Examples and Intuitions I (7 min).srt: A  c, J% o( h( |. z9 B
    │          │      8 - 7 - Multiclass Classification (4 min).mp4& Q/ N9 Z8 ~1 p* |/ S) {3 z% K' Q
    │          │      8 - 7 - Multiclass Classification (4 min).srt
8 Y7 M0 d) B* Y' Z    │          │      docs_slides_Lecture8.pdf! g( |5 V' a1 N9 Q7 F: N7 N2 l
    │          │      
3 E" E0 ~# n& H, h  x    │          ├─week 5! B. V7 N6 d, S" ]
    │          │      9 - 1 - Cost Function (7 min).mp42 A2 K  t7 l  W" r3 b
    │          │      9 - 1 - Cost Function (7 min).srt4 i5 c! U1 m. p+ L8 T+ W
    │          │      9 - 5 - Gradient Checking (12 min).mp4. i. ~0 ^# o% h8 a' W1 [. [
    │          │      9 - 5 - Gradient Checking (12 min).srt2 Z& x+ ~) R0 ?7 B
    │          │      9 - 6 - Random Initialization (7 min).mp4
0 |" a% m3 C- ~9 p    │          │      9 - 6 - Random Initialization (7 min).srt/ a6 d) s: H, q6 A* y: |
    │          │      9 - 7 - Putting It Together (14 min).mp4/ E6 K0 O, C: S$ e; i
    │          │      9 - 7 - Putting It Together (14 min).srt2 i+ ]: g* h/ p$ O  ~' Z7 @' ?
    │          │      9 - 8 - Autonomous Driving (7 min).mp4
" f! C$ l! E4 e8 }& B' ^& p$ f2 ?    │          │      9 - 8 - Autonomous Driving (7 min).srt
' p. l! p7 K  f" R% h    │          │      docs_slides_Lecture9.pdf
4 |! ~" e- G: f& P- O3 G) e    │          │      9 m0 k: W2 ~- Y4 f2 m! y
    │          ├─week 6
+ M. k$ N( m8 k; h    │          │      10 - 2 - Evaluating a Hypothesis (8 min).mp4
: Z9 s, I8 e, U& D, F/ @    │          │      10 - 2 - Evaluating a Hypothesis (8 min).srt
: V$ F& @" Z7 w% ^' i7 p: _5 N    │          │      10 - 6 - Learning Curves (12 min).mp4
0 H9 k( F7 O0 H6 z    │          │      10 - 6 - Learning Curves (12 min).srt2 ?# p  H- z" C: U! o! o) E0 K7 s
    │          │      11 - 2 - Error Analysis (13 min).mp4* w+ J( w7 R$ w: T/ b/ k
    │          │      11 - 2 - Error Analysis (13 min).srt# q) n/ Z! ~" F7 D. L
    │          │      docs_slides_Lecture10.pdf5 ~& v7 f4 T5 l" {
    │          │      
3 B4 o- n5 a" B: Y- R" b# O) o    │          ├─week 7. F. f7 R( H. q, Y4 u4 H
    │          │      12 - 1 - Optimization Objective (15 min).mp4
, x; ^5 o# B# }5 X7 w    │          │      12 - 1 - Optimization Objective (15 min).srt
; r' l1 W! s7 l    │          │      12 - 2 - Large Margin Intuition (11 min).mp4
) Y$ z$ I+ t+ t  P    │          │      12 - 2 - Large Margin Intuition (11 min).srt! r$ J; F9 z2 q  F
    │          │      12 - 4 - Kernels I (16 min).mp41 g' f7 z, \. }% M$ p
    │          │      12 - 4 - Kernels I (16 min).srt# h; d* a: q' Z$ o; _( W" V& Y
    │          │      12 - 5 - Kernels II (16 min).mp47 F- F; \, z" d( z
    │          │      12 - 5 - Kernels II (16 min).srt
% Y. r  {3 E" e; y4 \/ D    │          │      12 - 6 - Using An SVM (21 min).mp4
9 @4 S* S" @; k  a! T. A+ S: F    │          │      12 - 6 - Using An SVM (21 min).srt
: k/ T, A# o# J    │          │      docs_slides_Lecture12.pdf/ |( U! B4 R) z
    │          │      
- T7 L+ x; `8 p5 d7 }    │          ├─week 8- E7 t% z; K/ y# j0 K
    │          │      13 - 2 - K-Means Algorithm (13 min).mp4
  V! B$ x2 f7 o! J1 d$ H# q    │          │      13 - 2 - K-Means Algorithm (13 min).srt  ^1 \2 ^/ ]1 N9 n3 r3 l* j
    │          │      13 - 3 - Optimization Objective (7 min).mp4
3 ^- `- V6 y. h. [" s' o, Y# Y    │          │      13 - 3 - Optimization Objective (7 min).srt
/ D& L- `$ [9 c' S1 j    │          │      13 - 4 - Random Initialization (8 min).mp40 W( {2 o2 q9 }4 j8 B
    │          │      13 - 4 - Random Initialization (8 min).srt: h, d' S$ q9 |6 x3 X8 g+ n% Y' z
    │          │      14 - 7 - Advice for Applying PCA (13 min).mp4
' `, J% s' h' z* a3 u7 `* m    │          │      14 - 7 - Advice for Applying PCA (13 min).srt2 m" d& V1 u9 D8 M3 w" i% ]0 ~
    │          │      docs_slides_Lecture13.pdf
' f; d  l/ k$ _/ M7 D+ @    │          │      docs_slides_Lecture14.pdf
4 I& x; D3 ~0 }+ X& I% ^) |. q    │          │      3 s6 ^9 ?5 K4 b1 u
    │          ├─week 9
: ~5 T' n- x) r. Y    │          │      15 - 1 - Problem Motivation (8 min).mp41 |" m- `* _0 H
    │          │      15 - 1 - Problem Motivation (8 min).srt, \' }; A7 f3 H! ~) h. z/ G
    │          │      15 - 2 - Gaussian Distribution (10 min).mp4$ a  m: t$ Q3 L; S# t
    │          │      15 - 2 - Gaussian Distribution (10 min).srt
' y( H% {$ }* X# P) O    │          │      15 - 3 - Algorithm (12 min).mp4
- V+ D; x" o7 ^+ Q0 \& w    │          │      15 - 3 - Algorithm (12 min).srt0 u8 `# J9 |; d" h# w% \: ~
    │          │      16 - 1 - Problem Formulation (8 min).mp4
8 s+ V/ {7 h  e4 b    │          │      16 - 1 - Problem Formulation (8 min).srt6 S0 F$ P- n1 U- i
    │          │      16 - 3 - Collaborative Filtering (10 min).mp4
" A2 T; x/ J, o+ {; f    │          │      16 - 3 - Collaborative Filtering (10 min).srt
3 x7 h5 h4 B. z  n$ D: x4 u8 ~    │          │      docs_slides_Lecture15.pdf+ ?( T% f+ Z  `+ e9 g+ _8 i: f) I
    │          │      docs_slides_Lecture16.pdf1 ?/ P, _. a! v' W* Z3 J
    │          │      ) ?0 ^) C6 k9 H8 p5 }! N
    │          └─作业  {# `" i( c- J  ~/ n
    │              │  ex1.zip
0 F& b+ c( H6 x" ~6 ]    │              │  ex3.zip+ B2 ]6 ?0 t$ A
    │              │  ex4.zip4 f/ r" @# |+ [2 s4 c' t' u
    │              │  ex5.zip2 C; \  T% u" ]- h! X) Q
    │              │  ex6.zip# U3 h: x4 e, H4 U1 `. E! k7 _
    │              │  ex7.zip
5 F5 B( F; S/ |$ ]' I" i. R9 f    │              │  ex8.zip, u) B- `" f" S" u! n( F
    │              │  Octave-3.2.4_i686-pc-mingw32_gcc-4.4.0_setup.exe, d4 P" m; Q7 g( h$ Y( c
    │              │  
6 D) |7 r0 F; ~5 b& K4 a8 A    │              └─答案
* q0 N( t7 ?. l. z0 _    │                  ├─ex14 F: g1 Q5 V, ~+ z3 \' x* W) O% Q6 v
    │                  │      computeCost.m
* ?, c. J: [. a1 O* j0 V, ?    │                  │      computeCostMulti.m' Y8 E  G' |$ v7 s6 X
    │                  │      ex1.m9 d3 w2 s1 Y' e( l
    │                  │      ex1data1.txt
# \! d+ W9 O! U/ o7 L    │                  │      ex1data2.txt
1 O- t' h! x' r, X5 E    │                  │      ex1_multi.m+ g, _( X3 M; w
    │                  │      featureNormalize.m" B9 |  U% M0 V
    │                  │      gradientDescent.m
' Y0 e' }% d( C    │                  │      gradientDescentMulti.m, \; l1 }  U, m& K
    │                  │      ml_login_data.mat+ e4 r& I3 k0 @, u2 `6 j3 Y
    │                  │      normalEqn.m
' Z$ ~- {8 Q( D" B1 v' H2 Q    │                  │      plotData.m
; G5 ?) W8 {0 m* S1 F+ L+ O    │                  │      submit.m
7 ?3 T9 u8 j8 `+ ~3 o6 E2 \    │                  │      submitWeb.m
+ j4 h4 `: L2 I/ s    │                  │      warmUpExercise.m
, L. Z* }; \/ H. X    │                  │      6 \/ h% E+ I' `5 c1 e1 o
    │                  ├─ex26 l0 q& n, h5 Z1 h1 c$ V: x8 n
    │                  │      costFunction.m( ?. F- f, E. E9 [! t! @. m& e
    │                  │      costFunctionReg.m
5 R1 ]5 p, g2 ?2 N& }    │                  │      ex2.m
5 o: f) a; h. j' c    │                  │      ex2data1.txt
0 A- U' r6 v7 T* v. t4 \7 Q    │                  │      ex2data2.txt& U* u* _! H3 V* b2 ~
    │                  │      ex2_reg.m/ Z% C0 |6 g& H& p3 ]
    │                  │      mapFeature.m
7 V4 K7 T" Q  b    │                  │      ml_login_data.mat% @7 J& r0 h, J$ i
    │                  │      plotData.m2 }. u5 |$ o  D
    │                  │      plotDecisionBoundary.m
5 F: J/ {) S2 T0 p    │                  │      predict(1).m.baiduyun.downloading
9 @7 ~0 o9 H0 F9 x4 _    │                  │      predict.m0 _7 T- }- x% W! N9 P9 ?% c
    │                  │      sigmoid.m: S' \* ?' z0 v; _9 _
    │                  │      submit(1).m.baiduyun.downloading. S, h# k" m6 J5 P4 m5 `& }, w8 O7 t
    │                  │      submit.m
0 w/ b* {! A2 o0 {    │                  │      submitWeb(1).m.baiduyun.downloading$ y8 N2 M9 `0 B# s4 s/ _2 @# d, t
    │                  │      submitWeb.m
& q8 G% M3 `. `& W1 X    │                  │      9 K2 W- M6 ]' k9 W% o2 M9 }
    │                  ├─ex3
# r2 I, _  S+ d9 N    │                  │      displayData.m' @$ C; v  j8 R. G; e4 }/ c" S3 c
    │                  │      ex3(437).m.baiduyun.downloading9 \$ o) F# L0 [& w% c
    │                  │      ex3.m( }8 m& \! B' ]. C- C# e6 f2 B* O
    │                  │      ex3data1.mat
( {3 @0 K. g" M5 {+ W: z    │                  │      ex3weights.mat$ L$ ?; v1 y5 p* T. e  z) j( A
    │                  │      ex3_nn.m
, J- t: I* o, z. v$ {) J* E# i" [% x% l    │                  │      fmincg.m
! g9 E9 k, O5 @% p4 Y    │                  │      lrCostFunction.m6 J8 f) V8 _+ w: b) i
    │                  │      ml_login_data.mat
' M% v3 f7 u, v" x# m    │                  │      oneVsAll.m; s' L$ y7 e/ v6 i
    │                  │      predict.m
3 [2 F, ]3 E1 x& p9 `    │                  │      predictOneVsAll.m+ j, p% n" @( M$ {) D; `- d9 \
    │                  │      sigmoid.m  e. s! x8 t# e$ t3 w1 Q& d9 N# U
    │                  │      submit.m+ M$ |0 F# {# b8 Z
    │                  │      submitWeb.m
8 Z7 t/ I8 _! w, o    │                  │      + A8 o6 U5 D1 D8 N
    │                  ├─ex4
6 w2 H% q+ @! ~0 Y2 t1 r    │                  │      checkNNGradients.m- L4 Y* E9 |! p, b0 `. m
    │                  │      computeNumericalGradient.m. z3 Q* U; Q4 o3 U! f
    │                  │      debugInitializeWeights.m, v/ ?% o7 n/ n  `
    │                  │      displayData.m
9 ~- `! c, y" f2 g3 |: \    │                  │      ex4.m+ G7 n3 Y9 E  R, }+ U+ M! W+ d
    │                  │      ex4data1.mat
2 G3 q# m1 D' v& P* Y6 R) j    │                  │      ex4weights.mat
5 X8 A4 _8 T/ T; E- {7 F    │                  │      fmincg.m; }" I7 g5 b: d6 g8 n
    │                  │      ml_login_data.mat% h, w4 |1 W6 R" C# m1 |# @! b
    │                  │      nnCostFunction.m
9 q. A" g% C* F4 `8 P    │                  │      predict.m
, C2 X3 T3 S2 q" U! P" |    │                  │      randInitializeWeights.m
6 F1 }' \" ^$ R0 Y( v6 x7 F    │                  │      sigmoid.m
9 J! W% N6 z$ w( T- V: u% z6 P    │                  │      sigmoidGradient.m
1 H- Z) o4 r( X6 B0 R    │                  │      submit.m' g( R$ w- C' q1 j* C8 V0 |
    │                  │      submitWeb.m: T' J: h% U( b  |; E- S
    │                  │      
! d5 k% y! S* ~/ w8 {) B    │                  ├─ex59 Y8 \7 O* Q- ]+ ]- X
    │                  │      ex5.m
; x5 |. [1 o, L- v) `7 A    │                  │      ex5data1.mat
2 `2 ], }1 \( e    │                  │      featureNormalize.m" e. v3 O7 n$ u# F; S1 X
    │                  │      fmincg.m+ Q6 W  w/ S% o4 @2 j, ]
    │                  │      learningCurve.m
% w. h/ z7 `8 y) }% l4 q) N8 |9 T0 Q    │                  │      linearRegCostFunction.m1 |3 @; F5 ]9 m/ X- l' i* B$ H
    │                  │      ml_login_data.mat6 n! y# H9 f1 J+ y6 Z# ~5 N
    │                  │      plotFit.m: k, }3 t& S! F' p- s9 Z1 g5 M1 ]
    │                  │      polyFeatures.m
0 E/ u' s3 j6 g9 c+ W    │                  │      submit.m: P# H# d  ?4 |8 @& H6 q
    │                  │      submitWeb.m/ G6 m4 o% ^  ?( c
    │                  │      trainLinearReg.m' T" {% F3 a" e1 d7 S4 m
    │                  │      validationCurve.m
7 N" P& t- E5 ]( C1 ^$ F- `8 b    │                  │      9 B: Y' m* y" `+ s
    │                  ├─ex6
( I# @7 w) Y3 w) T$ u' f8 F: z    │                  │      dataset3Params.m6 a6 \: y1 y% _; q1 X, e
    │                  │      emailFeatures.m
; L4 E1 f1 Q- p    │                  │      emailSample1.txt
. a/ z4 A! x  v$ ~+ `7 x    │                  │      emailSample2.txt
1 A  Z" @2 w4 X7 D% S5 L    │                  │      ex6.m
% k% j% w8 l! t! U# n$ }% R5 P! S    │                  │      ex6data1.mat# i9 o3 v2 U/ y
    │                  │      ex6data2.mat
6 z, F5 C7 p( \# j    │                  │      ex6data3.mat
5 }  l' h* [+ A, K* q0 K0 [5 U. d5 {    │                  │      ex6_spam.m
2 U4 \" O  e' B3 U5 c" ~    │                  │      gaussianKernel.m# m& o7 j0 w  G. ]+ U
    │                  │      getVocabList.m
$ d3 I" j; J7 ]+ Q: N% U    │                  │      linearKernel.m8 T  Y8 Y$ I& _. [( B& |5 F/ ?
    │                  │      ml_login_data.mat, C+ P) _5 N0 C
    │                  │      octave-core
. T1 T: }( }: v% H' U    │                  │      plotData.m8 D0 g; t. S/ y' t. B
    │                  │      porterStemmer.m- r: i5 i' V4 E0 ], b# w" O
    │                  │      processEmail.m& n: `& k7 }& X8 f
    │                  │      readFile.m
3 B2 L) z- z) c" }/ }: C    │                  │      spamSample1.txt2 M! P; d( z, D" g! _* H) P9 v
    │                  │      spamSample2.txt& U3 d; r7 ?2 O; S
    │                  │      spamTest.mat. ?& ?6 f. G' v6 {
    │                  │      spamTrain.mat4 J% x/ d0 U; J2 P. p
    │                  │      submit.m2 r9 I: @0 t6 v" O
    │                  │      submitWeb.m7 j: S2 o. c6 r* v8 k8 M
    │                  │      svmPredict.m) E# ?! s+ I% f1 m7 S
    │                  │      svmTrain.m
7 ]# t* e& w2 s+ z4 w$ `8 R    │                  │      visualizeBoundary.m
4 C9 N4 z' M, [- F; G, S2 k. z& [) w. m    │                  │      visualizeBoundaryLinear.m
' e% D5 N$ ]9 p; k5 P1 r    │                  │      vocab.txt
$ s1 f: n( }: n    │                  │      - @) L% k; t( T
    │                  ├─ex7
0 Z* w- X, p* `  O" @    │                  │      bird_small.mat
- {9 X! c: ?& c$ ^0 U* t) m* t    │                  │      bird_small.png3 N5 ?" }: n% N- X' J0 n
    │                  │      computeCentroids.m) }9 G, Q3 J2 X$ U0 ]( i- o
    │                  │      displayData.m5 P  S8 h+ E% Z# |8 `! \. _
    │                  │      drawLine.m
* J7 l5 D! Z  S    │                  │      ex7.m
) a  K3 l2 P2 B0 [# r+ n8 J    │                  │      ex7data1.mat
, D" V2 i% q1 X! R    │                  │      ex7data2.mat
! J. C0 i/ C0 v    │                  │      ex7faces.mat1 p- b% E: V* u7 W" W  \% X
    │                  │      ex7_pca.m  F9 v+ v5 e3 [: @& t  t/ N
    │                  │      featureNormalize.m( Z% K3 T' Z$ e
    │                  │      findClosestCentroids.m8 u+ Z8 q( [" [1 e% s
    │                  │      kMeansInitCentroids.m
4 i  p0 E! G1 {* J* l& n    │                  │      ml_login_data.mat
  {0 P; r1 Y) ^! d% k; B: p0 \    │                  │      octave-core* u9 }8 M9 d4 }) H7 h* @9 o! u& b) G
    │                  │      pca.m
  s5 C. T# ~1 `; b  D5 \0 o9 q    │                  │      plotDataPoints.m% ^3 Q, m4 U+ ~( J
    │                  │      plotProgresskMeans.m
, N( T& P6 \& M! |9 t& S$ V    │                  │      projectData.m' R1 B; i8 A/ [+ s: F6 b1 [
    │                  │      recoverData.m1 k. d- m+ x7 |4 R) V1 T" a  @. ?6 m
    │                  │      runkMeans.m
3 m( z- u& e# V- b) C: w    │                  │      submit.m, v3 i7 S2 U7 v6 o
    │                  │      submitWeb.m
% [/ \. w4 e! O4 U+ K# }7 A* t    │                  │      
9 j4 N/ n$ j# i/ |    │                  └─ex8% a+ j% |0 @& T- @
    │                          checkCostFunction.m
' n& b" N' E9 g1 s* W  s# x/ n' K2 v    │                          cofiCostFunc.m
1 ]% F0 T( ~  i& v) g/ b# }) o7 a    │                          computeNumericalGradient.m
) m. d2 C+ D9 `2 m) M" |9 J" R* e    │                          estimateGaussian.m
/ Z/ v1 W4 c$ v& f+ s    │                          ex8.m; i/ n/ l/ H5 q
    │                          ex8data1.mat
0 S0 n/ ~0 j; F8 F) ?    │                          ex8data2.mat
( G1 F1 r1 ], n. g* W2 `    │                          ex8_cofi.m
+ u/ M! y( C9 S. m( W1 e* G    │                          ex8_movieParams.mat
( A: I; Q0 i) a; K/ O0 z, r    │                          ex8_movies.mat
9 P" a4 `* J  B; S( e7 M    │                          fmincg.m
! |$ R& D9 m" D% U) A$ h$ h5 x9 }4 B2 K! u    │                          loadMovieList.m, C3 m5 Z. S% J
    │                          ml_login_data.mat
- U; ]8 A3 ?$ I2 m5 w) l# j    │                          movie_ids.txt
  Q- C; S; ^" ~. s; [2 x$ R    │                          multivariateGaussian.m
- z6 v$ N( b! v7 F7 ?    │                          normalizeRatings.m
9 v# @* Z" d* k. j, j' R' l    │                          selectThreshold.m6 n0 b* H9 |6 F  q6 M2 p0 d
    │                          submit.m& F5 z9 L" e  ^. u% p5 {! [; g
    │                          submitWeb.m2 K% V* y/ d6 C* w9 I1 ]+ z" L7 `
    │                          visualizeFit.m
/ [7 S7 H# g/ D6 M    │                          
  P# d* `4 a+ U# t* v! u    ├─003_机器学习基石
. l' h! Q" S) r" [    │  └─003_机器学习基石; F  d2 \1 O. T; C
    │      │  下载说明.txt
. j: W$ N% Y- }2 n    │      │  关注我们.png
( F) |" P: Z- O/ ?+ {3 W$ `9 s    │      │  攻城狮论坛=网络技术+编程视频.url7 @0 ^' s  z0 y8 i: i
    │      │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt2 i; q( I( u" j1 M: D0 {0 P, N: ^8 f
    │      │  
- q* j. h, g; o    │      ├─Machine Leaning Foundations - TNU# \1 t9 E( x4 E1 C7 p- g) ~+ T
    │      │      01_handout.pdf' c4 G& l) x9 A- G2 W
    │      │      02_handout.pdf
& O0 }5 a7 K! |. B% ?    │      │      03_handout.pdf
# R" Z; a( M" ]    │      │      04_handout.pdf
  N; g: w) P6 C, ~    │      │      05_handout.pdf
& q, K8 Y& G& W% S: L( K    │      │      06_handout.pdf
) d  o" E) a  S+ C- Q4 K    │      │      07_handout.pdf
' s. g  v- }3 T    │      │      08_handout.pdf
5 P% x) m0 Q; E% m7 O5 }7 p0 G6 T7 R3 P    │      │      09_handout.pdf
& @$ c9 i2 Z# _, z    │      │      1 - 1 - Course Introduction (10-58).mp4( g$ W' Q2 r8 ^. J; |
    │      │      1 - 2 - What is Machine Learning (18-28).mp40 Z$ {% A' N9 _; v
    │      │      1 - 3 - Applications of Machine Learning (18-56).mp4
0 ]7 a, ?$ v7 A* d/ Q) w+ d    │      │      1 - 4 - Components of Machine Learning (11-45).mp4
# _5 ?" }! B8 K5 j5 F    │      │      1 - 5 - Machine Learning and Other Fields (10-21).mp4
8 Z: w; v) a  i& J5 [5 O    │      │      10 - 1 - Logistic Regression Problem (14-33).mp4  k0 z" {* |; v! E% \/ o# `/ r
    │      │      10 - 2 - Logistic Regression Error (15-58).mp4. Z& h7 W1 i9 t3 _( ?& Y! o* g
    │      │      10 - 3 - Gradient of Logistic Regression Error (15-38).mp4  O1 ?6 y7 k/ v2 [4 D
    │      │      10 - 4 - Gradient Descent (19-18).mp40 W# l3 Q8 M6 e. T1 s
    │      │      10_handout.pdf1 G+ l" _% Y2 J7 Z! D
    │      │      11 - 1 - Linear Models for Binary Classification (21-35).mp4
# X. V: }1 d1 b1 n6 m; b1 U( r    │      │      11 - 2 - Stochastic Gradient Descent (11-39).mp4- {+ Q4 g8 R' e1 P" ^
    │      │      11 - 3 - Multiclass via Logistic Regression (14-18).mp43 m; ~/ W6 r( a# V$ ^! d
    │      │      11 - 4 - Multiclass via Binary Classification (11-35).mp4
# p8 D3 v1 ~6 ?4 s' |& g4 M    │      │      11_handout.pdf5 j9 d' S  u; Q- o
    │      │      12 - 1 - Quadratic Hypothesis (23-47).mp4
+ @0 a& b9 `1 h/ z& E/ w' ]    │      │      12 - 2 - Nonlinear Transform (09-52).mp4& D/ m3 I) N2 b0 K8 I
    │      │      12 - 3 - Price of Nonlinear Transform (15-37).mp49 N6 o+ L" c; P( I* C
    │      │      12 - 4 - Structured Hypothesis Sets (09-36).mp4
; w9 }3 x: c' F3 ]  P! H    │      │      12_handout.pdf$ Q5 c5 q+ ^  P" N
    │      │      13 - 1 - What is Overfitting- (10-45).mp4
. K) J( R5 k( t' k2 O    │      │      13 - 2 - The Role of Noise and Data Size (13-36).mp40 j1 x6 z. f' h% X3 K4 O
    │      │      13 - 3 - Deterministic Noise (14-07).mp4
4 E: D- U  h1 s( E2 m    │      │      13 - 4 - Dealing with Overfitting (10-49).mp4+ b. W& e. t8 Z& j0 G
    │      │      13_handout.pdf
9 d2 a* f0 x1 _! Y# R' s+ l& m- v    │      │      14 - 1 - Regularized Hypothesis Set (19-16).mp4
6 i; A% x% U! P8 s- I. `    │      │      14 - 2 - Weight Decay Regularization (24-08).mp4  ]; P; I- \! I, f! m$ R1 J. P
    │      │      14 - 3 - Regularization and VC Theory (08-15).mp4& r" T5 o, t$ V. w3 [3 H
    │      │      14 - 4 - General Regularizers (13-28).mp4
% u9 n. j* j: ?2 [/ }$ Y    │      │      14_handout.pdf
, N' H! F5 l% W  n  O) m    │      │      15 - 1 - Model Selection Problem (16-00).mp4
6 [$ \4 X7 c3 M1 N1 S, p9 G" W    │      │      15 - 2 - Validation (13-24).mp4
, }9 n! |2 {& D& \4 F. u2 x    │      │      15 - 3 - Leave-One-Out Cross Validation (16-06).mp4
5 y# A) m& m+ d# [/ ^    │      │      15 - 4 - V-Fold Cross Validation (10-41).mp4
/ L, p2 M) Z- I- J3 s* V    │      │      15_handout.pdf; x* T/ A% @4 Z' U( a
    │      │      16 - 1 - Occam-'s Razor (10-08).mp4' p7 _! P3 S/ F' a1 m# m1 i( m( \
    │      │      16 - 2 - Sampling Bias (11-50).mp41 h9 q* E8 c- L! a6 u" [: Q5 N
    │      │      16 - 3 - Data Snooping (12-28).mp4
1 G( y+ L* F! j. D  w! \2 P4 Z    │      │      16 - 4 - Power of Three (08-49).mp4
' F. Z, ?5 V) @  t1 y/ ~    │      │      16_handout.pdf8 {3 f  L9 |' V
    │      │      2 - 1 - Perceptron Hypothesis Set (15-42).mp4
* @+ L& Q2 Z' c/ h    │      │      2 - 2 - Perceptron Learning Algorithm (PLA) (19-46).mp47 p0 m% n( S( K7 G: ~
    │      │      2 - 3 - Guarantee of PLA (12-37).mp4; L8 A- W: W/ s4 Y) y
    │      │      2 - 4 - Non-Separable Data (12-55).mp49 f6 Y1 e" O/ ?. }) d7 h
    │      │      3 - 1 - Learning with Different Output Space (17-26).mp4' u* \5 r; }9 M; d( T5 {' k1 A- K! M
    │      │      3 - 2 - Learning with Different Data Label (18-12).mp4
  ^' [4 H1 E, }0 x1 N% O  d& j8 A    │      │      3 - 3 - Learning with Different Protocol (11-09).mp4
" {( s9 D0 C0 Y) w    │      │      3 - 4 - Learning with Different Input Space (14-13).mp45 r: F( I/ e1 L
    │      │      4 - 1 - Learning is Impossible- (13-32).mp4
. Z# c! ?0 @( K& j2 g    │      │      4 - 2 - Probability to the Rescue (11-33).mp44 M- E) N- {; ~8 ~& [- ~
    │      │      4 - 3 - Connection to Learning (16-46).mp4
5 }* K2 \  B% v    │      │      4 - 4 - Connection to Real Learning (18-06).mp4; E0 p: Y8 b5 c* x: X, V. B9 e
    │      │      5 - 1 - Recap and Preview (13-44).mp4
: o+ h! @1 [, s1 k9 P    │      │      5 - 2 - Effective Number of Lines (15-26).mp4: w+ @" ^) `8 G9 ?. ]3 H% f5 u
    │      │      5 - 3 - Effective Number of Hypotheses (16-17).mp4
& `, a; s  g+ F  o1 I! n    │      │      5 - 4 - Break Point (07-44).mp4
- w- h/ V# J/ `0 v& |) J. C    │      │      6 - 1 - Restriction of Break Point (14-18).mp4
6 }0 }; e0 _) M4 l# @    │      │      6 - 2 - Bounding Function- Basic Cases (06-56).mp4
! _5 \, K$ ~. V$ u& X    │      │      6 - 3 - Bounding Function- Inductive Cases (14-47).mp4
/ ^# s  T0 p3 F+ e% t7 _9 A    │      │      6 - 4 - A Pictorial Proof (16-01).mp4
/ C, N: n/ N; {5 K    │      │      7 - 1 - Definition of VC Dimension (13-10).mp4
4 U3 ~$ p) J: u& y    │      │      7 - 2 - VC Dimension of Perceptrons (13-27).mp43 r  X2 s) H& M2 c
    │      │      7 - 3 - Physical Intuition of VC Dimension (6-11).mp40 o. Y$ d' F+ J' t7 v
    │      │      7 - 4 - Interpreting VC Dimension (17-13).mp48 m9 w1 T8 d/ n* P
    │      │      8 - 1 - Noise and Probabilistic Target (17-01).mp4
+ |. V! D5 e* }    │      │      8 - 2 - Error Measure (15-10).mp47 q2 ~. \$ [# j
    │      │      8 - 3 - Algorithmic Error Measure (13-46).mp4" e  y9 n$ S  M5 c
    │      │      8 - 4 - Weighted Classification (16-54).mp4
1 j) n2 I' O* d    │      │      9 - 1 - Linear Regression Problem (10-08).mp4
# ~/ E2 |/ ~: }" }5 N    │      │      9 - 2 - Linear Regression Algorithm (20-03).mp4) {+ W6 C" w9 x& _- S
    │      │      9 - 3 - Generalization Issue (20-34).mp4
* F: n) d4 @% E* n/ S    │      │      9 - 4 - Linear Regression for Binary Classification (11-23).mp48 a; Z9 j3 [: h! N- X' |. `% y$ b
    │      │      
! y& V1 f* c) ~1 `' D    │      ├─机器学习的基石
2 ~$ ]# E3 {& P0 v    │      │      1 - 1 - Course Introduction (10-58).mp48 k" t. k( L1 r( Q; B) V/ M
    │      │      1 - 2 - What is Machine Learning (18-28).mp4  u& l! h7 d3 T% Y& a; Y
    │      │      1 - 3 - Applications of Machine Learning (18-56).mp44 n- I( o; Q+ u7 i* `$ T3 M
    │      │      1 - 4 - Components of Machine Learning (11-45).mp4
5 K- |$ a; K) ?2 ]* r. H+ c    │      │      1 - 5 - Machine Learning and Other Fields (10-21).mp4& N+ B% M  w, g  U6 }
    │      │      10 - 1 - Logistic Regression Problem (14-33).mp4
1 ~9 l3 I% [% Y$ D    │      │      10 - 2 - Logistic Regression Error (15-58).mp4
+ r, h/ p2 y  e& }, J    │      │      10 - 3 - Gradient of Logistic Regression Error (15-38).mp4
9 D/ i) ]' }/ D/ v    │      │      10 - 4 - Gradient Descent (19-18).mp48 x7 f! q! F  I9 i/ K
    │      │      11 - 1 - Linear Models for Binary Classification (21-35).mp4- q/ g: a1 w/ _2 u0 q7 `
    │      │      11 - 2 - Stochastic Gradient Descent (11-39).mp4! I" o& q5 x( c# ?7 Y, D4 Y# L! `
    │      │      11 - 3 - Multiclass via Logistic Regression (14-18).mp4
: B, y4 A" B/ W+ F- F    │      │      11 - 4 - Multiclass via Binary Classification (11-35).mp4
# j" C! M2 q! a: y6 m    │      │      12 - 1 - Quadratic Hypothesis (23-47).mp4. C/ ~# h( K6 }4 R6 ?4 F8 j9 e# E
    │      │      12 - 2 - Nonlinear Transform (09-52).mp49 |; g: [5 C. }1 a6 s8 \. t, h
    │      │      12 - 3 - Price of Nonlinear Transform (15-37).mp4
( e& H9 E6 _' ^9 }! E    │      │      12 - 4 - Structured Hypothesis Sets (09-36).mp4
/ l. J4 Q" W# F    │      │      13 - 1 - What is Overfitting- (10-45).mp4
# t* u5 X4 Z" E9 n7 I' o    │      │      13 - 2 - The Role of Noise and Data Size (13-36).mp4
' K8 i  U( w4 k( [3 i5 z% {2 S    │      │      13 - 3 - Deterministic Noise (14-07).mp4
% c) O' @7 y. U5 g$ W1 |0 Q+ z    │      │      13 - 4 - Dealing with Overfitting (10-49).mp4% O' @- M; R6 N* O
    │      │      14 - 1 - Regularized Hypothesis Set (19-16).mp4$ |. j) N! ]: K4 u, f% Y9 i1 D! q
    │      │      14 - 2 - Weight Decay Regularization (24-08).mp4
$ |5 E  g! b( `# L) N5 w4 V, K    │      │      14 - 3 - Regularization and VC Theory (08-15).mp4
( c3 V( k; m' {    │      │      14 - 4 - General Regularizers (13-28).mp4
# T3 @6 x6 Z" T; c7 u: D8 n/ v( `    │      │      15 - 1 - Model Selection Problem (16-00).mp4* G) r8 d* H0 y' c1 t& u
    │      │      15 - 2 - Validation (13-24).mp4. m3 Y$ B, e3 T+ `
    │      │      15 - 3 - Leave-One-Out Cross Validation (16-06).mp4
+ Y' J* |- d* p    │      │      15 - 4 - V-Fold Cross Validation (10-41).mp4  p# ]. c6 R0 r3 ~& ]+ c6 q+ P, }
    │      │      16 - 1 - Occam-'s Razor (10-08).mp4
$ y9 a+ {4 b7 h) z; b; d% X    │      │      16 - 2 - Sampling Bias (11-50).mp49 k2 W7 @' z. X' Z/ @
    │      │      16 - 3 - Data Snooping (12-28).mp41 k4 ]' Z; A! w" Y7 c9 t2 q
    │      │      16 - 4 - Power of Three (08-49).mp4' f9 z9 g1 j$ B% b; j
    │      │      2 - 1 - Perceptron Hypothesis Set (15-42).mp42 {8 B8 a- z4 o. ~1 r9 L, w) w
    │      │      2 - 2 - Perceptron Learning Algorithm (PLA) (19-46).mp47 A2 @* ]& D/ v) e, I  ]. i
    │      │      2 - 3 - Guarantee of PLA (12-37).mp4, B% y2 n7 y2 E- S+ y5 S
    │      │      2 - 4 - Non-Separable Data (12-55).mp42 u) V& A, z! q# m
    │      │      3 - 1 - Learning with Different Output Space (17-26).mp4
4 R1 K( k2 \6 F& K4 h+ y! B& G8 n$ n    │      │      3 - 2 - Learning with Different Data Label (18-12).mp4
5 H, ]2 P/ Q  l    │      │      3 - 3 - Learning with Different Protocol (11-09).mp4
" e5 I4 l/ m8 @+ d9 w  C    │      │      3 - 4 - Learning with Different Input Space (14-13).mp4
6 L4 n3 g/ j1 W% o' B9 P1 o    │      │      4 - 1 - Learning is Impossible- (13-32).mp4
% i2 A0 Y* u- @1 p, Y    │      │      4 - 2 - Probability to the Rescue (11-33).mp4
- Y" }: R/ p) f' M; X6 e    │      │      4 - 3 - Connection to Learning (16-46).mp4
) v$ {# a( L; K8 \" e; k    │      │      4 - 4 - Connection to Real Learning (18-06).mp48 }3 E' H$ ?" j1 \( M
    │      │      5 - 1 - Recap and Preview (13-44).mp4& U2 G( c* a2 d$ w- {
    │      │      5 - 2 - Effective Number of Lines (15-26).mp4
9 b) Y$ e; [+ L- h1 M2 n2 |0 L    │      │      5 - 3 - Effective Number of Hypotheses (16-17).mp4# W% Q1 \. U" R+ \9 i
    │      │      5 - 4 - Break Point (07-44).mp4
5 @: Z& G( ~1 a& y$ a    │      │      6 - 1 - Restriction of Break Point (14-18).mp4' a& M: ]$ W8 v$ w- c% x! a6 U# t
    │      │      6 - 2 - Bounding Function- Basic Cases (06-56).mp4
( J: i6 U: h9 p8 P1 w6 B) Y1 F! M    │      │      6 - 3 - Bounding Function- Inductive Cases (14-47).mp4
) Z$ A9 H2 N+ V    │      │      6 - 4 - A Pictorial Proof (16-01).mp4$ `- M, u. i* T, s6 S- Y
    │      │      7 - 1 - Definition of VC Dimension (13-10).mp4* ]5 Y9 E& ?1 T% p* e$ k
    │      │      7 - 2 - VC Dimension of Perceptrons (13-27).mp4
1 B9 q) U* t9 I8 d/ n6 z    │      │      7 - 3 - Physical Intuition of VC Dimension (6-11).mp4
# p: A" |: ~1 [/ Q: n7 a' J    │      │      7 - 4 - Interpreting VC Dimension (17-13).mp4( G; Z$ U+ Y9 E# t2 [
    │      │      8 - 1 - Noise and Probabilistic Target (17-01).mp4. e" p$ v# I1 y# i
    │      │      8 - 2 - Error Measure (15-10).mp4
& v' ?; c: G' Y8 O& {    │      │      8 - 3 - Algorithmic Error Measure (13-46).mp4; @/ Q; q8 d& `+ Y9 v2 d3 g! E1 A
    │      │      8 - 4 - Weighted Classification (16-54).mp4/ ]1 Z& H/ m, R
    │      │      9 - 1 - Linear Regression Problem (10-08).mp40 G9 w' g: ^( P+ y, F& b/ c
    │      │      9 - 2 - Linear Regression Algorithm (20-03).mp4  T- G9 ?! ^' D' p0 Z( Z
    │      │      9 - 3 - Generalization Issue (20-34).mp4
) [% x6 l! ^( l0 a7 m- N8 U    │      │      9 - 4 - Linear Regression for Binary Classification (11-23).mp4
* p6 j/ o" j! r1 P' [    │      │      lecture_slides-01_handout.pdf0 K/ n* A+ C/ |! ~. S$ m6 V
    │      │      lecture_slides-02_handout.pdf: d) T: v5 I2 z( A! w8 y  a& I
    │      │      lecture_slides-03_handout.pdf! L% {( x; x1 l0 k/ t" i+ x7 H
    │      │      lecture_slides-04_handout.pdf
& }2 z% d* J9 f# p+ Z    │      │      lecture_slides-05_handout.pdf" v4 A! A; [) p2 Q
    │      │      lecture_slides-06_handout.pdf
2 ^5 n- a' o) O8 S5 m9 z* ?    │      │      lecture_slides-07_handout.pdf
* E% c' ?2 M7 b; H    │      │      lecture_slides-08_handout.pdf5 u# {9 P6 X! L- P  B
    │      │      lecture_slides-09_handout.pdf6 W& i9 [3 j9 m# [% i; K. j
    │      │      lecture_slides-10_handout.pdf7 v2 M( L& F" S
    │      │      lecture_slides-11_handout.pdf+ h2 d$ V  o9 H3 l, k" a
    │      │      lecture_slides-12_handout.pdf
: Y! i% p; E$ r+ R    │      │      lecture_slides-13_handout.pdf3 C4 [2 S. N% k# p! M1 \
    │      │      lecture_slides-14_handout.pdf1 V" K$ W' I1 K6 w
    │      │      lecture_slides-15_handout.pdf
' I2 Q; h7 Q5 v; {6 R    │      │      lecture_slides-16_handout.pdf
. _! @& F1 @, {    │      │      6 S" {# O/ y3 P
    │      └─機器學習基石
* M. I9 x4 q$ u    │          ├─01_-_The_Learning_Problem) o$ ], e; O1 T7 \0 T& t2 ^$ r
    │          │      01_Course_Introduction_10-58.mp43 Y0 D, Z. B: i( r+ b( R% J+ V
    │          │      01_Course_Introduction_10-58.pdf6 I7 ]. r" }( t# A# Z
    │          │      02_What_is_Machine_Learning_18-28.mp47 ]6 V- ^" z( \6 w0 j0 Z6 A3 W
    │          │      03_Applications_of_Machine_Learning_18-56.mp4" O/ H) V: n$ ]/ Z. X8 K! f1 g
    │          │      04_Components_of_Machine_Learning_11-45.mp4' B0 M; ]0 X- K$ G* G0 e
    │          │      05_Machine_Learning_and_Other_Fields_10-21.mp4
% V0 _& |6 x; e3 @    │          │      
6 r- E. _. ?, K" c" G' K    │          ├─02_-_Learning_to_Answer_Yes-No) |1 I9 _5 a( D# v7 V( c& v8 Y# A  C8 u
    │          │      01_Perceptron_Hypothesis_Set_15-42.mp4" |2 Y- R0 k5 N1 g% w/ T! S5 x% m
    │          │      01_Perceptron_Hypothesis_Set_15-42.pdf
, T8 j$ U* P& V" W/ L8 z    │          │      02_Perceptron_Learning_Algorithm_PLA_19-46.mp4) ?8 w2 p! p( L8 G5 a" F2 j" M- {* Q
    │          │      03_Guarantee_of_PLA_12-37.mp4; d) \# F: u0 V* M; a
    │          │      04_Non-Separable_Data_12-55.mp4- K: _! c, C! W/ n+ T: k: K! V- h3 e
    │          │      9 m% x/ x) p! a' V
    │          ├─03_-_Types_of_Learning
8 _! \' \4 K9 T  h" T    │          │      01_Learning_with_Different_Output_Space_17-26.mp49 {2 u4 w0 |, n, f
    │          │      01_Learning_with_Different_Output_Space_17-26.pdf
: H/ j4 `' j7 B  x% k- z' R    │          │      02_Learning_with_Different_Data_Label_18-12.mp4
! W4 s% T+ i2 _0 G, @  I    │          │      03_Learning_with_Different_Protocol_11-09.mp4
8 e, d; J  W( Q  U2 H    │          │      04_Learning_with_Different_Input_Space_14-13.mp47 W- ?. b7 Y3 b
    │          │      
: c4 }0 u+ l+ U0 A    │          ├─04_-_Feasibility_of_Learning4 z% n) f: [1 p. ?. v* x2 c5 B
    │          │      01_Learning_is_Impossible_13-32.mp4( i* A" [: L$ A8 v4 D8 d2 J/ x
    │          │      01_Learning_is_Impossible_13-32.pdf; s* k, v4 L+ k8 J, P$ _
    │          │      02_Probability_to_the_Rescue_11-33.mp40 b; V3 G% z9 f, e3 j
    │          │      03_Connection_to_Learning_16-46.mp4
! k8 a7 u( O' i. f    │          │      04_Connection_to_Real_Learning_18-06.mp4
1 G7 z0 O# P  w5 @; R; m" P. }    │          │        p( O( u5 ]. [: m, e; I( Z, V
    │          ├─05_-_Training_versus_Testing1 {! ~) d, O+ P7 K
    │          │      01_Recap_and_Preview_13-44.mp4" G% g9 k9 j1 h9 n& o2 N' _
    │          │      01_Recap_and_Preview_13-44.pdf
9 [5 X( b' I& m+ {  t    │          │      02_Effective_Number_of_Lines_15-26.mp4" F+ I3 u3 j, e( X+ ^8 L
    │          │      03_Effective_Number_of_Hypotheses_16-17.mp4
% g- D$ `/ v+ y& J' C    │          │      04_Break_Point_07-44.mp4
7 ?8 f" r4 g1 I3 t    │          │      ) i2 w: W3 {; c: `5 \8 s' _# M
    │          ├─06_-_Theory_of_Generalization2 G! A. r  z) L$ l
    │          │      01_Restriction_of_Break_Point_14-18.mp4& P5 P: ]0 Z( ^/ I
    │          │      01_Restriction_of_Break_Point_14-18.pdf
1 t9 g( q  f! m) `    │          │      02_Bounding_Function-_Basic_Cases_06-56.mp4
: O4 Q( \" L+ N& p" }, _    │          │      03_Bounding_Function-_Inductive_Cases_14-47.mp4
2 ^8 i1 {# w& C" W% Y  Z: ^    │          │      04_A_Pictorial_Proof_16-01.mp4
7 o; G# m0 r) a5 l, k% v" @    │          │      / `# G1 p/ t( {% [- R+ e
    │          ├─07_-_The_VC_Dimension" ^$ W  Y- b; q3 }8 U* d: @
    │          │      01_Definition_of_VC_Dimension_13-10.mp4
/ L+ m$ A7 o6 R" A) f1 n8 b    │          │      01_Definition_of_VC_Dimension_13-10.pdf
- R- u) G. h2 g; H5 S# q: d    │          │      02_VC_Dimension_of_Perceptrons_13-27.mp46 t/ ?9 [1 [' H- x: s/ F& C
    │          │      03_Physical_Intuition_of_VC_Dimension_6-11.mp4( S* K! h( S; @" A) Q/ f
    │          │      04_Interpreting_VC_Dimension_17-13.mp4
- i) h. @6 Y4 g: [7 r% o    │          │      
. D" ^7 K! q- z( H) d. ~2 s: f- }8 u    │          ├─08_-_Noise_and_Error0 N' }5 D; u% Z, Q& x
    │          │      01_Noise_and_Probabilistic_Target_17-01.mp4: O) y6 f1 K4 p% T& E! {( u( @8 H
    │          │      01_Noise_and_Probabilistic_Target_17-01.pdf
8 m! F5 w6 f4 y    │          │      02_Error_Measure_15-10.mp4
0 ?; j( s) R& y: g! p7 n, }( \    │          │      03_Algorithmic_Error_Measure_13-46.mp4
0 }& ~) {: W2 x9 s6 h" L; [: R    │          │      04_Weighted_Classification_16-54.mp4$ Y* D9 ?6 [; a8 R, I8 @! f
    │          │      
  [. L+ \/ a1 b- k; t    │          ├─09_-_Linear_Regression, V. e& [! v4 F8 }6 M" W
    │          │      01_Linear_Regression_Problem_10-08.mp4
2 S+ M$ V( h3 {    │          │      01_Linear_Regression_Problem_10-08.pdf
4 t! Q1 y8 |0 E" B; @0 r. ^    │          │      02_Linear_Regression_Algorithm_20-03.mp4
4 @& C: I' j4 Q5 L6 x    │          │      03_Generalization_Issue_20-34.mp4
+ {& j- b: f7 r4 Z9 S" Y    │          │      04_Linear_Regression_for_Binary_Classification_11-23.mp4) r! U- c6 r: ]: z- y% p. i
    │          │      2 g4 \8 x8 V5 |# v, E# g5 Z6 ?
    │          ├─10_-_Logistic_Regression
# r# T4 F, E; b& [$ p# Q    │          │      01_Logistic_Regression_Problem_14-33.mp4
( l& B' d5 N/ e. M7 E8 ~    │          │      01_Logistic_Regression_Problem_14-33.pdf
7 N2 @# L# S+ {( B( v) h$ ?    │          │      02_Logistic_Regression_Error_15-58.mp4
5 N, ?0 X: W+ `8 r- J    │          │      03_Gradient_of_Logistic_Regression_Error_15-38.mp46 S& @1 Y# J9 q" P
    │          │      04_Gradient_Descent_19-18.mp4/ _- |9 q1 G7 M6 _' d# t
    │          │      * G, a+ Z7 P3 `7 Z) f' C0 u9 N
    │          ├─11_-_Linear_Models_for_Classification
5 A; h0 V! w/ J    │          │      01_Linear_Models_for_Binary_Classification_21-35.mp4
' z$ k! y& }8 Z: k4 g, L9 }9 [    │          │      01_Linear_Models_for_Binary_Classification_21-35.pdf1 Q" [  O, J: q- K$ ^5 T
    │          │      02_Stochastic_Gradient_Descent_11-39.mp40 I2 f/ g4 r5 |& E( R
    │          │      03_Multiclass_via_Logistic_Regression_14-18.mp4
: C% i8 \7 Y" ~" v9 R* D! [    │          │      04_Multiclass_via_Binary_Classification_11-35.mp4, F" x4 d* S& d
    │          │      
& Q0 o/ S: a6 {$ z. d    │          ├─12_-_Nonlinear_Transformation& S: }% @* M2 K+ e
    │          │      01_Quadratic_Hypothesis_23-47.mp4! D+ H( ]0 h7 V; ~0 C$ l
    │          │      01_Quadratic_Hypothesis_23-47.pdf  B! H4 B6 k3 U3 H4 C
    │          │      02_Nonlinear_Transform_09-52.mp4
  ]* j: F6 |; ]! B' N    │          │      03_Price_of_Nonlinear_Transform_15-37.mp48 H& X9 x! C6 E! d8 k
    │          │      04_Structured_Hypothesis_Sets_09-36.mp4
3 ^6 Q4 I/ l4 o6 m( C    │          │        h! f) }4 F4 n% S, j% j& y
    │          ├─13_-_Hazard_of_Overfitting
3 C, }8 u$ g# u; P* d    │          │      01_What_is_Overfitting_10-45.mp4
3 c7 v- r0 B6 V/ @    │          │      01_What_is_Overfitting_10-45.pdf$ Y5 ?2 p/ h: b& O
    │          │      02_The_Role_of_Noise_and_Data_Size_13-36.mp4
( x& x0 A- B. N; k, |& q+ G( s    │          │      03_Deterministic_Noise_14-07.mp4; R0 x' v6 h4 t) z, ^  l
    │          │      04_Dealing_with_Overfitting_10-49.mp4
/ i, g8 [# y: X0 J$ `/ v    │          │      8 M5 S& Q8 q. q  t: s1 N+ O
    │          ├─14_-_Regularization9 V/ a4 `7 H% c
    │          │      01_Regularized_Hypothesis_Set_19-16.mp4
5 C9 l3 n$ v+ h, S- ~4 x1 J    │          │      01_Regularized_Hypothesis_Set_19-16.pdf
: k! R9 U2 g' ]8 w7 @    │          │      02_Weight_Decay_Regularization_24-08.mp46 U7 E1 o3 u, }/ x8 m
    │          │      03_Regularization_and_VC_Theory_08-15.mp4( V# {% `7 l4 v
    │          │      04_General_Regularizers_13-28.mp4; L, a! n& \* Z/ O
    │          │      
/ a: {1 [1 Y5 w0 Z( f    │          ├─15_-_Validation
" y9 J& G/ `- g    │          │      01_Model_Selection_Problem_16-00(437).mp4
+ Z0 y( ^! c' O( p    │          │      01_Model_Selection_Problem_16-00.pdf+ j" O+ M) H: ~# ^* G
    │          │      02_Validation_13-24.mp4
3 Z6 U* T1 @1 @. Q) X    │          │      03_Leave-One-Out_Cross_Validation_16-06.mp4: {- `) p. c) E$ V' N* l
    │          │      04_V-Fold_Cross_Validation_10-41.mp4/ I" D0 [% n$ U0 N/ I1 g& S
    │          │      ! s! H) h* q+ p1 q# I6 }) n) z! s. M2 x
    │          └─16_-_Three_Learning_Principles
0 V5 V1 g: R* _" v6 F2 b; h) a* c7 |3 d    │                  01_Occams_Razor_10-08.mp47 @) V- G0 f& N' C8 F  U  _8 |
    │                  01_Occams_Razor_10-08.pdf5 G+ K' {6 f, o0 ~* H6 {
    │                  02_Sampling_Bias_11-50.mp4, f& b# `* i* {& o+ V8 N
    │                  03_Data_Snooping_12-28.mp4- J  J$ A- u0 A- U% C& x6 ~
    │                  04_Power_of_Three_08-49.mp4
& ]& s5 R+ w! e& M6 U2 w    │                  ; Z* @7 l. r, e) \* v9 U
    ├─004_机器学习技法
( n* R0 q: Y* {2 C0 Y  N! s# Z    │  └─004_机器学习技法
' {: i+ B1 D: U5 y: r* J$ ?% F    │      └─機器學習技法) A% y! N8 K5 D5 [  u+ C
    │          │  下载说明.txt5 M5 f+ ?/ T' o9 @& g" w7 j+ x1 j: P
    │          │  关注我们.png. a8 |# k0 [( {, }" A
    │          │  攻城狮论坛=网络技术+编程视频.url
2 d4 @7 w! X5 r- |0 m    │          │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt
- [5 n, P, k2 A  U1 d    │          │  & g, v& W8 ~: A4 W  U" Y
    │          ├─01_Linear_Support_Vector_Machine. D) Z: \; c+ m$ k
    │          │      01_Course_Introduction_4-07.mp4& X) D" h1 u. N  y4 |
    │          │      01_Course_Introduction_4-07.pdf2 v5 y9 n. N& j
    │          │      02_Large-Margin_Separating_Hyperplane_14-17.mp4% A- T, o, }$ a/ b
    │          │      03_Standard_Large-Margin_Problem_19-16.mp4
2 k; R6 F6 ~* y# D& D% H5 ~    │          │      04_Support_Vector_Machine_15-33.mp4- X' \# q% M  i! s% p
    │          │      05_Reasons_behind_Large-Margin_Hyperplane_13-31.mp4/ r) F, V3 J+ l* k' G% l5 V
    │          │      
$ y8 s' h8 G! G# x+ y    │          ├─02_Dual_Support_Vector_Machine; H6 O! P: @# Y! B
    │          │      01_Motivation_of_Dual_SVM_15-54.mp4
0 m* P9 \5 g+ k/ z% w    │          │      01_Motivation_of_Dual_SVM_15-54.pdf
; T& ]# \5 z: W! U+ H8 J* X    │          │      02_Lagrange_Dual_SVM_18-50.mp40 z' |8 T( D1 g( k" ^( D# R+ f
    │          │      03_Solving_Dual_SVM_14-19.mp4
. }( P: ~4 C( N4 C: T* x    │          │      04_Messages_behind_Dual_SVM_11-18.mp4
( A$ Z* x* }$ g    │          │      # Y& J! }4 H" `6 j. A- g7 k
    │          ├─03_Kernel_Support_Vector_Machine2 y1 m8 |$ s) w- C$ m8 V& k& {1 S
    │          │      01_Kernel_Trick_20-23.mp4
% F2 c/ X8 ~1 \, \" s. I: y; {    │          │      01_Kernel_Trick_20-23.pdf
6 z" V" F0 \3 U& D+ r$ E5 o    │          │      02_Polynomial_Kernel_12-16.mp4% C  @# ]% S- N0 B; n# O
    │          │      03_Gaussian_Kernel_14-43.mp4
4 m" U. d: Z8 H- X    │          │      04_Comparison_of_Kernels_13-35.mp4" f4 c2 h$ L1 \1 `2 i  }. i
    │          │      2 ]" q3 X+ W+ |! P9 ~& ?; T
    │          ├─04_Soft-Margin_Support_Vector_Machine  b  l9 t9 f% }/ J' k
    │          │      01_Motivation_and_Primal_Problem_14-27.mp4* \: Y# m& z; D9 c( A
    │          │      01_Motivation_and_Primal_Problem_14-27.pdf9 G3 |- M: |& n  D# y* R, ]
    │          │      02_Dual_Problem_7-38.mp4$ C# @' a! w' V
    │          │      03_Messages_behind_Soft-Margin_SVM_13-44.mp4
5 I3 v8 q: Z8 B# ?! X' \    │          │      04_Model_Selection_9-57.mp4" l1 s3 n3 X0 l) `. b
    │          │      
: a; h7 z8 y! E2 D    │          ├─05_Kernel_Logistic_Regression, m5 B  }# y' c  F& l
    │          │      01_Soft-Margin_SVM_as_Regularized_Model_13-40.mp4
+ |7 n& o! X3 D- T    │          │      01_Soft-Margin_SVM_as_Regularized_Model_13-40.pdf
% }" \$ Y! `& A3 A  @- J    │          │      02_SVM_versus_Logistic_Regression_10-18.mp4; `% f# d* r9 ]2 P' p/ d" C: N
    │          │      03_SVM_for_Soft_Binary_Classification_9-36.mp4
, s5 h! o" G) ~+ c    │          │      04_Kernel_Logistic_Regression_16-22.mp4
$ d/ N( @  v6 d7 m4 b8 _/ D% z    │          │      + x8 O/ F( X* L5 U+ b. X' C
    │          ├─06_Support_Vector_Regression1 Y4 t5 z) j2 Y9 q- _. z
    │          │      01_Kernel_Ridge_Regression_17-17.mp4
4 v0 [1 N$ E% s/ v+ I0 j/ x    │          │      01_Kernel_Ridge_Regression_17-17.pdf
0 R( h8 v# Q7 a9 s! [' b6 ^/ x    │          │      02_Support_Vector_Regression_Primal_18-44.mp4/ D/ ]. }' R- B2 d$ g: U
    │          │      03_Support_Vector_Regression_Dual_13-05.mp4
! g* X  b8 P+ z+ c    │          │      04_Summary_of_Kernel_Models_09-06.mp4
1 j4 H4 J* U4 o! o, ?    │          │      & @  r' M; z1 f; t' b$ h! a
    │          ├─07_Blending_and_Bagging
$ ~# M* K1 }6 l: w4 D    │          │      01_Motivation_of_Aggregation_18-54.mp4
; _" m& r. \# h$ y; B  R    │          │      01_Motivation_of_Aggregation_18-54.pdf! h/ S! ~6 o! H- a. D6 U
    │          │      02_Uniform_Blending_20-31.mp4
3 ~5 q, `: f6 o/ k4 m    │          │      03_Linear_and_Any_Blending_16-48.mp4; p  r+ t  F2 X, k  U! p
    │          │      04_Bagging_Bootstrap_Aggregation_11-48.mp42 ^# S+ P( ~* U8 p# f! E" O
    │          │      % i( S; ]) Q8 ]
    │          ├─08_Adaptive_Boosting
! z' _* L* L  F    │          │      01_Motivation_of_Boosting_12-47.mp4
2 G) g0 w5 \! `1 J" r: w/ T    │          │      01_Motivation_of_Boosting_12-47.pdf
2 J7 [: Q1 m; l' I8 z& a: ^    │          │      02_Diversity_by_Re-weighting_14-28.mp4
. ]5 e( ]; L/ q    │          │      03_Adaptive_Boosting_Algorithm_13-34.mp4
4 }8 u3 j  x/ t6 d1 a) {" g- V    │          │      04_Adaptive_Boosting_in_Action_11-04.mp4! u. B' g/ ^. i
    │          │      : W* p. o; F2 ^8 g" i( F
    │          ├─09_Decision_Tree
1 ?+ @+ Z( `* I+ Z9 r    │          │      01_Decision_Tree_Hypothesis_17-28.mp4
* ]2 ?& y# \& Q' |6 H3 b$ v6 ?    │          │      01_Decision_Tree_Hypothesis_17-28.pdf
! P/ _% @1 i  f2 a7 }" I6 |; C    │          │      02_Decision_Tree_Algorithm_15-20.mp4& i5 _# a* o! O* u5 r- o7 v, `  Y
    │          │      03_Decision_Tree_Heuristics_in_CRT_13-21.mp4& |2 p" \: c1 b) _8 K' g# u
    │          │      04_Decision_Tree_in_Action_8-44.mp4
- q9 l% n0 G  c# L" G0 b3 M    │          │      . g( n4 N6 O# i- T) ^, M8 }  _
    │          ├─10_Random_Forest# i. K) @1 b: `# J7 p0 c" _
    │          │      01_Random_Forest_Algorithm_13-06.mp4
8 W6 ]/ z8 a  d' s4 h. H+ A    │          │      01_Random_Forest_Algorithm_13-06.pdf
1 t* f0 I3 M( O* G0 h1 v    │          │      02_Out-Of-Bag_Estimate_12-31.mp43 b6 ^; @" I! b
    │          │      03_Feature_Selection_19-27.mp4* D" j* L) K2 d7 }0 J: X
    │          │      04_Random_Forest_in_Action13-28.mp43 \  ]6 d: ^% z' ?1 Z
    │          │      ; V7 n& Z& ~8 I
    │          ├─11_Gradient_Boosted_Decision_Tree
* u! c( P" P6 r( x! x    │          │      01_Adaptive_Boosted_Decision_Tree_15-05.mp43 [: q8 F3 h9 L2 }
    │          │      01_Adaptive_Boosted_Decision_Tree_15-05.pdf
: g/ D: Y7 G& @" _. g6 ~    │          │      02_Optimization_View_of_AdaBoost_27-25.mp4: n! X6 _( k% q7 W: h
    │          │      03_Gradient_Boosting_18-20.mp4
/ G8 ]5 H, e3 B7 k$ I0 ^    │          │      04_Summary_of_Aggregation_Models_11-19.mp4
# E. N3 l( l- O3 D" h( s    │          │      ( \" J: e$ k, O# o: W) i
    │          ├─12_Neural_Network2 F) ~; [5 u  q! k4 ~9 M
    │          │      01_Motivation_20-36.mp4
) o: N+ p) @" e2 _6 x    │          │      01_Motivation_20-36.pdf, R* e% {& @0 [- n; M
    │          │      02_Neural_Network_Hypothesis_18-01.mp4/ |7 U- J. k/ l1 d
    │          │      03_Neural_Network_Learning_22-26.mp47 U6 F' i. Z+ u  d: [' e
    │          │      04_Optimization_and_Regularization_17-29.mp4; v0 p% z; z( ^8 F: v& A- V
    │          │      
6 \. j$ ~+ u  a6 w    │          ├─13_Deep_Learning6 d& C* u) I1 q3 R7 p
    │          │      01_Deep_Neural_Network_21-30.mp4" l  ~/ R* u, I, ^$ W& r
    │          │      01_Deep_Neural_Network_21-30.pdf
$ T  Z' ?! @1 F) w    │          │      02_Autoencoder_15-17.mp49 }7 I7 |% w5 {0 w/ T  p1 m% t: [5 \
    │          │      03_Denoising_Autoencoder_8-30.mp4
) [  I# R! s1 o! e/ m" r8 A    │          │      04_Principal_Component_Analysis_31-20.mp4
4 o$ P9 L2 m% l) h# h- G4 x! c* X    │          │      ' N4 C5 _% S+ Y
    │          ├─14_Radial_Basis_Function_Network$ Z) J* Z% D8 V4 d) D+ p3 b) G
    │          │      01_RBF_Network_Hypothesis_12-55.mp4  i5 Q: v) c; ]$ v2 ]' ]/ A' z$ H0 {
    │          │      01_RBF_Network_Hypothesis_12-55.pdf
0 _# }) w; y: D! j" [6 Q8 @    │          │      02_RBF_Network_Learning_20-08.mp4
$ e7 n( z( v, ?& C    │          │      03_k-Means_Algorithm_16-19.mp48 p8 `1 ?: M0 Z
    │          │      04_k-Means_and_RBF_Network_in_Action_9-46.mp4/ Z2 Q$ N# X- B
    │          │      2 a$ y! |) X' J" q* V
    │          ├─15_Matrix_Factorization5 h; a" {* e: s: P& A3 D& h
    │          │      01_Linear_Network_Hypothesis_20-16.mp4; _' @5 M& s, x" @
    │          │      01_Linear_Network_Hypothesis_20-16.pdf
$ V6 a% X0 R. T  V9 H5 i    │          │      02_Basic_Matrix_Factorization_16-32.mp48 q$ s. c) {8 j: c5 O% I
    │          │      03_Stochastic_Gradient_Descent_12-22.mp4& G- R6 h, W; d
    │          │      04_Summary_of_Extraction_Models_9-12.mp4
5 s7 m+ b7 {6 d6 \( [$ N' _$ M    │          │      
; O. g" H' z* n3 J7 U$ f# g    │          └─16_Finale  {# `! ~5 s0 E* V; E
    │                  01_Feature_Exploitation_Techniques_16-11.mp4
1 @# o4 x6 F) l0 m4 m+ G    │                  01_Feature_Exploitation_Techniques_16-11.pdf2 L4 S4 D" v* w& K# O5 y6 Z0 c( d
    │                  02_Error_Optimization_Techniques_8-40.mp4
8 A0 U- z" M9 u9 l" N    │                  03_Overfitting_Elimination_Techniques_6-44.mp4
! u# r4 h% h) v5 l( h1 R    │                  04_Machine_Learning_in_Action_12-59.mp4
+ I( Z: D0 _7 X5 z$ e    │                  
  {. `7 l* _% o2 ~- k' O) P8 Y2 M' r    ├─005_Neural Networks for Machine Learning
* O" ^3 k! S  z7 p+ P    │  └─005_Neural Networks for Machine Learning
' S) @9 M. t3 }    │      │  下载说明.txt: C6 }# P1 n/ _6 O1 y8 m( Q
    │      │  关注我们.png! {/ K1 G8 U' O" d
    │      │  攻城狮论坛=网络技术+编程视频.url
8 }, _/ B3 j; T2 F    │      │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt' F) _( L% f0 {9 G8 q
    │      │  6 ~2 ]/ }1 r2 l. x6 R4 ]
    │      ├─hinton-ml
8 _! H: U  E6 w$ G' }3 r9 d    │      │      1.Why do we need machine learning
0 w: ]1 j, q5 R; Z% P    │      │      1.Why do we need machine learning.mp46 ~6 W6 F; G! M7 m% O
    │      │      10.What perceptrons can't do [15 min].mp4. ]/ d. L* g/ {2 s( J: a2 K
    │      │      10.What perceptrons can't do [15 min].srt0 H. n: l8 o+ w, g
    │      │      11.Learning the weights of a linear neuron [12 min].mp4' W& j) f9 x3 T, v. d* C- t: v# P- b
    │      │      11.Learning the weights of a linear neuron [12 min].srt
6 f. p# t7 _8 J/ ?    │      │      12.The error surface for a linear neuron [5 min].mp4& `- j1 H1 q* m& `+ ^
    │      │      12.The error surface for a linear neuron [5 min].srt
: w( F" {: ~7 ~, V    │      │      13.Learning the weights of a logistic output neuron [4 min].mp4/ Y7 ]# N- F! g, Z1 R
    │      │      13.Learning the weights of a logistic output neuron [4 min].srt- G- V) m9 n9 L% R' g3 L/ V
    │      │      14.The backpropagation algorithm [12 min].mp44 D" ^; v/ z1 z: q) I/ g7 V
    │      │      14.The backpropagation algorithm [12 min].srt$ l8 B5 h* ~' `) B( j
    │      │      15.Using the derivatives computed by backpropagation [10 min].mp4
1 h. K  a/ Y+ s, b$ f    │      │      15.Using the derivatives computed by backpropagation [10 min].srt
/ C: J/ E& Y0 ^8 a" v9 J; F    │      │      16.Learning to predict the next word [13 min].mp46 [5 S8 D9 A: m; t  M' C- [# S- d
    │      │      16.Learning to predict the next word [13 min].srt1 u0 [  Q1 U1 ~. t! g; U
    │      │      17.A brief diversion into cognitive science [4 min].mp4' n8 i: m* h9 v/ R4 ?/ g
    │      │      17.A brief diversion into cognitive science [4 min].srt3 `! o9 O2 N9 e- `" Z7 F3 F1 e7 Q, v
    │      │      19.Neuro-probabilistic language models [8 min].mp4
# ~2 \% x; }$ g8 g  Z: W4 t    │      │      19.Neuro-probabilistic language models [8 min].srt
( A# z1 ^, u8 T+ W' s2 L- Z    │      │      2.What are neural networks
) U$ R% k% x4 E/ A0 `* z( d5 e/ |    │      │      2.What are neural networks.mp44 {: x' f  o$ F1 c: k0 w# ~
    │      │      20.Ways to deal with the large number of possible outputs [15 min].mp4
9 M0 r- b7 a4 p; u    │      │      20.Ways to deal with the large number of possible outputs [15 min].srt+ b% _3 V# x7 ]$ H+ {
    │      │      21.Why object recognition is difficult [5 min].mp4# H) C. c& n* M  O
    │      │      21.Why object recognition is difficult [5 min].srt
4 F, i7 l& A" q. I! D# ~    │      │      22.Achieving viewpoint invariance [6 min].mp4
5 ?, p, c8 D) Q9 l" l5 x' [    │      │      22.Achieving viewpoint invariance [6 min].srt
0 d. Z( S: A8 v* P2 s+ j( T5 W    │      │      23.Convolutional nets for digit recognition [16 min].mp4
6 }0 W5 }# ?  {7 b! R    │      │      23.Convolutional nets for digit recognition [16 min].srt$ p! k" B7 w( w- d
    │      │      24.Convolutional nets for object recognition [17min].mp4- B& d3 u4 a* C
    │      │      24.Convolutional nets for object recognition [17min].srt
, P1 X- b8 K8 p* e& n9 h0 ]    │      │      25.Overview of mini-batch gradient descent.mp4
3 k/ f: u! ~) k+ k    │      │      25.Overview of mini-batch gradient descent.srt( N  a$ a% A/ h) X0 G* [
    │      │      26.A bag of tricks for mini-batch gradient descent.mp4* q, [5 \' o) {* t" k5 ?
    │      │      26.A bag of tricks for mini-batch gradient descent.srt
, ^6 Z9 f2 q1 x! q/ O# }) E4 P    │      │      27.The momentum method.mp4; y- y5 l  R# j+ o. t
    │      │      27.The momentum method.srt% z  K3 @& ~1 {% Z
    │      │      28.Adaptive learning rates for each connection.mp46 M: v: _) b3 P5 r# P
    │      │      28.Adaptive learning rates for each connection.srt2 u0 |* S, t( `/ `
    │      │      3.Some simple models of neurons [8 min].mp42 [& o4 u( l% y2 s; d
    │      │      3.Some simple models of neurons [8 min].srt
! E6 L- O0 s/ ]9 }    │      │      31.Training RNNs with back propagation.mp49 e: t4 a5 Y% y
    │      │      31.Training RNNs with back propagation.srt
, I, ?) ]- o6 u    │      │      32.A toy example of training an RNN.mp4
3 O2 m, k4 S$ _9 Z4 q+ |* R    │      │      32.A toy example of training an RNN.srt# j; d, H3 L$ |7 g$ A% G/ {
    │      │      33.Why it is difficult to train an RNN.mp41 i" k5 x& R, _
    │      │      33.Why it is difficult to train an RNN.srt/ D8 r9 f4 g0 ?; R+ V$ `
    │      │      34.Long-term Short-term-memory.mp4
4 d5 G6 x( H$ [    │      │      34.Long-term Short-term-memory.srt
# l0 B& C' S/ _) K4 F    │      │      35.A brief overview of Hessian Free optimization.mp4
& V  ?& Z1 ?1 ^9 \1 n    │      │      35.A brief overview of Hessian Free optimization.srt
  z0 p7 d9 t. o# s( G# r$ j    │      │      37.Learning to predict the next character using HF [12  mins].mp45 U; m8 d, _- R
    │      │      37.Learning to predict the next character using HF [12  mins].srt
7 R. `4 t* ^( E3 v# F    │      │      38.Echo State Networks [9 min].mp46 l3 X+ D/ A# w8 ^
    │      │      38.Echo State Networks [9 min].srt2 \9 h, V" R3 @  {( K3 _3 N
    │      │      39.Overview of ways to improve generalization [12 min].mp4- I# Y7 F; W6 ^
    │      │      39.Overview of ways to improve generalization [12 min].srt+ k% e! v0 _1 `
    │      │      4.A simple example of learning [6 min].mp46 {( X; d  C) M* y/ c" O
    │      │      4.A simple example of learning [6 min].srt
+ A6 S6 l1 l) B# n* }; U/ n& H    │      │      40.Limiting the size of the weights [6 min].mp44 |, t2 h9 m/ n  C" X, h
    │      │      40.Limiting the size of the weights [6 min].srt
* S; c; W/ t, Y$ m5 n( A/ o( b    │      │      41.Using noise as a regularizer [7 min].mp48 k/ K" N1 r% L* J5 q
    │      │      41.Using noise as a regularizer [7 min].srt$ V5 r# P9 [& I0 m" L* z& |. J
    │      │      42.Introduction to the full Bayesian approach [12 min].mp4
; O- q8 Z: A7 M/ C( U1 ~- S    │      │      42.Introduction to the full Bayesian approach [12 min].srt
* Y1 N9 ?' r/ T    │      │      43.The Bayesian interpretation of weight decay [11 min].mp4. J* K0 y8 G8 D
    │      │      43.The Bayesian interpretation of weight decay [11 min].srt' W9 W1 }+ H4 d4 w* Z; L
    │      │      44.MacKay's quick and dirty method of setting weight costs [4 min].mp43 _9 c# D# p8 W. }# _9 |
    │      │      44.MacKay's quick and dirty method of setting weight costs [4 min].srt
" w3 J6 ]) A& {5 l- [2 ^; I1 k    │      │      45.Why it helps to combine models [13 min].mp4
5 h3 n" b+ e5 W4 t0 c    │      │      45.Why it helps to combine models [13 min].srt
# x/ |, }) k0 c. C$ R$ [    │      │      46.Mixtures of Experts [13 min].mp43 Q6 O) C) V7 ^, B& H- u% F2 x+ `8 p
    │      │      46.Mixtures of Experts [13 min].srt
. d. y! |. j9 i" B9 |4 e! u    │      │      47.The idea of full Bayesian learning [7 min].mp4
  T% V! }5 R6 e# u3 U+ V) n    │      │      47.The idea of full Bayesian learning [7 min].srt
  q8 \; @$ x# I1 H2 c$ R    │      │      48.Making full Bayesian learning practical [7 min].mp40 T# Q3 t" ]# i% O3 n
    │      │      48.Making full Bayesian learning practical [7 min].srt
1 b" M& t+ U' s1 X- t: l" N7 D. e, h9 H    │      │      49.Dropout [9 min].mp4' `5 M, B3 a( x4 |. B1 M. o
    │      │      49.Dropout [9 min].srt. a1 G, S& ~  V% e
    │      │      5.Three types of learning [8 min].mp4& I4 f6 o. D- d) O! P2 }( Z
    │      │      5.Three types of learning [8 min].srt
( i- z+ c* h3 K+ K( H: Y! e    │      │      50.Hopfield Nets [13 min].mp4; C9 Q% ~/ e# k7 x; q
    │      │      50.Hopfield Nets [13 min].srt
( v0 M, l/ p- x    │      │      51.Dealing with spurious minima [11 min].mp4
! s& C1 w/ @6 ]. w. ]5 B3 f    │      │      51.Dealing with spurious minima [11 min].srt
7 \% |& I; ^  L+ j7 h3 g  O7 l: |) {    │      │      52.Hopfield nets with hidden units [10 min].mp4
2 n- O* a. D: c1 ?! E    │      │      52.Hopfield nets with hidden units [10 min].srt  Q4 O  x2 h  |- z
    │      │      53.Using stochastic units to improv search [11 min].mp4
3 \! m4 M. N( C+ a; P$ n9 f    │      │      53.Using stochastic units to improv search [11 min].srt5 B0 ~; @9 b3 G" F3 z: f
    │      │      54.How a Boltzmann machine models data [12 min].mp4- D( H+ _; y5 }: V' h
    │      │      54.How a Boltzmann machine models data [12 min].srt  l* s, R6 \. k# b
    │      │      55.Boltzmann machine learning [12 min].mp4
' q6 n( H# x6 d7 `2 f    │      │      55.Boltzmann machine learning [12 min].srt/ d: d# M2 [# P. y
    │      │      57.Restricted Boltzmann Machines [11 min].mp4
/ l% W% p$ |7 ]9 \+ L    │      │      57.Restricted Boltzmann Machines [11 min].srt# }1 V: R/ @9 b
    │      │      58.An example of RBM learning [7 mins].mp4  `1 z  E  ^: E# W$ r' v
    │      │      58.An example of RBM learning [7 mins].srt
: a6 m3 W$ N; B/ @" p0 ^    │      │      59.RBMs for collaborative filtering [8 mins].mp4
  G% W2 Z: k( c% H$ z    │      │      59.RBMs for collaborative filtering [8 mins].srt, g1 {5 K! ?' O2 h
    │      │      6.Types of neural network architectures [7 min].mp46 W4 n- l5 Q! y6 G! W8 |( S: W
    │      │      6.Types of neural network architectures [7 min].srt, O. J* y6 ]9 L6 c) D
    │      │      60.The ups and downs of back propagation [10 min].mp4- U: [1 C4 o& y
    │      │      60.The ups and downs of back propagation [10 min].srt
# d& _9 I' F8 f" D: S) w/ \    │      │      61.Belief Nets [13 min].mp4
3 c! K# o; l0 e# w7 [    │      │      61.Belief Nets [13 min].srt
7 \. C6 R! g) Y2 I& L/ a3 G; g    │      │      62.Learning sigmoid belief nets [12 min].mp4
! z+ g' M. _6 I' J/ o7 e0 r    │      │      62.Learning sigmoid belief nets [12 min].srt& ?9 _& _4 t% g2 K+ F
    │      │      63.The wake-sleep algorithm [13 min].mp4) p9 Q# E. \/ ]' X' Y9 j0 K% W
    │      │      63.The wake-sleep algorithm [13 min].srt
6 V2 M' I5 o+ Y3 S7 q    │      │      64.Learning layers of features by stacking RBMs [17 min].mp4* x, [! ?( V" w' `5 Q! P
    │      │      64.Learning layers of features by stacking RBMs [17 min].srt
" e/ |, Q: g0 F! `2 v, w4 G    │      │      65.Discriminative learning for DBNs [9 mins].mp4+ K8 W8 P+ K$ Q/ f" @2 C6 d+ q3 `
    │      │      65.Discriminative learning for DBNs [9 mins].srt
3 c. d; P& F" H  K    │      │      66(1).What happens during discriminative fine-tuning
' k/ o$ i4 h' p3 X. b( Z# {/ m    │      │      66.What happens during discriminative fine-tuning% n* h/ T4 s: t' C. ?  H
    │      │      67.Modeling real-valued data with an RBM [10 mins].mp4
! q- f% j$ z/ R    │      │      67.Modeling real-valued data with an RBM [10 mins].srt+ H) s3 d) V+ I$ I1 P& s! ~
    │      │      69.From PCA to autoencoders [5 mins].mp45 H: K# E  W% X5 F
    │      │      69.From PCA to autoencoders [5 mins].srt
  N6 Z9 r$ J; P! t( e$ ^; }7 j    │      │      70.Deep auto encoders [4 mins].mp44 B$ y' g. J# G3 Z/ ]
    │      │      70.Deep auto encoders [4 mins].srt
6 o" v- k0 ]7 g& x" T    │      │      71.Deep auto encoders for document retrieval [8 mins].mp47 I( \6 ~3 g/ F6 P0 N; x9 X
    │      │      71.Deep auto encoders for document retrieval [8 mins].srt: S! @9 K% B/ _1 Z
    │      │      72.Semantic Hashing [9 mins].mp4
$ a0 }; Y/ @* L, k" u    │      │      72.Semantic Hashing [9 mins].srt
1 P4 ?! s) u7 N$ }0 v    │      │      73.Learning binary codes for image retrieval [9 mins].mp47 j  C2 \, r6 x- \
    │      │      73.Learning binary codes for image retrieval [9 mins].srt
! X! q, P  ~" H% e! E4 {0 q    │      │      74.Shallow autoencoders for pre-training [7 mins].mp4
5 Y7 k: ?- y# z7 K    │      │      74.Shallow autoencoders for pre-training [7 mins].srt
) z# I9 B2 {$ y# X& `9 o5 v    │      │      8.A geometrical view of perceptrons [6 min].mp4
+ }8 l5 w! J1 a9 ]$ [- J    │      │      8.A geometrical view of perceptrons [6 min].srt
0 A$ [' [- H! s/ V    │      │      9.Why the learning works [5 min].mp4
1 X  j6 ?( q& w: C8 w7 y! H    │      │      9.Why the learning works [5 min].srt
- r9 C7 X. @% e$ Q    │      │      ' _7 U9 Q! u* o9 d
    │      └─neuralnets-2012-001! O  ?% y: U* E2 |+ ^
    │          ├─01_Lecture1. j5 S* v" T! {  s+ S0 G
    │          │      01_Why_do_we_need_machine_learning_13_min.mp4+ Y$ L% s, P' l6 h
    │          │      01_Why_do_we_need_machine_learning_13_min.pdf, n: p% u+ b- R6 n
    │          │      01_Why_do_we_need_machine_learning_13_min.pptx
# f/ H, q9 c5 G+ T    │          │      01_Why_do_we_need_machine_learning_13_min.srt
. ^8 A, Q& U) F# z6 U    │          │      01_Why_do_we_need_machine_learning_13_min.txt
8 F& H) c' U1 d    │          │      02_What_are_neural_networks_8_min.mp4/ n' {0 w6 I1 i0 ]8 x1 P  A' x$ L0 c8 ?
    │          │      02_What_are_neural_networks_8_min.srt3 F0 Y$ n3 |. i- h9 {0 C4 M- x
    │          │      02_What_are_neural_networks_8_min.txt
, W3 f% O: _  z    │          │      03_Some_simple_models_of_neurons_8_min.mp4
4 W0 H3 D% J  O  T. Q- j    │          │      03_Some_simple_models_of_neurons_8_min.srt4 a0 c3 f+ k' O' p
    │          │      03_Some_simple_models_of_neurons_8_min.txt7 M9 C/ D4 k! I, L3 P
    │          │      04_A_simple_example_of_learning_6_min.mp47 S; w+ q& e% i3 k5 e" d
    │          │      04_A_simple_example_of_learning_6_min.srt
  H5 o; F, d( A    │          │      04_A_simple_example_of_learning_6_min.txt$ A$ Z' P2 ^: S. N) H) T% Y
    │          │      05_Three_types_of_learning_8_min.mp4/ U+ I2 e3 h' y* }/ {9 I. I8 }
    │          │      05_Three_types_of_learning_8_min.srt  G, a+ u& A* C0 n+ d, {- [; ~
    │          │      05_Three_types_of_learning_8_min.txt/ e/ `2 X3 x* C6 F, X, l
    │          │      ( C' g, R) X# b' E
    │          ├─02_Lecture2
+ ~4 Y3 |5 A+ m# n9 w  r8 [, R    │          │      03_A_geometrical_view_of_perceptrons_6_min.mp4
, t& `7 {: o3 [8 W6 ]; W/ J    │          │      03_A_geometrical_view_of_perceptrons_6_min.srt# w2 w9 D5 K# N
    │          │      03_A_geometrical_view_of_perceptrons_6_min.txt
* q7 \% S! @# t  |8 Q    │          │      04_Why_the_learning_works_5_min.mp45 k8 v& ]! }9 Y% z
    │          │      04_Why_the_learning_works_5_min.srt+ j" k" H3 w; B- x6 ]
    │          │      04_Why_the_learning_works_5_min.txt
! Z& b0 C9 B% _# g/ z" H    │          │      05_What_perceptrons_cant_do_15_min.mp43 E2 z. B+ G6 N$ _
    │          │      05_What_perceptrons_cant_do_15_min.srt, t5 |) Z7 F2 u0 n
    │          │      05_What_perceptrons_cant_do_15_min.txt- `2 ~; d4 k& ^$ X& B
    │          │      # D1 ~+ ~- F8 X9 W5 b
    │          ├─03_Lecture37 @/ a" j/ r) ?9 W
    │          │      04_The_backpropagation_algorithm_12_min.mp4
2 o7 P0 A, g/ J    │          │      04_The_backpropagation_algorithm_12_min.pdf# ?5 F( ]; [! H  L4 G
    │          │      04_The_backpropagation_algorithm_12_min.srt4 N% G8 s9 k& t9 V" Y/ p8 t) Q1 b
    │          │      04_The_backpropagation_algorithm_12_min.txt; T; @6 N, Q* k$ Z% B
    │          │      0 {# Y' ?; I+ n  _6 x6 |0 |. A( i
    │          ├─04_Lecture4
$ R: ]2 s' E2 g: J    │          │      01_Learning_to_predict_the_next_word_13_min.mp4% }5 ?- h; C8 ~# P0 r# ~2 d2 ^' G
    │          │      01_Learning_to_predict_the_next_word_13_min.pdf
1 q/ `0 l1 p: z7 M  {( ^3 V$ ]    │          │      01_Learning_to_predict_the_next_word_13_min.pptx9 [: m* g; ?' \; Z' n7 B' }
    │          │      01_Learning_to_predict_the_next_word_13_min.srt
2 ]! Z9 W- b( Y1 w8 l    │          │      01_Learning_to_predict_the_next_word_13_min.txt
9 c. n; J# f. U! [: D6 |    │          │      04_Neuro-probabilistic_language_models_8_min.mp4% i% w  J/ Y* h8 N2 |
    │          │      04_Neuro-probabilistic_language_models_8_min.pdf& _+ z+ q$ f; e
    │          │      04_Neuro-probabilistic_language_models_8_min.srt# w" l( D- k/ j7 O$ m
    │          │      04_Neuro-probabilistic_language_models_8_min.txt+ R& K! j* R* i4 y+ E
    │          │      8 P& o9 ^/ @! R1 _9 _7 k/ H
    │          ├─05_Lecture5
: |3 _: }. _' J. f9 f; P    │          │      01_Why_object_recognition_is_difficult_5_min.mp4
9 F7 {  @) z+ u+ i    │          │      01_Why_object_recognition_is_difficult_5_min.pdf
7 _  f' t4 `5 m  L  b    │          │      01_Why_object_recognition_is_difficult_5_min.srt
2 J: y: B$ y" W+ r2 Z9 P8 i/ [    │          │      01_Why_object_recognition_is_difficult_5_min.txt
5 Z$ x$ J4 p2 t+ c8 v6 a8 H    │          │      02_Achieving_viewpoint_invariance_6_min.mp4  y3 W. Z) k0 {) r$ p- S( z$ R: r
    │          │      02_Achieving_viewpoint_invariance_6_min.srt/ _! a* ]. {1 m: z! v
    │          │      02_Achieving_viewpoint_invariance_6_min.txt
. w% p3 o) A& n8 k" J( W# O+ g! |    │          │      
# N5 ~9 T& z) X! K+ @    │          ├─06_Lecture6& f: n  l: Q: p/ ^% `) _8 J# ~
    │          │      01_Overview_of_mini-batch_gradient_descent.mp4
9 E0 Q1 T* o6 x! r- P" i0 C4 `% c9 d    │          │      01_Overview_of_mini-batch_gradient_descent.pdf
/ F) e, H8 Q3 y9 D0 H    │          │      01_Overview_of_mini-batch_gradient_descent.pptx
2 J- S! E, C( a$ _$ A7 Y/ }; o7 k. {7 l    │          │      01_Overview_of_mini-batch_gradient_descent.srt
* a! l+ |8 |4 J    │          │      01_Overview_of_mini-batch_gradient_descent.txt
* n1 a9 s/ H$ k0 r    │          │      03_The_momentum_method.mp44 @, o% a: x9 ~6 ]% Q0 y1 J$ ?
    │          │      03_The_momentum_method.srt% E" H+ L0 O  a7 q3 y
    │          │      03_The_momentum_method.txt+ [6 b2 w9 \* z4 L+ s  [; g# ]
    │          │      + ~8 X& P1 a3 k( C* [* Z
    │          ├─07_Lecture7+ b% S3 I; C, H/ x
    │          │      01_Modeling_sequences-_A_brief_overview.mp4/ f2 u0 L4 r) Y, c7 X- V  B# P
    │          │      01_Modeling_sequences-_A_brief_overview.pdf0 a& X- k9 L6 `( R; ]3 k
    │          │      01_Modeling_sequences-_A_brief_overview.pptx
2 O/ `- h% g% R2 M    │          │      01_Modeling_sequences-_A_brief_overview.srt
9 c  z2 s- x4 x1 }( j; M  J1 k# H2 f7 Y    │          │      01_Modeling_sequences-_A_brief_overview.txt, \, P5 t' j  |2 G+ b9 \
    │          │      02_Training_RNNs_with_back_propagation.mp49 \- h  g4 c0 H+ D
    │          │      02_Training_RNNs_with_back_propagation.srt6 \8 t3 Y: O2 B
    │          │      02_Training_RNNs_with_back_propagation.txt
5 b) J: Y; Q# ]! ?6 h1 \5 @; X    │          │      03_A_toy_example_of_training_an_RNN.mp4" U8 S( f3 S$ u# H, |& A
    │          │      03_A_toy_example_of_training_an_RNN.srt% X# _3 N; @2 y6 q6 U% O
    │          │      03_A_toy_example_of_training_an_RNN.txt
% n$ o. n' k. n1 Z. y    │          │      04_Why_it_is_difficult_to_train_an_RNN.mp4- q) x9 t1 A, T' f! Y4 |, q
    │          │      04_Why_it_is_difficult_to_train_an_RNN.srt
1 R& S) c1 i# A  q    │          │      04_Why_it_is_difficult_to_train_an_RNN.txt, ~) }8 y; z8 F; x6 d) b  o
    │          │      05_Long-term_Short-term-memory.mp4) ^% O5 Q' u* k5 k- p) O. ]
    │          │      05_Long-term_Short-term-memory.pdf1 q2 ?/ e: h- C: S
    │          │      05_Long-term_Short-term-memory.srt. k0 o$ f7 t1 L% W" M
    │          │      05_Long-term_Short-term-memory.txt" m: N, ?6 M8 s' C0 y
    │          │        D- l* I* ?* O9 I: e' R0 a9 Z
    │          ├─08_Lecture8& i* T! {) c4 Y2 y4 T6 t
    │          │      04_Echo_State_Networks_9_min.mp4
( G( g4 \) ?" z  X* x, t  I0 y    │          │      04_Echo_State_Networks_9_min.srt
) Q6 B; t+ p% F) t! W7 \    │          │      04_Echo_State_Networks_9_min.txt
& Z8 a* z: W( B    │          │      
8 q/ j7 `# \, u8 j    │          ├─09_Lecture9
' A1 a3 {0 }4 _% _    │          │      02_Limiting_the_size_of_the_weights_6_min.mp4
( r# \6 h( Q2 M" f& ^; C& K: w    │          │      02_Limiting_the_size_of_the_weights_6_min.srt9 {: V' `. B' M
    │          │      02_Limiting_the_size_of_the_weights_6_min.txt4 h  c3 z; L! I4 d+ @  P3 Q0 G
    │          │      03_Using_noise_as_a_regularizer_7_min.mp4/ x% {3 B2 ^# e" P
    │          │      03_Using_noise_as_a_regularizer_7_min.srt2 h8 q% Y6 ^  e3 G3 m
    │          │      03_Using_noise_as_a_regularizer_7_min.txt
9 z) A- N! i. d  G" |    │          │      . \& x) |  y# d+ ]. k7 t
    │          ├─10_Lecture10
, ]3 ?3 K- D- U( n    │          │      01_Why_it_helps_to_combine_models_13_min.mp4
) B' o3 T; X* [4 X: @    │          │      01_Why_it_helps_to_combine_models_13_min.pdf
2 u4 \3 t% u: |1 J    │          │      01_Why_it_helps_to_combine_models_13_min.pptx+ K" S' Q+ X. Z6 c
    │          │      01_Why_it_helps_to_combine_models_13_min.srt. E# h8 J% F) V! y7 m% B
    │          │      01_Why_it_helps_to_combine_models_13_min.txt
+ d; |5 z) [7 F: s# l  d' Q    │          │      02_Mixtures_of_Experts_13_min.mp4- V1 T7 ?$ y' X9 e
    │          │      02_Mixtures_of_Experts_13_min.pdf
1 V( g. i( o1 z9 U    │          │      02_Mixtures_of_Experts_13_min.srt
( S; z# d& {$ M) C1 A+ T6 n    │          │      02_Mixtures_of_Experts_13_min.txt
7 `) E" \3 W0 _4 u    │          │      03_The_idea_of_full_Bayesian_learning_7_min.mp4
: }( D7 H  u! W    │          │      03_The_idea_of_full_Bayesian_learning_7_min.srt, p; a0 }/ t( C6 y/ z' b
    │          │      03_The_idea_of_full_Bayesian_learning_7_min.txt
0 s) ?8 f% Y2 [; S5 d    │          │      05_Dropout_9_min.mp4
+ D, N1 Q# Z8 n    │          │      05_Dropout_9_min.pdf
5 a7 \* U, a4 `$ w    │          │      05_Dropout_9_min.srt
! j# _% n, G0 B2 S( K: h! \    │          │      05_Dropout_9_min.txt: p% m  K' m# k
    │          │      
) @6 M9 e4 Q1 Y, t, V( A/ q) ]* j    │          ├─11_Lecture11/ M, y* A, k0 C. M& m
    │          │      01_Hopfield_Nets_13_min.mp42 [* ?0 r- x6 v- S
    │          │      01_Hopfield_Nets_13_min.pdf
: K$ H5 Z5 O1 p& W4 T    │          │      01_Hopfield_Nets_13_min.pptx* Z. h* @! u/ t  n! d% B9 X
    │          │      01_Hopfield_Nets_13_min.srt
: K! T3 X3 z# E/ R    │          │      01_Hopfield_Nets_13_min.txt
/ a5 S5 u3 g3 B. u    │          │      02_Dealing_with_spurious_minima_11_min.mp4
+ g- j) J5 p+ j! B9 R    │          │      02_Dealing_with_spurious_minima_11_min.srt
# \# Y  u: F5 L    │          │      02_Dealing_with_spurious_minima_11_min.txt6 |5 t8 {% J( P6 V1 g
    │          │      03_Hopfield_nets_with_hidden_units_10_min.mp4
0 S6 v0 H' e' E5 n1 X4 [: |    │          │      03_Hopfield_nets_with_hidden_units_10_min.srt# l# v6 b+ i. g( Y/ g
    │          │      03_Hopfield_nets_with_hidden_units_10_min.txt
1 I% m9 v$ H; r" |    │          │      ! y8 F9 E, d- P3 S* r. y- n
    │          ├─12_Lecture12) q& q4 k( }& S( Q6 r; W
    │          │      01_Boltzmann_machine_learning_12_min.mp4
, ]1 A8 i8 V3 X! Y0 B& w+ m    │          │      01_Boltzmann_machine_learning_12_min.pdf
" f, ?# I9 ]7 Z0 ?$ w9 ?    │          │      01_Boltzmann_machine_learning_12_min.pptx# M: o4 o; r/ t7 ^. o) N; f( W
    │          │      01_Boltzmann_machine_learning_12_min.srt
9 V; @& ?. x# k2 f: D" X    │          │      01_Boltzmann_machine_learning_12_min.txt
' d' A5 ~, e( {+ }    │          │      03_Restricted_Boltzmann_Machines_11_min.mp4
2 U6 P0 ~9 e0 Q6 I$ r    │          │      03_Restricted_Boltzmann_Machines_11_min.srt  U4 J2 K2 _4 c) q
    │          │      03_Restricted_Boltzmann_Machines_11_min.txt
) c+ o% S4 Q6 m7 |    │          │      04_An_example_of_RBM_learning_7_mins.mp4
6 U, G+ k5 z# J7 U/ s    │          │      04_An_example_of_RBM_learning_7_mins.srt2 a! K* v+ n3 Z& E3 Z/ p& K
    │          │      04_An_example_of_RBM_learning_7_mins.txt( s( A' ]# _6 u) |9 L; G
    │          │      05_RBMs_for_collaborative_filtering_8_mins.mp4; \! D+ [+ L% F9 i; M1 q
    │          │      05_RBMs_for_collaborative_filtering_8_mins.srt0 [* y2 A% O) P5 o6 N2 l
    │          │      05_RBMs_for_collaborative_filtering_8_mins.txt
# x+ O! h* S3 j8 G+ z    │          │      . Z! r. A1 @1 K- ~
    │          ├─13_Lecture138 F* y) S; c5 {% Q
    │          │      02_Belief_Nets_13_min.mp43 a& m( b0 m' A- `' z0 _
    │          │      02_Belief_Nets_13_min.srt7 Q$ d) K) C" C
    │          │      02_Belief_Nets_13_min.txt! ]6 p0 \" U+ e* X
    │          │      03_Learning_sigmoid_belief_nets_12_min.mp4' e% J2 c) u% v8 I6 k& A, }4 i5 J
    │          │      03_Learning_sigmoid_belief_nets_12_min.pdf6 Z; m; F  `/ ]" E/ F6 q: i
    │          │      03_Learning_sigmoid_belief_nets_12_min.srt
( }% Z& d+ @7 p    │          │      03_Learning_sigmoid_belief_nets_12_min.txt* P  L  @0 m" [& p8 K+ j: V
    │          │      04_The_wake-sleep_algorithm_13_min.mp46 E: B5 j1 p7 m- ]
    │          │      04_The_wake-sleep_algorithm_13_min.pdf/ t0 A* I- O- T5 N$ X3 ^5 s  R
    │          │      04_The_wake-sleep_algorithm_13_min.srt& w% w8 O) D6 C
    │          │      04_The_wake-sleep_algorithm_13_min.txt& U9 I/ D  e  e% O
    │          │      0 m& V4 v! Y( \" R1 d0 V6 A
    │          ├─14_Lecture14
6 r; l! g1 v/ c% U5 M0 r: ?    │          │      02_Discriminative_learning_for_DBNs_9_mins.mp4
5 N' H4 E9 K6 ^* M$ t4 n    │          │      02_Discriminative_learning_for_DBNs_9_mins.srt, g9 G/ P# B* B$ ]+ F9 h4 [
    │          │      02_Discriminative_learning_for_DBNs_9_mins.txt! k' M- J( Q1 d2 u: ~
    │          │      
& e0 ^8 ^* T5 [+ ^9 o    │          ├─15_Lecture157 z3 S4 p$ x7 k' ]2 Y5 t4 k
    │          │      01_From_PCA_to_autoencoders_5_mins.mp4
# A/ M5 Z, m3 {6 p' I    │          │      01_From_PCA_to_autoencoders_5_mins.pdf8 g( H0 U2 \; X2 H, R0 F1 g! M
    │          │      01_From_PCA_to_autoencoders_5_mins.pptx7 Z$ y9 a+ F; O4 J/ ~, E. L
    │          │      01_From_PCA_to_autoencoders_5_mins.srt
$ E6 Y* ^/ x; Q    │          │      01_From_PCA_to_autoencoders_5_mins.txt* T5 M, ~4 `# ]+ K$ J1 y9 Q' C- _
    │          │      02_Deep_auto_encoders_4_mins.mp4
6 @0 H" {4 ?9 H: v; y9 u    │          │      02_Deep_auto_encoders_4_mins.srt4 M) B+ Z- }: p: T
    │          │      02_Deep_auto_encoders_4_mins.txt
0 p" e+ U% A8 J' {6 T1 T/ W    │          │      04_Semantic_Hashing_9_mins.mp4
: Z. ]* \! k( p; C    │          │      04_Semantic_Hashing_9_mins.pdf
: T$ g- z; O0 w  ^    │          │      04_Semantic_Hashing_9_mins.srt
2 Q4 Y/ K+ A; k9 ^    │          │      04_Semantic_Hashing_9_mins.txt
" _" Y% h- A& X- X    │          │      
4 ]' l& h) |3 o8 V    │          └─16_Lecture168 e0 B( \0 b7 j+ B
    │                  04_OPTIONAL-_The_fog_of_progress_3_min.mp4
! A+ q6 S6 g! _  q3 I    │                  04_OPTIONAL-_The_fog_of_progress_3_min.pdf- |; z" l7 ?* ^" @' @9 f9 M8 G
    │                  04_OPTIONAL-_The_fog_of_progress_3_min.pptx
4 X$ T2 p! h+ C    │                  04_OPTIONAL-_The_fog_of_progress_3_min.srt# @& h6 p: h$ N# h0 n1 F* p
    │                  04_OPTIONAL-_The_fog_of_progress_3_min.txt( L2 Q6 j8 i* F% D4 M
    │                  
* h. H+ M% p: Q+ v" T9 o. S    ├─006_Probabilistic Graphical Models% B; M" N9 D7 t% s6 C
    │  └─006_Probabilistic Graphical Models
$ o* R4 B' r0 S0 H    │      ├─pgm-003
' i, R# U6 f4 b; |' V    │      │  ├─01_Introduction_and_Overview
8 v/ Y* l7 d2 Q+ i    │      │  │      01_Welcome.mp4
& u* l+ c' H6 ^% c; C9 c    │      │  │      01_Welcome.srt2 L  O4 V1 i) E9 _; S
    │      │  │      01_Welcome.txt
1 _  K2 E! ?* q& N% o6 r    │      │  │      02_Overview_and_Motivation.mp4" R* I  _0 |5 I8 ]* g5 ?
    │      │  │      02_Overview_and_Motivation.srt5 D; F% u+ A6 o: H0 _$ J5 Y# t
    │      │  │      02_Overview_and_Motivation.txt. \; S' F' i6 _! u- x; f% ?
    │      │  │      03_Distributions.mp4/ D2 r! B+ f1 Z
    │      │  │      03_Distributions.srt
) L4 K) `+ b3 \* s+ y0 N3 H    │      │  │      03_Distributions.txt% l8 G1 k; K# A; G
    │      │  │      04_Factors.mp4! n0 a- z0 D7 l8 M; J
    │      │  │      04_Factors.srt
( {, _0 D$ Q8 C3 U4 S    │      │  │      04_Factors.txt! o: q2 X$ ?2 W. q" \
    │      │  │      ; [2 n. E# q5 \! q, X
    │      │  ├─02_Bayesian_Network_Fundamentals
: y6 j/ s8 W4 S4 k% m9 C    │      │  │      01_Semantics_amp_Factorization.mp4
; X3 o$ h2 F  P" d: |) m6 g: b/ J" i: T    │      │  │      01_Semantics_amp_Factorization.srt
2 a4 _# Z* s8 H- H    │      │  │      01_Semantics_amp_Factorization.txt' O! i. D' z7 k0 ?7 p+ c. {5 Q/ }+ e
    │      │  │      02_Reasoning_Patterns.mp4" e6 T0 a& X. ~6 |- B* ]* A2 J' Z
    │      │  │      02_Reasoning_Patterns.srt! }& ^" ^$ ~0 p$ @$ {/ k. c/ F- _
    │      │  │      02_Reasoning_Patterns.txt& B! n& o: [4 @9 Q& }
    │      │  │      03_Flow_of_Probabilistic_Influence.mp4
; E4 ]5 Z* h  G9 e1 Z6 A    │      │  │      03_Flow_of_Probabilistic_Influence.srt3 D5 F7 h% m; ?4 P: w; Y7 A; N
    │      │  │      03_Flow_of_Probabilistic_Influence.txt1 b1 L6 ~8 H9 K6 ~" t& b5 k( j
    │      │  │      04_Conditional_Independence.mp4
- M, @" K- X$ G2 J' I9 K! f    │      │  │      04_Conditional_Independence.srt% O! c2 e! H9 x" l
    │      │  │      04_Conditional_Independence.txt( c, l* }# m/ g, G9 s. A
    │      │  │      05_Independencies_in_Bayesian_Networks.mp4
! C1 f9 k4 \8 t# N, N7 _; \    │      │  │      05_Independencies_in_Bayesian_Networks.srt$ ^! [  p1 H" Q. n- B. [
    │      │  │      05_Independencies_in_Bayesian_Networks.txt- ^4 i+ f! ?/ X1 I) K. G! V) y
    │      │  │      06_Naive_Bayes.mp4
7 X) t) r  t' k+ w" z6 N    │      │  │      06_Naive_Bayes.srt
. U6 h# q" Z- [; {    │      │  │      06_Naive_Bayes.txt! q# r. ~5 U' ]2 B# Q$ f* u, ?
    │      │  │      07_Application_-_Medical_Diagnosis.mp4# F" J" g5 o4 _$ E; U5 k# n
    │      │  │      07_Application_-_Medical_Diagnosis.srt
* _! o1 }; v8 H/ s4 {3 m( k8 v" f    │      │  │      07_Application_-_Medical_Diagnosis.txt
7 G( w  D& Z. p7 j" @# V; J    │      │  │      08_Knowledge_Engineering_Example_-_SAMIAM.mp4
& Y( z# J5 c) G/ f  l) {    │      │  │      08_Knowledge_Engineering_Example_-_SAMIAM.srt9 v9 N% Y0 W$ b! J
    │      │  │      08_Knowledge_Engineering_Example_-_SAMIAM.txt! [, W, K9 x. _1 q$ E7 t% f( f
    │      │  │      & U) S4 `( i0 ]- O1 z/ [
    │      │  ├─03_Template_Models: D& c+ Z" H! p1 c# u% N
    │      │  │      01_Overview_of_Template_Models.mp48 ], s% F) J6 _3 b$ O
    │      │  │      01_Overview_of_Template_Models.srt& u% _2 b  K$ g! }
    │      │  │      01_Overview_of_Template_Models.txt
0 G+ e' g2 Q5 ], V+ V$ R& R+ e    │      │  │      02_Temporal_Models_-_DBNs.mp4! X& q1 Y; m0 [+ ~* U6 ?; V* e
    │      │  │      02_Temporal_Models_-_DBNs.srt
# }+ `1 u6 I! y  z7 k6 L0 ]    │      │  │      02_Temporal_Models_-_DBNs.txt
' q8 H4 Q& _/ N: I9 W, o' R8 N7 ]    │      │  │      03_Temporal_Models_-_HMMs.mp4" w1 [! c& W, Y' O
    │      │  │      03_Temporal_Models_-_HMMs.srt
# p+ O" L" I/ ^" T1 H2 p    │      │  │      03_Temporal_Models_-_HMMs.txt: U$ N" Z  g4 @! }7 {8 Y0 ?
    │      │  │      04_Plate_Models.mp4
' \& z7 V4 f. a2 ?% V    │      │  │      04_Plate_Models.srt: ]2 N/ t* C9 O; k. G. i9 q' b: a
    │      │  │      04_Plate_Models.txt
4 N! T# F, x/ q. p/ x2 A( r0 k    │      │  │      
2 M- K! u" m# Y, |, Q/ M    │      │  ├─04_ML-class_Octave_Tutorial6 F4 i2 Z8 v6 p$ m
    │      │  │      01_Basic_Operations.mp4
6 I4 H& K0 d9 P2 w* U    │      │  │      01_Basic_Operations.srt
( N; [& L+ J- S: f9 [8 e) v    │      │  │      01_Basic_Operations.txt
. e( C% l; l. j$ Q: U/ d% v    │      │  │      02_Moving_Data_Around.mp4; w; E0 X" w  Z$ r
    │      │  │      02_Moving_Data_Around.srt8 t) W( h9 d0 Q$ _0 {7 Z
    │      │  │      02_Moving_Data_Around.txt
8 n1 o6 O# [$ m; u    │      │  │      03_Computing_On_Data.mp4
- _/ n. k& `  y0 t- y    │      │  │      03_Computing_On_Data.srt
% `& [' N6 f! z3 _9 z' G1 F    │      │  │      03_Computing_On_Data.txt
' L) x8 k1 r+ h) P. C    │      │  │      04_Plotting_Data.mp4
* G2 E0 c+ w% O( E4 A8 O    │      │  │      04_Plotting_Data.srt( _) X' G; @, S7 [
    │      │  │      04_Plotting_Data.txt% ]! X  {$ ?. M' ~) _+ c: o
    │      │  │      05_Control_Statements-_for_while_if_statements.mp4
$ V  X/ {" b2 p! f    │      │  │      05_Control_Statements-_for_while_if_statements.srt
8 C4 C5 b4 p( n    │      │  │      05_Control_Statements-_for_while_if_statements.txt* v: q# V! w! {. t9 y  G
    │      │  │      06_Vectorization.mp4& i% q5 V) \9 m+ Q8 l) k( G' z$ b& C
    │      │  │      06_Vectorization.srt
( c! X, T# E$ U    │      │  │      06_Vectorization.txt+ S, [, v' b9 z6 f
    │      │  │      07_Working_on_and_Submitting_Programming_Exercises.mp4
5 g2 U" _8 e2 h' ^; }    │      │  │      07_Working_on_and_Submitting_Programming_Exercises.srt
% h; L3 w# B4 w9 Q: u  c    │      │  │      07_Working_on_and_Submitting_Programming_Exercises.txt
6 H3 H) B/ b; W5 \' \0 K& H+ Q- C    │      │  │      
& z3 ~" Z. q) E( P# ~9 {0 z! z' ?/ X    │      │  ├─05_Structured_CPDs4 g& S3 S  C# Z; K
    │      │  │      01_Overview-_Structured_CPDs.mp4; G# B% c4 M+ N4 l# |2 R, Q
    │      │  │      01_Overview-_Structured_CPDs.srt
; u# D5 E" t9 N7 O. r# [: H7 L/ R    │      │  │      01_Overview-_Structured_CPDs.txt' ]. l. n9 q/ U2 n8 P# p2 }) a! K
    │      │  │      02_Tree-Structured_CPDs.mp4  n; A5 F. y3 f5 m
    │      │  │      02_Tree-Structured_CPDs.srt
) V: ^7 ?" u6 W3 M3 ]* f. H    │      │  │      02_Tree-Structured_CPDs.txt
! N, g3 `8 w1 P' F9 Y    │      │  │      03_Independence_of_Causal_Influence.mp4
0 `# f' z" R+ C9 B3 F, w    │      │  │      03_Independence_of_Causal_Influence.srt& U# M" \/ `& ?7 \% O3 ~. }+ X
    │      │  │      03_Independence_of_Causal_Influence.txt" R7 W5 v4 c6 m, P2 j: n
    │      │  │      04_Continuous_Variables.mp4
4 W  k" x. ?1 x% k3 l1 G    │      │  │      04_Continuous_Variables.srt# X4 k. p3 J' ]9 x  t: o
    │      │  │      04_Continuous_Variables.txt( V& `- Q4 L1 i* u' K# R
    │      │  │      1 G. v4 C5 o- ~' W( o, {6 z& e/ V% B* p
    │      │  ├─06_Markov_Network_Fundamentals& T9 Z5 M! J% U
    │      │  │      01_Pairwise_Markov_Networks.mp47 Q1 Y9 C8 A- {( a
    │      │  │      01_Pairwise_Markov_Networks.srt, u: N: o' E3 J, h
    │      │  │      01_Pairwise_Markov_Networks.txt; m# U. C4 s: T. [
    │      │  │      02_General_Gibbs_Distribution.mp4
* v/ |8 r- M" O! |7 v/ `- I    │      │  │      02_General_Gibbs_Distribution.srt' e: i% N6 ?1 f( t2 Z; r
    │      │  │      02_General_Gibbs_Distribution.txt
1 `8 y3 n+ h: X1 a; B    │      │  │      03_Conditional_Random_Fields.mp4
! Z( J6 k, c" a3 N" }# v- O    │      │  │      03_Conditional_Random_Fields.srt6 d" Q$ D, N# }; `/ M8 [
    │      │  │      03_Conditional_Random_Fields.txt
! X5 ~! k2 ?. ]5 C7 X/ N    │      │  │      04_Independencies_in_Markov_Networks.mp4
# i: L; W' A  a& c. e. e- n    │      │  │      04_Independencies_in_Markov_Networks.srt7 a% i3 D% k; u* t, ?- [4 j
    │      │  │      04_Independencies_in_Markov_Networks.txt
% T, @$ s0 a" R3 P) c  B" m( N    │      │  │      05_I-maps_and_perfect_maps.mp4( G$ n4 v9 v7 J' ~
    │      │  │      05_I-maps_and_perfect_maps.srt& b% j: K9 o, S/ }" v
    │      │  │      05_I-maps_and_perfect_maps.txt4 X  q8 G& }! j
    │      │  │      06_Log-Linear_Models.mp4: w& c+ D5 `; i, v( C% H
    │      │  │      06_Log-Linear_Models.srt/ m$ k" c" \" D8 y  M/ Q' j
    │      │  │      06_Log-Linear_Models.txt
( Z# i: U0 O' Z/ D    │      │  │      07_Shared_Features_in_Log-Linear_Models.mp4; v2 \- `% G: J/ a# \. {  t
    │      │  │      07_Shared_Features_in_Log-Linear_Models.srt9 B5 w/ P: b0 s0 |9 `
    │      │  │      07_Shared_Features_in_Log-Linear_Models.txt+ G" P  S. o8 x" T- e! y9 N
    │      │  │      ' M! D# v& `* \
    │      │  ├─07_Representation_Wrapup-_Knowledge_Engineering
; I1 V! R+ ^& V% q) W    │      │  │      01_Knowledge_Engineering.mp4
- m$ B- N0 j5 ^9 e    │      │  │      01_Knowledge_Engineering.srt6 l8 j" m3 O: ^4 ^7 E0 X& W0 p
    │      │  │      01_Knowledge_Engineering.txt
* o7 w+ k( ^' a! \9 @# y0 `; [1 @    │      │  │      ) Z! l( e+ y1 A% o: F
    │      │  ├─08_Inference-_Variable_Elimination
% V4 g& R0 Y2 U    │      │  │      01_Overview-_Conditional_Probability_Queries.mp4$ N& ^5 s8 G. C, G& f6 T
    │      │  │      01_Overview-_Conditional_Probability_Queries.srt
2 j$ u0 y5 @; ]6 i    │      │  │      01_Overview-_Conditional_Probability_Queries.txt% l( J5 b- s6 ~% P
    │      │  │      02_Overview-_MAP_Inference.mp4
9 F) m  z2 ]! S$ e    │      │  │      02_Overview-_MAP_Inference.srt
& E3 S# L9 y; ?" c" y" p- U    │      │  │      02_Overview-_MAP_Inference.txt1 K9 A. m; V& o! o5 r( Q+ }
    │      │  │      03_Variable_Elimination_Algorithm.mp4
) a; G7 L' w- S9 n. j+ F1 ~5 M. ]    │      │  │      03_Variable_Elimination_Algorithm.srt
2 N7 B4 q# v7 C! ~: R5 J    │      │  │      03_Variable_Elimination_Algorithm.txt8 f& c2 n; f$ e
    │      │  │      04_Complexity_of_Variable_Elimination.mp4& V. s# B9 ~& [: s4 [' J/ x" n  R
    │      │  │      04_Complexity_of_Variable_Elimination.srt
  {+ o/ J6 r, H% ]    │      │  │      04_Complexity_of_Variable_Elimination.txt! |9 K$ G7 I8 Q5 U
    │      │  │      06_Finding_Elimination_Orderings.mp4! k1 t9 Z. S9 m# ^4 D
    │      │  │      06_Finding_Elimination_Orderings.srt
" f4 t  R# J, A9 M    │      │  │      06_Finding_Elimination_Orderings.txt1 t" x& [: P% V& x
    │      │  │      ( F. v! p; G1 ?: ~2 f( b
    │      │  ├─09_Inference-_Belief_Propagation_Part_1& ~' o* ?3 e3 l
    │      │  │      01_Belief_Propagation.mp4
2 R& ]5 B8 x1 f    │      │  │      01_Belief_Propagation.srt% E4 p( P  j# [+ ~- h3 b
    │      │  │      01_Belief_Propagation.txt2 R7 m, b* W" |
    │      │  │      02_Properties_of_Cluster_Graphs.mp4* @8 V" B8 a8 I1 h* d; Z
    │      │  │      02_Properties_of_Cluster_Graphs.srt
+ c  L$ c7 h- Z  z    │      │  │      02_Properties_of_Cluster_Graphs.txt
, `9 H8 z4 x4 z3 F    │      │  │      
  g+ U) \3 Q8 b    │      │  ├─10_Inference-_Belief_Propagation_Part_2% l' E# a/ C4 c( [6 x; X- b
    │      │  │      01_Properties_of_Belief_Propagation.mp4
/ e/ \, w1 E& @  F2 k  I0 i    │      │  │      01_Properties_of_Belief_Propagation.srt
7 U7 U) j! J% s    │      │  │      01_Properties_of_Belief_Propagation.txt
, u- [* R* m# G6 |9 @    │      │  │      02_Clique_Tree_Algorithm_-_Correctness.mp4. J4 Q  U0 W$ V% K$ E/ ?% m3 ^/ ~9 |9 o
    │      │  │      02_Clique_Tree_Algorithm_-_Correctness.srt
  m- Z2 p4 r5 E& B  V" [( [    │      │  │      02_Clique_Tree_Algorithm_-_Correctness.txt; s$ P* O( F: U; s7 j/ W5 p
    │      │  │      03_Clique_Tree_Algorithm_-_Computation.mp4+ M; w* T1 J' ]0 R2 F% M
    │      │  │      03_Clique_Tree_Algorithm_-_Computation.srt
7 s8 n1 r3 |5 V6 D6 D% F) P    │      │  │      03_Clique_Tree_Algorithm_-_Computation.txt9 {/ ^; h8 C* A8 }8 Q9 e+ q; Q
    │      │  │      04_Clique_Trees_and_Independence.mp48 X: `* C1 S' J$ D" t
    │      │  │      04_Clique_Trees_and_Independence.srt- l* \1 O% v. m7 @0 f$ y2 C& y/ u
    │      │  │      04_Clique_Trees_and_Independence.txt
7 c! I. D. ~$ J# R    │      │  │      05_Clique_Trees_and_VE.mp4- p1 k' a; B- `7 g, t8 o. W2 d( Q
    │      │  │      05_Clique_Trees_and_VE.srt4 U  Z& |3 N7 L* S0 l6 X7 T
    │      │  │      05_Clique_Trees_and_VE.txt0 E5 o' R8 z- l  w( I
    │      │  │      06_BP_In_Practice.mp4- c) X/ w- h0 x' K6 b
    │      │  │      06_BP_In_Practice.srt1 ^5 u$ h9 w8 H4 ~& j& j; L
    │      │  │      06_BP_In_Practice.txt
' a5 P1 ^8 y( O4 Y8 c    │      │  │      07_Loopy_BP_and_Message_Decoding.mp4- c2 v$ D3 A2 g( r; B- e
    │      │  │      07_Loopy_BP_and_Message_Decoding.srt  o) o2 w6 w1 Z. G# J
    │      │  │      07_Loopy_BP_and_Message_Decoding.txt) K( X9 m- ^3 b; Q- ~
    │      │  │      
: v, c, u9 v: c3 m" ~  Y    │      │  ├─11_Inference-_MAP_Estimation_Part_1
0 m# S" h  Q4 U* g. g. l( ]+ u$ a    │      │  │      01_Max_Sum_Message_Passing.mp41 Q: b1 h  m  p: `7 x$ e0 |
    │      │  │      01_Max_Sum_Message_Passing.srt5 c4 X5 C/ |- P6 W! _
    │      │  │      01_Max_Sum_Message_Passing.txt( p& c6 v; c3 l  x
    │      │  │      02_Finding_a_MAP_Assignment.mp4
% E  J# X  g! E6 k+ h5 N4 a    │      │  │      02_Finding_a_MAP_Assignment.srt3 R% a; z& @% G5 u: f
    │      │  │      02_Finding_a_MAP_Assignment.txt
0 w5 ], B8 K4 _( `    │      │  │      
* y! N; X" ]7 {; S# j, A    │      │  ├─12_Inference-_MAP_Estimation_Part_2
3 m* N( D" D& \7 q    │      │  │      01_Tractable_MAP_Problems.mp4
5 a9 S# o' S7 C3 K) F+ b# `    │      │  │      01_Tractable_MAP_Problems.srt
$ D, j9 H% E0 g, [/ u2 E, }- W    │      │  │      01_Tractable_MAP_Problems.txt2 `  A7 s) g7 N& |4 y5 C! i8 [
    │      │  │      02_Dual_Decomposition_-_Intuition.mp4! e1 V, x4 Z( y. j. M
    │      │  │      02_Dual_Decomposition_-_Intuition.srt
7 V8 d  s# P6 p+ Z0 E    │      │  │      02_Dual_Decomposition_-_Intuition.txt+ {, p. M  B. y6 H
    │      │  │      03_Dual_Decomposition_-_Algorithm.mp4- f, s& G" |  {! e
    │      │  │      03_Dual_Decomposition_-_Algorithm.srt& L: {+ C4 k5 _; q% h7 C! ^+ t
    │      │  │      03_Dual_Decomposition_-_Algorithm.txt  P- A* g# f" j# j4 n, H, e
    │      │  │      
+ t0 d+ d, v, D) [; [+ ?& n2 d0 x    │      │  ├─13_Inference-_Sampling_Methods: g( T1 G" f7 K3 F! l2 P- J  f1 Y
    │      │  │      01_Simple_Sampling.mp4
( O2 G' V% Z2 `  }0 M& t    │      │  │      01_Simple_Sampling.srt3 Z; ?0 x9 R2 r2 {
    │      │  │      01_Simple_Sampling.txt* a% l& l5 q9 k0 X9 ?' i9 G/ y
    │      │  │      02_Markov_Chain_Monte_Carlo.mp4
, V/ N. H/ a$ P: c3 _. O6 m' i    │      │  │      02_Markov_Chain_Monte_Carlo.srt
8 ^) A; S2 M; ?0 g3 S    │      │  │      02_Markov_Chain_Monte_Carlo.txt
, {2 e! ?& g$ g# T: M    │      │  │      03_Using_a_Markov_Chain.mp4
0 i' t4 {% B9 l, }3 c: A    │      │  │      03_Using_a_Markov_Chain.srt6 K9 Q; Y0 C  v2 Q8 N8 y" Q! ^
    │      │  │      03_Using_a_Markov_Chain.txt
4 B- ~3 d$ O; r/ J) o# F/ W    │      │  │      04_Gibbs_Sampling.mp4
# X' {+ N2 s7 e    │      │  │      04_Gibbs_Sampling.srt7 S" d* J% ^" a, r5 U, y
    │      │  │      04_Gibbs_Sampling.txt
  ]2 y4 P# h7 F( x: i1 w( e" ?    │      │  │      05_Metropolis_Hastings_Algorithm.mp4
+ Y$ a/ T9 q& e: \    │      │  │      05_Metropolis_Hastings_Algorithm.srt5 [+ i. H" @5 e1 ?3 q& R8 X
    │      │  │      05_Metropolis_Hastings_Algorithm.txt
( |' O5 N7 a! y: W; Z: Y. P    │      │  │      1 }. i" Q0 ]" X  ^# b
    │      │  ├─14_Inference-_Temporal_Models_and_Wrap-up
+ F5 I# ]# c" {* d5 @    │      │  │      01_Inference_in_Temporal_Models.mp46 ]  o# t& k% W
    │      │  │      01_Inference_in_Temporal_Models.srt7 i" ?: |/ U8 N7 _' D. w
    │      │  │      01_Inference_in_Temporal_Models.txt+ O2 ^$ p4 I' f; ^7 W2 i
    │      │  │      02_Inference-_Summary.mp4' x( G& [4 v& j  m& l+ ^
    │      │  │      02_Inference-_Summary.srt6 C, C. O2 ~- A
    │      │  │      02_Inference-_Summary.txt1 D' A+ e) s" A0 a+ m+ t
    │      │  │      2 S8 m7 C# k7 m6 z1 t1 G! r; g5 i% Q
    │      │  ├─15_Decision_Theory
1 S; O: H3 D( Q    │      │  │      01_Maximum_Expected_Utility.mp4
! k+ O* _" v( R$ Y( J    │      │  │      01_Maximum_Expected_Utility.srt
0 @1 T) p! J  x8 J; x( ?    │      │  │      01_Maximum_Expected_Utility.txt' D6 w% f8 n5 U
    │      │  │      02_Utility_Functions.mp41 q- k/ W7 q& _! r
    │      │  │      02_Utility_Functions.srt
* l, k' E! m. g% T0 b    │      │  │      02_Utility_Functions.txt
  t$ A: J9 _, o/ C& G1 ~    │      │  │      03_Value_of_Perfect_Information.mp4
9 c1 y" X, v& |( _% H. r# ?* @    │      │  │      03_Value_of_Perfect_Information.srt
% H' p  _5 H' B    │      │  │      03_Value_of_Perfect_Information.txt" r- @9 }) s8 `% t
    │      │  │      $ Z' i2 o& Z# B
    │      │  ├─16_ML-class_Revision- T3 `! m1 Q% c; R0 E; |
    │      │  │      01_Regularization-_The_Problem_of_Overfitting.mp4/ l$ Z  a! f" p6 Y1 W  @
    │      │  │      01_Regularization-_The_Problem_of_Overfitting.srt
; Z. i9 }3 ^2 K! t% `    │      │  │      01_Regularization-_The_Problem_of_Overfitting.txt8 }: `' p2 O! R" i5 P
    │      │  │      02_Regularization-_Cost_Function.mp4
1 `2 x) i- Z5 \) u! [" w4 W    │      │  │      02_Regularization-_Cost_Function.srt* q0 P5 Z0 s/ Y9 w: P9 f
    │      │  │      02_Regularization-_Cost_Function.txt& v5 F2 A6 z8 o* Z
    │      │  │      03_Evaluating_a_Hypothesis.mp40 g8 {% ~5 b+ v* R
    │      │  │      03_Evaluating_a_Hypothesis.srt
. e+ \6 U2 y6 J- G7 @    │      │  │      03_Evaluating_a_Hypothesis.txt
0 r4 i( b; p/ ^! l- f* e( t& n9 y    │      │  │      04_Model_Selection_and_Train_Validation_Test_Sets.mp4
7 u1 k- `- o! j    │      │  │      04_Model_Selection_and_Train_Validation_Test_Sets.srt* K3 H8 u4 a  ^
    │      │  │      04_Model_Selection_and_Train_Validation_Test_Sets.txt
( p) v  Y; W! M* r3 K    │      │  │      05_Diagnosing_Bias_vs_Variance.mp4
9 `8 n# Y& @& b4 b% o# N    │      │  │      05_Diagnosing_Bias_vs_Variance.srt9 [+ Q# Z' Q. E1 G; o4 y8 D7 m' D
    │      │  │      05_Diagnosing_Bias_vs_Variance.txt
  {# c4 _! C' K- Z" L! o: _    │      │  │      06_Regularization_and_Bias_Variance.mp4
' X! x) F! ]+ u  E" F/ o( n    │      │  │      06_Regularization_and_Bias_Variance.srt
( {; R) Z- D+ t6 p% h6 W" M, d, k    │      │  │      06_Regularization_and_Bias_Variance.txt
" `) j( @7 _) l; @2 _$ t; A8 b2 t    │      │  │      / \) R3 z/ A) B1 _7 j4 P6 ?
    │      │  ├─17_Learning-_Overview
! O- F5 G, A- C) A+ r4 l0 b    │      │  │      01_Learning-_Overview.mp43 ^; s1 g+ p4 u! Y$ }3 c' E% J+ y
    │      │  │      01_Learning-_Overview.srt+ `' i8 W  V+ K$ H! N
    │      │  │      01_Learning-_Overview.txt
3 R# f) c6 I& U) W5 Y    │      │  │      ; ]3 t7 W# _4 ^  O, ?( e$ \" D
    │      │  ├─18_Learning-_Parameter_Estimation_in_BNs
) L& s( ]0 X. G) p, ~! c  J    │      │  │      01_Maximum_Likelihood_Estimation.mp4
3 T5 w; S# L! ]# r  g  ^( m/ I* @: ?& M    │      │  │      01_Maximum_Likelihood_Estimation.srt- U* \3 e5 d  G' ]* V3 s; p; {8 \6 @
    │      │  │      01_Maximum_Likelihood_Estimation.txt1 ?, T) i* D# q9 F: d4 H
    │      │  │      03_Bayesian_Estimation.mp4
4 s! ?1 z/ t4 n+ ]    │      │  │      03_Bayesian_Estimation.srt
; |$ A: G# @+ C3 i# B    │      │  │      03_Bayesian_Estimation.txt
  ]$ _: F, ?% ^: e  y. U: h    │      │  │      04_Bayesian_Prediction.mp4
, c) r8 U/ s: ^4 k    │      │  │      04_Bayesian_Prediction.srt
2 g3 |/ G* f! T9 J" ]) y" `4 C: H    │      │  │      04_Bayesian_Prediction.txt
1 ^' G" s& c, N, V9 S    │      │  │      ' @+ a/ `6 s' m) ^  C- n4 ]
    │      │  ├─19_Learning-_Parameter_Estimation_in_MNs" \7 n3 C4 f6 q4 @. n/ t
    │      │  │      03_MAP_Estimation_for_MRFs_and_CRFs.mp44 G( @5 R) _8 z: s+ ^" }
    │      │  │      03_MAP_Estimation_for_MRFs_and_CRFs.srt
  o. P+ d! S: Z7 ^- k    │      │  │      03_MAP_Estimation_for_MRFs_and_CRFs.txt
: ^- `9 U; s. s) E    │      │  │      2 T! w# @' e9 O5 P& R$ R+ j, l
    │      │  ├─20_Structure_Learning( Z) z' e" C. G  G9 J5 u# o; j. {+ D2 Z
    │      │  │      01_Structure_Learning_Overview.mp4
" o/ o/ h/ D3 S. Y/ N8 ^+ R    │      │  │      01_Structure_Learning_Overview.srt* ?6 N7 z7 L4 X! [+ W* j  t& J; k
    │      │  │      01_Structure_Learning_Overview.txt" [5 L$ e; \8 H: k
    │      │  │      02_Likelihood_Scores.mp4
( n1 W& [+ @$ t" D$ N$ I2 J5 A    │      │  │      02_Likelihood_Scores.srt; k& B9 W# n! L% x  i
    │      │  │      02_Likelihood_Scores.txt8 W2 v' R2 v8 g5 d0 ?
    │      │  │      03_BIC_and_Asymptotic_Consistency.mp4' N$ ?8 w2 ^. E# g. ]
    │      │  │      03_BIC_and_Asymptotic_Consistency.srt
/ x8 t* g) m! x5 n; E2 L    │      │  │      03_BIC_and_Asymptotic_Consistency.txt6 Z% D# h" M7 \  [; A4 C8 S( T
    │      │  │      04_Bayesian_Scores.mp4
9 T) p2 D1 X5 J& P5 ]9 L% a- u    │      │  │      04_Bayesian_Scores.srt1 w; q8 Q" u9 h; J
    │      │  │      04_Bayesian_Scores.txt1 p+ ^$ @' W& ?. Q
    │      │  │      05_Learning_Tree_Structured_Networks.mp4
0 V! b  v$ z- G+ x! J6 D    │      │  │      05_Learning_Tree_Structured_Networks.srt; `+ R* L; }( K# ^
    │      │  │      05_Learning_Tree_Structured_Networks.txt
" n: o4 U% j, T; L    │      │  │      06_Learning_General_Graphs-_Heuristic_Search.mp4
' l3 g; e. E5 R* W6 T. v    │      │  │      06_Learning_General_Graphs-_Heuristic_Search.srt
( z: ^7 @7 }+ E9 }, G7 ?    │      │  │      06_Learning_General_Graphs-_Heuristic_Search.txt
" G+ a% l" D& J6 p+ R    │      │  │      07_Learning_General_Graphs-_Search_and_Decomposability.mp4
/ F. n; z: Z& ?% r+ X# P4 Y' I    │      │  │      07_Learning_General_Graphs-_Search_and_Decomposability.srt$ |9 I) j5 B  h7 v4 c( K/ n
    │      │  │      07_Learning_General_Graphs-_Search_and_Decomposability.txt
) e) ?/ ?1 U) ?    │      │  │      
" K& h8 b8 `2 ?- }% z8 n    │      │  ├─21_Learning_With_Incomplete_Data+ I  ^5 t  \$ x6 N6 v9 ]
    │      │  │      01_Learning_With_Incomplete_Data_-_Overview.mp4/ j+ V. n7 q6 v+ _) M  K
    │      │  │      01_Learning_With_Incomplete_Data_-_Overview.srt
3 u* M0 a+ z  }/ Q! \    │      │  │      01_Learning_With_Incomplete_Data_-_Overview.txt
2 b+ `4 D8 M; W  p% H, @* s1 g    │      │  │      02_Expectation_Maximization_-_Intro.mp4
: ]% J) _# a) B2 [    │      │  │      02_Expectation_Maximization_-_Intro.srt  _. L7 m$ f* R4 r4 X4 `
    │      │  │      02_Expectation_Maximization_-_Intro.txt
" ?2 n, }. k/ J0 S    │      │  │      03_Analysis_of_EM_Algorithm.mp4/ N4 ~6 |* G7 K: U" ]
    │      │  │      03_Analysis_of_EM_Algorithm.srt: ?% ~" m2 D5 ~  U
    │      │  │      03_Analysis_of_EM_Algorithm.txt9 }# b4 J: q, a1 ?6 k
    │      │  │      04_EM_in_Practice.mp43 e1 Z/ Y+ ^( t
    │      │  │      04_EM_in_Practice.srt
( ?' }6 F6 N" N& B8 D& L& T    │      │  │      04_EM_in_Practice.txt
5 ^7 ^; b" T/ k4 N8 y7 v$ Q    │      │  │      05_Latent_Variables.mp42 y/ |* Z+ l* u  `/ F3 d
    │      │  │      05_Latent_Variables.srt  n& O2 r5 F/ m3 n$ ~
    │      │  │      05_Latent_Variables.txt
$ W) B4 W8 @" h    │      │  │      1 o7 m% ?6 k2 `9 n
    │      │  ├─22_Learning-_Wrapup% ~& W$ ?* e" \1 z. s( z6 d
    │      │  │      01_Summary-_Learning.mp4+ N7 K" A/ V; S  ?5 T" l/ Q
    │      │  │      01_Summary-_Learning.srt
4 O+ b3 u; [; \- [    │      │  │      01_Summary-_Learning.txt3 R* X6 T5 S9 O. _( B- [
    │      │  │      
# q7 t. }, Z% ^" c- i8 h    │      │  └─23_Summary, q+ k8 @9 P8 a( i2 r3 {2 e
    │      │          01_Class_Summary.mp4
; U- L2 u8 j# |' }" Y    │      │          01_Class_Summary.srt( Y4 ?2 z3 I* k: s& F
    │      │          01_Class_Summary.txt
. z) |3 W" q( _3 K% C( D2 Z% a    │      │         
4 L. d8 ]6 b8 e) K    │      └─Probabilistic Graphical Models - Stanford2 a% O* {% c! }( ^  s8 O% g
    │              1 - 1 - Welcome! (05-35).mp4' U  b7 r+ {" N6 C7 t! h. x) B
    │              1 - 1 - Welcome! (05-35).srt" }: T! p/ ?5 m2 i2 o- q
    │              1 - 2 - Overview and Motivation (19-17).mp4
9 m+ z3 I, c" @0 S; h9 G( {    │              1 - 2 - Overview and Motivation (19-17).srt; l. X; N; K9 A" W, \2 l
    │              1 - 3 - Distributions (04-56).mp4) W4 v; m/ ]: |4 H
    │              1 - 3 - Distributions (04-56).srt
1 R0 Y3 \/ I& R/ W7 b, V7 o    │              1 - 4 - Factors (06-40).mp46 R; M- i3 A# n! Y0 }
    │              1 - 4 - Factors (06-40).srt
3 A6 a( M) {2 \+ t3 C$ l+ a0 I  _    │              10 - 4 - Clique Trees and Independence (15-21).mp4
5 J; \" K& e) j4 W6 t) r: i    │              10 - 4 - Clique Trees and Independence (15-21).srt% U( B, k* L% G8 ~2 s
    │              10 - 5 - Clique Trees and VE (16-17).mp48 X  i1 t7 [( [# d$ b
    │              10 - 5 - Clique Trees and VE (16-17).srt
# i# I" T( }* t/ o( }    │              10 - 6 - BP In Practice (15-38).mp4
: I- }" q7 J6 N" f    │              10 - 6 - BP In Practice (15-38).srt
% x1 v4 U, q7 Z! l, k4 G    │              10 - 7 - Loopy BP and Message Decoding (21-42).mp4
: f; `9 w# R+ A/ u7 O    │              10 - 7 - Loopy BP and Message Decoding (21-42).srt
: R) V1 L9 s; ?# d5 T    │              11 - 1 - Max Sum Message Passing (20-27).mp4
7 A9 v3 ]1 D! m# T: H4 r* y3 R    │              11 - 1 - Max Sum Message Passing (20-27).srt' ]  M0 G- y2 C# g
    │              11 - 2 - Finding a MAP Assignment (3-57).mp4
! j3 j: d. H* u    │              11 - 2 - Finding a MAP Assignment (3-57).srt: j. ]% v- N2 f8 w3 x
    │              12 - 1 - Tractable MAP Problems (15-04).mp4
9 U& C; X8 d- z3 `( \" c- @    │              12 - 1 - Tractable MAP Problems (15-04).srt* ~# b5 a5 s5 @$ g$ k$ m0 z
    │              13 - 1 - Simple Sampling (23-37).mp43 b5 `7 X8 G+ e4 c) {; e
    │              13 - 1 - Simple Sampling (23-37).srt: u/ g0 Q# a2 q/ N  H  I( Z! q
    │              13 - 2 - Markov Chain Monte Carlo (14-18).mp4
4 q+ }: M# D9 {. v    │              13 - 2 - Markov Chain Monte Carlo (14-18).srt* [6 W8 e# ~2 ^$ P) [' D
    │              13 - 3 - Using a Markov Chain (15-27).mp4
$ w+ s1 q+ x3 _& h1 W3 k5 z    │              13 - 3 - Using a Markov Chain (15-27).srt
; W/ H" ]; z, Y6 ^5 u0 y    │              13 - 4 - Gibbs Sampling (19-26).mp4
# j. Y& f0 a6 J    │              13 - 4 - Gibbs Sampling (19-26).srt
4 E- T$ A& k8 ~; D9 c    │              13 - 5 - Metropolis Hastings Algorithm (27-06).mp4
0 A4 F7 W4 \5 l3 T    │              13 - 5 - Metropolis Hastings Algorithm (27-06).srt
% R" M! m! A$ |    │              14 - 1 - Inference in Temporal Models (19-43).mp4& P1 p& n. L# ]" ^& j
    │              14 - 1 - Inference in Temporal Models (19-43).srt
/ j- s6 N8 J; O: n9 ]    │              14 - 2 - Inference- Summary (12-45).mp4
! q: }, _5 c$ D/ t& P- ?    │              14 - 2 - Inference- Summary (12-45).srt2 B* O" u9 ^: }( L
    │              15 - 1 - Maximum Expected Utility (25-57).mp4
. A$ i1 R; H' w    │              15 - 1 - Maximum Expected Utility (25-57).srt
) L$ h' B2 g  n+ W    │              15 - 2 - Utility Functions (18-15).mp45 t* R$ N7 m  M% t& g' a
    │              15 - 2 - Utility Functions (18-15).srt3 N5 I' Q& z) f5 Z% u9 {
    │              15 - 3 - Value of Perfect Information (17-14).mp4
& g" m& J5 z# d5 U6 T    │              15 - 3 - Value of Perfect Information (17-14).srt8 e6 n2 y1 T+ f9 E
    │              16 - 2 - Regularization- Cost Function (10-10).mp4
* h% g- @$ g1 R) d% f& v, Z    │              16 - 2 - Regularization- Cost Function (10-10).srt
) F2 ]! b; i3 k. T    │              16 - 3 - Evaluating a Hypothesis (07-35).mp43 M1 a% g) P; y/ `, F2 e4 \( _
    │              16 - 3 - Evaluating a Hypothesis (07-35).srt
& m& E5 w6 ?( O( Q' L! ]2 e    │              16 - 5 - Diagnosing Bias vs Variance (07-42).mp4
) T. i; o8 [( Z    │              16 - 5 - Diagnosing Bias vs Variance (07-42).srt
+ o: {" C# F: @% U1 i0 i    │              17 - 1 - Learning- Overview (15-35).mp4
& D4 k8 n' |1 l    │              17 - 1 - Learning- Overview (15-35).srt1 ]5 ?- n4 z, s  A1 y1 |' C
    │              18 - 1 - Maximum Likelihood Estimation (14-59).mp4
! r# l& p2 G. A7 V    │              18 - 1 - Maximum Likelihood Estimation (14-59).srt1 p  ^1 k% {# o  M4 U
    │              18 - 3 - Bayesian Estimation (15-27).mp4+ i: ], U) A  h+ A- B, I
    │              18 - 3 - Bayesian Estimation (15-27).srt
7 `- w- g, \. b    │              18 - 4 - Bayesian Prediction (13-40).mp4
# P- j5 `6 {) v: r- q5 d4 o( F    │              18 - 4 - Bayesian Prediction (13-40).srt
6 c% |! n: k) ]! C    │              2 - 1 - Semantics & Factorization (17-20).mp4
$ x; j" G+ p' ^$ Y" W7 C5 S; b    │              2 - 1 - Semantics & Factorization (17-20).srt5 }  P/ h( P: v' u( d" I! [
    │              2 - 2 - Reasoning Patterns (09-59).mp4" D. `* v8 z4 D' I1 O
    │              2 - 2 - Reasoning Patterns (09-59).srt
/ c. k) g. m0 d0 Q0 \8 w; ~% q- k    │              2 - 4 - Conditional Independence (12-38).mp4
7 _! ^' w$ `3 X: w    │              2 - 4 - Conditional Independence (12-38).srt
- Z3 Q% `: Y% M: t# X) G  c    │              2 - 6 - Naive Bayes (09-52).mp4
2 d3 A7 t. Y3 g, R    │              2 - 6 - Naive Bayes (09-52).srt
- n' H' b" T, p( G    │              20 - 1 - Structure Learning Overview (5-49).mp4. p+ S0 w2 H& q. h1 X3 K; j
    │              20 - 1 - Structure Learning Overview (5-49).srt
7 c8 B( Z5 D+ J0 E9 W) d    │              20 - 2 - Likelihood Scores (16-49).mp4; e( ^- S' T) M& s2 v. k
    │              20 - 2 - Likelihood Scores (16-49).srt
1 [/ M/ f, t( a& K3 w    │              20 - 4 - Bayesian Scores (20-35).mp49 M5 I3 |6 }9 Z- ~7 h7 v( n, W
    │              20 - 4 - Bayesian Scores (20-35).srt
% \* |, U+ D' Y; O3 @' M3 A: m    │              21 - 3 - Analysis of EM Algorithm (11-32).mp4
+ k8 i4 b- l( [5 o1 i    │              21 - 3 - Analysis of EM Algorithm (11-32).srt, j: }4 g8 X% z+ _  n
    │              21 - 4 - EM in Practice (11-17).mp4
2 w% N) P2 w( _7 K6 a" |; ?    │              21 - 4 - EM in Practice (11-17).srt
& m0 a  x: e. `" O/ @+ N6 q: v- C    │              21 - 5 - Latent Variables (22-00).mp4- s( C3 \! i5 f
    │              21 - 5 - Latent Variables (22-00).srt* z; d8 K+ w. e: L, a" a  ]
    │              22 - 1 - Summary- Learning (20-11).mp4
) m7 t6 J2 T4 `  P2 W    │              22 - 1 - Summary- Learning (20-11).srt3 q- \4 g& D( p/ c% `& Y+ k6 z
    │              23 - 1 - Class Summary (24-38).mp4. E  N7 o" ]3 l5 |) {6 b
    │              23 - 1 - Class Summary (24-38).srt, p+ T' f' w7 u
    │              3 - 1 - Overview of Template Models (10-55).mp4# N, M/ g) L6 |$ b  \
    │              3 - 1 - Overview of Template Models (10-55).srt
* d* T" A9 I( z  |( j    │              3 - 2 - Temporal Models - DBNs (23-02).mp4
, s+ b( Y6 I0 q  M& j    │              3 - 2 - Temporal Models - DBNs (23-02).srt
* R) Z4 Q: u; p: v8 K! `! D. x    │              3 - 3 - Temporal Models - HMMs (12-01).mp4  h; w, \# _8 O/ v& b
    │              3 - 3 - Temporal Models - HMMs (12-01).srt
  E" o3 F' N+ n/ N+ b$ z    │              3 - 4 - Plate Models (20-08).mp4
' p# S9 P9 d. R- F5 D2 n- h- t# ^    │              3 - 4 - Plate Models (20-08).srt! H+ n2 W& r9 s( M1 Z
    │              4 - 1 - Basic Operations (13-59).mp48 s+ Q, L. m& }3 U9 H1 H
    │              4 - 1 - Basic Operations (13-59).srt
5 H2 U8 c, E! `+ {1 \    │              4 - 2 - Moving Data Around (16-07).mp4
5 w0 [; Y4 x3 E# X8 p8 A" m    │              4 - 2 - Moving Data Around (16-07).srt9 a8 T/ F; r; g/ Y
    │              4 - 3 - Computing On Data (13-15).mp4* Q; o9 _/ q1 ~2 T! E
    │              4 - 3 - Computing On Data (13-15).srt9 g% |# A1 M9 n9 h$ u  l7 r
    │              4 - 4 - Plotting Data (09-38).mp4
! H4 i. Q! n. N3 p9 G    │              4 - 4 - Plotting Data (09-38).srt  L7 q, Z( \5 U" `
    │              4 - 6 - Vectorization (13-48).mp4$ v# I2 f8 B1 B. n! i1 b8 [6 R1 `
    │              4 - 6 - Vectorization (13-48).srt
/ ^+ S& B5 U; [3 C9 F5 g1 C; Z    │              5 - 1 - Overview- Structured CPDs (08-00).mp4
- |, u/ x+ J0 h: _    │              5 - 1 - Overview- Structured CPDs (08-00).srt
7 x2 ?. N# C; N2 Q  J    │              5 - 2 - Tree-Structured CPDs (14-37).mp4
) s, z6 v, e( b4 `    │              5 - 2 - Tree-Structured CPDs (14-37).srt& ?( e8 }# z# i" q; F
    │              5 - 4 - Continuous Variables (13-25).mp4
$ ]5 i2 m; h: |" P    │              5 - 4 - Continuous Variables (13-25).srt
% p" {1 D6 u- n5 m% p+ K3 Z    │              6 - 1 - Pairwise Markov Networks (10-59).mp4* G% |1 R6 a8 @6 g! o! b
    │              6 - 1 - Pairwise Markov Networks (10-59).srt
( a1 [+ s' ]+ Q    │              6 - 2 - General Gibbs Distribution (15-52).mp49 W) a" \4 J0 ~6 j3 k
    │              6 - 2 - General Gibbs Distribution (15-52).srt) R* N0 x' O7 g  c7 Q  y, q- i1 T
    │              6 - 3 - Conditional Random Fields (22-22).mp4
- m2 q3 b' O3 s0 v9 T    │              6 - 3 - Conditional Random Fields (22-22).srt
7 X: A" C# c- h& r( B) g    │              6 - 5 - I-maps and perfect maps (20-59).mp4
3 o2 d6 C. a1 I9 x0 ~8 M) B    │              6 - 5 - I-maps and perfect maps (20-59).srt1 N9 }6 D- j5 g
    │              6 - 6 - Log-Linear Models (22-08).mp4* J& v, L5 e/ h* o/ r. t
    │              6 - 6 - Log-Linear Models (22-08).srt- @& }! p+ H/ g
    │              7 - 1 - Knowledge Engineering (23-05).mp44 }) C! F9 Y- E2 ]8 o8 }+ s* C
    │              7 - 1 - Knowledge Engineering (23-05).srt7 e1 q( U: X' Z+ [
    │              8 - 2 - Overview- MAP Inference (09-42).mp41 W7 r3 Q" ?0 e3 ~" j' p
    │              8 - 2 - Overview- MAP Inference (09-42).srt
' [# S3 m/ y( a2 @    │              8 - 3 - Variable Elimination Algorithm (16-17).mp4) K' V2 P) k6 Q9 M* l0 O) A
    │              8 - 3 - Variable Elimination Algorithm (16-17).srt
# N! [2 e+ B2 H* ^9 e    │              8 - 6 - Finding Elimination Orderings (11-58).mp4/ S  z$ U, m; T: L8 }7 P# Q" R$ x$ a
    │              8 - 6 - Finding Elimination Orderings (11-58).srt3 G" y( u! P8 D+ t' s
    │              9 - 1 - Belief Propagation (21-21).mp4& Y+ [+ q8 B0 \1 ~# s
    │              9 - 1 - Belief Propagation (21-21).srt& q) g8 V, X) O: }) Y
    │              9 - 2 - Properties of Cluster Graphs (15-00).mp4
! I! A0 a( w" i0 r2 E0 Q3 d( j    │              9 - 2 - Properties of Cluster Graphs (15-00).srt
; K& s; @$ c+ Y    │              PGM-Programming_Assignment_1.zip, U, g8 T% t& Q( w+ B7 t! X7 P
    │              PGM-Programming_Assignment_2.zip6 {5 L+ F- }, r# h& R4 M- X+ e
    │              PGM-Programming_Assignment_3.zip
4 c+ ^# g) S# l& v    │              PGM-Programming_Assignment_4.zip" f% q6 R- g  e6 u8 ?. Y
    │              PGM-Programming_Assignment_5.zip
+ t& }0 K, u0 H! j4 d1 Q2 a& p, d    │              PGM-Programming_Assignment_6.zip) j! E$ |; H. |! |  a, v. o6 T2 }0 M
    │              PGM-Programming_Assignment_7.zip
4 l; ]- s* M/ `$ T    │              PGM-Programming_Assignment_8.zip
4 V; y/ k! R  U    │              PGM-Programming_Assignment_9.zip7 Z6 n* W9 @( U- ~* M
    │              下载说明.txt
6 T2 I* G3 W) v/ B5 w; G    │              关注我们.png
! ^& v( G* g. d+ z1 V! A( S    │              攻城狮论坛=网络技术+编程视频.url) l; @; H8 A& L- i8 s$ u
    │              解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt4 z+ X: ^& j! W. x* N, c
    │              
" x3 W$ L: }$ _- F    ├─031_台大概率2 `5 C* J  t7 Y, L& b$ z# L
    │  └─031_台大概率/ Z5 b. G* u8 m
    │      ├─prob-001
2 y6 y: m2 T1 y9 J' i    │      │  ├─01_Week_17 v. G4 g  `$ M4 N' q
    │      │  │      01_1-0.mp4
  s6 Q. A$ g8 j    │      │  │      02_1-1_17-41.mp4
" o& D+ l! ?0 x+ P5 @0 @" ^' i    │      │  │      02_1-1_17-41.pdf( b4 n) Q2 {5 t: y' t+ ^
    │      │  │      02_1-1_17-41_0_.pdf; b# y" D1 |2 D5 f/ i* }# C
    │      │  │      02_1-1_17-41_1_.pdf* G9 ?: i5 ~+ u8 B
    │      │  │      02_1-1_17-41_2_.pdf
. `) m, K5 H7 P5 W8 p2 P, j7 M    │      │  │      03_1-2.a__11-46.mp4
; x- C8 J3 y. l  i! O4 t    │      │  │      04_1-2.b__09-40.mp4
/ `0 w+ Q; J/ o* a    │      │  │      05_1-3.a__11-24.mp4
* L; ^, p% @. Z    │      │  │      06_1-3.b__16-36.mp4( K, ?6 L2 A; u5 C% M) R
    │      │  │      
6 S2 O8 `4 W; F( J. T    │      │  ├─02_Week_2$ R/ {9 z( G7 k2 ]. m
    │      │  │      01_2-0_15-32.mp4
0 p) @, v% [7 S/ p    │      │  │      02_2-1.a__16-09.mp4
% ^! g9 D' }7 ^3 S2 u+ E0 D+ t7 _    │      │  │      02_2-1.a__16-09.pdf! O# i& {) m; B4 {' O
    │      │  │      02_2-1.a__16-09_0_.pdf/ N2 I. B3 w- q7 v) d& x) Z
    │      │  │      02_2-1.a__16-09_1_.pdf
+ K0 v! D& s/ r1 P# G" b# [. K    │      │  │      02_2-1.a__16-09_2_.pdf9 Q# q1 l  m! g4 z9 |
    │      │  │      03_2-1.b__16-06.mp4" ?9 t$ f2 F  G' M9 N/ e3 m+ s
    │      │  │      04_2-1.c__10-07.mp44 e9 E  M1 Q8 r# G
    │      │  │      05_2-2.a__10-41.mp4& @4 R) m( Y( I- X: P: k0 s
    │      │  │      06_2-2.b__12-43.mp45 ?6 D3 g8 h; G1 m
    │      │  │      07_2-2.c__16-02.mp4( ^, V) P& {) S5 j; p
    │      │  │      
) X9 }% ?- A5 |7 ~    │      │  ├─03_Week_3$ t5 x' L8 ^; H5 I- r: K
    │      │  │      01_3-0_16-46.mp4
& I  G( [1 @8 r! x$ O1 c( Q    │      │  │      02_3-1.a___09-12.mp4
  n- n+ d5 D5 D0 w/ v5 G4 Y    │      │  │      02_3-1.a___09-12.pdf" f- C3 m, G2 G# ~0 T
    │      │  │      02_3-1.a___09-12_0_.pdf9 s+ I# o2 d/ |( |, y
    │      │  │      02_3-1.a___09-12_1_.pdf0 r/ L; S, }/ O5 i& K, \0 h
    │      │  │      02_3-1.a___09-12_2_.pdf
3 ]% C3 Q% x+ Q7 [) J" D    │      │  │      03_3-1.b__10-35.mp4. i, _% O6 @2 |
    │      │  │      04_3-2_08-47.mp40 B  p$ N3 d( V6 k1 \. ]& T
    │      │  │      05_3-3.a__16-57.mp4
, r( W/ \" K; Y4 O2 t% E. m    │      │  │      06_3-3.b__12-58.mp42 E& N  N- k$ F/ ~, Y( v
    │      │  │      
+ W9 f/ a$ a7 p! v, e; ^    │      │  ├─04_Week_4  F5 }" Z6 k6 W) _
    │      │  │      01_4-0_17-33.mp40 x! D! |. p% d1 b, B
    │      │  │      02_4-1.a__13-53.mp4
4 I+ H: U& W5 |, y3 P1 T+ S    │      │  │      02_4-1.a__13-53.pdf3 k$ e1 q! I! U( {% Z  @5 Z3 K
    │      │  │      02_4-1.a__13-53_0_.pdf5 ^: ?9 b$ I" X- q7 l
    │      │  │      02_4-1.a__13-53_1_.pdf  W6 Y& R% }' r
    │      │  │      02_4-1.a__13-53_2_.pdf/ \; [5 J9 x6 F( A3 X
    │      │  │      03_4-1.b__14-43.mp4
5 M. f+ H5 f% l5 j    │      │  │      04_4-1.c__5-18.mp4% ?( @' D) Y/ T' Y7 F+ a7 K
    │      │  │      05_4-2.a_CDF__9-48.mp4
+ P0 q# o$ s# x+ |2 g+ D    │      │  │      06_4-2.b_CDF__8-59.mp40 R, w. |+ a- ]% S, m1 g; w) C/ X5 e
    │      │  │      07_4-2.c_CDF__9-00.mp4
& \+ C1 q$ j  b6 _, q    │      │  │      08_4-3_PMF_11-26.mp44 o8 T4 C8 v, a% {
    │      │  │      09_4-4.a_I__14-41.mp4' G! [2 Y/ P7 H( D- z: t" r) ?# S
    │      │  │      10_4-4.b_I__8-47.mp4
" j! o( j5 C+ C5 d& _. S4 ?    │      │  │      $ A4 P3 n( [6 ?& E. E
    │      │  ├─05_Week_5- d9 M. e4 ^1 T4 K* |. _' k* p
    │      │  │      01_5-0_14-09.mp4) S  k, ^: a' ]  W8 Z" z0 q
    │      │  │      02_5-1.a_II__10-36.mp48 w8 A2 d2 g# u4 w4 h$ j! Y" F
    │      │  │      02_5-1.a_II__10-36.pdf5 G5 x$ K7 ~7 F
    │      │  │      02_5-1.a_II__10-36_0_.pdf
0 _% Z; J. q: B  I# d; q. y    │      │  │      02_5-1.a_II__10-36_1_.pdf6 H0 i3 {" q) g
    │      │  │      02_5-1.a_II__10-36_2_.pdf& E6 j2 U9 r0 L3 F/ X6 C
    │      │  │      03_5-1.b_II__12-06.mp44 ^/ j- Q. ~7 g, ]( D# g' y) v' P
    │      │  │      04_5-1.c_II__20-28.mp46 ]2 R' a1 t9 p
    │      │  │      05_5-2_PDF_18-56.mp40 w! ^, a5 u$ d, }9 b: W
    │      │  │      06_5-3_I_18-12.mp4" e: [- X/ p$ i5 L! y
    │      │  │      5 N0 P! @9 @0 o" s
    │      │  ├─06_Week_65 q# j' ~9 e7 S! `: F; z9 D; s
    │      │  │      01_6-0_10-13.mp4
# `# F: r- N$ X% S7 z/ B    │      │  │      02_6-1.a_II__15-25.mp4
/ h6 B6 S4 Y& c1 R/ x  }    │      │  │      02_6-1.a_II__15-25.pdf
3 n+ x3 u8 J/ e' ^5 _5 U( f8 q5 U    │      │  │      02_6-1.a_II__15-25_0_.pdf
6 E4 h4 W+ s) P; c    │      │  │      02_6-1.a_II__15-25_1_.pdf
  d' S3 X( ~, Y* J2 ?! q    │      │  │      02_6-1.a_II__15-25_2_.pdf
% {1 J; b" b8 [; r    │      │  │      03_6-1.b_II__16-08.mp4, r8 `0 _  O( i6 h' K# [
    │      │  │      04_6-1.c_II__17-16.mp4
# j( B0 J+ p) C; e( q/ s3 l    │      │  │      05_6-1.d_II__5-40.mp4) {# Z8 ]& k$ z6 d7 ?
    │      │  │      06_6-2.a_I__16-35.mp4+ ?  L- R5 d9 V6 X! C  Q% z
    │      │  │      07_6-2.b_I__10-41.mp4
/ q1 @- ^" ]3 ?% v: a    │      │  │      08_6-2.c_I__16-44.mp4' R" I$ P, k5 t* I
    │      │  │      09_6-2.d_I__14-30.mp4
% G' j; z- r& S. _    │      │  │      
! n( a3 Q: [; D; r( s    │      │  ├─07_Week_7
# e* L! y+ R1 m+ ^3 g- K* u    │      │  │      01_7-0.mp4
1 F0 c: j: P( P& }8 d& i% O6 b    │      │  │      02_7-1.a_II__14-31.mp40 s! `  T- D: \" Q+ f
    │      │  │      02_7-1.a_II__14-31.pdf. l& x2 k  Q0 ^2 D  a- l2 l
    │      │  │      02_7-1.a_II__14-31_0_.pdf* R. y1 k: p: x" u
    │      │  │      02_7-1.a_II__14-31_1_.pdf
" b; v, u: X1 H, N; |    │      │  │      02_7-1.a_II__14-31_2_.pdf! U" I8 v5 q2 B" y, h
    │      │  │      03_7-1.b_II__13-07.mp4
+ m7 ^% D3 t" i4 w    │      │  │      04_7-2.a-___10-35.mp4* S1 T, E/ S, r" t
    │      │  │      05_7-2.b-___08-42.mp4
2 i7 G) ]( ]- J* |5 V) @& }' L6 q! n% q    │      │  │      06_7-3.a-___15-07.mp4
( A' L" h5 W/ L3 U! N1 d. D    │      │  │      07_7-3b-___19-20.mp4
" z3 b- R; a( p* ?( N: W' X    │      │  │      ) y- R/ i2 z4 W
    │      │  ├─08_Week_8
4 f6 Y' ~& s3 D) s7 {    │      │  │      01_8-0.mp4
5 W9 w$ t9 \7 A# O* i6 T    │      │  │      02_8-1.a__14-36.mp4
% ^/ m5 l7 f- G% S- I' z2 l    │      │  │      02_8-1.a__14-36.pdf, D2 s0 p) z' S+ {5 t: r0 O8 Z
    │      │  │      02_8-1.a__14-36_0_.pdf; m: l6 x4 ~$ t( W) Y% h
    │      │  │      02_8-1.a__14-36_1_.pdf- d" S( h, |) Q, c, E6 x- r
    │      │  │      02_8-1.a__14-36_2_.pdf' y, G, n0 s- c* k/ {+ t4 a5 c
    │      │  │      03_8-1.b__15-05.mp4
* }/ U4 x& E" N. l3 g) U    │      │  │      04_8-1.c__17-00.mp45 v$ [9 l  S6 F2 X
    │      │  │      05_8-1.d__11-18.mp4
' M/ S7 x% P( B. b. j2 E    │      │  │      06_8-2_12-32.mp4
- [0 n, S1 d4 u$ m8 f4 G0 F    │      │  │      07_8-3.a__10-06.mp4
- `/ p3 w* M0 Y' {0 x9 }& X; X" p    │      │  │      08_8-3.b__17-27.mp4
( y% t- m" x/ P7 F5 X    │      │  │      
# l9 M6 a' _; T    │      │  └─09_Week_9
, W3 r$ z# t, b) ]% N% ]9 r    │      │          01_9-1.a__11-18.mp4
1 W5 M  k7 C+ C% w1 t' ?    │      │          01_9-1.a__11-18.pdf0 r+ g7 i$ z& Q9 }$ P/ i8 v+ z& @
    │      │          01_9-1.a__11-18_0_.pdf' B4 }: y" v6 a1 |1 _: p; N$ ]
    │      │          01_9-1.a__11-18_1_.pdf
4 c5 \7 {, @. i, I) @) U    │      │          01_9-1.a__11-18_2_.pdf
/ E, Q  ~  p* o' G    │      │          02_9-1.b__13-49.mp4" f9 W: r. V& d7 t
    │      │          03_9-2.aMGF__10-17.mp4
9 d; G: T* C+ _: f, \! n, B% Q    │      │          04_9-2.bMGF__14-06.mp4
' q, Z  N. H3 r- R( t; o8 z    │      │          05_9-2.cMGF__15-53.mp4
+ e; w' C6 a% L1 v    │      │          06_9-3.a__10-35.mp4+ u+ T- W% ]% j- I
    │      │          07_9-3.b__13-01.mp4
# }/ e6 ]1 m, {4 M6 g+ d3 u    │      │          08_9-4.a-__16-45.mp4
( |* V+ b4 P% j% s7 z    │      │          09_9-4.b-__17-19.mp4
7 H7 [$ T. x& f) W2 a& p    │      │         
% t: ], p. {/ Q' B9 E3 V: m- o    │      └─概率-台大+ }$ w, A8 J( N& T8 ^9 ~; ?) g
    │          │  02-8.R
5 R9 I, j) `! ~8 W# ]    │          │  
/ H5 Q) N9 U2 x: E9 W/ v    │          ├─1' O6 _1 o7 `3 j! V/ r9 {
    │          │      Benson_Coursera_Week_1_簡.pdf. r! `) k9 D/ ?, _% m: W
    │          │      Benson_Coursera_Week_1_繁.pdf
* _8 a) b$ ]4 ~* t    │          │      Benson_Coursera_Week_1_繁空.pdf. z: ?: X1 o0 @) s5 [
    │          │      2 - 1 - 1-0:咱們先聊聊,這是門什麼樣的課呢-.mp4, E" S9 K& n  m7 N
    │          │      2 - 2 - 1-1:機率概論 (17-41).mp4
3 u. ]- J( P# u( d7 j    │          │      2 - 3 - 1-2.a:集合論 (上) (11-46).mp4- M1 b0 s+ |# e/ i
    │          │      2 - 4 - 1-2.b:集合論 (下) (09-40).mp4
' C8 {1 U6 g4 d. B9 F1 g# z* t    │          │      2 - 5 - 1-3.a:機率名詞 (上) (11-24).mp4
; z' Y3 i) H* X* a+ @    │          │      2 - 6 - 1-3.b:機率名詞 (下) (16-36).mp4; {, b- o5 O# V, _  U
    │          │      5 h  ?" |: t3 }9 H
    │          ├─21 O  l2 P8 H2 ^3 O; i$ U3 q. o% B" {, ~; G
    │          │      Benson_Coursera_Week_2_簡.pdf0 f9 v- n. v6 A# E- D1 S
    │          │      Benson_Coursera_Week_2_簡空.pdf8 h7 |- D! [- l. Q- {1 |
    │          │      Benson_Coursera_Week_2_繁.pdf
7 E7 v) `9 M) M    │          │      Benson_Coursera_Week_2_繁空.pdf
2 s7 w1 S$ J6 d2 o3 z  t7 K; L) Z9 S    │          │      3 - 1 - 2-0:咱們聊聊,是學習,還是應付- (15-32).mp4
" e- n7 |- y3 i3 k% Y! G! U& F    │          │      3 - 2 - 2-1.a:機率公理性質 (上) (16-09).mp4. L/ t  R  m; V1 `8 n
    │          │      3 - 3 - 2-1.b:機率公理性質 (中) (16-06).mp49 h+ ^$ X1 W; b! `
    │          │      3 - 4 - 2-1.c:機率公理性質 (下) (10-07).mp4' Q; |5 u' S" C/ e( W+ p
    │          │      3 - 5 - 2-2.a:條件機率 (上) (10-41).mp49 E/ t  v, D3 @
    │          │      3 - 6 - 2-2.b:條件機率 (中) (12-43).mp45 o' J$ G& a0 H# ^4 C5 W' J
    │          │      3 - 7 - 2-2.c:條件機率 (下) (16-02).mp4
" i, M. g2 u7 ~% {- z! f' V# M7 q    │          │      
* q( \+ ?) |7 y7 Y  ^: Z* S    │          ├─3# m5 J& Q; S5 m9 W
    │          │      Benson_Coursera_Week_3_簡.pdf% [2 Q9 j; g! k  r! y" y* z
    │          │      Benson_Coursera_Week_3_簡空.pdf; L1 Y% P. E4 A) F% r
    │          │      Benson_Coursera_Week_3_繁.pdf+ n: M; ~# ~1 t5 p1 p/ @
    │          │      Benson_Coursera_Week_3_繁空.pdf
" H1 d# w! _' e: x" c7 ^' K3 m    │          │      4 - 1 - 3-0:咱們聊聊,常見的錯誤?學習的關鍵? (16-46).mp4: q; F6 l" t2 c" |* N% p
    │          │      4 - 2 - 3-1.a:機率的獨立性 (上)  (09-12).mp4
* y) O7 ^; q; K7 \" p$ G" F1 R  U' ~    │          │      4 - 3 - 3-1.b:機率的獨立性 (下) (10-35).mp4
# ~* F6 l! X+ {/ T7 p7 X    │          │      4 - 4 - 3-2:圖解繁複機率 (08-47).mp4; B5 P* s. Y0 j. B+ b4 a
    │          │      4 - 5 - 3-3.a:數數算機率 (上) (16-57).mp4
; {3 Q6 T& q3 b6 ?$ M& q! J. t    │          │      4 - 6 - 3-3.b:數數算機率 (下) (12-58).mp45 Y+ ?: e, F  d5 u6 w+ f
    │          │        t, `: e& E3 j. k4 I
    │          ├─41 U. ^. B9 @3 y+ e/ V7 U8 G1 |
    │          │      Benson_Coursera_Week_4_簡.pdf
( y' f6 E5 T, ?$ M1 i6 w4 L8 E( T    │          │      Benson_Coursera_Week_4_簡空.pdf- r. d6 x* {* b9 @/ b' k6 q1 U
    │          │      Benson_Coursera_Week_4_繁.pdf8 F: P8 }& \& f
    │          │      Benson_Coursera_Week_4_繁空.pdf! @$ x- p: I9 e1 t9 k7 P* x
    │          │      5 - 1 - 4-0:咱們聊聊,如何幫自己面對未來挑戰? (17-33).mp4' M4 Y- o% v% V3 N# B& y+ B$ ~' Z
    │          │      5 - 10 - 4-4.b:離散機率分佈 I (下) (8-47).mp4' M0 o5 t9 r1 P- O6 D  v% R: U
    │          │      5 - 2 - 4-1.a:隨機變數 (上) (13-53).mp4
7 d) t; N1 q3 \6 o    │          │      5 - 3 - 4-1.b:隨機變數 (中) (14-43).mp4
* j, @% \+ [  ~$ a# b    │          │      5 - 4 - 4-1.c:隨機變數 (下) (5-18).mp4
, S/ _9 Q1 W9 U9 T; @0 h    │          │      5 - 5 - 4-2.a:累績分佈函數 CDF (上) (9-48).mp41 ^& N! U/ |; u+ w, G9 B4 ^. m
    │          │      5 - 6 - 4-2.b:累績分佈函數 CDF (中) (8-59).mp4
/ A. T: W. t' ~3 V+ \1 q, c" W$ N    │          │      5 - 7 - 4-2.c:累績分佈函數 CDF (下) (9-00).mp46 {: A  y+ e( ]+ v% e, F, {
    │          │      5 - 8 - 4-3:機率質量函數 PMF (11-26).mp4
6 p" A9 t: t9 T# V% `3 l; z$ u    │          │      5 - 9 - 4-4.a:離散機率分佈 I (上) (14-41).mp44 @2 e6 q; f/ ~" {
    │          │      ! B& b: p6 A' \: n
    │          ├─5
& h' |) \, a7 q( `7 G; o    │          │      Benson_Coursera_Week_5_簡.pdf; a+ `% [! s8 I" K8 E
    │          │      Benson_Coursera_Week_5_簡空.pdf
* W  g9 t# d9 t+ A    │          │      Benson_Coursera_Week_5_繁.pdf
' b% _+ o9 \& H8 j    │          │      Benson_Coursera_Week_5_繁空.pdf5 r5 K6 {; G9 n
    │          │      6 - 1 - 5-0:咱們聊聊,願你夜夜好眠到天明! (14-09).mp4
; o: n" u' z" V    │          │      6 - 2 - 5-1.a:離散機率分佈 II (上) (10-36).mp42 H' d- k3 X6 [1 b- p
    │          │      6 - 3 - 5-1.b:離散機率分佈 II (中) (12-06).mp44 E3 I5 x1 P7 b! k
    │          │      6 - 4 - 5-1.c:離散機率分佈 II (下) (20-28).mp4! R- F" O, a4 o, G( d- G
    │          │      6 - 5 - 5-2:機率密度函數 PDF (18-56).mp4
0 Z" I4 N! \' Z7 o! [' j8 o    │          │      6 - 6 - 5-3:連續機率分佈 I (18-12).mp4
# p- e1 a7 [3 N; @0 Z. e5 u. U    │          │      , D/ R  y  z6 F- ?* S; a
    │          ├─6
: {& n0 G0 K9 i$ N. ^8 F7 w# f/ S* ?    │          │      Benson_Coursera_Week_6_簡.pdf! i0 f# q$ L% N3 ?6 P- j
    │          │      Benson_Coursera_Week_6_簡空.pdf: I) v$ l1 }4 H5 H1 m) B9 A
    │          │      Benson_Coursera_Week_6_繁.pdf
+ h1 D4 A$ ?7 R    │          │      Benson_Coursera_Week_6_繁空.pdf
" s% U, O+ {% P% V# W. |; N) a1 b    │          │      7 - 1 - 6-0:咱們聊聊,成功者的條件是什麼? (10-13).mp4
' C8 e; C) |3 [  R    │          │      7 - 2 - 6-1.a:連續機率分佈 II (上) (15-25).mp44 l5 d* z7 T' {; s0 h# O& Q
    │          │      7 - 3 - 6-1.b:連續機率分佈 II (中) (16-08).mp4* L3 G9 V% _* }; l
    │          │      7 - 4 - 6-1.c:連續機率分佈 II (下) (17-16).mp4
2 X& N& ~& F& N5 S4 M5 L    │          │      7 - 5 - 6-1.d:連續機率分佈 II (末) (5-40).mp4
8 G4 r$ |" T% |8 V7 }& ]    │          │      7 - 6 - 6-2.a:期望值 I (上) (16-35).mp4
* Z. p3 j7 _, g4 f1 V$ a* F    │          │      7 - 7 - 6-2.b:期望值 I (中) (10-41).mp4
& R6 r9 I; \! q" }* }. `$ d* L    │          │      7 - 8 - 6-2.c:期望值 I (下) (16-44).mp4& |' h) u, R2 M' A) D
    │          │      7 - 9 - 6-2.d:期望值 I (末) (14-30).mp4
% c( I- h' T7 j" H# w7 w1 e. Q) s+ k    │          │      
+ I7 F4 i& m7 H: {: T* H5 U    │          ├─7
9 Z" K9 x& [4 i3 e7 I( k  }( s    │          │      Benson_Coursera_Week_7_簡.pdf2 ^9 o5 j6 W9 r
    │          │      Benson_Coursera_Week_7_簡空.pdf" N  R# s1 G: M7 P: F% j5 L
    │          │      Benson_Coursera_Week_7_繁.pdf
  e" _1 g4 z, f5 D( o# p    │          │      Benson_Coursera_Week_7_繁空.pdf5 C# j* v/ @, k, T/ c
    │          │      8 - 1 - 7-0:咱們聊聊,每天都在忙,忙的有用嗎?.mp4
* D5 l% ~' `  Z4 {; W; N    │          │      8 - 2 - 7-1.a:期望值 II (上) (14-31).mp4
1 f- f, E( v' |- N6 u6 I; E  x8 V    │          │      8 - 3 - 7-1.b:期望值 II (下) (13-07).mp4$ d1 B5 a' P" h4 J% J
    │          │      8 - 4 - 7-2.a- 隨機變數之函數 (上) (10-35).mp4$ e- u7 p# w& w1 _3 p% o
    │          │      8 - 5 - 7-2.b- 隨機變數之函數 (下) (08-42).mp4
, k. I" w/ Q6 P1 d, b! e+ A    │          │      8 - 6 - 7-3.a- 條件機率分佈與失憶性 (上) (15-07).mp4
; O! w) e4 z. r8 z: r' |    │          │      8 - 7 - 7-3b- 條件機率分佈與失憶性 (下) (19-20).mp4
2 @9 E4 E4 M+ W    │          │      
7 t0 v' Z, g1 `' [) K    │          ├─8
7 Q( b, U! }8 @" t( ?3 l9 `, b2 J' c    │          │      Benson_Coursera_Week_8_簡.pdf
/ y2 P9 g5 y, R0 Y$ k    │          │      Benson_Coursera_Week_8_簡空.pdf5 O1 o4 I  C- h8 V5 j- s
    │          │      Benson_Coursera_Week_8_繁.pdf
& ]$ T% E# j3 Z8 j( c9 a    │          │      Benson_Coursera_Week_8_繁空.pdf
9 |! e& O! e% x2 ?    │          │      9 - 1 - 8-0:咱們聊聊,如何探索有意義的人生?.mp4
) w" m7 s& ^$ H, ^# Z6 _    │          │      9 - 2 - 8-1.a:聯合機率分佈 (上) (14-36).mp4) }" R5 Y1 m! O7 }0 D* Q  [
    │          │      9 - 3 - 8-1.b:聯合機率分佈 (中) (15-05).mp4
0 u* {8 K3 d4 [. ?, `" a    │          │      9 - 4 - 8-1.c:聯合機率分佈 (下) (17-00).mp4' R5 b$ B  [; x3 J+ a
    │          │      9 - 5 - 8-1.d:聯合機率分佈 (末) (11-18).mp4
( I  q4 ^0 E7 E; L    │          │      9 - 6 - 8-2:邊際機率分佈 (12-32).mp4
2 ^, [3 M' D+ f( j& |4 [- G    │          │      9 - 7 - 8-3.a:雙變數期望值 (上) (10-06).mp4
9 g. v: C- e: z0 y6 x    │          │      9 - 8 - 8-3.b:雙變數期望值 (下) (17-27).mp4$ A5 j" P$ ~+ `1 {5 X5 F
    │          │      " k: R/ p! w9 b
    │          └─9
/ P: |& q* S% ?: g5 G, }2 e    │                  Benson_Coursera_Week_9_簡.pdf
. u3 G5 d& }" {9 B0 ^8 p) k& Y    │                  Benson_Coursera_Week_9_簡空.pdf
, c" u  F$ |0 O7 l& G6 ~    │                  Benson_Coursera_Week_9_繁.pdf
- M7 I  G& n+ S& Q4 l* V    │                  Benson_Coursera_Week_9_繁空.pdf: D. ~( a9 ]) @- F" s8 y
    │                  10 - 1 - 9-1.a:隨機變數之和 (上) (11-18).mp4; e: {8 t5 }  w$ A
    │                  10 - 2 - 9-1.b:隨機變數之和 (下) (13-49).mp4
7 t2 |: T" J/ V0 X4 f3 G    │                  10 - 3 - 9-2.a:MGF (上) (10-17).mp4
/ _; w3 G( C- u/ O4 k    │                  10 - 4 - 9-2.b:MGF (中) (14-06).mp4
5 b% q/ W6 t( Z% O4 ~3 }/ Y; d    │                  10 - 5 - 9-2.c:MGF (下) (15-53).mp4( y' z" V. d3 x. `% Z' {- D! L% s
    │                  10 - 6 - 9-3.a:多個隨機變數和 (上) (10-35).mp4( G' [0 D3 B% ?8 i8 @: b4 n
    │                  10 - 7 - 9-3.b:多個隨機變數和 (下) (13-01).mp4) V  K& A8 _2 a, p* I% w
    │                  10 - 8 - 9-4.a:中央極限定理-萬佛朝宗 (上) (16-45).mp45 e* A/ f- Q; t
    │                  10 - 9 - 9-4.b:中央極限定理-萬佛朝宗 (下) (17-19).mp4
- _8 H+ ~6 K) l* C6 G! w6 v, K' B    │                  
( h# d% C+ `$ K8 R4 ~! D1 W9 |    ├─036_Coding the Matrix0 N2 _. i, d2 y& R+ }3 c1 d
    │  └─036_Coding the Matrix; X( V- _2 W! G9 ~% s% Z
    │      └─matrix-0026 P! o! p: p; I3 X0 y6 b) U
    │          │  下载说明.txt! |' E- v6 Q. Q8 k
    │          │  关注我们.png
0 r" H$ C2 q% I$ o1 X- S4 j8 m    │          │  攻城狮论坛=网络技术+编程视频.url4 T( Q2 A5 O1 F$ E; f0 B" R
    │          │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt
6 i0 ~& o8 ~/ n, t; M1 @# ?    │          │  0 |0 Z1 ~) c  A
    │          ├─01_Week_0-_The_Function_and_the_Field. R! P. r' u8 t& k" i  L
    │          │      01_Course_Introduction_Part_1__9-53.mp4% C- }) s. Q1 V& M8 ?
    │          │      01_Course_Introduction_Part_1__9-53.srt& L" d2 B; E7 H/ B( ^
    │          │      01_Course_Introduction_Part_1__9-53.txt
9 @/ ^8 u1 |7 A7 Y, Y2 U    │          │      02_Course_Introduction_Part_2__8-49.mp4- e) x! f9 d: b9 ^* a# v4 w
    │          │      02_Course_Introduction_Part_2__8-49.srt3 B7 g4 A' n2 F$ F' ?& H
    │          │      02_Course_Introduction_Part_2__8-49.txt
- Z" F3 |2 d9 V& w+ }, _9 [) M    │          │      03_The_Function-_The_function_and_other_preliminaries__20-55.mp4
9 D% H' D" X" S) q5 u    │          │      03_The_Function-_The_function_and_other_preliminaries__20-55.pdf
5 t0 ~3 V) y. a    │          │      03_The_Function-_The_function_and_other_preliminaries__20-55.srt$ ?; T! W! q3 {9 b5 ~7 O
    │          │      03_The_Function-_The_function_and_other_preliminaries__20-55.txt
$ U3 K1 Z( L1 T. X. ?" m    │          │      04_The_Field-_Introduction_to_complex_numbers__5-52.mp4
, }2 U6 V* e" s  G' g! E, O    │          │      04_The_Field-_Introduction_to_complex_numbers__5-52.pdf2 i3 L% U, Q; E5 E- y$ K$ H% s0 Q
    │          │      04_The_Field-_Introduction_to_complex_numbers__5-52.srt
" O9 Q# U, ^7 f; x% [    │          │      04_The_Field-_Introduction_to_complex_numbers__5-52.txt
7 o  ]) ^( t  j* b. Q& J* ?9 U    │          │      05_The_Field-_Playing_with_C_15-19.mp4
- f; R( K# |' h4 K  n    │          │      05_The_Field-_Playing_with_C_15-19.pdf& J7 l; F2 O6 }+ Z- t& q
    │          │      05_The_Field-_Playing_with_C_15-19.srt1 R' r- r8 [& B5 [% j3 q
    │          │      05_The_Field-_Playing_with_C_15-19.txt
3 g  V5 K4 G9 C& U5 ]8 E7 I/ S7 }0 k    │          │      06_The_Field-_Playing_with_GF2__10-28.mp4
: b8 T5 Y/ F1 x. f9 }7 K7 ?; Y    │          │      06_The_Field-_Playing_with_GF2__10-28.pdf
9 E( k& K; r# k2 r0 A( b- m    │          │      06_The_Field-_Playing_with_GF2__10-28.srt0 D& z9 m0 Q+ Y- L5 Y7 y+ o
    │          │      06_The_Field-_Playing_with_GF2__10-28.txt: }) q1 k% e0 v. H( p
    │          │      
" w' `" }0 ]: q' Q4 x    │          ├─02_Week_1-_The_Vector; a: e" u' P1 d, P
    │          │      01_The_Vector-_What_is_a_vector__8-20.mp4
; C0 `- \7 g" Z& d0 q    │          │      01_The_Vector-_What_is_a_vector__8-20.pdf6 a3 ]$ W5 F( s: z) l& J" h
    │          │      01_The_Vector-_What_is_a_vector__8-20.srt2 O- F% J+ V+ n. L7 G4 ^
    │          │      01_The_Vector-_What_is_a_vector__8-20.txt
& R* X! S# r7 j. x4 A1 i' v    │          │      02_The_Vector-_Vector_addition_and_scalar-vector_multiplication__10-16.mp4' Z. N* i( @( n2 n
    │          │      02_The_Vector-_Vector_addition_and_scalar-vector_multiplication__10-16.pdf
1 }& {1 M. v& A4 {% R8 m    │          │      02_The_Vector-_Vector_addition_and_scalar-vector_multiplication__10-16.srt
. i2 e2 t7 ]# {9 |* p& |/ l    │          │      02_The_Vector-_Vector_addition_and_scalar-vector_multiplication__10-16.txt
) Y& m4 J  Q/ w- E8 q+ V1 X    │          │      03_The_Vector-_Dictionary-based_representations_of_vectors__9-10.mp4
) y- h! i) }4 [' t' R1 G( {    │          │      03_The_Vector-_Dictionary-based_representations_of_vectors__9-10.pdf/ m, \) X" H, k( G- D" D7 A
    │          │      03_The_Vector-_Dictionary-based_representations_of_vectors__9-10.srt
! g/ X$ `! F! ?' t    │          │      03_The_Vector-_Dictionary-based_representations_of_vectors__9-10.txt
# x* K) X, \& R. I; D! s    │          │      04_The_Vector-_Vectors_over_GF2__9-18.mp48 d1 Z% }6 B" \; k" o% }& n
    │          │      04_The_Vector-_Vectors_over_GF2__9-18.pdf7 d' Z- r9 I$ J% g3 T+ G/ b
    │          │      04_The_Vector-_Vectors_over_GF2__9-18.srt: P' T* |# T  m2 I% }+ k1 Q
    │          │      04_The_Vector-_Vectors_over_GF2__9-18.txt/ m9 a9 \: Z% m: x" P
    │          │      05_The_Vector-_Dot-product__8-49.mp4
4 Z; T9 I: |6 c    │          │      05_The_Vector-_Dot-product__8-49.pdf
0 p" k. P( [, u% J8 {    │          │      05_The_Vector-_Dot-product__8-49.srt6 J6 d( `1 \; a5 M
    │          │      05_The_Vector-_Dot-product__8-49.txt
4 z" C& Y1 c1 I" d3 |+ \    │          │      06_The_Vector-_Dot-product_of_vectors_over_GF2__4-44.mp4* A: _$ e! r* z. e4 y  S
    │          │      06_The_Vector-_Dot-product_of_vectors_over_GF2__4-44.pdf
7 U3 M0 e9 E  b    │          │      06_The_Vector-_Dot-product_of_vectors_over_GF2__4-44.srt9 V  P- I; w% O, `6 h3 Z5 {
    │          │      06_The_Vector-_Dot-product_of_vectors_over_GF2__4-44.txt; x4 b- d1 Z: p( f
    │          │      07_The_Vector-_Solving_a_triangular_system_of_linear_equations__4-00.mp4: [6 ]5 c$ U9 b  h$ t
    │          │      07_The_Vector-_Solving_a_triangular_system_of_linear_equations__4-00.pdf6 J: |4 [6 H* W3 X4 H. R
    │          │      07_The_Vector-_Solving_a_triangular_system_of_linear_equations__4-00.srt
7 O: }1 L7 Y. m4 T3 R1 N    │          │      07_The_Vector-_Solving_a_triangular_system_of_linear_equations__4-00.txt
- D' R& e: D) O  W$ I' k    │          │      
& r7 F: M; `" Z& x. x) F1 z    │          ├─03_Week_2-_The_Vector_Space
2 \! f+ P0 N9 N2 E3 P5 O- E# B    │          │      01_The_Vector_Space-_Linear_combinations.mp4. c- e" a1 n  `: D( f+ ^
    │          │      01_The_Vector_Space-_Linear_combinations.pdf5 F1 x& w" P9 Y( ~3 @
    │          │      01_The_Vector_Space-_Linear_combinations.srt
3 A* ]1 h) O1 ?& A5 b/ A    │          │      01_The_Vector_Space-_Linear_combinations.txt
, @5 Z/ }( h$ w5 E' ?1 t* G    │          │      02_The_Vector_Space-_Span.mp4/ Y- s, N) X  l! I( T/ x6 x
    │          │      02_The_Vector_Space-_Span.pdf3 q( {# l7 ?# ^& ^2 @# F, N
    │          │      02_The_Vector_Space-_Span.srt
( J! F( l  N8 n- g% ~) _1 U    │          │      02_The_Vector_Space-_Span.txt
: s4 [; T) j! Q6 J+ n9 t    │          │      03_The_Vector_Space-_Geometry_of_Sets_of_Vectors.mp4
. D1 F  h' U& E$ Z7 M- E: O    │          │      03_The_Vector_Space-_Geometry_of_Sets_of_Vectors.pdf& b- \  w. h$ c6 n# a$ d
    │          │      03_The_Vector_Space-_Geometry_of_Sets_of_Vectors.srt4 q4 H* a; B( Y; n2 z6 X
    │          │      03_The_Vector_Space-_Geometry_of_Sets_of_Vectors.txt
' L4 P3 \3 [: w% r    │          │      04_The_Vector_Space-_Vector_spaces.mp49 v& r9 B- w6 H$ @7 B+ u- n+ o
    │          │      04_The_Vector_Space-_Vector_spaces.pdf
4 u# {2 z1 Y9 ~    │          │      04_The_Vector_Space-_Vector_spaces.srt( B  w$ k7 {& _3 i( @
    │          │      04_The_Vector_Space-_Vector_spaces.txt
* i: Q4 Z/ j+ G    │          │      05_The_Vector_Space-_Checksum_function.mp4, W$ p5 y* i0 k
    │          │      05_The_Vector_Space-_Checksum_function.pdf/ F3 P( u$ E$ a# {* }5 b! ^
    │          │      05_The_Vector_Space-_Checksum_function.srt
- b! ]0 u$ d  T+ {6 U0 Y3 `    │          │      05_The_Vector_Space-_Checksum_function.txt
) Y' A3 @% E) J    │          │      
( b! V* G. k( d0 F+ f    │          ├─04_Week_3-_The_Matrix! M# w# @5 e5 U: S# W( O, }
    │          │      01_The_Matrix-_What_is_a_matrix.mp48 N! }3 V2 W2 i7 p( Z, t. t6 p
    │          │      01_The_Matrix-_What_is_a_matrix.pdf1 H4 t% d6 f. B; z
    │          │      01_The_Matrix-_What_is_a_matrix.srt' j$ G) Y8 |& F  @4 b
    │          │      01_The_Matrix-_What_is_a_matrix.txt) ]! q* n, f$ @" f. f; ]
    │          │      02_The_Matrix-_Matrix-vector_and_vector-matrix_multiplication.mp4
* J( S8 w" ~; B1 N2 ^! r    │          │      02_The_Matrix-_Matrix-vector_and_vector-matrix_multiplication.pdf
4 e0 x) T( F+ E  @2 n4 v, }' r* T    │          │      02_The_Matrix-_Matrix-vector_and_vector-matrix_multiplication.srt! Z& y( N4 @( C7 Q/ _! h% e3 X
    │          │      02_The_Matrix-_Matrix-vector_and_vector-matrix_multiplication.txt7 n: [* v  ]9 s  }: K2 _5 [
    │          │      03_The_Matrix-_Matrix-vector_multiplication_in_terms_of_dot-products.mp4, F: Q! a6 l; ]3 p" _- B
    │          │      03_The_Matrix-_Matrix-vector_multiplication_in_terms_of_dot-products.pdf
$ H5 ?* C4 k$ m: j2 J% r  ^! ]    │          │      03_The_Matrix-_Matrix-vector_multiplication_in_terms_of_dot-products.srt
+ r8 ^* H+ }4 b' A* f    │          │      03_The_Matrix-_Matrix-vector_multiplication_in_terms_of_dot-products.txt
) E* ^1 c0 v( o" y    │          │      04_The_Matrix-_Null_space.mp49 z% ~8 {# u* ?
    │          │      04_The_Matrix-_Null_space.pdf, f2 |8 A4 @; |2 d3 Z, ?& P' P
    │          │      04_The_Matrix-_Null_space.srt0 }: H% [) B2 K) w; _
    │          │      04_The_Matrix-_Null_space.txt$ \' p# ]# _6 J3 s. x
    │          │      05_The_Matrix-_Error-correcting_codes.mp4
' k6 s/ l; x$ a    │          │      05_The_Matrix-_Error-correcting_codes.pdf6 c2 }" N5 b5 ]. ]& Y
    │          │      05_The_Matrix-_Error-correcting_codes.srt, Z, U, l8 M0 c; p
    │          │      05_The_Matrix-_Error-correcting_codes.txt
: r5 T2 o; e# _5 J    │          │      06_The_Matrix-_Matrices_and_their_functions.mp4" ?6 `0 V4 }+ c' j$ i5 z( o) G
    │          │      06_The_Matrix-_Matrices_and_their_functions.pdf8 B" Z* T3 g" N+ Q
    │          │      06_The_Matrix-_Matrices_and_their_functions.srt. G% A2 G7 i( V# b! @" G" p. ~
    │          │      06_The_Matrix-_Matrices_and_their_functions.txt
  F- c  ^! b  o/ [    │          │      07_The_Matrix-_Linear_functions.mp41 P' k/ L9 c$ I" `( @" E
    │          │      07_The_Matrix-_Linear_functions.pdf. S* w- L5 D0 K5 Z
    │          │      07_The_Matrix-_Linear_functions.srt+ I) k# G2 B4 w$ \* K% ]
    │          │      07_The_Matrix-_Linear_functions.txt' P% _* Y) ?; t( b$ v
    │          │      08_The_Matrix-_Matrix-matrix_multiplication.mp4) i' b3 l) S' g$ v6 x
    │          │      08_The_Matrix-_Matrix-matrix_multiplication.pdf
; A/ k6 L4 F) s( A3 w    │          │      08_The_Matrix-_Matrix-matrix_multiplication.srt& u$ H$ L1 `- o6 ~
    │          │      08_The_Matrix-_Matrix-matrix_multiplication.txt
$ {; B" K, h6 z    │          │      09_The_Matrix-_Matrix-matrix_multiplication_and_function_composition.mp45 A+ j! I, v2 n! {8 i* y
    │          │      09_The_Matrix-_Matrix-matrix_multiplication_and_function_composition.pdf' c' {5 h( k8 L7 O1 I
    │          │      09_The_Matrix-_Matrix-matrix_multiplication_and_function_composition.srt' |4 u2 {0 u/ G4 x
    │          │      09_The_Matrix-_Matrix-matrix_multiplication_and_function_composition.txt. e$ Q- {' f; `' {, C7 U$ i
    │          │      10_The_Matrix-_Matrix_inverse.mp4  e7 _6 H  m) x# i4 s: d, x
    │          │      10_The_Matrix-_Matrix_inverse.pdf: ]3 }* c7 t6 q. _( K
    │          │      10_The_Matrix-_Matrix_inverse.srt. u  r) F+ u0 N8 |8 O- c* d1 ~
    │          │      10_The_Matrix-_Matrix_inverse.txt
2 _) |( ?5 y# p    │          │      
! D- p" b  d# x$ s" u5 i" G' k6 S" P    │          ├─05_Week_4-_The_Basis2 d+ k# g+ g0 J- V7 Z$ P
    │          │      01_The_Basis-_Coordinate_systems.mp4
4 o0 y# F+ G; {    │          │      01_The_Basis-_Coordinate_systems.pdf7 V- o8 j# O. ~( r5 ~8 n
    │          │      01_The_Basis-_Coordinate_systems.srt
& ]4 v$ ]  m, _$ f2 ~    │          │      01_The_Basis-_Coordinate_systems.txt
2 @$ c" a1 M: Y2 k/ G    │          │      02_The_Basis-_Lossy_compression.mp43 c' I) }/ f. [4 N- X! e+ k
    │          │      02_The_Basis-_Lossy_compression.pdf8 D/ y, Y% S9 U# b9 W5 X+ g: E
    │          │      02_The_Basis-_Lossy_compression.srt0 F6 N" r  v) t% Q
    │          │      02_The_Basis-_Lossy_compression.txt
1 x7 t8 `9 S+ V: g& W    │          │      03_The_Basis-_Algorithms_for_finding_a_set_of_generators.mp4
# P7 O1 Q2 {' ~1 B" j4 v    │          │      03_The_Basis-_Algorithms_for_finding_a_set_of_generators.pdf: ~; ^% P4 g& B# e. N( _2 x
    │          │      03_The_Basis-_Algorithms_for_finding_a_set_of_generators.srt) I9 m' K9 X& _9 N$ v" M
    │          │      03_The_Basis-_Algorithms_for_finding_a_set_of_generators.txt" D9 X  X$ n! i8 s
    │          │      04_The_Basis-_Minimum_spanning_forest.mp4
7 l+ d: x! _  Q- L7 L    │          │      04_The_Basis-_Minimum_spanning_forest.pdf' e. q! Y# q% ?* s6 b9 H
    │          │      04_The_Basis-_Minimum_spanning_forest.srt4 S/ k/ t' A2 @& [5 H+ s
    │          │      04_The_Basis-_Minimum_spanning_forest.txt, W- R2 d- h/ n( Z& J& D
    │          │      05_The_Basis-_Linear_dependence.mp4
! f9 `  B1 K2 g    │          │      05_The_Basis-_Linear_dependence.pdf8 G( u) r. I/ g5 T+ Z. d3 n
    │          │      05_The_Basis-_Linear_dependence.srt# ]1 o! `) f  i  w% v
    │          │      05_The_Basis-_Linear_dependence.txt+ Z2 e0 V$ S) a7 e9 t
    │          │      06_The_Basis-_Basis.mp4
. q4 H$ K, o! m& l; N    │          │      06_The_Basis-_Basis.pdf
. ^+ {+ o; C* H: g5 \    │          │      06_The_Basis-_Basis.srt* {8 f. a6 D1 k8 R1 ~$ _
    │          │      06_The_Basis-_Basis.txt+ C* ]0 B0 [1 \$ Y7 X- l
    │          │      07_The_Basis-_Unique_representation.mp4
& S3 L8 M2 ]8 \2 C+ n3 J    │          │      07_The_Basis-_Unique_representation.pdf* \  F; x4 V8 F% M9 n4 K8 Y$ f
    │          │      07_The_Basis-_Unique_representation.srt" z- _/ e7 Y$ n  S
    │          │      07_The_Basis-_Unique_representation.txt
; v( n1 W, G4 J- G$ M) _* W    │          │      08_The_Basis-_Change_of_basis.mp4, Z& e) v" \/ b0 E! A4 }
    │          │      08_The_Basis-_Change_of_basis.pdf( n5 w5 u$ D2 W
    │          │      08_The_Basis-_Change_of_basis.srt
7 ]8 P* E& W# ?5 M+ [    │          │      08_The_Basis-_Change_of_basis.txt! u' q: n  o) b
    │          │      09_The_Basis-_Perspective_rendering.mp4
8 f! x9 h5 ~  P) R; J    │          │      09_The_Basis-_Perspective_rendering.pdf& X% ~& r% w- ^( y$ F. Z" q* V2 F
    │          │      09_The_Basis-_Perspective_rendering.srt$ f# |& F9 t  D6 v
    │          │      09_The_Basis-_Perspective_rendering.txt
' ^9 s" P, A* R: ~5 Q    │          │      10_The_Basis-_Perspective_rectification.mp40 ~8 E) x4 x* z- S: I% T
    │          │      10_The_Basis-_Perspective_rectification.pdf
2 |% {3 j( Y- P8 i- R: T0 o, h+ m5 A    │          │      10_The_Basis-_Perspective_rectification.srt
6 F, O* ~8 |" V( r) j( f    │          │      10_The_Basis-_Perspective_rectification.txt: B  r; o7 N: x) D0 D
    │          │      11_The_Basis-_The_Exchange_Lemma.mp4
6 _8 |, h4 p& _- ?$ t( N    │          │      11_The_Basis-_The_Exchange_Lemma.pdf
( L/ b5 W" o  ^4 ^- h0 G    │          │      11_The_Basis-_The_Exchange_Lemma.srt
! j. Z3 n& e" G# g9 z1 W    │          │      11_The_Basis-_The_Exchange_Lemma.txt
& i: Q: l: ?  K1 q- v    │          │      
- J8 P" D! L$ }: H+ A1 z9 |' G( N    │          ├─06_Week_5-_Dimension, g9 Q) M2 z% g" Z* B& K
    │          │      01_Dimension-_The_size_of_a_basis.mp4
! A8 a" ]6 }7 Z    │          │      01_Dimension-_The_size_of_a_basis.pdf
' v3 i# S  M$ F6 j3 v    │          │      01_Dimension-_The_size_of_a_basis.srt; d- p% i% g# |- G, p
    │          │      01_Dimension-_The_size_of_a_basis.txt
0 v$ y- ^9 S, n    │          │      02_Dimension-_Dimension_and_rank_I.mp4: \; D, Z  ]6 P& F. S5 I0 ]' {
    │          │      02_Dimension-_Dimension_and_rank_I.pdf. x( N! `- q4 ^
    │          │      02_Dimension-_Dimension_and_rank_I.srt6 e5 U4 O3 E! S, P
    │          │      02_Dimension-_Dimension_and_rank_I.txt1 D$ X7 i5 H% k/ |
    │          │      03_Dimension-_Dimension_and_rank_II.mp4
2 i) p# e: S2 O, c1 p# `    │          │      03_Dimension-_Dimension_and_rank_II.pdf3 L" {6 S, P8 }4 a, C
    │          │      03_Dimension-_Dimension_and_rank_II.srt
! c$ k/ X9 e! g: _% i$ p    │          │      03_Dimension-_Dimension_and_rank_II.txt3 d- u* M# V/ }8 Q
    │          │      04_Dimension-_Direct_sum.mp4
) Z" D+ C" a2 p* A- N5 P    │          │      04_Dimension-_Direct_sum.pdf4 m4 b1 L0 t4 U/ D) w. k
    │          │      04_Dimension-_Direct_sum.srt
' d' p1 I+ z4 \5 I4 s    │          │      04_Dimension-_Direct_sum.txt: z: x; L1 T+ ?! Z: [7 r
    │          │      05_Dimension-_Dimension_and_linear_functions_I.mp4: T3 f, L  p1 Z3 J4 g
    │          │      05_Dimension-_Dimension_and_linear_functions_I.pdf% C" |& a' M, ^) ^  g" o; x1 U9 R
    │          │      05_Dimension-_Dimension_and_linear_functions_I.srt/ b8 B2 K: G* m% v0 q& i
    │          │      05_Dimension-_Dimension_and_linear_functions_I.txt2 S9 T* E; }& T1 {' k
    │          │      06_Dimension-_Dimension_and_linear_functions_II.mp47 G( X* G9 ?# p. s& _* |9 N+ a  b
    │          │      06_Dimension-_Dimension_and_linear_functions_II.pdf7 O0 v& L' o( m% l
    │          │      06_Dimension-_Dimension_and_linear_functions_II.srt
& T" {: j- Y$ B    │          │      06_Dimension-_Dimension_and_linear_functions_II.txt  a2 E9 b' v3 f5 N3 j; F4 }
    │          │      07_Dimension-_Two_representations_of_vector_spaces.mp4) u3 b! V  z5 u
    │          │      07_Dimension-_Two_representations_of_vector_spaces.pdf' T/ n+ S  l1 U2 ], y8 \1 z
    │          │      07_Dimension-_Two_representations_of_vector_spaces.srt# f' {2 c5 \; d: y/ r$ z
    │          │      07_Dimension-_Two_representations_of_vector_spaces.txt1 M, }' ^* o' a# N: ?
    │          │      08_Dimension-_Threshold_secret_sharing.mp4
+ G( W2 D+ d+ H# S4 [8 k    │          │      08_Dimension-_Threshold_secret_sharing.pdf
/ Q9 Q9 a( H6 T# Q9 H  h0 n0 G    │          │      08_Dimension-_Threshold_secret_sharing.srt
+ J! d( |1 B# Z    │          │      08_Dimension-_Threshold_secret_sharing.txt
$ t& b8 h- @/ F" f    │          │      9 t! Y- v' D# W5 g, L3 V
    │          ├─07_Week_6-_Gaussian_Elimination_and_the_Inner_Product
; D! _$ |$ K$ M' K$ }    │          │      01_Gaussian_Elimination-_Echelon_form.mp44 w2 y+ t* B8 b# Y: I$ R
    │          │      01_Gaussian_Elimination-_Echelon_form.pdf! v% C5 C: A% A6 I9 F4 ~. D- M
    │          │      01_Gaussian_Elimination-_Echelon_form.srt, n6 y* R/ q: z: \6 V& ~
    │          │      01_Gaussian_Elimination-_Echelon_form.txt
2 T8 C' f% d4 R1 I* `    │          │      04_Gaussian_Elimination-_Factoring_integers.mp4
3 L$ L6 e9 v) m* H    │          │      04_Gaussian_Elimination-_Factoring_integers.pdf
6 u( K/ J2 A3 X3 A$ u, x& l2 {    │          │      04_Gaussian_Elimination-_Factoring_integers.srt
$ V5 p4 t) V& h- K; u" N1 n    │          │      04_Gaussian_Elimination-_Factoring_integers.txt& ?2 X0 E2 U$ A' r5 G8 W
    │          │      05_The_Inner_Product-_The_inner_product.mp4+ y' w2 A% O* D6 @5 m
    │          │      05_The_Inner_Product-_The_inner_product.pdf& d+ t$ ?. {# ?6 c5 v4 P1 Y
    │          │      05_The_Inner_Product-_The_inner_product.srt
) F6 U& ]% E0 G5 N* q/ G0 r    │          │      05_The_Inner_Product-_The_inner_product.txt
. G! t3 Z3 t5 Q1 }* W4 Z% W0 y    │          │      06_The_Inner_Product-_Orthogonality.mp4
+ x; z7 g' U: [. V" `! S    │          │      06_The_Inner_Product-_Orthogonality.pdf' d) ?% c/ }8 H4 V
    │          │      06_The_Inner_Product-_Orthogonality.srt- E8 Q2 Z; m& k7 ^) e
    │          │      06_The_Inner_Product-_Orthogonality.txt
) O' C( K/ y: ~- T1 t    │          │      # t0 d& e, ]1 J4 i$ }; f
    │          ├─08_Week_7-_Orthogonalization
$ b! \6 O( B, T; g5 B3 L    │          │      01_Orthogonalization-_Finding_the_closest_point_in_a_plane.mp4
, F" ?2 U) d+ p! }4 y    │          │      01_Orthogonalization-_Finding_the_closest_point_in_a_plane.pdf5 @. T% @0 l; _8 @$ J3 J
    │          │      01_Orthogonalization-_Finding_the_closest_point_in_a_plane.srt6 D/ V+ g1 P/ Y0 H; H6 o* ]
    │          │      01_Orthogonalization-_Finding_the_closest_point_in_a_plane.txt
4 v6 K% }. {/ Q$ a    │          │      02_Orthogonalization-_Projection_orthogonal_to_multiple_vectors.mp4! A7 O4 @( ~$ Q+ S
    │          │      02_Orthogonalization-_Projection_orthogonal_to_multiple_vectors.pdf  d- {- b' X. U: p
    │          │      02_Orthogonalization-_Projection_orthogonal_to_multiple_vectors.srt2 o- ]( A) U, O9 m& v- L% y2 d( k
    │          │      02_Orthogonalization-_Projection_orthogonal_to_multiple_vectors.txt6 K$ Q& J  }4 |7 @+ k
    │          │      03_Orthogonalization-_Building_an_orthogonal_set_of_generators.mp4/ T6 B+ e4 f" _' h7 z, p$ F
    │          │      03_Orthogonalization-_Building_an_orthogonal_set_of_generators.pdf
: u3 A1 O  o! O. N    │          │      03_Orthogonalization-_Building_an_orthogonal_set_of_generators.srt2 S2 M% t1 b4 [/ e5 }
    │          │      03_Orthogonalization-_Building_an_orthogonal_set_of_generators.txt% [5 N, s* E: v: I
    │          │      04_Orthogonalization-_Computing_a_basis.mp4( _+ m- K% K" i# f/ E, n. k
    │          │      04_Orthogonalization-_Computing_a_basis.pdf
2 Q' l) z# F- \9 D) |7 k    │          │      04_Orthogonalization-_Computing_a_basis.srt; A; d8 w1 A% a
    │          │      04_Orthogonalization-_Computing_a_basis.txt8 t- j8 S: Y* Z6 L1 o- r* p+ C: A
    │          │      05_Orthogonalization-_Orthogonal_complement.mp4; }' ^! a7 }. o% E
    │          │      05_Orthogonalization-_Orthogonal_complement.pdf
8 @, v  P: p+ b, D/ S8 j1 R    │          │      05_Orthogonalization-_Orthogonal_complement.srt8 ~/ ?( q1 _! s2 I# K6 ?7 o) J0 f: x
    │          │      05_Orthogonalization-_Orthogonal_complement.txt
: Q  P8 w+ [. p/ D+ x7 d" s    │          │      06_Orthogonalization-_Two_ways_to_find_a_basis_for_the_null_space.mp4; d) ?5 {# C2 [/ m: d6 |
    │          │      06_Orthogonalization-_Two_ways_to_find_a_basis_for_the_null_space.pdf6 [2 b4 Y0 a7 N; T9 a+ f+ B. g# Q
    │          │      06_Orthogonalization-_Two_ways_to_find_a_basis_for_the_null_space.srt# G# `( J: ?# Y/ M
    │          │      06_Orthogonalization-_Two_ways_to_find_a_basis_for_the_null_space.txt
" T& L/ l1 w: r    │          │      07_Orthogonalization-_The_QR_factorization.mp4; u8 W0 j3 Y& E9 j; T2 K# X
    │          │      07_Orthogonalization-_The_QR_factorization.pdf
+ ~, ]% N3 D. ^/ x3 m    │          │      07_Orthogonalization-_The_QR_factorization.srt
' z2 q: j  }$ l9 [8 I8 S" ?( B  T8 T    │          │      07_Orthogonalization-_The_QR_factorization.txt# j: @; c2 j6 ^1 n- r) Z2 u: B6 e
    │          │      09_Orthogonalization-_Applications_of_least_squares.mp4
4 J; W! U4 S8 h; @' |    │          │      09_Orthogonalization-_Applications_of_least_squares.pdf
. v+ r7 h) @% V9 x# E5 \    │          │      09_Orthogonalization-_Applications_of_least_squares.srt
1 k" `' c6 j# F3 v, E9 Y    │          │      09_Orthogonalization-_Applications_of_least_squares.txt
' r4 I0 g5 v. S6 J    │          │      2 L0 o) T( p# c
    │          └─09_Tutorials" `; f. X( S5 s5 {
    │                  01_How_to_submit_assignments.mp4
& z. Q) n9 o# Q% o0 C7 w) X, _    │                  01_How_to_submit_assignments.srt
- e; f# T  W& U: O0 m% i: h    │                  01_How_to_submit_assignments.txt
9 Q5 F4 g, O/ O& Q    │                  
' A5 g8 f9 J+ z5 J, i3 X0 k( z5 L0 @    ├─Big Data, Cloud Computing, & CDN Emerging Technologies
* `- C1 I5 H6 }. l/ j  Q( F6 S    │  └─Big Data, Cloud Computing, & CDN Emerging Technologies
, n( l# A5 x8 k7 v    │      │  下载说明.txt2 E$ x( h0 w. P1 I5 o
    │      │  关注我们.png3 Z  }9 D2 O: ^3 K( C( _
    │      │  攻城狮论坛=网络技术+编程视频.url& r0 F$ L+ }9 H5 A3 Y' C3 U9 g& i$ e
    │      │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt
/ s8 C: k. Q  n$ _$ U% D- _    │      │  % |* |7 T  H9 j5 A, T" t' u
    │      ├─01_cloud-computing' L$ ?. v) s+ |9 w
    │      │  └─01_cloud-computing/ T; v/ t' X$ V$ ]+ n- Y
    │      ├─02_big-data
: ~* ^: m& w% R. a. Y6 T, v$ b: E    │      │  └─01_big-data9 y+ U8 n7 p! _, R. ^! B% w
    │      │          01_big-data-examples.mp4
0 i" z, O/ T: G$ c    │      │          01_big-data-examples.srt3 r( h* C7 s" I/ _5 `! N; t
    │      │          02_big-datas-4-vs.mp40 t; G' k! E* k- B8 k% H& @" r
    │      │          02_big-datas-4-vs.srt
- t) @' P- S% x) [    │      │          03_hadoop.mp4
0 y' P9 O; s) C- j3 _    │      │          03_hadoop.srt3 F1 F9 k4 V, o# k4 w
    │      │          04_mapreduce-vs-rdbms.mp4; X* j- ?; {, L9 ?8 m2 u
    │      │          04_mapreduce-vs-rdbms.srt
9 k. \7 K  m% i3 t    │      │          05_mapreduce.mp4  q* N2 D2 E3 j- C
    │      │          05_mapreduce.srt! O9 N3 c/ V) k4 T! y, ]4 ]2 r+ Y
    │      │          06_hdfs.mp4
/ G! U2 X' s- u. e% u  z    │      │          06_hdfs.srt
& r9 o) P/ j$ ?! t, O    │      │            x7 f3 Q( Q! u  m& }( e  i
    │      └─03_cdn-content-delivery-network
" C* s5 t9 x3 q+ a0 n- N3 ?    ├─Duke Image and video processing From Mars to Hollywood with a stop at the hospital- O5 c" V4 }  l
    ├─Interactive Computer Graphics
$ m9 J  r$ I) B2 E$ w# u    │  └─Interactive Computer Graphics3 T: Y' z4 b2 n* e
    │          interactivegraphics-Torrent-Week1_All.zip.torrent& G1 ]- I) J% A+ u
    │          interactivegraphics-Torrent-Week2_All.zip.torrent
% S8 m+ w. }( d1 B    │          interactivegraphics-Torrent-Week3_All.zip.torrent
3 D, D# g5 ~  H' o    │          interactivegraphics-Torrent-Week4_All.zip.torrent4 N& @6 U# @8 q8 f
    │          interactivegraphics-Torrent-Week5_All.zip.torrent% x4 n( g* L  X$ y
    │          interactivegraphics-Torrent-Week6_All.zip.torrent
. t3 j  O; Y. J$ \  }1 y    │          interactivegraphics_Torrent_Week1_All.zip, G; y. U) n; v( m) V/ ~" @- ^
    │          interactivegraphics_Torrent_Week2_All.zip
  q8 R: `1 P0 {/ _' x- F$ ]' s+ J- i    │          interactivegraphics_Torrent_Week3_All.zip
0 b" n. Y7 c& e. P    │          interactivegraphics_Torrent_Week4_All.zip
  L1 U; f+ N. ^9 J0 `! U6 a+ J- ?    │          interactivegraphics_Torrent_Week5_All.zip. [. L+ d" P, Y$ |- q5 j, A! R: {
    │          下载说明.txt
7 I( w* w: d+ k2 j    │          关注我们.png
! R- y8 i  p$ H2 j2 K+ Z5 m    │          攻城狮论坛=网络技术+编程视频.url
7 h0 c& y: b% T4 u4 S' _% v    │          解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt
+ |  t) D3 d- w    │          ; _, l; S4 ]/ H9 G3 r9 @& |
    ├─Malik - Computer Vision- L: J- t" Z. @5 ]+ I! D
    │  └─Malik - Computer Vision1 K* {8 a1 {; X/ D# U5 m3 V
    │          001_Overview.mp4
) X: y/ H) [7 V0 m8 o    │          001_Overview.srt9 v5 N2 B' `* x
    │          002_Fundamentals of image formation.mp4, e' g' B: @2 G8 y* V0 z6 A3 u9 `
    │          002_Fundamentals of image formation.srt
3 w8 M/ A2 r, P1 O/ N    │          003_Fundamentals of image formation - part II.mp4
( @; n0 Z: H, e. S# d" f    │          003_Fundamentals of image formation - part II.srt
; B4 p* c3 L# N/ N    │          004_Rigid body motion.mp4
2 Q2 ~4 _$ w7 J# w' E, W' S    │          004_Rigid body motion.srt: [2 ^- W) I  v: ~
    │          005_Orthogonal transformations.mp4% D$ _) D5 S/ c3 U/ I; l! Z9 k8 D
    │          005_Orthogonal transformations.srt7 E  r/ x; Q' g6 I7 X# e' Z
    │          006_Orthogonal transformations - Orthogonal Matrices.mp47 l  d2 q. q' s9 k- \9 \
    │          006_Orthogonal transformations - Orthogonal Matrices.srt
( G. A# y& j/ Z+ K( S  Y. X! q    │          007_Orthogonal matrices - Rotations and reflections.mp4
% V2 `' `* T& J/ [    │          007_Orthogonal matrices - Rotations and reflections.srt3 k9 k0 B# V/ Y* e! c4 e
    │          008_Parametrizing Rotations in 3D.mp43 S( ^! |2 i. T
    │          008_Parametrizing Rotations in 3D.srt( ]( n+ i8 c5 z- I1 n! g; }
    │          009_Euclidean, Affine and Projective Transformations.mp4
! g0 z% K, y1 I  z, w    │          009_Euclidean, Affine and Projective Transformations.srt
" r+ J( d2 i/ [, ~1 a( M    │          010_Dynamic Perspective - I [15 mins].mp4' P/ U! w' d2 n  H; t0 ^" r1 M$ L
    │          010_Dynamic Perspective - I [15 mins].srt
! F; o8 f- F: s* m# }/ B" J    │          011_Dynamic Perspective - II [25 mins].mp4
0 Q) ^5 }4 G' @, K# R1 U    │          011_Dynamic Perspective - II [25 mins].srt% h+ ]2 B0 d9 j$ }! s
    │          012_Binocular Stereo I [23 mins].mp44 T) Z) k6 W/ R' s4 |# Q' J$ U& \* y' E
    │          012_Binocular Stereo I [23 mins].srt
9 S9 W# S3 F8 |0 }4 R7 @# R    │          013_Binocular Stereo II [17 mins].mp4
3 W8 i6 Q5 l6 r& j0 k- A3 y8 X    │          013_Binocular Stereo II [17 mins].srt
' o1 r! q( }% S2 R( L; K    │          014_Binocular Stereo III [13 mins].mp4! z# b: Z0 N' ]
    │          014_Binocular Stereo III [13 mins].srt7 y. I1 Q" E3 {( G% @
    │          015_Binocular Stereo IV  - The Essential Matrix [26 min].mp4, \4 z$ G" c# p5 a4 T# X
    │          015_Binocular Stereo IV  - The Essential Matrix [26 min].srt
8 s! \( ]' H0 G6 U2 `$ Y    │          016_Radiometry.mp4
" M5 T6 _" i( V% w    │          016_Radiometry.srt# N1 m) J" H4 ^
    │          017_Image processing.mp4
$ j. S  x9 c7 V; N' l  ]    │          017_Image processing.srt7 J. b0 ]6 g! N8 h( v5 T& B
    │          018_Image Processing2.mp4
; X0 n$ P( h$ }* w3 }, x    │          018_Image Processing2.srt
9 E6 I8 }- y9 w" M/ E% ?" b    │          019_Orientation histograms [7 min].mp40 h! B. a# [: ^
    │          019_Orientation histograms [7 min].srt- c2 l0 A/ M4 f9 Z1 S# L
    │          020_Handwritten digit recognition - Introduction.mp45 B. L4 q! u* H5 Y, x
    │          020_Handwritten digit recognition - Introduction.srt. h7 `  `2 `6 h8 B) A
    │          021_Support Vector Machines.mp47 r- |8 ]6 k/ v- r; P
    │          021_Support Vector Machines.srt9 l# |# Y7 U- P6 q% P$ p1 W
    │          022_Transformation Invariance and Histograms.mp4
8 R; g& @! z& D& J3 N    │          022_Transformation Invariance and Histograms.srt
9 r6 u/ b4 _  ], x    │          023_Digit recognition using SVMs.mp4% V7 u% U6 |/ k. y1 e$ y0 E
    │          023_Digit recognition using SVMs.srt, {6 r, V4 p/ V/ s5 P; M1 T; X  Q
    │          024_Random forests.mp4+ F* @- g/ p$ j! p  H, u+ o* @
    │          024_Random forests.srt3 x1 ]% y1 u! d7 Y( O4 n$ F( c! X
    │          025_Detection of 3D objects.mp4
" U( A8 J; w0 l/ }- U$ \    │          025_Detection of 3D objects.srt1 q3 P2 z) U8 L  q- z* c$ R
    │          026_Concluding Remarks.mp4$ o- G! c7 Z6 n- ~, R! q. }, Q
    │          026_Concluding Remarks.srt4 E* _3 P% s4 ^
    │          下载说明.txt
( g. U8 Y9 v  m4 q, r    │          关注我们.png
: D% K/ C& l# Y, v: f* @  o    │          攻城狮论坛=网络技术+编程视频.url
* f3 F6 y- {' D9 g( n    │          解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt
- t: }& Y7 G  S) S! z% E    │         
: N' E! t1 D- n$ ~( s7 D! I+ }7 j& F; g    ├─Practical Machine Learning
1 |8 M$ _# o0 ?" \4 v" V. p    │  └─Practical Machine Learning
8 U5 X, b4 f  Z  d  r; N( W    │      │  下载说明.txt
. u4 y+ k0 E/ z1 U; M    │      │  关注我们.png( g1 S# Q- T  @4 i8 L
    │      │  攻城狮论坛=网络技术+编程视频.url
* F" O+ d) z+ b9 V    │      │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt* ^- ?# P- V. p3 b. _# Q
    │      │  
. H4 j$ P: ^% Q' A) e+ [/ X2 n. N    │      ├─Week1. |' T& m2 `# @3 |$ N9 ]! l+ p8 f
    │      │      001predictionMotivation.pdf
+ p+ u" v' U* |& B# g# R* ?) o: t    │      │      002whatIsPrediction.pdf" Z+ n8 A$ l  D6 @  y: A! d- ^
    │      │      003relativeImportance.pdf2 c3 v/ c* F! q$ L
    │      │      004inOutSampleErrors.pdf
1 I) b6 X) f9 `- q2 V! N; c0 P    │      │      005predictionStudyDesign.pdf
0 y. y# A* [! U8 l7 Q/ S3 v& y* G    │      │      006typesOfErrors.pdf* D3 g: M$ `- _8 F! R8 k
    │      │      007receiverOperatingCharacteristic.pdf# h) L  K+ r* V. P" @
    │      │      008crossValidation.pdf4 a$ A$ K" M, f+ F& X
    │      │      009whatData.pdf
0 C; {( B' a) Q9 ^/ }    │      │      1 - 1 - Prediction motivation (8-26).mp48 a- q; l% Q4 K0 @2 o9 P2 ~
    │      │      1 - 1 - Prediction motivation (8-26).srt
5 y9 c7 z1 \9 v! J7 G6 ^0 T    │      │      1 - 2 - What is prediction- (8-39).mp4. G6 L# l5 v) a3 F/ h. d
    │      │      1 - 2 - What is prediction- (8-39).srt" M, L1 l2 L, ^& t/ y7 z
    │      │      1 - 3 - Relative importance of steps (9-45).mp4
1 X2 s. E9 S3 d( d& h    │      │      1 - 3 - Relative importance of steps (9-45).srt
# N  w- y% X9 [* Z/ q& P& q    │      │      1 - 4 - In and out of sample errors (6-57).mp4( p- ]7 b3 x8 W. x! C/ M  I$ w
    │      │      1 - 4 - In and out of sample errors (6-57).srt
" J9 ^; C$ o5 L' P    │      │      1 - 5 - Prediction study design (9-05).mp4/ J( y$ h1 r& V) I8 ?* m$ V5 {
    │      │      1 - 5 - Prediction study design (9-05).srt; E; h* {! J  R8 Y
    │      │      1 - 6 - Getting Data Overview (1-34).mp4
: k8 m8 ?  H' G$ }  ~5 P) L. P/ C    │      │      1 - 6 - Types of errors (10-35).mp4
6 [' z: s( M; q" C% T5 z/ }. c# O    │      │      1 - 6 - Types of errors (10-35).srt# B% x$ ^9 L( u4 P: t, F
    │      │      1 - 7 - Receiver Operating Characteristic (5-03).mp4
. w' B- @6 ~" K8 d, v    │      │      1 - 7 - Receiver Operating Characteristic (5-03).srt
/ p; }9 D  Y: v, G    │      │      1 - 8 - Cross validation (8-20).mp4
# C' C" H! O4 J" A7 l    │      │      1 - 8 - Cross validation (8-20).srt
0 @* j( H3 l$ Y5 {9 g) b: ]    │      │      1 - 9 - What data should you use- (6-01).mp48 l8 u3 L) R9 N% _; [; p% x" Q
    │      │      1 - 9 - What data should you use- (6-01).srt/ M0 \, A  V2 c' A, V
    │      │      0 B6 }' Z0 l9 i. V% ?
    │      ├─Week27 B6 ?, `8 ?3 {! l: i
    │      │      010caretPackage.pdf
, r1 q/ |( E8 U    │      │      011dataSlicing.pdf
& t: B, x6 P6 T" m0 P6 K    │      │      012trainOptions.pdf; a+ t  X0 k1 J
    │      │      013plottingPredictors.pdf
: t  k+ _! @  L6 J# T& H    │      │      014basicPreprocessing.pdf
% Y! `% R5 m5 _# ^' w$ q- D    │      │      015covariateCreation.pdf
8 ^! `% r+ I3 X) l    │      │      016preProcessingPCA.pdf) ^0 [) M; G+ n$ X
    │      │      017predictingWithRegression.pdf- ^1 d; R) `% r7 p7 F. y" |
    │      │      018predictingWithRegressionMC.pdf
& N, e3 N( W; g' ]; i3 o, G$ Y    │      │      2 - 1 - Caret package (6-16).mp4
; v* K" ]/ \0 @    │      │      2 - 1 - Caret package (6-16).srt
/ G# J6 @$ Z0 D" I: v    │      │      2 - 1 - Caret package (6-16).txt0 U* \9 g; K/ K7 B. g8 ^, h
    │      │      2 - 2 - Data slicing (5-40).mp4- }0 {8 R  K+ D2 X- Y
    │      │      2 - 2 - Data slicing (5-40).srt, P+ T1 M: K7 {. z  d
    │      │      2 - 2 - Data slicing (5-40).txt' n) ?3 t( @4 p: o% _; d0 A9 D
    │      │      2 - 3 - Training options (7-15).mp4
. D5 c, _% z) D3 K    │      │      2 - 3 - Training options (7-15).srt
1 z# B) a* c, u7 h* B    │      │      2 - 3 - Training options (7-15).txt/ ^+ g. B- b& G/ _! O
    │      │      2 - 4 - Plotting predictors (10-39).mp4
; T% \8 t5 x# U, }, V4 O$ `5 z    │      │      2 - 4 - Plotting predictors (10-39).srt3 O! @3 O) S6 T% I$ a- ~* B  U4 _
    │      │      2 - 4 - Plotting predictors (10-39).txt: |" R0 Z' Z' g) N5 t9 m- M; v: J
    │      │      2 - 5 - Basic preprocessing (10-52).mp43 t, s- b. b; E7 N' W
    │      │      2 - 5 - Basic preprocessing (10-52).srt
' Y4 Z9 t# d* Y) L. f    │      │      2 - 5 - Basic preprocessing (10-52).txt0 J3 [0 Y; h9 t- |
    │      │      2 - 6 - Covariate creation (17-31).mp4# v) a0 A' ^( B7 q) I1 @; f
    │      │      2 - 6 - Covariate creation (17-31).srt
0 i: D5 B6 @. |1 U/ N: S    │      │      2 - 6 - Covariate creation (17-31).txt$ ~' o6 p0 |+ T3 N/ \7 j4 P
    │      │      2 - 7 - Preprocessing with principal components analysis (14-07).mp4
5 Z5 t" b! E8 I    │      │      2 - 7 - Preprocessing with principal components analysis (14-07).srt8 ~/ m6 }1 }# y9 b0 U
    │      │      2 - 7 - Preprocessing with principal components analysis (14-07).txt
; c2 h% _/ G9 e. g, q1 j& Z$ J- B. @+ ?    │      │      2 - 8 - Predicting with Regression (12-22).mp4
) l- p3 y% f2 v$ V8 f0 C  u    │      │      2 - 8 - Predicting with Regression (12-22).srt0 e- x/ c9 j& f0 `
    │      │      2 - 8 - Predicting with Regression (12-22).txt5 P* ~  a8 h& H+ g
    │      │      2 - 9 - Predicting with Regression Multiple Covariates (11-12).mp4
) a- O! M' x* D* K; d    │      │      2 - 9 - Predicting with Regression Multiple Covariates (11-12).srt( D2 z" g8 G5 ]9 T" D0 F9 D: @. B  \
    │      │      2 - 9 - Predicting with Regression Multiple Covariates (11-12).txt
4 u6 i- y5 X5 ?& K% y    │      │      * K1 }, T# s% e- t7 \7 }3 }
    │      ├─Week3& `: e7 D& P3 t( K) h2 `* {* N
    │      │      019predictingWithTrees.pdf5 z( J5 o7 u: O* s
    │      │      020bagging.pdf
5 v4 s5 }- [* b/ i8 f    │      │      021randomForests.pdf3 ]# V2 T4 ], w# |! y1 r
    │      │      022boosting.pdf+ {( Y1 v/ Q5 b. B# j/ ]
    │      │      023modelBasedPrediction.pdf. p" H7 O3 ]% D0 f& x
    │      │      3 - 1 - Predicting with trees (12-51).mp4
, H% [/ t( I, _: J    │      │      3 - 1 - Predicting with trees (12-51).srt
$ h" j  c2 L$ A  t    │      │      3 - 1 - Predicting with trees (12-51).txt
- s7 g' h/ i) U2 b" y5 o    │      │      3 - 2 - Bagging (9-13).mp4) O1 l/ l4 L$ S6 \
    │      │      3 - 2 - Bagging (9-13).srt2 p# Y! u0 ]: E% X% S) W: `8 |
    │      │      3 - 2 - Bagging (9-13).txt
- X' j! c5 K; f8 ?    │      │      3 - 3 - Random Forests (6-49).mp4
3 S; q8 l/ I6 e6 s4 G    │      │      3 - 3 - Random Forests (6-49).srt% e( \1 @4 l/ ?% c3 B' w+ o0 F; z5 J
    │      │      3 - 3 - Random Forests (6-49).txt
( N: U+ S5 V  G. {- E" u/ {    │      │      3 - 4 - Boosting (7-08).mp4( S1 E7 O1 t# Z' l3 E0 }1 ^2 n6 b" T
    │      │      3 - 4 - Boosting (7-08).srt
! O" ]7 }5 T- e$ |2 Q% S    │      │      3 - 4 - Boosting (7-08).txt0 N4 T4 b& J8 _
    │      │      3 - 5 - Model Based Prediction (11-39).mp42 L9 {9 m% i$ v+ F' M8 v0 C
    │      │      3 - 5 - Model Based Prediction (11-39).srt
" a& M! p# o5 D* [2 c" H    │      │      3 - 5 - Model Based Prediction (11-39).txt
0 q) u+ o* e* q' T) j    │      │      
$ w! Y0 }* f: Y; q3 A    │      └─Week4
# D, `+ }5 }- `0 s$ ?9 P    │              024regularizedRegression.pdf
* f! A! f' b, q3 [, v" t    │              025combiningPredictors.pdf& ]2 Z3 Z1 y6 j6 N; J! w
    │              026unsupervisedPrediction.pdf
0 o+ t9 k/ O1 ?. a% V% y    │              027forecasting.pdf% _8 D' F1 r1 L% b+ G* P: }! S: c
    │              4 - 1 - Regularized regression (13-20).mp4
! _8 M& R. Z* e    │              4 - 1 - Regularized regression (13-20).srt
& X: Z3 J' x9 h5 g    │              4 - 1 - Regularized regression (13-20).txt
4 b3 @* H, f  h, V" I; Z4 m  }3 }    │              4 - 2 - Combining predictors (7-11).mp4
% q% Y; V( g+ E& J" l    │              4 - 2 - Combining predictors (7-11).srt5 M* P$ m) V) |0 C7 V
    │              4 - 2 - Combining predictors (7-11).txt
" w/ s8 z* K' V* ]5 e    │              4 - 3 - Forecasting.mp4/ f5 m2 R6 s* b/ m1 y% F& c
    │              4 - 3 - Forecasting.srt
  v( G5 u6 z5 p7 _    │              4 - 3 - Forecasting.txt  p$ [1 m  X7 @! E2 F3 A
    │              4 - 4 - Unsupervised Prediction (4-24).mp4
* r( f+ f/ |# W# \  E    │              4 - 4 - Unsupervised Prediction (4-24).srt
1 A8 m3 I' W8 A5 r  H    │              4 - 4 - Unsupervised Prediction (4-24).txt
$ @5 v: C- N2 e- t6 l( q3 Q    │                p+ e7 M; ~) Y( A+ w8 h5 j, F' |# N
    ├─Sapiro - Image and video processing( r" v9 k5 S6 `6 Y1 e6 X# N7 h
    │      01.pdf
4 T4 [! a6 H, ]; Y7 D    │      02.pdf
& F" E; G" A% }+ c( [0 A4 q  |  u    │      03.pdf4 j9 n# B+ \9 }
    │      04.pdf
+ Y/ P2 U$ Q1 U% I% b" P. }. h( N    │      05.pdf# L2 ?: I  G4 ?5 M1 D
    │      06.pdf
6 m; i% b! j, l# I    │      07.pdf
/ {5 s$ q# l' F1 Y4 U# _    │      08.pdf
& H9 A3 C' x! @3 Z    │      10 - 1 - 1 - Introduction to Medical Imaging - Duration 0703.mp42 y% m5 @2 Q7 v! W2 f" [; }
    │      10 - 1 - 1 - Introduction to Medical Imaging - Duration 0703.srt
6 m; F& n8 S* ~1 T) s    │      10 - 1 - 1 - Introduction to Medical Imaging - Duration 0703.txt
0 Q, h+ S) E, \7 }) B    │      10 - 2 - 2 - Image Processing and HIV (Part I) - Duration 2351 - Optional breaks at 1237 and 1839.mp4- D, P# R8 d* w7 B, {
    │      10 - 2 - 2 - Image Processing and HIV (Part I) - Duration 2351 - Optional breaks at 1237 and 1839.srt# _( A! d! t' y& T* n# Q4 H
    │      10 - 2 - 2 - Image Processing and HIV (Part I) - Duration 2351 - Optional breaks at 1237 and 1839.txt; c* |, F( x; }% b
    │      10 - 3 - 2 - Image Processing and HIV (Part II) - Duration 1630.mp4
! m1 u0 X; o2 Q( s! O    │      10 - 3 - 2 - Image Processing and HIV (Part II) - Duration 1630.srt
+ \6 X; I. Y; ^- t( H    │      10 - 3 - 2 - Image Processing and HIV (Part II) - Duration 1630.txt
7 B" j4 Z2 L5 ^" N$ w1 [    │      10 - 4 - 3 - Brain Imaging Diffusion Imaging Deep Brain Stimulation - Duration 2628.mp4# T9 j: n4 O+ i; a! [; }
    │      10 - 4 - 3 - Brain Imaging Diffusion Imaging Deep Brain Stimulation - Duration 2628.srt
6 J5 p6 ]7 |. }% X1 \    │      10 - 4 - 3 - Brain Imaging Diffusion Imaging Deep Brain Stimulation - Duration 2628.txt
7 j5 H, X" H( H) ~    │      10 - 5 - 4 - Thanks.mp4
' g: B+ o+ x7 b8 L; K    │      10 - 5 - 4 - Thanks.srt: Y+ B7 k3 i6 |4 J8 n; f3 \
    │      10 - 5 - 4 - Thanks.txt9 y7 y  y+ ?& j. ]6 s3 L% A
    │      2 - 1 - 0 - Welcome and Start Here.mp4& \7 |* V. u* ^1 }1 {& \7 E
    │      2 - 1 - 0 - Welcome and Start Here.srt
# k9 [- k3 [6 x+ `# ^    │      2 - 1 - 0 - Welcome and Start Here.txt
6 e" z2 V6 F/ |- Z, I1 S    │      2 - 2 - 1 - What is image and video processing (part 1) -  Duration 1049.mp4* Y0 P. z  h" q. `2 Q2 ~% o* i0 R
    │      2 - 2 - 1 - What is image and video processing (part 1) -  Duration 1049.srt
7 t- w: L( U7 p, g, T$ m    │      2 - 3 - 1 - What is image and video processing (part 2) - Duration 1040.mp4
# n# f1 Z" r4 i5 p  d  [    │      2 - 3 - 1 - What is image and video processing (part 2) - Duration 1040.srt
) X) x# O: b! g3 w% q( v! H    │      2 - 3 - 1 - What is image and video processing (part 2) - Duration 1040.txt
# \. z* R9 q2 S$ n    │      2 - 4 - 2 - Course logistics - Duration 0242.mp4& ~. L0 u: P4 ~; P
    │      2 - 4 - 2 - Course logistics - Duration 0242.srt
- Q( F/ s" t$ g$ L: m    │      2 - 4 - 2 - Course logistics - Duration 0242.txt
! d4 ^" o" M/ P0 w    │      2 - 5 - 3 - Images are everywhere - Duration 0631.mp46 R) N/ B( z6 R6 C/ m, Y
    │      2 - 5 - 3 - Images are everywhere - Duration 0631.srt
; _. ?' o8 ^$ h! k    │      2 - 5 - 3 - Images are everywhere - Duration 0631.txt5 W7 L. [9 Y/ O9 t0 u
    │      2 - 6 - 4 - Human visual system - Duration 1710.mp41 o- }7 ?/ [& H% N* n6 g
    │      2 - 6 - 4 - Human visual system - Duration 1710.srt
; r4 m* p: o( n% U3 u    │      2 - 6 - 4 - Human visual system - Duration 1710.txt$ T4 v* F% R& _7 }9 G9 h2 [
    │      2 - 7 - 5 - Image formation - Sampling  Quantization - Duration 2817.mp43 Q* @8 K, m) k% _* p+ _8 H
    │      2 - 7 - 5 - Image formation - Sampling  Quantization - Duration 2817.srt, ]/ f. R- [: F9 T* T" z
    │      2 - 7 - 5 - Image formation - Sampling  Quantization - Duration 2817.txt' z) @; G% M2 r, P2 e7 ^
    │      2 - 8 - 6 - Simple image operations - Duration 1705.mp4
( H, X+ f# d# @: q2 h    │      2 - 8 - 6 - Simple image operations - Duration 1705.srt
2 D! o, r7 ~. \0 v    │      2 - 8 - 6 - Simple image operations - Duration 1705.txt
! g. q9 ]3 |4 d$ C/ u9 E! W    │      3 - 1 - 1 - The why and how of compression - Duration 1416.mp4- ]. @  G4 T( m/ }+ V) G- o% |
    │      3 - 1 - 1 - The why and how of compression - Duration 1416.srt  {, X9 I) E2 k' @. I: ?, Y
    │      3 - 1 - 1 - The why and how of compression - Duration 1416.txt, Y3 ^2 `5 R; v5 j
    │      3 - 2 - 2 - Huffman coding - Duration 2011 - Optional break at 0653.mp4
4 T% h  c7 t2 w. ^    │      3 - 2 - 2 - Huffman coding - Duration 2011 - Optional break at 0653.srt' F, d% e; A; _
    │      3 - 2 - 2 - Huffman coding - Duration 2011 - Optional break at 0653.txt
: U6 c, F9 b) `    │      3 - 3 - 3 - JPEGs 8x8 blocks - Duration 0537.mp4# O4 ~8 a/ G6 o4 s+ D
    │      3 - 3 - 3 - JPEGs 8x8 blocks - Duration 0537.srt' J' L4 J$ t% g" R: F/ F
    │      3 - 3 - 3 - JPEGs 8x8 blocks - Duration 0537.txt$ T* G" o: e5 T3 y" Q. W
    │      3 - 4 - 4 - The Discrete Cosine Transform (DCT) - Duration 2532 - Optional break at 1213.mp4
/ i4 [1 z6 p1 w& S$ B5 J    │      3 - 4 - 4 - The Discrete Cosine Transform (DCT) - Duration 2532 - Optional break at 1213.srt
0 i; ?6 O  D( i* a7 A9 U    │      3 - 4 - 4 - The Discrete Cosine Transform (DCT) - Duration 2532 - Optional break at 1213.txt
" v+ C+ c  e+ V- B$ ^    │      3 - 5 - 5 - Quantization - Duration 2402 - Optional breaks at 0848 and 1718.mp4
& L9 F# ]7 B3 H8 l/ t% b  V: m    │      3 - 5 - 5 - Quantization - Duration 2402 - Optional breaks at 0848 and 1718.srt3 _6 }4 N' t- ^) `, |2 R
    │      3 - 5 - 5 - Quantization - Duration 2402 - Optional breaks at 0848 and 1718.txt
  v) v* [. Q- L( F+ {    │      3 - 6 - 6 - JPEG_LS and MPEG - Duration 1932 - Optional break at 1345.mp4# K0 J' }; g* r9 P+ W! D
    │      3 - 6 - 6 - JPEG_LS and MPEG - Duration 1932 - Optional break at 1345.srt1 g% b4 d* T' d6 f' p
    │      3 - 6 - 6 - JPEG_LS and MPEG - Duration 1932 - Optional break at 1345.txt; g- S. J: }/ I- t" ~
    │      3 - 7 - 7 - Bonus Run-length compression - Duration 0429.mp4
/ H3 i( l* i6 H1 [. Y7 Q2 F1 O    │      3 - 7 - 7 - Bonus Run-length compression - Duration 0429.srt
* K! |8 Q" F) l% _! {( R    │      3 - 7 - 7 - Bonus Run-length compression - Duration 0429.txt7 T2 s- R% w% ~/ W8 I3 V
    │      4 - 1 - 1 - Introduction to image enhancement - Duration 1911 - Optional break at 0833.mp41 E$ p* S9 v" P5 \% L9 U1 T
    │      4 - 1 - 1 - Introduction to image enhancement - Duration 1911 - Optional break at 0833.srt3 A2 W' j2 M' d% I5 r, C" c+ N
    │      4 - 1 - 1 - Introduction to image enhancement - Duration 1911 - Optional break at 0833.txt, ^4 x1 N7 v- X9 N  j% z) a; L
    │      4 - 10 - 10 - Demo - Median filter - Duration 0131.mp4
4 m8 K1 B4 {" Z3 O. b  m    │      4 - 10 - 10 - Demo - Median filter - Duration 0131.srt
- \0 r/ h' _$ z9 u: X    │      4 - 10 - 10 - Demo - Median filter - Duration 0131.txt
0 X, c9 D# ?% i' G$ T. K" y) i    │      4 - 11 - 11 - Derivatives Laplacian  Unsharp masking - Duration 1424 - Optional breaks at 0521 and 1133.mp4
1 r. \, c+ h1 G7 L    │      4 - 11 - 11 - Derivatives Laplacian  Unsharp masking - Duration 1424 - Optional breaks at 0521 and 1133.srt
, n' t' F9 z4 H+ n/ P( O+ p+ t6 m    │      4 - 11 - 11 - Derivatives Laplacian  Unsharp masking - Duration 1424 - Optional breaks at 0521 and 1133.txt
- f. L  }7 E: X1 u    │      4 - 12 - 12 - Demo - Unsharp masking - Duration 0310.mp4+ T+ Q; g" l& R2 H5 ]! v  a
    │      4 - 12 - 12 - Demo - Unsharp masking - Duration 0310.srt% M' \7 p; B( O0 c; @0 a, b/ {
    │      4 - 12 - 12 - Demo - Unsharp masking - Duration 0310.txt% W3 \, r& E) o; W% b" v! Z
    │      4 - 13 - 13 - Gradients of scalar and vector images - Duration 0557.mp4
. }$ w. F& a) H6 w% Z    │      4 - 13 - 13 - Gradients of scalar and vector images - Duration 0557.srt
& `6 i& \# N. b; l    │      4 - 13 - 13 - Gradients of scalar and vector images - Duration 0557.txt) P4 Q+ D$ f1 O* U; }1 W: E( n5 q
    │      4 - 14 - 14 - Concluding remarks - Duration 0112.mp4" R6 w( ]* s$ a
    │      4 - 14 - 14 - Concluding remarks - Duration 0112.srt
7 l+ R/ [$ Y2 B7 b; ~    │      4 - 14 - 14 - Concluding remarks - Duration 0112.txt
2 `; N2 O6 n% c0 V( F3 k    │      4 - 2 - 2 - Demo - Enhancement  Histogram modification - Duration 0353.mp4. o+ d9 r# W5 ~% A3 u% i* \2 `
    │      4 - 2 - 2 - Demo - Enhancement  Histogram modification - Duration 0353.srt
7 w. y9 j9 I& i- j) g3 e    │      4 - 2 - 2 - Demo - Enhancement  Histogram modification - Duration 0353.txt
- v% T( ~* X8 A9 h, p    │      4 - 3 - 3 - Histogram equalization - Duration 1956 - Optional breaks at 0440 and 1130.mp4
, {3 ^4 B# d; ]- b5 k# a0 h    │      4 - 3 - 3 - Histogram equalization - Duration 1956 - Optional breaks at 0440 and 1130.srt& n8 B8 O0 q( r8 H( W: S
    │      4 - 3 - 3 - Histogram equalization - Duration 1956 - Optional breaks at 0440 and 1130.txt% g6 m# \1 R4 d. T& Q+ ~# P
    │      4 - 4 - 4 - Histogram matching - Duration 0831.mp4
6 n8 E- b4 o& B    │      4 - 4 - 4 - Histogram matching - Duration 0831.srt
. f: Z- A7 r. i' [* I    │      4 - 4 - 4 - Histogram matching - Duration 0831.txt- t5 W% w* @+ v, W
    │      4 - 5 - 5 - Introduction to local neighborhood operations - Duration 0646.mp4
& D" `* m# J2 |; F% v, m    │      4 - 5 - 5 - Introduction to local neighborhood operations - Duration 0646.srt5 a. X* e3 r6 s' n4 \4 E" i) ?
    │      4 - 5 - 5 - Introduction to local neighborhood operations - Duration 0646.txt' x  B3 i" b3 T. a; y8 x
    │      4 - 6 - 6 - Mathematical properties of averaging - Duration 1100.mp40 g/ s0 M$ s3 b7 H5 h6 J! l
    │      4 - 6 - 6 - Mathematical properties of averaging - Duration 1100.srt3 V" j& U- i8 J3 a; B$ a
    │      4 - 6 - 6 - Mathematical properties of averaging - Duration 1100.txt
/ S0 m4 u  s4 \# b9 i    │      4 - 7 - 7 - Non-Local means - Duration 0727.mp49 U0 f4 _, h) @
    │      4 - 7 - 7 - Non-Local means - Duration 0727.srt
, n! `  c5 E. X6 S* A; O' `/ E. M7 s    │      4 - 7 - 7 - Non-Local means - Duration 0727.txt% i2 k  \; c5 _6 j6 H; T
    │      4 - 8 - 8 - IPOL Demo - Non-Local means - Duration 0338.mp4! |; B/ u0 y4 o" [% g: y
    │      4 - 8 - 8 - IPOL Demo - Non-Local means - Duration 0338.srt
2 c1 k2 }& u, s7 f8 K7 K% x, J    │      4 - 8 - 8 - IPOL Demo - Non-Local means - Duration 0338.txt  E# h( e' C, h- W8 y3 m0 L' @4 E
    │      4 - 9 - 9 - Median filter - Duration 0720.mp4
. s5 e4 |5 b* g& U) w; \1 V2 r2 J: U5 f    │      4 - 9 - 9 - Median filter - Duration 0720.srt
9 H% \5 a2 P# i, g! Z6 u% ~    │      4 - 9 - 9 - Median filter - Duration 0720.txt
  _( y; K/ U$ z6 h: e5 v% V( B$ n    │      5 - 1 - 1 - What is image restoration - Duration 0749.mp4
( F% x$ u/ n4 O1 v6 ~. ~* U3 ?    │      5 - 1 - 1 - What is image restoration - Duration 0749.srt/ Y. P7 y; u, T
    │      5 - 1 - 1 - What is image restoration - Duration 0749.txt. ]4 c( O( x) n  ?3 d
    │      5 - 2 - 2 - Noise types - Duration 1243.mp4
6 M. v& e( L8 U( [: Q6 f1 C    │      5 - 2 - 2 - Noise types - Duration 1243.srt3 b' ~2 T4 ?2 U1 U' V
    │      5 - 2 - 2 - Noise types - Duration 1243.txt
; v' W6 [, _5 V& ]7 O    │      5 - 3 - 3 - Demo - Types of noise - Duration 0303.mp4
* M+ N! h* {  b) b0 U/ g7 j    │      5 - 3 - 3 - Demo - Types of noise - Duration 0303.srt
& s3 I' e% Z# D1 h: O    │      5 - 3 - 3 - Demo - Types of noise - Duration 0303.txt
; ^& `, i$ C6 u/ l( _    │      5 - 4 - 4 - Noise and histograms - Duration 0452.mp4
% k( |, G+ ^5 M: c( u0 n" q    │      5 - 4 - 4 - Noise and histograms - Duration 0452.srt( z! y8 L3 B: o0 N% N7 E
    │      5 - 4 - 4 - Noise and histograms - Duration 0452.txt! M1 P/ J; N$ \  Q  P) z9 u
    │      5 - 5 - 5 - Estimating noise - Duration 1041 - Optional break at 0503.mp4
  j7 w/ M* y: m& _% n    │      5 - 5 - 5 - Estimating noise - Duration 1041 - Optional break at 0503.srt
/ U1 |0 S. A/ P' S: G    │      5 - 5 - 5 - Estimating noise - Duration 1041 - Optional break at 0503.txt
* A# S1 L7 F$ v    │      5 - 6 - 6 - Degradation Function - Duration 1140.mp4
+ g( r& y* W$ ^' \1 I3 _, z" B    │      5 - 6 - 6 - Degradation Function - Duration 1140.srt; w' [: Y* q% f- ?  a% J
    │      5 - 6 - 6 - Degradation Function - Duration 1140.txt
0 _( X# N+ U* l+ n; `    │      5 - 7 - 7 - Wiener filtering - Duration 1234 - Optional break at 0654.mp4# ~, g  y2 j$ `' l0 {& U- I
    │      5 - 7 - 7 - Wiener filtering - Duration 1234 - Optional break at 0654.srt
& O  _+ z1 v" ~. m7 h    │      5 - 7 - 7 - Wiener filtering - Duration 1234 - Optional break at 0654.txt$ Z9 {& o- @9 z1 F, i' p2 j
    │      5 - 8 - 8 - Demo - Wiener and Box filters - Duration 0319.mp4
. ]% k7 R% Y* z. E    │      5 - 8 - 8 - Demo - Wiener and Box filters - Duration 0319.srt6 J" i% b1 x4 U- B( k" t  K" b
    │      5 - 8 - 8 - Demo - Wiener and Box filters - Duration 0319.txt
: h, G  l( u) C3 P% V$ p    │      5 - 9 - 9 - Concluding remarks - Duration 0033.mp4
  p2 K& y5 [0 k- ^$ m4 `+ e/ j    │      5 - 9 - 9 - Concluding remarks - Duration 0033.srt
, U2 ]9 [3 i5 H4 u: e* ]    │      5 - 9 - 9 - Concluding remarks - Duration 0033.txt
3 I% h5 T5 x5 P% i: ~3 G; {6 M' p    │      6 - 1 - 1 - Introduction to Segmentation - Duration 0417.mp40 n3 |% u, j; e3 k
    │      6 - 1 - 1 - Introduction to Segmentation - Duration 0417.srt& g" D# D6 e6 k2 ?
    │      6 - 1 - 1 - Introduction to Segmentation - Duration 0417.txt
7 F) H3 \4 ]; y  J8 O9 y. K6 S) n    │      6 - 10 - 10 - Active Contours - Introduction with ipol.im and Photoshop Demos - Duration 0558.mp4- F, k# P% g' J7 ~! w
    │      6 - 10 - 10 - Active Contours - Introduction with ipol.im and Photoshop Demos - Duration 0558.srt
4 _/ t! a& d) G5 }' b8 r    │      6 - 10 - 10 - Active Contours - Introduction with ipol.im and Photoshop Demos - Duration 0558.txt
/ J% G* Y* {& r6 T. h+ n    │      6 - 11 - 11 - Behind the Scenes of Adobes Roto Brush - Duration 3129 - Optional breaks at 2030 and 2726.mp4
1 F$ v% m+ z4 e    │      6 - 11 - 11 - Behind the Scenes of Adobes Roto Brush - Duration 3129 - Optional breaks at 2030 and 2726.srt
& M5 r+ X9 J, s% L    │      6 - 11 - 11 - Behind the Scenes of Adobes Roto Brush - Duration 3129 - Optional breaks at 2030 and 2726.txt( Y  C! B6 Z: g5 G2 r: ^- i# D& w' o
    │      6 - 12 - 12 - End of the Week - Duration 0021.mp4
1 [7 X- D$ l4 [. h0 x( n) r3 p) f    │      6 - 12 - 12 - End of the Week - Duration 0021.srt
6 ^; j4 ]  j+ q7 P0 F, l9 x    │      6 - 12 - 12 - End of the Week - Duration 0021.txt
) {2 k/ C; [# g) e0 }3 o3 ?% y    │      6 - 2 - 2 - On Edges and Regions - Duration 0517.mp4
4 ]- L" ^7 @% D+ D0 ^7 ^; d    │      6 - 2 - 2 - On Edges and Regions - Duration 0517.srt# W4 ]* [+ t; g3 B# S
    │      6 - 2 - 2 - On Edges and Regions - Duration 0517.txt- x( U( k7 E+ a' O& q5 p
    │      6 - 3 - 3 - Hough Transform with Matlab Demo - Duration 2059.mp4
' X. k$ I: L  b* B- B    │      6 - 3 - 3 - Hough Transform with Matlab Demo - Duration 2059.srt: \& [$ P* I* X- h8 s: H
    │      6 - 3 - 3 - Hough Transform with Matlab Demo - Duration 2059.txt. J% b: u+ e6 _5 w' w
    │      6 - 4 - 4 - Line Segment Detector with Demo - Duration 0320.mp4
9 p% a7 f( f, d7 `    │      6 - 4 - 4 - Line Segment Detector with Demo - Duration 0320.srt0 d. ~+ p+ q; B0 S* H" M. G
    │      6 - 4 - 4 - Line Segment Detector with Demo - Duration 0320.txt
7 d8 o7 K) e3 h3 Q1 x    │      6 - 5 - 5 - Otsus Segmentation with Demo - Duration 1425.mp4
6 z1 b# g% ~" X    │      6 - 5 - 5 - Otsus Segmentation with Demo - Duration 1425.srt  {% C% H* S; L3 g' _
    │      6 - 5 - 5 - Otsus Segmentation with Demo - Duration 1425.txt
" u4 k2 C* @1 W0 I/ v3 }    │      6 - 6 - 6 - Congratulations - Duration 0017.mp4, P, `1 L+ E( W0 G
    │      6 - 6 - 6 - Congratulations - Duration 0017.srt
% p3 b8 z  |- T  }& @  J. T( e    │      6 - 6 - 6 - Congratulations - Duration 0017.txt
+ n; z& K# }" `% w    │      6 - 7 - 7 - Interactive Image Segmentation - Duration 2113.mp4/ G. w8 k- o  k/ W* t+ S' {6 i0 x
    │      6 - 7 - 7 - Interactive Image Segmentation - Duration 2113.srt
2 i1 B/ S  ?( o$ B# J3 s" S5 t. B    │      6 - 7 - 7 - Interactive Image Segmentation - Duration 2113.txt+ _9 z2 U9 d+ E: z# |  A
    │      6 - 8 - 8 - Graph Cuts and Ms Office - Duration 0934.mp43 H; s& m: T# @4 j5 E4 h
    │      6 - 8 - 8 - Graph Cuts and Ms Office - Duration 0934.srt
2 f1 A6 A: h6 t    │      6 - 8 - 8 - Graph Cuts and Ms Office - Duration 0934.txt1 ]. c" }% [8 H3 u+ S* Q, K2 J
    │      6 - 9 - 9 - Mumford-Shah - Duration 0550.mp4
6 A% F& |$ K8 f$ [2 ?8 L    │      6 - 9 - 9 - Mumford-Shah - Duration 0550.srt
4 V6 u$ U. e( `8 \( w+ y    │      6 - 9 - 9 - Mumford-Shah - Duration 0550.txt, Y; n0 t% y9 k* b/ ]
    │      7 - 1 - 1 - Introduction to PDEs in Image and Video Processing - Duration 1022.mp4
3 n; y" C5 i: l# A1 n2 S    │      7 - 1 - 1 - Introduction to PDEs in Image and Video Processing - Duration 1022.srt3 L4 T1 S( @( _5 _* o& d& R
    │      7 - 1 - 1 - Introduction to PDEs in Image and Video Processing - Duration 1022.txt  v5 \( G5 H! S; E3 V1 ?% d
    │      7 - 2 - 2 - Planar Differential Geometry - Duration 3833 - Optional breaks at 1246 2103 and 2941.mp4
4 n* b$ z: d( b    │      7 - 2 - 2 - Planar Differential Geometry - Duration 3833 - Optional breaks at 1246 2103 and 2941.srt) X' R/ x& z$ G5 q" J
    │      7 - 2 - 2 - Planar Differential Geometry - Duration 3833 - Optional breaks at 1246 2103 and 2941.txt& V" _( t+ Y4 J6 `
    │      7 - 3 - 3 - Surface Differential Geometry - Duration 1143.mp47 R5 [/ w! _' F2 b
    │      7 - 3 - 3 - Surface Differential Geometry - Duration 1143.srt2 U: b8 R' e1 x; z9 u
    │      7 - 3 - 3 - Surface Differential Geometry - Duration 1143.txt# w! I, f% u4 e( O0 U* I; J7 _4 z
    │      7 - 4 - 4 - Curve Evolution - Duration 3110 - Optional breaks at 0850 1925 and 2422.mp4
- r* H) W+ S  N  F: z) y- R    │      7 - 4 - 4 - Curve Evolution - Duration 3110 - Optional breaks at 0850 1925 and 2422.srt" Z3 y# K" t0 p- c4 D" J
    │      7 - 4 - 4 - Curve Evolution - Duration 3110 - Optional breaks at 0850 1925 and 2422.txt
. L. {# x) H0 E4 Z+ s6 l8 u5 t    │      7 - 5 - 5 - Level Sets and Curve Evolution - Duration 2534 - Optional break at 1430.mp4: O" q: [3 s) G  [' J( l4 Q
    │      7 - 5 - 5 - Level Sets and Curve Evolution - Duration 2534 - Optional break at 1430.srt
. S: b# ~5 P  |& C; v    │      7 - 5 - 5 - Level Sets and Curve Evolution - Duration 2534 - Optional break at 1430.txt
  o# U$ {0 g: y( S7 q    │      7 - 6 - 6 - Calculus of Variations - Duration 1403 - Optional break at 0623.mp4# C/ E+ V) `7 x/ D7 U. A9 ?! U2 K
    │      7 - 6 - 6 - Calculus of Variations - Duration 1403 - Optional break at 0623.srt2 c) H4 u( b  p% u
    │      7 - 6 - 6 - Calculus of Variations - Duration 1403 - Optional break at 0623.txt, D/ Q0 h  E" B1 r! w7 B( J
    │      7 - 7 - 7 - Anisotropic Diffusion - Duration 1117.mp4
: G7 {3 w! r% N& A3 a2 t; G    │      7 - 7 - 7 - Anisotropic Diffusion - Duration 1117.srt$ `3 c9 e# E# C6 E. a
    │      7 - 7 - 7 - Anisotropic Diffusion - Duration 1117.txt! Y- F' {. {1 w4 y; m* p
    │      7 - 8 - 8 - Active Contours - Duration 1657 - Optional break at 0623.mp4. j& F5 _) q! e0 j# p6 Z
    │      7 - 8 - 8 - Active Contours - Duration 1657 - Optional break at 0623.srt
0 N3 c+ p" q1 o& N* Q& n    │      7 - 8 - 8 - Active Contours - Duration 1657 - Optional break at 0623.txt, ^5 a  i; K6 J. G
    │      7 - 9 - 9 - Bonus Cool Contrast Enhancement via PDEs - Duration 0832.mp4
( z3 Y9 K+ Q2 K2 {' e5 X2 k    │      7 - 9 - 9 - Bonus Cool Contrast Enhancement via PDEs - Duration 0832.srt
8 e3 }* z' n6 F/ I. F4 T    │      7 - 9 - 9 - Bonus Cool Contrast Enhancement via PDEs - Duration 0832.txt
& d# K1 Y' W# ?+ ?% T4 n" \8 p    │      8 - 1 - 1 - Introduction to Image Inpainting - Duration 0816.mp4% _6 o: R# u6 s& b. T" j
    │      8 - 1 - 1 - Introduction to Image Inpainting - Duration 0816.srt
- b! A$ E; e" }    │      8 - 1 - 1 - Introduction to Image Inpainting - Duration 0816.txt
% _3 J, o1 I; F) d1 F% \% T  `" X    │      8 - 2 - 2 - Inpainting in Nature - Duration 0501.mp4
* a- p7 ?% _) ^$ u    │      8 - 2 - 2 - Inpainting in Nature - Duration 0501.srt
: n' @( H8 [7 K4 N/ D- w) K    │      8 - 2 - 2 - Inpainting in Nature - Duration 0501.txt% Z. F% @) d3 ^5 ?
    │      8 - 3 - 3 - PDEs and Inpainting - Duration 2159 - Optional break at 1331.mp4
! o: N# ~1 l8 R8 |# k& \6 D    │      8 - 3 - 3 - PDEs and Inpainting - Duration 2159 - Optional break at 1331.srt7 O: b6 ~% V: ~. f" o
    │      8 - 3 - 3 - PDEs and Inpainting - Duration 2159 - Optional break at 1331.txt$ f' ^# I# a' ]) e1 n: x
    │      8 - 4 - 4 - Inpainting via Calculus of Variations - Duration 1532 - Optional break at 1006.mp48 c% E# a' ?: R; I2 [6 [' d
    │      8 - 4 - 4 - Inpainting via Calculus of Variations - Duration 1532 - Optional break at 1006.srt
& i. k$ Y, D% n# o1 K1 Q1 Z" B3 Y" |    │      8 - 4 - 4 - Inpainting via Calculus of Variations - Duration 1532 - Optional break at 1006.txt
; k$ q! k8 ^4 n% u6 ^5 x, \    │      8 - 5 - 5 - Smart Cut and Paste - Duration 0751.mp4
+ ^  [7 X, t6 T    │      8 - 5 - 5 - Smart Cut and Paste - Duration 0751.srt* {3 q! T! V( h
    │      8 - 5 - 5 - Smart Cut and Paste - Duration 0751.txt8 c& W/ H$ @' J6 J% Z
    │      8 - 6 - 6 - Demo - Photoshop Inpainting Healing Brush - Duration 0231.mp4" A" }* ~# f& V' w' M9 o
    │      8 - 6 - 6 - Demo - Photoshop Inpainting Healing Brush - Duration 0231.srt
& q' `% ~* U0 j# P! r; P! D    │      8 - 6 - 6 - Demo - Photoshop Inpainting Healing Brush - Duration 0231.txt
4 x9 R1 L4 q+ {7 }) P! x    │      8 - 7 - 7 - Video Inpainting and Conclusions - Duration 0513.mp4( L, ?0 i+ u, s
    │      8 - 7 - 7 - Video Inpainting and Conclusions - Duration 0513.srt
8 ]9 H+ b- s: P4 q7 @. \" F    │      8 - 7 - 7 - Video Inpainting and Conclusions - Duration 0513.txt
/ f. S* e# k, H7 C8 z    │      9 - 1 - 1 - Introduction to Sparse Modeling - Part 1 - Duration 1039 .mp4" q* m: c- f1 r+ E
    │      9 - 1 - 1 - Introduction to Sparse Modeling - Part 1 - Duration 1039.mp4
$ U3 C: e! r2 ]; h/ |9 U    │      9 - 1 - 1 - Introduction to Sparse Modeling - Part 1 - Duration 1039.srt/ W9 t' J" ?( f% J% [7 B, D9 R, y
    │      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
) N5 s5 e: i" p7 D. F
    │      9 - 2 - 2 - Introduction to Sparse Modeling - Part 2 - Duration 1816.mp4
, _0 n1 s2 [. }4 ?1 E    │      9 - 2 - 2 - Introduction to Sparse Modeling - Part 2 - Duration 1816.srt# E- Z/ W1 \/ A" u8 j5 {+ j' p" B
    │      9 - 2 - 2 - Introduction to Sparse Modeling - Part 2 - Duration 1816.txt$ b9 M: C" R6 J2 S. v% E
    │      9 - 3 - 3 - Sparse Modeling - Implementation - Duration 2430 - Optional break at 1158.mp4! i0 A7 ?6 w. U" m7 ^4 a' ^
    │      9 - 3 - 3 - Sparse Modeling - Implementation - Duration 2430 - Optional break at 1158.srt* H! V% M) D0 L3 z" ]0 W
    │      9 - 3 - 3 - Sparse Modeling - Implementation - Duration 2430 - Optional break at 1158.txt. D5 E1 x. J( Q8 z: V  l* Y' |
    │      9 - 4 - 4 - Dictionary Learning - Duration 1713 - Optional break at 0603.mp44 m- {3 X4 R; |, ]7 S% P
    │      9 - 4 - 4 - Dictionary Learning - Duration 1713 - Optional break at 0603.srt
+ E; ?5 u  d; A1 k5 u# |    │      9 - 4 - 4 - Dictionary Learning - Duration 1713 - Optional break at 0603.txt/ G, {1 n6 n* T5 u1 M3 Q- M
    │      9 - 5 - 5 - Sparse Modeling Image Processing Examples - Duration 2057 - Optional break at 0925.mp4
6 ]# r9 p/ A4 _    │      9 - 5 - 5 - Sparse Modeling Image Processing Examples - Duration 2057 - Optional break at 0925.srt
+ W# C! Z4 S+ O    │      9 - 5 - 5 - Sparse Modeling Image Processing Examples - Duration 2057 - Optional break at 0925.txt
! C* P1 E' T. w3 F5 n; i" o    │      9 - 6 - 6 - A Note on Compressed Sensing - Duration 0510.mp4
7 {6 u& i# P; G6 H& Y    │      9 - 6 - 6 - A Note on Compressed Sensing - Duration 0510.srt
8 f* ~! @* a; O- e& ?' h" s    │      9 - 6 - 6 - A Note on Compressed Sensing - Duration 0510.txt3 `$ \/ _. m* |: K4 f0 l# C7 L
    │      9 - 7 - 7 - GMM and Structured Sparsity - Duration 1540.mp4
5 t5 [2 K2 c4 y0 _7 y" ^% }) K  _    │      9 - 7 - 7 - GMM and Structured Sparsity - Duration 1540.srt
1 c( C0 p. Q+ I2 z( N    │      9 - 7 - 7 - GMM and Structured Sparsity - Duration 1540.txt
& l4 Q- i, M4 _6 T0 Y& d  |    │      9 - 8 - 8 - Bonus Sparse Modeling and Classification - Activity Recognition - Duration 1510.mp4
, o( G" U# Y/ d, n+ ?" e( m- \    │      9 - 8 - 8 - Bonus Sparse Modeling and Classification - Activity Recognition - Duration 1510.srt
& \" b( U8 Q" F    │      9 - 8 - 8 - Bonus Sparse Modeling and Classification - Activity Recognition - Duration 1510.txt
5 D$ D8 d4 ?8 K- r% c! ~, {    │      下载说明.txt
5 D& S: V1 E1 x8 |" J, D    │      关注我们.png
# q$ r: G6 ?4 z* K& d    │      攻城狮论坛=网络技术+编程视频.url
5 C. [9 r. s* |$ {) I* A    │      解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt
# Q& _6 V# i( A    │      ( C' S, F. l. W
    ├─Udacity
+ a9 y% v; q& K8 a) |( n$ |    │  │  下载说明.txt
* _7 U# p/ g# u. R- U% M, [    │  │  关注我们.png. N, P& x3 l6 X0 h- m& A
    │  │  攻城狮论坛=网络技术+编程视频.url
1 O) ?. \; k6 n$ e& @. D' M6 Y    │  │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt
# U) I2 Y9 D' m1 T7 Z& _: U    │  │  
/ k# `4 L- Q8 _: O- G* ]: ?1 Q$ X    │  ├─CS046 Introduction to Programming in Java Learning Java
6 |6 C9 g1 I  ?( V    │  │      Lesson_1_-_Introduction.zip
& Q- H3 U/ O$ c    │  │      Lesson_2_-_Objects.zip
' u  W1 G+ |' r9 D5 J1 h8 r: Y6 |8 l    │  │      Lesson_3_-_Classes.zip
5 D# e' l+ f5 V) x& k/ z6 {7 y    │  │      Lesson_4_-_Fundamental_Data_Types.zip
$ V9 J) ^/ y8 E5 ?) o& |    │  │      Lesson_5.1_-_Decisions.zip' j8 U& h% a8 o. u. d9 S) j7 `
    │  │      Lesson_5.2_-_Decisions.zip
- P6 n! P1 t3 a& r    │  │      Lesson_6.1_-_Loops.zip, h, _7 n; S% [' C/ J3 v; \9 C; i
    │  │      Lesson_6.2_-_Loops.zip
: h- Q# ^! e% r+ {0 h; G! g    │  │      Lesson_7.1_-_ArrayLists_and_Arrays.zip
, C( n+ E- N% W6 I+ [! @    │  │      Lesson_7.2_-_ArrayLists_and_Arrays.zip
0 V2 d9 T5 q  F: Z1 C8 K$ s$ H    │  │      Lesson_7.3_-_ArrayLists_and_Arrays.zip
2 n; L5 g, ?3 |0 T. q    │  │      Lesson_8.zip
% E, D" N% h* c4 i* o! V7 {    │  │      Lesson_8_-_More_About_Classes.zip) V  @1 S. r8 T" [$ A( d' I  {
    │  │      Lesson_9_-_Interfaces_and_Inheritance.zip" l0 ?8 w4 w" T% P) Y  t$ m+ W
    │  │      
, N7 G3 o$ K" U8 b    │  ├─CS101 Intro to Computer Science Building a Search Engine
( v/ s* g8 e/ H8 \    │  │      Exam_Part_2_Starred-subtitles.en.zip
* O4 `( A3 T, L% t# h    │  │      Lesson_10_Inheritance.zip; E7 }8 k# g: ^+ z
    │  │      Lesson_11_Files,_IO,_and_Exceptions.zip6 F& c3 {) F! |: O/ p( b% d
    │  │      Lesson_1_How_to_Get_Started.zip
7 @+ I! U( {! z2 |    │  │      Lesson_1_Problem_Set.zip
2 O- V( q. v- j6 ]7 Z: s    │  │      Lesson_2.5_How_To_Solve_Problems.zip+ \) n7 t6 D( T1 a  {
    │  │      Lesson_2_How_to_Repeat.zip
" }0 i+ |. D0 u6 E* f. y, x    │  │      Lesson_2_Problem_Set.zip9 X' a9 z4 ?. ?3 }! P2 k
    │  │      Lesson_3_How_to_Manage_Data.zip) C3 A( D! X# l; o) t
    │  │      Lesson_3_Problem_Set.zip6 y5 d, G7 `- r/ u! v5 i4 `
    │  │      Lesson_4_Problem_Set.zip8 T6 H+ S, ?: [1 d" a3 L
    │  │      Lesson_4_Responding_to_Queries.zip' G0 h3 M1 X2 R; @' [2 I
    │  │      Lesson_5_How_Programs_Run.zip- N. H) r) c- g4 p" l$ s! \; ?
    │  │      Lesson_5_Problem_Set.zip3 Q" \3 a. o8 A: s1 A3 \" T5 x# ~% X
    │  │      Lesson_6_How_to_Have_Infinite_Power.zip
0 ?0 T; Q1 n+ C$ u. r+ K2 a& d    │  │      Lesson_6_Problem_Set.zip
' |0 i: u1 j6 M4 V) f    │  │      Lesson_7_Past,_Present,_and_Future_of_Computing.zip
5 A& ~: s# P" P2 C9 J5 Y" E    │  │      Lesson_8_Learning_New_Things.zip, \* J5 j, J. ~: G: X+ v' r
    │  │      Lesson_9_Modules_and_Classes.zip/ t: [1 Z* [! L$ j% o% _
    │  │      Problem_Set_1-subtitles.en.zip
! y2 K( R) Y9 V- e    │  │      Problem_Set_1.zip* W5 g  `+ t- g3 J. O* f
    │  │      Problem_Set_2-subtitles.en.zip( x. t) T, N: R' C5 V' j
    │  │      Problem_Set_2.zip# e. l2 W% p3 _% c2 s
    │  │      Problem_Set_3-subtitles.en.zip# \2 I! s' s9 ^6 v
    │  │      Problem_Set_3.zip) p& r0 ]& c- K( S9 g
    │  │      Problem_Set_4-subtitles.en.zip
* h% F9 D* [& N5 N    │  │      Problem_Set_4.zip
+ ]6 d* e) K7 g& ~" D    │  │      Problem_Set_5-subtitles.en.zip
; u( w+ S( L, p/ J9 Y/ ~$ N5 b  @7 ]    │  │      Problem_Set_5.zip# o8 q; P! V/ e7 c' X3 L+ e& Y: @
    │  │      Problem_Set_6-subtitles.en.zip
6 L1 |( f# g3 |* r8 j: W    │  │      Problem_Set_6.zip7 N. ?/ m5 x2 c7 p( @; Q
    │  │      Problem_Set_61_Starred-subtitles.en.zip
# _- T2 R* }* j# d    │  │      Problem_Set_61_Starred.zip/ m- K/ `( r% t* k! B" i$ ?- f7 q
    │  │      Q&A_1-subtitles.en.zip
' B6 I3 i. E( f' C+ n    │  │      Q&A_1.zip/ Q- f- B% _. ?7 L
    │  │      Q&A_2-subtitles.en.zip3 {5 n  M2 ]: k2 x" \+ ^1 c
    │  │      Q&A_2.zip
2 f" R  k5 t, _* z% ]0 y    │  │      Q&A_5-subtitles.en.zip4 A; F9 r' ^4 k1 Q; u# o5 G
    │  │      Q&A_5.zip
; B7 ~4 x5 i' m% g+ B    │  │      Q&A_6-subtitles.en.zip
! T' Y) e0 R- q4 S" ~% I6 O    │  │      Q&A_6.zip7 |) V* g6 K/ L, l2 Y5 o
    │  │      Unit_1-subtitles.en.zip
: t  K. V8 R! `% y2 Y1 R3 }    │  │      Unit_2-subtitles.en.zip. i4 v3 P0 A7 V  ~
    │  │      Unit_3-subtitles.en.zip' t7 H+ L3 H" A' t5 T
    │  │      Unit_4-subtitles.en.zip7 y" C& O6 r4 N  n6 q& e- }
    │  │      Unit_5-subtitles.en.zip
; D$ X/ Z% {( X7 E    │  │      Unit_6-subtitles.en.zip
2 C& k. x4 f" U+ X5 s) A    │  │      Unit_7-subtitles.en.zip$ m' w0 [7 ~  V. D; ]5 N- v$ z. F
    │  │      Unit_8_Optional-subtitles.en.zip1 j2 ~  a6 \) ?
    │  │      
7 h! e4 l0 h+ ^  E# J* l9 P    │  ├─CS212 Design of Computer Programs Programming Principles
; Y& B8 U8 f6 h0 G6 z    │  │      Andy's_Corner_1.zip4 a& a! Z3 t  f9 q2 z9 h
    │  │      Andys_Corner_1-subtitles.en.zip2 v0 |$ w" {) n7 w. F/ [7 v; @
    │  │      Bonus_Shuffling-subtitles.en.zip
  i4 q. h8 H6 _# o    │  │      Bonus_Shuffling.zip# l! L" Z5 S- U; n5 @, `
    │  │      Bonus_Weekly_Tournament!.zip
* P. c7 n7 u7 k6 M; Y    │  │      Exam-subtitles.en.zip/ r: v* L; O, o1 O  V" {) A" a
    │  │      Exam.zip8 U6 ~* J4 |% B5 r
    │  │      Office_Hours_1-subtitles.en.zip
9 B0 {: U( P+ }    │  │      Office_Hours_1.zip: g) c2 }+ E, W* U0 \* c
    │  │      Office_Hours_2-subtitles.en.zip" m: V  B7 S- N+ g
    │  │      Office_Hours_2.zip) f; G2 A4 D& j1 d# L% {
    │  │      Office_Hours_3-subtitles.en.zip
! K- G- F% s# r    │  │      Office_Hours_3.zip2 m! R; m2 e5 V" K8 Z7 Z, \+ O: y
    │  │      Office_Hours_4-subtitles.en.zip+ B0 j: v& z0 X/ y" z0 U
    │  │      Office_Hours_4.zip# {* D8 [3 \" z% r1 w% ~0 t- G
    │  │      Office_Hours_5-subtitles.en.zip  b7 G0 g( w% p/ J* G: ]
    │  │      Office_Hours_5.zip: @0 R% P, |3 y) o' R, @! r/ B
    │  │      Office_Hours_6-subtitles.en.zip
/ o8 O3 R. b0 B7 A    │  │      Office_Hours_6.zip
4 ]5 {+ e1 m$ i    │  │      Problem_Set_1-subtitles.en_2.zip
+ j- r  q# r  f- {    │  │      Problem_Set_1_2.zip
6 S( s% j' s9 _  a+ O+ [, R2 K    │  │      Problem_Set_2-subtitles.en_2.zip. _6 Y, g3 [* l% y! l
    │  │      Problem_Set_2_2.zip2 I4 S8 B1 r' `
    │  │      Problem_Set_3-subtitles.en_2.zip
9 C0 T) @- F- ~6 P) v    │  │      Problem_Set_3_2.zip
# o& ]6 h3 ~, j6 L& B! X/ R    │  │      Problem_Set_4-subtitles.en_2.zip* f# X& s  ^. g" @9 G# S- D
    │  │      Problem_Set_4_2.zip
  A& T4 ~' D; ]) o) H) [    │  │      Problem_Set_5-subtitles.en_2.zip9 R3 `3 [( W6 a7 m' w1 l3 S. T
    │  │      Problem_Set_5_2.zip3 ?1 H6 X4 |5 a) T4 A/ P
    │  │      Problem_Set_6-subtitles.en_2.zip
6 k5 H( Q0 D  i) _8 w    │  │      Problem_Set_6_2.zip4 `/ @% ~- X& k' L! w* w- J
    │  │      Python_Glossary-subtitles.en.zip. G$ }3 [$ ]& v
    │  │      Python_Glossary.zip
0 f" i( h. g% i# }+ Q0 H) d    │  │      Unit_1-subtitles.en_2.zip
# F/ \& ]: A/ {  a    │  │      Unit_1.zip! d* q2 v; [/ j( |8 y9 y
    │  │      Unit_2-subtitles.en_2.zip9 s" z! J: v, F
    │  │      Unit_2.zip
0 c. j$ ~2 I+ Y$ F  P. h    │  │      Unit_3-subtitles.en_2.zip+ Q8 X5 C, ?9 O- J/ l! a
    │  │      Unit_3.zip
( c8 G3 ]! [4 Q  o1 k    │  │      Unit_4-subtitles.en_2.zip3 a& S4 G! g6 G" x8 J4 v5 ]
    │  │      Unit_4.zip+ \9 C, R, j/ P' @8 R: _4 Q8 s, O
    │  │      Unit_5-subtitles.en_2.zip
( O4 {, |1 m. \! u( a9 `    │  │      Unit_5.zip
; ^) U, w& r3 P& T* J8 w+ o( n" I    │  │      Unit_6-subtitles.en_2.zip3 J! O+ v: X. a! S4 s6 X% ~& u
    │  │      Unit_6.zip
: x5 F, _: u8 W+ X7 w: u2 Q    │  │      Unit_7-subtitles.en_2.zip
) |5 a! ~8 @! B. I0 A* [- n; n% \    │  │      Unit_7.zip
4 E) V$ |' c' I2 Z$ x' C  t    │  │      7 f7 g6 j! j) Z) I7 }( i
    │  ├─CS215 Algorithms Crunching Social Networks1 t' G0 E6 }- E& X" |* r/ r. x! Y
    │  │      Extra_Challenge_Problems-subtitles.en.zip
8 N" Y: P% ]% O. W    │  │      Extra_Challenge_Problems.zip( r; O$ I7 _5 O! ^+ |. s4 x: y1 Z
    │  │      Problem_Set_1-subtitles.en.zip
: E" D! W; D( g1 E' Z; N    │  │      Problem_Set_1.zip6 B( w9 j( P) l  h9 X
    │  │      Problem_Set_2-subtitles.en.zip
! }/ d* v: M9 @* V    │  │      Problem_Set_2.zip
7 {, i" t; A, e* Q    │  │      Problem_Set_2_Solutions-subtitles.en.zip" y* c9 h. A1 h* }# ^
    │  │      Problem_Set_2_Solutions.zip" t) T" f/ c; m% \0 `$ z  [: j
    │  │      Problem_Set_3-subtitles.en.zip
) i6 q" Y* @; X$ q' y    │  │      Problem_Set_3.zip
2 p- w) H' K3 Q1 B) u1 h/ @    │  │      Problem_Set_3_Solutions-subtitles.en.zip4 A6 E+ U) W. b& d; V3 z7 ^
    │  │      Problem_Set_3_Solutions.zip
" d. b, ]; o: w; D    │  │      Problem_Set_4-subtitles.en.zip
5 g0 O7 L& B" ]1 ^    │  │      Problem_Set_4.zip
* s; c. l! U) @5 o$ b0 j  g    │  │      Problem_Set_4_Solutions-subtitles.en.zip
. M: u5 V  A7 M5 M8 N    │  │      Problem_Set_4_Solutions.zip
3 K+ L  a# z0 i  n5 Y    │  │      Unit_1_A_Social_Network_Magic_Trick-subtitles.en.zip# C4 q" U. H$ D! |; y3 s
    │  │      Unit_1_A_Social_Network_Magic_Trick.zip, f. u1 M/ G) W- w, M
    │  │      Unit_2_Growth_Rates_in_Social_Networks-subtitles.en.zip/ Y# `0 v4 \2 h; l. I$ G
    │  │      Unit_2_Growth_Rates_in_Social_Networks.zip
, I! D( Q6 d8 w/ P( N, [6 H    │  │      Unit_3_Basic_Graph_Algorithms-subtitles.en.zip
: V1 e( Q$ D) _0 O% ^, |' c7 p    │  │      Unit_3_Basic_Graph_Algorithms.zip
  f7 L  I; b0 G8 S# |0 W    │  │      Unit_4_Its_Who_You_Know-subtitles.en.zip
- l% F! q; O$ l8 m+ W  Z" s    │  │      Unit_4_Its_Who_You_Know.zip
8 o. ~6 f5 y! g2 a    │  │      Unit_5_Strong_and_Weak_Bonds-subtitles.en.zip3 {9 G) ~6 Q8 B# Z& Z# E! \  m- R
    │  │      Unit_5_Strong_and_Weak_Bonds.zip
- Y# Q2 R1 S1 c) `7 t    │  │      Unit_6_Hardness_of_Network_Problems-subtitles.en.zip
3 ~  l1 L. P) y8 S* ~    │  │      Unit_6_Hardness_of_Network_Problems.zip; v( I$ t3 R; z: n/ t3 l
    │  │      Unit_7-subtitles.en.zip
# U' o" ]! {- W) |" i' `8 T: r    │  │      Unit_7_2.zip2 V! y. ?2 @8 d7 R# E' v, d4 {' A
    │  │      
: M7 [$ d! F: F) G    │  ├─CS222 Differential Equations Making Math Matter
" w9 \8 m) s2 Q/ R    │  │      Final_Exam-subtitles.en.zip
7 f, J0 i* p. Q, `    │  │      Final_Exam.zip( \! F1 {- W0 M; [3 L
    │  │      Problem_Set_1-subtitles.en_2.zip
, Z& I  [/ F# n1 P    │  │      Problem_Set_1_2.zip- q/ _' y" y: v/ n
    │  │      Problem_Set_2-subtitles.en_2.zip
- x: v/ }3 f, {9 ], M    │  │      Problem_Set_2_2.zip- h0 t/ M2 u9 M2 ^
    │  │      Problem_Set_3-subtitles.en_2.zip
0 }# B2 _. T' [3 ~    │  │      Problem_Set_3_2.zip
0 [2 j3 e" e. s- @4 |    │  │      Problem_Set_4-subtitles.en_2.zip
  G3 p3 I% n3 b  @# O$ C    │  │      Problem_Set_4_2.zip9 M6 P  c9 z% ^
    │  │      Problem_Set_5-subtitles.en.zip
, m$ z) j  F5 }5 j" J( L3 L2 D    │  │      Problem_Set_5.zip7 g' U) ]  C- u& W
    │  │      Problem_Set_6-subtitles.en.zip* K" T1 b- }! P0 g8 ]
    │  │      Problem_Set_6.zip
$ I9 N, G* E7 }    │  │      Unit_1_-_Houston_We_Have_a_Problem-subtitles.en.zip& I1 k* g, p( b* f) \
    │  │      Unit_1_-_Houston_We_Have_a_Problem.zip
' M5 z. O3 p# p$ }    │  │      Unit_2_-_Houston_We_Have_a_Solution-subtitles.en.zip! G, T: q" }" k4 i
    │  │      Unit_2_-_Houston_We_Have_a_Solution.zip9 t$ h: `& \8 g6 M
    │  │      Unit_3_-_Contagion-subtitles.en.zip
% n- p' J5 X0 k) S    │  │      Unit_3_-_Contagion.zip
2 x0 b6 q% V8 g: P! X: I    │  │      Unit_4_-_Responsible_Fishing-subtitles.en.zip
- A9 L: o% r3 E( A1 n9 l* g- h7 }  M    │  │      Unit_4_-_Responsible_Fishing.zip
+ B, M8 _  T: }, R6 S/ W    │  │      Unit_5_-_Antilock_Braking_Systems-subtitles.en.zip
' b" D5 A. Z  h( n    │  │      Unit_5_-_Antilock_Braking_Systems.zip
5 n( q5 v' U( ]3 _( {) L  U! p    │  │      Unit_6_-_Wildfire-subtitles.en.zip$ z6 ]/ b, R; Y! p4 b6 I
    │  │      Unit_6_-_Wildfire.zip3 m$ ~4 v# I$ A8 T$ U
    │  │      Unit_7_-_Advanced_Applications_of_Numerical_Methods-subtitles.en.zip
3 b  i9 e  h0 R" g    │  │      Unit_7_-_Advanced_Applications_of_Numerical_Methods.zip; |9 t. b- Q$ q
    │  │      
. _  p/ R* R8 h' U1 m    │  ├─CS253 Web Application Engineering How to Build a Blog
' v  W2 `; p+ _+ d0 Z    │  │      Final.zip
$ R( Q6 C3 K+ A& p4 `    │  │      Office_Hours_1-subtitles.en.zip* L5 f& J$ W4 ]- w  R
    │  │      Office_Hours_1.zip4 O: Q& {6 \/ h$ R2 B+ L
    │  │      Office_Hours_2-subtitles.en.zip) z* C& C8 K* o8 R! L
    │  │      Office_Hours_2.zip9 a: l/ P$ s. v% a* _+ e; U
    │  │      Office_Hours_3-subtitles.en.zip9 Y. H0 L1 ]0 G( V. j+ n7 F" e
    │  │      Office_Hours_3.zip
9 ~) P! m5 e% p6 _6 U5 Z    │  │      Office_Hours_4-subtitles.en.zip
; Y: U  K  q" g% W* d    │  │      Office_Hours_4.zip7 P3 V) c/ V, S2 C! Q% A1 `
    │  │      Office_Hours_5-subtitles.en.zip! _: m* b$ o7 y: ]" M
    │  │      Office_Hours_5.zip
0 [/ E+ w2 a  N    │  │      Problem_Set_1-subtitles.en.zip
8 N$ s  k- ?; {1 \  \; @6 P6 r    │  │      Problem_Set_1.zip
6 ]& R9 d: `( t    │  │      Problem_Set_1_Help-subtitles.en.zip
  N7 g- t- P7 S$ [( c5 Z' {    │  │      Problem_Set_1_Help.zip
8 j! Q7 P% G/ P    │  │      Problem_Set_2-subtitles.en.zip
, {$ F" E' h  `- X" b2 g, R    │  │      Problem_Set_2.zip
: k! _% L8 o; I4 R3 W    │  │      Problem_Set_3-subtitles.en.zip$ K* U+ E% G: _/ [
    │  │      Problem_Set_3.zip
! t& S5 A1 B. i9 \4 _% I    │  │      Problem_Set_4-subtitles.en.zip8 p4 u4 o! Q1 _' f
    │  │      Problem_Set_4.zip& P& a. O! p4 R( T4 ~) \! Y0 F
    │  │      Problem_Set_5-subtitles.en.zip
# w  O  j  }7 ~. e    │  │      Problem_Set_5.zip
+ ^+ t5 @7 ?- g    │  │      Problem_Set_6-subtitles.en.zip
( [% d5 G  a( R9 T    │  │      Problem_Set_6.zip
6 Z2 q2 P5 E8 X5 N" H0 t    │  │      Unit_1-subtitles.en.zip
. P* [, J* W# [    │  │      Unit_1.zip
8 G) I' n3 V; _( ^9 s0 t: s1 l    │  │      Unit_2-subtitles.en.zip
, G; P0 a% z: N+ t    │  │      Unit_2.zip7 }' ]8 p& N: P5 T5 R" w- |1 d& [
    │  │      Unit_3-subtitles.en.zip
" M- C- j' B5 T! i    │  │      Unit_3.zip
; l# Q1 ?8 |& R7 J* e    │  │      Unit_4-subtitles.en.zip
) A/ A" d" ]7 @% Q; I) f( ~& H    │  │      Unit_4.zip  ^8 o/ C3 ~" H" Y/ H
    │  │      Unit_5-subtitles.en.zip/ o# Y/ ?' y& S) X2 N
    │  │      Unit_5.zip2 Z+ j7 p+ w9 t
    │  │      Unit_6-subtitles.en.zip) M% ]0 n! f5 Q, W# l8 C
    │  │      Unit_6.zip
1 ]4 a7 E! v! L2 l    │  │      Unit_7-subtitles.en.zip& c: M. {5 n! I
    │  │      Unit_7.zip1 j: O- e4 S. C/ Q( |8 E) \
    │  │      Wrap__Up_Questions-subtitles.en.zip0 m9 E8 e% a: H5 F9 |: X- i) o
    │  │      Wrap__Up_Questions.zip
  T+ Y8 E- \: ]1 Z; x$ i    │  │      
8 `1 g' `, O! o, X  r! H    │  ├─CS255 HTML5 Game Development Building High Performance Web Applications
( S; A& t6 \0 q' l: }    │  │      Asset_Loading.zip
# s. Y6 X: |' ?    │  │      Atlases.zip8 q' Z; J( w6 ~6 `9 k# x3 Q
    │  │      Canvas-subtitles.en.zip9 f' O8 _! z5 ?
    │  │      Canvas.zip
) f' s# I8 @1 _) u' n) H2 ]    │  │      Entities.zip
3 N" L. r' ?9 n( x  }    │  │      Foreword.zip/ q4 V# t  ?1 d1 m- c8 g& S: ]
    │  │      Input.zip
" x6 {: j6 I! a6 F    │  │      Optional_Javascript_Crash_Course-subtitles.en.zip
/ z0 g& ]: F, \    │  │      Optional_Javascript_Crash_Course.zip
2 k* P/ y# O! F    │  │      Physics.zip' w9 Q: m* J" p1 l) J
    │  │      Sound.zip
$ g* D3 o$ `+ ^: L    │  │      
# s6 z" z, I4 m: s8 E8 x    │  ├─CS259 Software Debugging Automating the Boring Tasks% R! R' ^7 M9 s
    │  │      0._Introduction-subtitles.en.zip
( M, b2 R, M9 D/ J    │  │      0._Introduction.zip6 L8 J; Q1 g( [2 g1 \, a
    │  │      1._How_Debuggers_Work-subtitles.en.zip
) o+ {5 X, U4 c, l. c+ C    │  │      1._How_Debuggers_Work.zip" E: c0 G+ B% o8 J$ x
    │  │      2._Assertions-subtitles.en.zip
$ G1 M  D/ J+ |! B7 z+ ]* q7 I4 s    │  │      2._Assertions.zip
" O; o  \: {: y8 b- C- Z1 f' x* k    │  │      3._Simplifying_Failures-subtitles.en.zip# J& M1 N4 `9 N7 |2 e
    │  │      3._Simplifying_Failures.zip
, E* Z, y" }. u  S$ z6 M4 b' ?. u    │  │      4._Tracking_Origins-subtitles.en.zip7 r5 @4 f0 z. `( N# ?
    │  │      4._Tracking_Origins.zip9 k  v0 l+ J8 D5 j7 L) P6 I' A
    │  │      5._Reproducing_Failures-subtitles.en.zip- i% Y% C2 S- P- r  |. [- }: M& c
    │  │      5._Reproducing_Failures.zip* u) ~  Z2 o! i% t
    │  │      6._Learning_from_Mistakes-subtitles.en.zip
, d0 s3 _2 a$ r, h# s1 j' l% v    │  │      6._Learning_from_Mistakes.zip8 R4 e( W% y$ n( r6 A
    │  │      7._Recap_and_more_stories-subtitles.en.zip
- c: f4 Y5 q- ^* F- R! Y    │  │      7._Recap_and_more_stories.zip
' d7 w& _3 ?3 H9 g9 M) H    │  │      Problem_Set_1-subtitles.en.zip! g5 R9 O4 m: p/ L0 B
    │  │      Problem_Set_1.zip) X+ k( q% W: _  K' A4 i
    │  │      Problem_Set_2-subtitles.en.zip/ U: W3 P" T2 B4 X% x
    │  │      Problem_Set_2.zip# Y  r% u% o6 T" P8 g9 K, Q
    │  │      Problem_Set_3-subtitles.en.zip" w- M, m/ }% d1 ]% Y
    │  │      Problem_Set_3.zip6 \  P# U6 O5 B/ n3 o
    │  │      Problem_Set_4-subtitles.en.zip
4 B( R- M1 }, j- o0 k, S) x. W3 _    │  │      Problem_Set_4.zip2 V3 Z1 x. r( x4 H& b2 q: k; z
    │  │      Problem_Set_5-subtitles.en.zip
8 Q5 q5 Z- ~6 ]$ ^8 `$ r* M$ j    │  │      Problem_Set_5.zip
& l" m7 v* Q# i6 D! g1 U+ O    │  │      Problem_Set_6.zip7 r% s! L, f1 f  b, s( _/ X
    │  │      1 h( ~/ }; b% W4 S3 F# Z6 e+ ]7 V
    │  ├─CS262 Programming Languages Building a Web Browser5 ]1 `! [0 B: U% S0 ^
    │  │      Homework_4.zip
5 c0 u$ L1 ^+ m. b7 z7 H9 m1 N    │  │      Homework_5.zip
+ ]* |$ @, W" U' h    │  │      Make_The_World_A_Better_Place-subtitles.en.zip
, b: L2 H8 C9 `. T( u; d. j: y    │  │      Office_Hours_1-subtitles.en.zip, C/ U" z' j1 d2 `2 v4 W
    │  │      Office_Hours_1.zip
* y$ K1 l; s) S% j$ ?    │  │      Office_Hours_2-subtitles.en.zip& P1 R. ]3 o9 A: _
    │  │      Office_Hours_2.zip3 R! R& B" A0 ~
    │  │      Office_Hours_3-subtitles.en.zip6 R( ~; ^, w) p  L5 `# n5 R' |
    │  │      Office_Hours_3.zip; i9 c7 H2 t  W
    │  │      Office_Hours_4-subtitles.en.zip1 ]' F7 P& M: x: C5 f2 Z2 K
    │  │      Office_Hours_4.zip
! D" v$ z% ^/ E; p" U. O    │  │      Office_Hours_5-subtitles.en.zip
( |! D7 x% y" T' ]9 J5 m2 C. D    │  │      Office_Hours_5.zip
! G' m' {8 g7 e8 }    │  │      Office_Hours_6-subtitles.en.zip. g0 f9 P" Y3 H- ^( F0 p3 _
    │  │      Office_Hours_6.zip: e% ~% c9 @2 Z8 G) ^
    │  │      Problem_Set_1-subtitles.en_2.zip0 e. [- e/ c1 b( F) k, k
    │  │      Problem_Set_1_2.zip& Q9 e4 n7 y7 j) \7 i
    │  │      Problem_Set_2-subtitles.en_2.zip" O7 m+ S& H& T0 x
    │  │      Problem_Set_2_2.zip
4 W: R+ [' T, X. f) X- H* B  V" z    │  │      Problem_Set_2_Challenge-subtitles.en.zip: L$ m5 h! m/ n' i1 }% p
    │  │      Problem_Set_2_Challenge.zip
* w7 k$ Z' @5 O: f    │  │      Problem_Set_3-subtitles.en_2.zip
/ }" b+ N6 B2 w2 k  @7 J    │  │      Problem_Set_3_2.zip2 H/ d1 r) i( t; s* M  G
    │  │      Problem_Set_4-subtitles.en_2.zip
+ g1 L6 R$ N5 B# c8 y    │  │      Problem_Set_4_Challenge-subtitles.en.zip% K& Q* t, @1 Y* Q4 O
    │  │      Problem_Set_4_Challenge.zip
9 X2 J& ]8 Y& J5 Z: T    │  │      Problem_Set_5-subtitles.en_2.zip
0 L' b( i8 e) `5 H% M0 }5 ~) }0 X    │  │      Problem_Set_6-subtitles.en.zip
" O8 Q$ A- Q* n  t    │  │      Problem_Set_6_2.zip* p4 }4 R, M+ n0 o2 L  n+ P
    │  │      Problem_Set_6_Challenge-subtitles.en.zip
; V( n) ^+ R- @% {2 t7 S) E2 M    │  │      Problem_Set_6_Challenge.zip
' r" ^3 ?% \" Q) {/ z2 J8 Y& T    │  │      Programming_Practice.zip3 O8 J2 j- ]4 ^' i$ ?& d, w6 ?
    │  │      Programming_Practice_-_Find_Max-subtitles.en.zip( H9 b: h( Z  a! f9 A* k9 U- C
    │  │      Programming_Practice_-_Find_Max.zip+ M8 p' c! i- ]- _
    │  │      Programming_Practice_-_Subsets-subtitles.en.zip
8 P/ d2 a; d+ G- ^- E1 y    │  │      Programming_Practice_-_Subsets.zip
+ D1 W1 \, B  a2 C' |& {    │  │      Programming_Practice_-_Trees-subtitles.en.zip
. G6 i' e/ W& r  l4 x# U+ J    │  │      Programming_Practice_-_Trees.zip2 d$ F6 n9 n% r" ]. Q
    │  │      Unit_1-subtitles.en.zip
7 x6 H; R' W- S3 t% y& |    │  │      Unit_1.zip( {; |* @1 D5 t
    │  │      Unit_2-subtitles.en.zip" [, h/ b: X- `7 P
    │  │      Unit_2.zip" f3 W/ q1 ], }  _! z& u1 V9 E* F
    │  │      Unit_3-subtitles.en.zip. k, E5 p8 N' ]
    │  │      Unit_3.zip
: B  r4 W: y' L! d/ \0 `    │  │      Unit_4-subtitles.en.zip7 m/ V. u0 n8 q4 Q5 z1 p
    │  │      Unit_4.zip; f; F5 L3 @, z" J5 `$ M( }
    │  │      Unit_5-subtitles.en.zip6 P# O$ \5 x& ]6 q7 y$ b
    │  │      Unit_5.zip
% B% h$ _5 I  v; I    │  │      Unit_6-subtitles.en.zip) @' g5 u  Q5 M7 a" \0 o
    │  │      Unit_6.zip
3 D  f$ f) B) @' U) j, L  L    │  │      Unit_7-subtitles.en.zip
9 w2 G2 c$ b  Q& {+ l    │  │      Unit_7.zip' S2 Q# @, N5 g" O- X
    │  │      ; l) Y+ o% Z& ?
    │  ├─CS271 Introduction to Artificial Intelligence AI Class0 O) L6 w+ B( m5 R) i8 q
    │  │      1._Welcome_to_AI-subtitles.en.zip
/ ^/ n& W! \$ p, N' \2 [/ |8 d    │  │      1._Welcome_to_AI.zip& d" j* ^6 k4 W4 ?# ]5 H3 G& q) T
    │  │      10._Reinforcement_Learning-subtitles.en.zip
6 Y* r/ E; H; U+ \    │  │      10._Reinforcement_Learning.zip
! c+ X% t! J7 a$ B    │  │      11._HMMs_and_Filters-subtitles.en.zip
+ q  h' D- S4 Z7 B, s5 j  y# H9 H    │  │      11._HMMs_and_Filters.zip
" p6 }5 z6 g; U% a8 ~0 B+ T" W9 \    │  │      12._MDP_Review-subtitles.en.zip# K) R' k1 @% i4 n, s- P" f
    │  │      12._MDP_Review.zip3 ~% z! ^6 i6 e5 V7 W
    │  │      13._Games-subtitles.en.zip
- ~' x7 |) O; _- X    │  │      13._Games.zip
1 R/ g( O3 b# j, I( M+ a* h6 Z    │  │      14._Game_Theory-subtitles.en.zip
2 }2 _7 \- D( j- C  X2 C+ J3 j! N    │  │      14._Game_Theory.zip/ W& ^; p7 m( B$ q8 p
    │  │      15._Advanced_Planning-subtitles.en.zip
9 b- O2 w( q9 T9 R    │  │      15._Advanced_Planning.zip
0 c- L# ]( z7 _. s6 O/ f' T4 B! }    │  │      16._Computer_Vision_I-subtitles.en.zip& A+ A9 t& N8 `& p; _4 \0 K9 S0 R
    │  │      16._Computer_Vision_I.zip
" `' [3 ?" p" E! \0 N7 I6 a    │  │      17._Computer_Vision_II-subtitles.en.zip2 F) f+ s4 j+ D5 {6 _7 H
    │  │      17._Computer_Vision_II.zip
, i/ m  A: Q' L5 x  D' m" f    │  │      18._Computer_Vision_III-subtitles.en.zip
, P- W$ n2 Y& n4 h; q! z    │  │      18._Computer_Vision_III.zip, p+ h3 O7 B' C8 T
    │  │      19._Robotics_I-subtitles.en.zip* Q& h- j0 B: {9 ^
    │  │      19._Robotics_I.zip9 q* \2 S3 y" A7 N8 O8 I
    │  │      2._Problem_Solving-subtitles.en.zip* y' b+ y/ [& O; J
    │  │      2._Problem_Solving.zip  s- Z$ m1 }# s; U3 W
    │  │      20._Robotics_II-subtitles.en.zip( I0 R; R& `$ [- F
    │  │      20._Robotics_II.zip  ?' T4 U' ^" v: v3 E
    │  │      21._Natural_Language_Processing-subtitles.en.zip
9 ^- K; L1 @+ y( A    │  │      21._Natural_Language_Processing.zip
; y; z+ _# W8 x3 ~3 @! R" w    │  │      22._Natural_Language_Processing_II.zip
; C, k4 @$ y( v! @    │  │      3._Probability_in_AI-subtitles.en.zip
+ o. G1 l" H) k( \; U" s' p    │  │      3._Probability_in_AI.zip) Y9 Q# O/ k4 F7 r' b+ Z
    │  │      4._Probabilistic_Inference-subtitles.en.zip6 c( B9 z& _8 D9 i/ g" W& `8 M
    │  │      4._Probabilistic_Inference.zip
6 Z* w4 F& F, T. O' S2 S4 g! k    │  │      5._Machine_Learning-subtitles.en.zip
  y( N9 n2 T( N, @8 k" N    │  │      5._Machine_Learning.zip
! {1 e) e0 b& [* x3 F6 o    │  │      6._Unsupervised_Learning-subtitles.en.zip
+ t4 Q, ^- Y4 L' Y8 h    │  │      6._Unsupervised_Learning.zip( H# U) R3 l- W/ p% m; i
    │  │      7._Representation_with_Logic-subtitles.en.zip
% ^& C, R+ c' |+ t# i9 L3 z    │  │      7._Representation_with_Logic.zip- ?! a; y: e  Z( |
    │  │      8._Planning-subtitles.en.zip3 s8 F: d0 `# D& C) Q
    │  │      8._Planning.zip/ Q' w% Q- Q( E! b7 P9 [; I# E  h5 v
    │  │      9._Planning_under_Uncertainty-subtitles.en.zip
+ k' @5 M  ]3 s5 [* K& [    │  │      9._Planning_under_Uncertainty.zip
3 n1 Z# ?) W8 y- a4 I7 j    │  │      Office_Hours.zip/ ^( @: i7 m4 K2 g  R
    │  │      printable_final.pdf" N6 [/ m8 U# _. d. [' e3 X
    │  │      printable_midterm.pdf' c" O' O8 _1 f$ v: X# G( m
    │  │      Problem_Set_1-subtitles.en.zip
6 G& n; M9 k6 g. }2 I" J/ h6 z    │  │      Problem_Set_1.zip; |: \  C/ H% c7 m$ z. B5 O9 s7 q$ {. l
    │  │      Problem_Set_2-subtitles.en.zip$ D. Y9 J6 X# ]3 R: @+ n; C- ]+ ?# ]" _
    │  │      Problem_Set_2.zip- L; ]* q  q. s4 L
    │  │      Problem_Set_3-subtitles.en.zip( \/ c1 X9 {" y7 ^
    │  │      Problem_Set_3.zip
+ j4 R% j2 S! [    │  │      Problem_Set_4-subtitles.en.zip
! W8 D$ M8 @* \2 |; Y9 ]$ ^    │  │      Problem_Set_4.zip
& J, Z2 s  X) f) P! x) o    │  │      Problem_Set_5-subtitles.en.zip& D% Q0 C2 H+ I1 V8 L: b( i8 o, @
    │  │      Problem_Set_5.zip
/ e( Q& e$ y% P, K9 [    │  │      Problem_Set_6-subtitles.en_2.zip$ t8 G- o& |  @( a8 k$ p7 ]
    │  │      Problem_Set_6.zip! w2 C$ d. O- I, h. V% t9 D5 v1 a
    │  │      Problem_Set_7-subtitles.en.zip6 i; C# I& N  G+ v3 I
    │  │      Problem_Set_7.zip
+ W1 |- M! s4 Z5 j    │  │      Problem_Set_8-subtitles.en.zip& y9 u* B2 o8 K) G- L, K6 i
    │  │      Problem_Set_8.zip
/ q" `! N4 D# ]7 S    │  │      
, d$ L. W% e+ k' U$ ^6 k( |    │  ├─CS291 Interactive 3D Graphics Creating Virtual Worlds
( t* |0 P# ~+ t0 W$ L0 H; @    │  │      Final_Exam-subtitles.en.zip; _1 v# {$ Z) r& p, p# p3 v. i. q" |$ ^
    │  │      Final_Exam.zip
; D3 Q( k2 Z, R5 C! T' ~2 U    │  │      Interview_3D_Modelling_and_Printing-subtitles.en.zip
) }( }- N  j7 ]    │  │      Interview_3D_Modelling_and_Printing.zip
& d8 \; _& E+ b, x    │  │      Interview_Modeling_in_Real_World-subtitles.en.zip0 H3 x% V7 y# [
    │  │      Interview_Modeling_in_Real_World.zip
2 t9 G8 n4 J; {+ c$ g    │  │      Lesson_10_Interaction_and_Animation-subtitles.en.zip! k- Y; S' O6 ?0 f0 h
    │  │      Lesson_10_Interaction_and_Animation.zip1 I4 P* R- `' z
    │  │      Lesson_1_Introduction-subtitles.en.zip  p( {" {! O, o' \# t" R5 G4 M9 q
    │  │      Lesson_1_Introduction.zip
" u, j) a% g7 c4 }3 |( F; y    │  │      Lesson_1_Problem_Set-subtitles.en.zip0 a& T' n1 o7 w8 f1 k
    │  │      Lesson_1_Problem_Set.zip$ p2 |7 f. ~! A5 e. ]2 w
    │  │      Lesson_2_Points,_Vectors,_and_Meshes-subtitles.en.zip" Y( i5 w  t5 v7 o8 z" s9 y8 O: L
    │  │      Lesson_2_Points,_Vectors,_and_Meshes.zip
# b3 A) \5 L  {5 G( L0 B. a8 V    │  │      Lesson_2_Problem_Set-subtitles.en.zip
1 i! \* @8 B& k' c( D    │  │      Lesson_2_Problem_Set.zip9 @6 D: y* c- F/ N/ f" P+ L% Q# }! O
    │  │      Lesson_3_Colors_and_Materials-subtitles.en.zip0 }: u( e4 n- P7 o/ _# |
    │  │      Lesson_3_Colors_and_Materials.zip
& M' ~/ J6 z# t, t; N    │  │      Lesson_3_Problem_Set-subtitles.en.zip1 N- s: r- [; @6 {, b* O( u
    │  │      Lesson_3_Problem_Set.zip" h; S% Z6 }( Y$ t$ b; U- y) Z* }* [" Y
    │  │      Lesson_4_Problem_Set-subtitles.en.zip* e8 b) i/ T9 F4 p" I
    │  │      Lesson_4_Problem_Set.zip
9 G1 h+ T$ z2 q+ i' U) T    │  │      Lesson_4_Transforms-subtitles.en.zip
/ v) z' m5 x$ h- A1 \0 S$ j    │  │      Lesson_4_Transforms.zip3 ?* O, F- U: h4 x3 x
    │  │      Lesson_5_Matrices-subtitles.en.zip3 U. q1 A/ z9 G/ B8 d0 x5 D
    │  │      Lesson_5_Matrices.zip- q% a/ x, }" C) M
    │  │      Lesson_5_Problem_Set-subtitles.en.zip
. e. C- Y" ?' X" I    │  │      Lesson_5_Problem_Set.zip, M# u# Q8 m+ H$ ~% k+ ], Z
    │  │      Lesson_6_Lights-subtitles.en.zip
; o' o: X; @1 W/ D    │  │      Lesson_6_Lights.zip
, x, `- y9 ?7 f" U9 j, C    │  │      Lesson_6_Problem_Set-subtitles.en.zip
' O7 C" \2 O2 D, D    │  │      Lesson_6_Problem_Set.zip
9 u+ L" J5 T) Z    │  │      Lesson_7_Cameras-subtitles.en.zip
( o/ X* j& x/ t/ \9 Z    │  │      Lesson_7_Cameras.zip/ o: M/ C2 e6 a/ c0 {1 g
    │  │      Lesson_7_Problem_Set-subtitles.en.zip8 N4 N5 E* Q8 [% m2 t2 u  K
    │  │      Lesson_7_Problem_Set.zip
, F9 d  K* n& w0 L: \# ?    │  │      Lesson_8_Problem_Set-subtitles.en.zip
! F& K+ X! b" v# |    │  │      Lesson_8_Problem_Set.zip
( @2 }, {7 |$ g# T1 E  g( z4 Q5 S    │  │      Lesson_8_Textures_and_Reflections-subtitles.en.zip
: u4 S: m9 p, `* W- y! e# U, E  ^    │  │      Lesson_8_Textures_and_Reflections.zip
0 Z, p0 Z3 b% e    │  │      Lesson_9_Problem_Set-subtitles.en.zip
- _, O! [2 s3 m8 c. Q( R    │  │      Lesson_9_Problem_Set.zip' K  R( s5 O. `4 t- w
    │  │      Lesson_9_Shader_Programming-subtitles.en.zip
  ?% H5 C. ?1 X6 Z& ]' X    │  │      Lesson_9_Shader_Programming.zip
: p) E$ n0 p( K+ R5 f    │  │      5 `9 o9 P0 P/ B5 t' R5 Y. V6 C
    │  ├─CS313 Introduction to Theoretical Computer Science
/ o: |! X: a$ X- w    │  │      Exam-subtitles.en.zip4 N7 z/ Q, U7 O4 K" \4 b
    │  │      Exam.zip
6 h8 w) ~3 A+ k    │  │      Problem_Set_1-subtitles.en.zip2 S! c: M9 G" h+ h- f- i
    │  │      Problem_Set_1.zip
' S( g& j$ J+ P' g& r: r/ K! G    │  │      Problem_Set_2-subtitles.en.zip5 s7 ?) c1 a0 p8 O
    │  │      Problem_Set_2.zip
7 }! p+ [* ~5 C1 q/ Q    │  │      Problem_Set_3-subtitles.en.zip
4 Z6 o# F3 b) k) d) a' C9 G    │  │      Problem_Set_3.zip* W  Y2 ^3 G' k% \. ~
    │  │      Problem_Set_4-subtitles.en.zip
7 B  x* W% p3 L' p" A0 v' q4 y    │  │      Problem_Set_4.zip
1 O. g; l1 F* \% x" w* S: h    │  │      Problem_Set_5-subtitles.en.zip( C2 n7 n" W7 Z% E6 H
    │  │      Problem_Set_5.zip
  p$ ?: u7 K; f3 [    │  │      Problem_Set_6-subtitles.en.zip
* K5 ?* p8 X7 t( S) R    │  │      Problem_Set_6.zip
. ^- @* u7 ~) E7 }1 i% R' O! o8 Z    │  │      Problem_Set_7-subtitles.en.zip1 m8 {, F* D5 V& `3 T7 e8 p3 E8 B
    │  │      Problem_Set_7.zip3 h/ E; ~4 X7 ]' {8 J0 O! y: |
    │  │      Unit_1.1_-_Challenging_Problems-subtitles.en.zip
% V  L) U4 Z) v! x4 m; ?/ O    │  │      Unit_1.1_-_Challenging_Problems.zip
9 O+ R: Z3 Z* v0 w    │  │      Unit_1.2_-_Algorithm_Analysis_and_the_RAM-subtitles.en.zip/ U" w: }8 Q4 y5 F, k
    │  │      Unit_1.2_-_Algorithm_Analysis_and_the_RAM.zip
- W% j" t$ n- m% [1 ~' g0 p+ ^$ S    │  │      Unit_1.3_-_Big_O_(Optional)-subtitles.en.zip' @  Z. W4 V# n, `
    │  │      Unit_1.3_-_Big_O_(Optional).zip
" X$ Q  i, E1 V: z8 \5 P5 w) z) m7 B    │  │      Unit_1.4_-_Connecting_Similar_Problems-subtitles.en.zip% a1 `" }3 N: B0 E
    │  │      Unit_1.4_-_Connecting_Similar_Problems.zip
$ R- E. W( g1 U  Q& o    │  │      Unit_2.1_-_Many_Solutions_and_Intractability-subtitles.en.zip
) F  X8 q  I- n9 m    │  │      Unit_2.1_-_Many_Solutions_and_Intractability.zip0 E( \" {% {0 f2 v" h/ N* o+ w2 e
    │  │      Unit_2.2_-_Non-deterministic_RAM-subtitles.en.zip, G1 |1 U: X+ L
    │  │      Unit_2.2_-_Non-deterministic_RAM.zip
6 h7 F) N( |) n: s* \    │  │      Unit_2.3_-_SAT-subtitles.en.zip
0 z# ^/ b; \/ G! o. v+ t( e6 {5 x    │  │      Unit_2.3_-_SAT.zip) q; \" E6 \; Z
    │  │      Unit_2.4_-_Proof_of_SAT_(Optional)-subtitles.en.zip, \, ~1 G, z  ]( y6 E
    │  │      Unit_2.4_-_Proof_of_SAT_(Optional).zip
, Z/ d7 Z' R/ F' f1 ^: L    │  │      Unit_2.5_-_NP-Completeness_Via_Reductions-subtitles.en.zip, Z( {! h1 y8 P- D0 i7 f
    │  │      Unit_2.5_-_NP-Completeness_Via_Reductions.zip4 H( |1 }6 O: A. p, |
    │  │      Unit_3_-_Solving_NP-Complete_Problems-subtitles.en.zip1 r9 r! S: l. G6 J" k. M% f; ]
    │  │      Unit_3_-_Solving_NP-Complete_Problems.zip
+ J! D" z: Z9 _! p9 \    │  │      Unit_4.1_-_Pruning_the_Input-subtitles.en.zip
: J# P8 H# S8 ~2 R% Q  ^: P$ j9 ?    │  │      Unit_4.1_-_Pruning_the_Input.zip
0 s$ d% l* K4 @    │  │      Unit_4.2_-_Preprocessing-subtitles.en.zip  ~% c6 k8 y5 p8 e& }
    │  │      Unit_4.2_-_Preprocessing.zip
& X" C9 @1 ?7 W    │  │      Unit_4.3_-_Measuring_Hardness-subtitles.en.zip
& C, P5 W' b$ @( s5 |; w    │  │      Unit_4.3_-_Measuring_Hardness.zip! Q4 \9 u9 o% h9 O/ D
    │  │      Unit_5.1_-__Approximation_Factor-subtitles.en.zip
) ]9 k$ X; y+ K) y4 l    │  │      Unit_5.1_-__Approximation_Factor.zip
# @0 S) v+ r0 s: e: ^2 C. G& n    │  │      Unit_5.2_-_Shortest_Tour-subtitles.en.zip8 `+ J0 }! o7 T3 _( @9 p8 _3 _7 ]
    │  │      Unit_5.2_-_Shortest_Tour.zip: d. _0 c( O0 a7 [  @( J
    │  │      Unit_5.3_-_Reductions_&_Approx._Factors-subtitles.en.zip
5 M5 ?9 ?6 A: f    │  │      Unit_5.3_-_Reductions_&_Approx._Factors.zip1 L+ B- ^" K5 K$ ~- O0 q! A' j0 _) }* }
    │  │      Unit_5.4_-_PTAS-subtitles.en.zip8 Z- J' k/ W6 u
    │  │      Unit_5.4_-_PTAS.zip! J2 l# X* I' P4 f" ?; q
    │  │      Unit_6.1_-_Randomization-subtitles.en.zip5 _* S% n% k, ~7 V9 M8 [( h: \
    │  │      Unit_6.1_-_Randomization.zip7 l6 l  M9 [+ Y# m. k  V7 r" o: i( r
    │  │      Unit_6.2_-_What_Youve_Learnt-subtitles.en.zip
9 z0 v" o' [1 ?    │  │      Unit_6.2_-_What_Youve_Learnt.zip0 @  [5 _% q  N2 T
    │  │      Unit_7.1_-_Limits_of_Computation-subtitles.en.zip
+ c' Z  e8 F& @; `2 B- {$ }    │  │      Unit_7.1_-_Limits_of_Computation.zip
2 h# H$ m! a4 W7 y' d2 E' ^  v    │  │      Unit_7.2__-_More_Undecidability-subtitles.en.zip
+ r" _" E2 u. M    │  │      Unit_7.2__-_More_Undecidability.zip
9 b) C2 ?2 f7 ~    │  │      0 q: b) m8 k$ D5 D6 z4 H' y3 n5 w
    │  ├─CS344 Intro To Parallel Programming Using CUDA to Harness the Power of GPUs
$ M' `& h/ r( E- P4 u  n& n    │  │      Lesson_1_-_Bill_Dally_Interview-subtitles.en.zip. w2 P3 U# y, I. t0 ~& n- o+ W5 h
    │  │      Lesson_1_-_Bill_Dally_Interview.zip( G, x! n: B" T0 z
    │  │      Lesson_1_-_The_GPU_Programming_Model-subtitles.en.zip% ?! h% {- u) z  @
    │  │      Lesson_1_-_The_GPU_Programming_Model.zip% E( h) Y' v0 y  A/ Q5 s
    │  │      Lesson_2_-_GPU_Hardware_and_Parallel_Communication_Patterns-subtitles.en.zip+ x! {8 p: a# ~6 l, @. l3 S
    │  │      Lesson_2_-_GPU_Hardware_and_Parallel_Communication_Patterns.zip- `( l' z$ Z0 b6 o
    │  │      Lesson_3_-_Fundamental_GPU_Algorithms_(Reduce,_Scan,_Histogram).zip
! E7 }& Q% `* h6 _. x; }# _0 V    │  │      Lesson_4_-_Fundamental_GPU_Algorithms_(Applications_of_Sort_and_Scan).zip
- ~2 D$ F) p1 S    │  │      Lesson_4_-_Ian_Buck_Interview-subtitles.en.zip7 c( @  {5 E$ t3 M& f/ R; A+ z
    │  │      Lesson_4_-_Ian_Buck_Interview.zip
7 g2 {# Y+ E- T1 Y    │  │      Lesson_5_-_Optimizing_GPU_Programs-subtitles.en.zip
: L$ A( v1 S/ P9 _) Q    │  │      Lesson_5_-_Optimizing_GPU_Programs.zip
7 }; h1 g1 L7 g1 I0 k    │  │      Lesson_6.1_-_Parallel_Computing_Patterns_Part_A-subtitles.en.zip
3 N1 W$ J( R3 h, K- s% g# Z8 D% h, s    │  │      Lesson_6.1_-_Parallel_Computing_Patterns_Part_A.zip
4 y# Q+ A& {  X+ `    │  │      Lesson_6.2_-_Parallel_Computing_Patterns_Part_B-subtitles.en.zip3 p7 g/ _4 W5 h, Z, ^1 @' l& w
    │  │      Lesson_6.2_-_Parallel_Computing_Patterns_Part_B.zip
2 ~5 i) x( g2 R) d    │  │      Lesson_7.1_-_Additional_Parallel_Computing_Topics-subtitles.en.zip9 {, ^' h" |9 e7 U
    │  │      Lesson_7.1_-_Additional_Parallel_Computing_Topics.zip# n; p6 [! c% ?) g2 S
    │  │      Lesson_7.2_-_Dynamic_Parallelism-subtitles.en.zip: H! r; `3 x  O3 B3 n! ?6 Z
    │  │      Lesson_7.2_-_Dynamic_Parallelism.zip
5 a* u& h) E4 d. Q    │  │      Lesson_7.3_-_Stephen_Jones_Interview-subtitles.en.zip6 e+ S! e$ E; U: v7 X1 k
    │  │      Lesson_7.3_-_Stephen_Jones_Interview.zip" ^/ K5 z9 X' f; r" d2 l3 b
    │  │      zh-cn-subtitles.zip
9 L+ S) W- E9 u2 w5 L3 C    │  │      
  y( _; A/ N1 T) B    │  ├─CS348 Functional Hardware Verification How to Verify Chips and Eliminate Bugs9 |: M5 G6 Q; z+ f, a2 _/ ~. z
    │  │      Lesson_1_Introduction_to_Hardware_Verification-subtitles.en.zip
5 y! N, K3 U6 [' r    │  │      Lesson_1_Introduction_to_Hardware_Verification.zip% q, P- {" u- C7 I5 c
    │  │      Lesson_2_Basic_stimulus_modeling_and_generation-subtitles.en.zip" u, l$ j, z! |
    │  │      Lesson_2_Basic_stimulus_modeling_and_generation.zip8 f" U  s4 e% g1 S# q& ~  J8 ]1 W1 L
    │  │      Lesson_3_Interfacing_to_the_Hardware_Model-subtitles.en.zip# a$ N/ B/ J; R8 U( I+ f
    │  │      Lesson_3_Interfacing_to_the_Hardware_Model.zip
( c& n- U8 W' g( g/ P    │  │      Lesson_4_Monitoring_and_Functional_Coverage-subtitles.en.zip
2 i. F4 G+ Q% X; F    │  │      Lesson_4_Monitoring_and_Functional_Coverage.zip4 i" W5 t) p9 h8 W  W
    │  │      Lesson_5_Checking-subtitles.en.zip
" [6 }8 e5 ]6 Q+ A/ l7 E    │  │      Lesson_5_Checking.zip
: x2 F. Y! H1 X    │  │      Lesson_6_Aspect_Oriented_Programming-subtitles.en.zip
+ M5 q5 X+ Z3 ~. ^- \. H  Q    │  │      Lesson_6_Aspect_Oriented_Programming.zip' X! c/ K6 X( Z  j' C7 [+ f% Q
    │  │      Lesson_7_Reuse_Methodology-subtitles.en.zip% s9 V$ Y5 }7 X( W6 J
    │  │      Lesson_7_Reuse_Methodology.zip
* M5 {7 D$ k5 W6 v" j0 Y    │  │      Lesson_8__Debugging-subtitles.en.zip
) r9 j+ j3 Z2 r& c: P$ F! i* ~    │  │      Lesson_8__Debugging.zip$ r: B2 ~3 L# H, w
    │  │      Lesson_9_Conclusion_and_Exam-subtitles.en.zip3 |# p+ L9 o7 S, I
    │  │      Lesson_9_Conclusion_and_Exam.zip/ g5 @+ }+ Q$ |# {" O
    │  │      
1 `+ v' c5 W" i2 C    │  ├─CS373 Artificial Intelligence for Robotics Programming a Robotic Car6 {# J) F& i* f5 X8 A6 H& e& l
    │  │      Problem_Set_1-subtitles.en.zip
0 ?8 j& p  w6 Q7 a+ [    │  │      Problem_Set_1.zip) b: m+ f& y# G
    │  │      Problem_Set_2-subtitles.en.zip) P' K3 _3 y. g( L0 g
    │  │      Problem_Set_2.zip: r& X$ W9 |5 @+ r. i& a
    │  │      Problem_Set_2_Help-subtitles.en.zip) o6 C. {" X+ z1 x) p4 }: j
    │  │      Problem_Set_2_Help.zip6 C( H2 i$ z) M/ n- O5 D/ T
    │  │      Problem_Set_3-subtitles.en.zip6 ~2 X. d  L" @
    │  │      Problem_Set_3.zip
" ~- h& w2 U8 J; x    │  │      Problem_Set_3_Help-subtitles.en.zip5 p1 l2 H& r8 f! j) s; v
    │  │      Problem_Set_3_Help.zip# v/ ?& @7 G- y
    │  │      Problem_Set_4-subtitles.en.zip
9 v7 q+ m( L/ R: J    │  │      Problem_Set_4.zip
$ Y  I! H* `1 T( c) s, G0 _    │  │      Problem_Set_5-subtitles.en.zip5 [: V( v% P+ o+ D' q
    │  │      Problem_Set_5.zip
8 `* p2 Z$ F! R) z, V    │  │      Problem_Set_5_Help-subtitles.en.zip
/ W5 Y% V, m( X6 [( e/ i! D! C    │  │      Problem_Set_5_Help.zip
  L9 P- F+ W, `    │  │      Problem_Set_6-subtitles.en.zip
* t7 {% G4 o  @" H  A* {    │  │      Problem_Set_6.zip
, m0 L9 D7 W4 N4 T/ W/ P    │  │      Q&A_1-subtitles.en.zip
6 r/ B! X% F; |1 D2 T1 R, \# ?    │  │      Q&A_1.zip
; l! `5 h6 `" u* X# B    │  │      Q&A_2-subtitles.en.zip
6 ^+ _. J! L2 l- x, O: m! d    │  │      Q&A_2.zip
- F- y# N' P, d3 S9 Y% }    │  │      Q&A_3-subtitles.en.zip
! N7 e( q# `  D7 @& g+ F; }6 v) i    │  │      Q&A_3.zip
5 U4 P, ]$ z( ]$ y" L    │  │      Q&A_4-subtitles.en.zip. }0 o( N, N. t- O8 D
    │  │      Q&A_4.zip
3 T: X( h) J4 g$ \) R: d) j    │  │      Q&A_5-subtitles.en.zip7 b3 b# @  @* }+ h3 H3 \- r
    │  │      Q&A_5.zip3 T( E! @" x' a7 x
    │  │      Q&A_6-subtitles.en.zip
( {% g$ G( |  D, S; R    │  │      Q&A_6.zip
& d2 e" n) J6 u5 h' f* v' [    │  │      Unit_1_-_Localization-subtitles.en.zip( O& j2 ]8 @7 M
    │  │      Unit_1_-_Localization.zip
6 k1 y. }' ?: m* |/ j1 _( d    │  │      Unit_2_-_Kalman_Filters-subtitles.en.zip
* R# x2 ?! K) y5 |! l' r* j    │  │      Unit_2_-_Kalman_Filters.zip3 r- ^/ \+ I* {+ |6 @0 G
    │  │      Unit_3_-_Particle_Filters-subtitles.en.zip
5 `8 W5 L. p# ]    │  │      Unit_3_-_Particle_Filters.zip. N; A9 k. R! R% @
    │  │      Unit_4_-_Search-subtitles.en.zip
* D- V0 M7 ~; ?: ?. q    │  │      Unit_4_-_Search.zip1 C# A# e, Z) y0 v& s
    │  │      Unit_5_-_PID_controll-subtitles.en.zip/ O0 y; y1 j& L7 H: U! q
    │  │      Unit_5_-_PID_controll.zip
5 S* P$ Y0 G5 t3 b5 o+ e    │  │      Unit_6_-_SLAM-subtitles.en.zip6 Z  A6 d& `& [5 w- B$ u% U
    │  │      Unit_6_-_SLAM.zip
5 D* H& B0 }# g. o    │  │      
5 K" w) L$ u/ x% l, ?! u    │  ├─CS387 Applied Cryptography The Science of Secrets$ ^+ [. _' h$ Q3 V  ~
    │  │      Exam-subtitles.en.zip: V! t1 f: ~2 e# j6 c/ a. u
    │  │      Exam.zip' {$ E8 F6 a1 r! P
    │  │      Interview_on_GSM_Cracking-subtitles.en.zip* L! |' Q0 n9 i
    │  │      Interview_on_GSM_Cracking.zip
% o+ P0 o" K: H" r0 b# J% \( K    │  │      Problem_Set_1-subtitles.en_2.zip
/ f$ R% Y# B! H    │  │      Problem_Set_1_2.zip6 w9 C- o0 o  c7 g# [: x- x$ j
    │  │      Problem_Set_2-subtitles.en_2.zip
: v' D; d7 V6 ^2 `    │  │      Problem_Set_2_2.zip
: B# ]4 }0 i* X( U    │  │      Problem_Set_3-subtitles.en_2.zip
2 T. K; T  v' s7 w, ]    │  │      Problem_Set_3_2.zip
% S$ s: f: H8 e, d0 b6 I0 H    │  │      Problem_Set_4-subtitles.en_2.zip
. i0 J& `7 P6 B    │  │      Problem_Set_4_2.zip
# I- ?# X- Y; k3 {+ Q4 V- V' Y$ D    │  │      Problem_Set_5-subtitles.en_2.zip4 U1 M# m$ c3 Q+ U5 `* G- d
    │  │      Problem_Set_5_2.zip
2 U5 E3 @9 N- a- D* K. v: h# `    │  │      Problem_Set_6-subtitles.en_2.zip# I4 h& I9 ?+ L1 N: V5 X3 D' Z
    │  │      Problem_Set_6_2.zip
. S4 `' d: e# h: z- k    │  │      Problem_Set_6_Solutions-subtitles.en.zip1 q% l3 J, i0 R4 n5 F8 f
    │  │      Problem_Set_6_Solutions.zip$ F4 @9 S/ A/ ~
    │  │      Q_&_A_Session_1-subtitles.en.zip2 Q- h9 T" {1 S4 g9 H
    │  │      Q_&_A_Session_1.zip; t5 {% s  s% G3 b- D2 T" z" P1 Z* |. m
    │  │      Q_&_A_Session_2-subtitles.en.zip
; v1 E+ @  i2 }6 [  J    │  │      Q_&_A_Session_2.zip
, K8 W  t6 t0 q( ^    │  │      Q_&_A_Session__3-subtitles.en.zip
+ u$ Q% H3 O' K+ N+ {. e    │  │      Q_&_A_Session__3.zip
' {; T# Q# G) M# d+ e0 K% g9 l    │  │      Unit_1-subtitles.en.zip
" I/ v0 ~5 O3 N# v" R: c' {6 A9 Y    │  │      Unit_1.zip
% z8 \( z; k. \5 a) N# i    │  │      Unit_2-subtitles.en.zip
; r* K( M8 L# T4 c    │  │      Unit_2.zip; H) V  I$ U) ]2 A+ B4 M: q6 G9 M9 f
    │  │      Unit_3-subtitles.en.zip- T7 a0 Y* O9 [  p6 o) z
    │  │      Unit_3.zip
* F2 E( u1 n+ N: x    │  │      Unit_4-subtitles.en.zip
* C& x- _* x$ m9 Y! y! _) K7 K    │  │      Unit_4.zip  a2 m! ?- W3 m% l7 E
    │  │      Unit_5-subtitles.en.zip
* [5 E: s! d0 a9 Y. e5 }1 I    │  │      Unit_5.zip
/ \- {0 R( A$ C% o. Q6 T    │  │      Unit_6-subtitles.en.zip- T+ ~' p2 z0 y! p1 ^8 ]
    │  │      Unit_6.zip
0 F: r. d9 p9 ?9 j  J/ ]    │  │      Unit_7-subtitles.en.zip
% z! t+ ~+ f& s" N% Q& u! z9 U    │  │      Unit_7.zip
9 X+ V5 X# _9 a: \6 M( u    │  │      5 C; N  f* [8 d
    │  ├─EP245 How to Build a Startup The Lean LaunchPad; K; q; K+ [$ F
    │  │      Lecture_0_Before_You_Get_Started-subtitles.en.zip& A% s* H9 J5 \  }) L9 L
    │  │      Lecture_0_Before_You_Get_Started.zip3 N& ~! T9 U- Z
    │  │      Lecture_1.5A_Business_Models_and_Customer_Development-subtitles.en.zip
% ^3 U- u* w: |2 ~- W7 Q    │  │      Lecture_1.5A_Business_Models_and_Customer_Development.zip
0 `& ~* B8 q. Q' q; s8 G! L& c/ w    │  │      Lecture_1.5B_Business_Models_and_Customer_Development-subtitles.en.zip  }6 h/ c! G- j; f' r% W
    │  │      Lecture_1.5B_Business_Models_and_Customer_Development.zip
% D2 F! Z6 q0 @8 p% `3 ^    │  │      Lecture_1_What_We_Now_Know-subtitles.en.zip% c) e0 B9 {' L& O# W
    │  │      Lecture_1_What_We_Now_Know.zip
. J" [8 O1 s" b4 y    │  │      Lecture_2_Value_Proposition-subtitles.en.zip/ z* s+ j, M5 G- e; _* d
    │  │      Lecture_2_Value_Proposition.zip
4 R  H  I) ~. |8 z0 T    │  │      Lecture_3_Customer_Segments-subtitles.en.zip
4 {$ y2 V5 a& ?    │  │      Lecture_3_Customer_Segments.zip- T, S7 _+ p* U$ G- l! C8 U) ^
    │  │      Lecture_4_Channels-subtitles.en.zip* `7 ^( ^/ H1 N. L' x4 T) U
    │  │      Lecture_4_Channels.zip
: E6 q3 H& K+ Y  x1 p2 ^    │  │      Lecture_5_Customer_Relationships-subtitles.en.zip
" r5 d# a" b$ x* e; v% L    │  │      Lecture_5_Customer_Relationships.zip
, K. `# u% z! W8 n' V( ]    │  │      Lecture_6_Revenue_Model-subtitles.en.zip
6 x8 j/ Z/ \' i) Z. m, v: m  ~    │  │      Lecture_6_Revenue_Model.zip* f, l5 ?4 L. W3 U
    │  │      Lecture_7_Partners-subtitles.en.zip
  C! d! |6 G1 d; z2 `9 L9 n    │  │      Lecture_7_Partners.zip
" B) I; l, p8 G! C8 J/ w4 E9 v    │  │      Lecture_8_Resources,_Activities_&_Costs-subtitles.en.zip
9 b/ X3 N- X$ ^7 X# u; W    │  │      Lecture_8_Resources,_Activities_&_Costs.zip
/ O: {- c5 ~+ E8 C* A    │  │      Secret_Notes_for_InstructorsCoaches-subtitles.en.zip- B9 p9 x4 G; k! V
    │  │      Secret_Notes_for_InstructorsCoaches.zip$ A; b$ o8 Y0 u" ]
    │  │      3 Z% _2 }% M$ l; F4 w- h" [! S
    │  ├─MA004 Introductory Algebra Review2 A/ ^7 w( C% X, {" c) r1 R
    │  │      1.1_Intro_to_Integers.zip
9 f% c  Z9 P) Z" H* s2 y    │  │      1.2_Order_of_Operations.zip
$ l6 l! `3 a* B% B# k* {    │  │      1.3_Area_and_Perimeter.zip
/ T+ V) ^0 c6 m0 j; X, `    │  │      2.1_Fractions.zip; ]5 ]- n0 t5 \9 i2 ^: C& h
    │  │      2.2_Decimals_and_Applications.zip( f* \& d+ f/ }
    │  │      2.3_Fraction_to_Decimal_Conversion.zip
4 q# k9 }( i% Z. _; q5 M( R    │  │      2.4_Scientific_Notation.zip% P7 O% z( k2 l
    │  │      3.1_Rates.zip
( w* W$ P# X8 V$ r& u- M    │  │      3.2_Ratios.zip
! t( [! Z* {, c0 Q7 o) e    │  │      3.3_Unit_Conversion.zip
; |/ N* Q8 _# S& M    │  │      3.4_Decimals_and_Percents.zip, M0 y7 S) _) [3 m/ t9 m4 ?
    │  │      4.1_Algebraic_expressions.zip
9 G3 I# G- U3 |0 a6 H5 i; l    │  │      4.2_Linear_equations.zip' z) Y8 i# l( }* f
    │  │      4.3_Algebraic_Proportions_&_Similar_Triangles.zip$ g" f: D7 e% ~8 d0 t) F$ v
    │  │      4.4_Pythagorean_Theorem.zip8 q, P7 n3 O1 L# U* P1 [8 Q
    │  │      5.1_Introduction_to_Graphing.zip* d' K5 j5 m0 ?
    │  │      5.2_Slope.zip: \- \4 }0 \( U+ x
    │  │      5.3_Writing_Linear_Equations.zip
( }# Z( L3 F! R2 L. w/ {+ I! w    │  │      
3 S& g' l( f4 w* G0 x) p    │  ├─MA006 Visualizing Algebra Problems and Patterns3 b! W% b$ p5 G/ p6 `) G9 r
    │  │      1.1a_Equivalent_Fractions-subtitles.en.zip
$ T" ]  C+ i  a8 W, ^% |    │  │      1.1a_Equivalent_Fractions.zip
5 Z+ U% F7 {3 E9 X2 p    │  │      1.1b_Multiply_Fractions-subtitles.en.zip; y) G$ E! r4 r5 w' o
    │  │      1.1b_Multiply_Fractions.zip
0 B7 a' }+ I: J& v$ E9 B6 F( ]) y9 \    │  │      1.1c_Divide_Fractions-subtitles.en.zip
: y4 |9 L' A4 [. [2 A    │  │      1.1c_Divide_Fractions.zip
3 ~6 x, N; F: ~5 {% B/ @: @    │  │      1.1d_Add_and_Subtract_Fractions-subtitles.en.zip' t' F4 {7 o! _* b
    │  │      1.1d_Add_and_Subtract_Fractions.zip: G! V. }/ ]" P9 [9 K; H
    │  │      1.2_Exponents-subtitles.en.zip7 B  P0 J5 I. v. I5 f1 U
    │  │      1.2_Exponents.zip
# [- m1 K7 |3 P0 p# ]" e    │  │      1.3a_Scientific_Notation-subtitles.en.zip
4 f0 Y2 X4 p( j2 J& L7 }- \    │  │      1.3a_Scientific_Notation.zip
! ^% Q/ `+ K+ r, w& U    │  │      1.3b_Decimals_and_Percents-subtitles.en.zip
, d+ h& C7 X2 o; `5 I    │  │      1.3b_Decimals_and_Percents.zip
& ^: c$ H1 I7 M' F7 V; Y    │  │      1.4_Order_of_Operations-subtitles.en.zip
$ D3 i$ a. z2 I* S; H5 R    │  │      1.4_Order_of_Operations.zip
; Y, x* t) R8 S. A    │  │      1.5_Evaluating_Expressions-subtitles.en.zip
2 I% v' @5 n  @) b) Q$ p) ~( u: P    │  │      1.5_Evaluating_Expressions.zip
+ {* ?) ^3 b) `7 u    │  │      1.6_Absolute_Value-subtitles.en.zip5 S/ [6 t5 ~: a$ E% X
    │  │      1.6_Absolute_Value.zip
4 L! Z/ n" O: B! [    │  │      10.1_Solving_Equations_with_Radical_Expressions.zip
: E& h+ q& j9 h3 A6 O1 r    │  │      10.2_Radical_Equations_that_lead_to_Factorable_Quadratics.zip
3 N) O: \( C2 f5 W    │  │      10.3_The_Substitution_Method.zip
  M+ G! v* ~  l0 S4 t& l5 i0 L$ f) w6 a    │  │      10.4_Geometry_Applications_(Area_and_Perimeter).zip
8 q+ G( n7 b9 k% k    │  │      10.5_Motion_Problems.zip5 L7 k/ x- D% J  `! X2 P7 d
    │  │      10.6_Motion_Problems_with_a_Current.zip6 E& i; x! M4 x
    │  │      10.7_Work_Problems.zip
7 c/ d' J; j  ^8 Q# n0 U. `    │  │      11.1_Pythagorean_Theorem.zip/ o; ~+ a$ ~/ ~) x) U
    │  │      11.2_The_Distance_Between_Two_Points.zip" K$ ?6 A- P7 c! U8 W6 c9 P' _
    │  │      11.3_Circles.zip
* z7 h6 Y- g3 Z  X% x- K    │  │      11.4_Ellipses.zip
( Q& T; b; H& r# z  I7 {) c- q3 S    │  │      11.5_Hyperbolas.zip3 n; R; l# U& Z4 {% g2 c; k& s
    │  │      11.6_Parabolas.zip
3 H3 A8 O( B/ R    │  │      11.7_Conic_Sections.zip$ z2 y# Z9 t5 H; ^* j0 k
    │  │      12.1_Inverses_of_Functions.zip
& Z. Z7 U1 a. l. v  k    │  │      12.2_Function_Algebra.zip
: {  l4 j# b1 z3 U. P    │  │      12.3_Exponential_Equations.zip
  n: `8 |; X* ^0 _! W9 r    │  │      12.4_Logarithmic_Notation.zip
" j; V3 o+ a3 G/ \    │  │      12.5_Properties_of_Logarithms.zip
6 H) n. L) N4 D7 r% c. J$ A    │  │      12.6_Equations_with_Logarithms.zip6 p/ I/ I8 l* w5 b' q
    │  │      2.0_Math_Quill-subtitles.en.zip
/ v- P5 _' t, K2 u    │  │      2.0_Math_Quill.zip. t" Q/ L% o) P+ ^" s
    │  │      2.1_Equations_and_Inequalities-subtitles.en.zip0 J& N: Q/ J; x0 O( J9 |: R4 n
    │  │      2.1_Equations_and_Inequalities.zip' U# v, o0 F- B0 p4 L6 l1 Z( E
    │  │      2.2_Problem_Solving-subtitles.en.zip7 Y4 \& l' w8 K3 F
    │  │      2.2_Problem_Solving.zip! l/ j, `! m  m3 `7 H4 z
    │  │      2.3_Solving_Inequalities-subtitles.en.zip! o2 r" n: M# I( |
    │  │      2.3_Solving_Inequalities.zip1 e3 N, j0 d3 v
    │  │      2.4_Sets-subtitles.en.zip
* Y; Y) U" K; ?; Z    │  │      2.4_Sets.zip! q$ p( ]+ ~4 ^& x, a& y2 ~. V
    │  │      2.5_Compound_Inequalities-subtitles.en.zip% M- q7 u8 l7 U) E/ E
    │  │      2.5_Compound_Inequalities.zip
3 p. b, C. X) m    │  │      2.6_Absolute_Value_Equations_and_Inequalities-subtitles.en.zip3 F% W5 f/ E6 i  O! ?. i$ ]
    │  │      2.6_Absolute_Value_Equations_and_Inequalities.zip# F' w: H: ?6 \  i
    │  │      3.0_Math_Quill.zip# S' E: J8 h( B
    │  │      3.1_Cartesian_Plane.zip
0 l1 U* _9 D4 w  b5 c    │  │      3.2_Slopes_of_Lines.zip
! Y4 }/ s  S, {/ |2 F5 V; i- t6 {    │  │      3.3_Graphing_Linear_Equations.zip
; o; e. B9 l- j  ^9 y    │  │      3.4_Equations_of_Lines.zip
4 L- R" U- A9 m& ~9 I    │  │      3.5_Graphs_of_Linear_Inequalities.zip
9 ?: L& e; q& z6 O    │  │      3.6_Functions.zip
- J/ B/ `3 a% M1 S/ {  K! g% r1 D    │  │      4.1_Types_of_Systems_of_Equations.zip
" b: W# Y) Q1 Y* ]8 q/ ]    │  │      4.2_Solving_Systems_using_Substitution.zip# m+ S5 M: Q# F
    │  │      4.3_Solving_Systems_using_Elimination.zip
5 O6 l8 c) q) S    │  │      4.4_Applications_of_Systems.zip$ a# x3 t# r" G
    │  │      5.1_Properties_of_Exponents.zip
3 p+ T) H- \# R    │  │      5.2_Calculations_with_Scientific_Notation.zip
$ a1 F/ A6 C) n5 x    │  │      5.3_Add_and_Subtract_Polynomials.zip
. ^9 A# c) t3 [- P    │  │      5.4_Multiply_Polynomials.zip7 t$ X3 f8 l9 C' v
    │  │      5.5_Divide_Polynomials.zip
# h* a- U4 v+ d$ V, L/ q5 q    │  │      6.1_Factoring_the_Greatest_Common_Factor.zip! ], P- P4 M2 e$ {4 B1 t1 k
    │  │      6.2_Factoring_by_Grouping.zip
# o% b5 i0 f9 `' _9 S9 ?9 v    │  │      6.3_Factoring_by_Patterns.zip
. }6 {; E" y7 E    │  │      6.4_Factoring_Expressions.zip
; A& a' ~) {& z  ~$ {    │  │      6.5_Solving_Quadratic_Equations_by_Factoring.zip
5 v( E2 K) ^) r    │  │      7.1_Simplify_Rational_Expressions.zip3 S1 A9 k  C1 P$ m5 U! z1 r
    │  │      7.2_Multiply_and_Divide_Rational_Expressions.zip8 ~, g4 _- S3 D3 m) }5 _" z
    │  │      7.3_Add_and_Subtract_Rational_Expressions.zip* h9 j+ C& k: q, @! Z  |4 z8 H0 `
    │  │      7.4_Complex_Fractions.zip
  g4 U3 G% Y& H4 ?7 y: n+ Z  U/ I  o    │  │      7.5_Solving_Equations_with_Rational_Expressions.zip- C: _; N3 N! _  z% O( c* w
    │  │      7.6_Solving_for_Variables_in_Variable_Equations.zip
7 Z0 ?, L( l* e    │  │      7.7_Variation.zip
* ^! z9 E+ `4 O7 m, \8 M/ r    │  │      8.1_Rational_Exponents.zip, e/ f  D! v5 s$ k9 S- w
    │  │      8.2_Simplifying_Radicals.zip
' T# y! h* [: R8 l; |/ J. O    │  │      8.3_Complex_Numbers.zip$ }8 o* W9 ?% k( a1 O# a
    │  │      8.4_Add_and_Subtract_Radicals_and_Complex_Numbers.zip+ x( p$ B) t' C0 z2 J( ~! n
    │  │      8.5_Multiply_Radicals.zip9 a. a. x) C' D4 w! b( s" D+ E
    │  │      8.6_Divide_Radicals.zip
- J/ S! P! e3 ?8 y    │  │      9.1_Review_of_Factorable_Quadratics.zip; p" j2 @3 g( f6 n/ I- C
    │  │      9.2_Solving_Quadratic_Equations_using_the_Square_Root_Method.zip
5 [) L; k$ M4 U$ F) [    │  │      9.3_Solving_Quadratic_Equations_by_Completing_the_Square.zip9 o8 S/ G+ `! @. t
    │  │      9.4_Solving_Quadratic_Equations_using_the_Quadratic_Formula.zip
( w" e& g( N- O3 z- {    │  │      9.5_Quadratic_Inequalities.zip4 q  U3 z0 O$ H( r& O  x2 P- u/ g. F
    │  │      $ p) x, `! n, _, g' V( P5 C' ?
    │  ├─MA008 College Algebra Animals, Architecture, and Innovation* M" S! N- n9 c  S
    │  │      Lesson_10__Parabolas.zip
: u$ A/ _6 T9 H4 Q1 W: P    │  │      Lesson_11_Factoring.zip
" Y4 M  P  j* G# V5 v, C& o    │  │      Lesson_12_Quadratic_and_Rational_Inequalities.zip: @4 {( z6 p8 s2 ~8 X  J0 W
    │  │      Lesson_13__Parabolas.zip
* _) V8 J9 S# n9 U7 w    │  │      Lesson_14_Completing_the_Square.zip
; l! j" r# y; E4 n$ T, ?    │  │      Lesson_15_Quadratic_Formula.zip8 F6 r! w5 t0 o" y" O
    │  │      Lesson_16__Complex_Numbers.zip
8 T! \) T  M3 ~: q- r    │  │      Lesson_17_Functions.zip
- J5 |6 r' q7 ?( @7 p3 F8 N! x0 `    │  │      Lesson_18_Domain_and_Range.zip
" {' C7 ~. N- `' ?    │  │      Lesson_19_Behavior_of_Functions.zip
: n: Y3 T& L9 j+ ?6 Z    │  │      Lesson_1_Number-subtitles.en.zip
/ B  P0 T. p6 @! |/ K) G5 F2 N0 X, V    │  │      Lesson_1_Number.zip
% W; d. X2 I# o5 W2 j; V    │  │      Lesson_20_Factor_Theorem.zip
2 X1 [' m8 g! f3 X    │  │      Lesson_21_Rational_Zero_Test.zip
3 y, `" T# Q+ q: Z9 C    │  │      Lesson_22__Intermediate_Value_Theorem.zip& {7 C! ^8 {/ F0 Y9 P8 Z6 V/ P
    │  │      Lesson_23_Piecewise_and_Rational_Functions.zip
! s8 t  G+ A/ o    │  │      Lesson_24_Asymptotes.zip
( U! k4 ~: e: z* [8 ]' S    │  │      Lesson_25_Slant_Asymptotes.zip
+ i) b6 z& m% R; F1 G8 n    │  │      Lesson_26_Transformations.zip
7 P) d8 C" S- P- B3 z, H7 T    │  │      Lesson_27_Combining_Functions.zip9 e) [1 b. s$ Q4 v3 n6 A
    │  │      Lesson_28_Inverses.zip
8 q5 g  f0 O% e3 ?    │  │      Lesson_29_Exponential_Functions.zip$ `4 h: G' J% o* S
    │  │      Lesson_2_Expressions-subtitles.en.zip
. \" }( H+ v% x% k/ n- W. i- s4 s    │  │      Lesson_2_Expressions.zip9 ?/ }8 k6 ~. t4 L- {) K9 C6 u
    │  │      Lesson_30_Scientific_Notation.zip
- c: \" C5 T# ^: C- h    │  │      Lesson_31_Logarithmic_Functions.zip6 J6 r+ c7 Z$ j" l, o9 ]% _
    │  │      Lesson_32_Log_Properties.zip" R- w2 R0 P$ j& t7 Z' o
    │  │      Lesson_3_Polynomials-subtitles.en.zip
7 }# N$ e0 R3 `1 Q( k    │  │      Lesson_3_Polynomials.zip
+ i' a8 w+ }) E4 b' k5 W    │  │      Lesson_4_Equations-subtitles.en.zip
* [- d7 z; m) {9 ~$ V! @: f" g( ]    │  │      Lesson_4_Equations.zip
# o& ?' ?; z* y2 H, @    │  │      Lesson_5-1_Coordinates-subtitles.en.zip3 p/ T# U# y# _  M* x
    │  │      Lesson_5-1_Coordinates.zip
3 w( {; {2 O6 \# O4 c  Z$ _" H    │  │      Lesson_5-2_Distance-subtitles.en.zip! z% Q/ N- ~" A. z, M
    │  │      Lesson_5-2_Distance.zip; |* l5 U6 W9 y# Z1 k
    │  │      Lesson_5-3_Midpoints_And_Slope-subtitles.en.zip
6 B5 O6 i" N" T2 l9 e- F5 a    │  │      Lesson_5-3_Midpoints_And_Slope.zip  K9 t( m4 b7 K0 L/ `( A
    │  │      Lesson_6-1_Slope_And_Equations.zip
: ?% `$ c% E1 t% w9 N    │  │      Lesson_6-2_Points.zip
$ u$ D0 Q$ u0 P8 h0 I2 a$ S    │  │      Lesson_6-2__Points-subtitles.en.zip& X9 F! B; F1 i. N
    │  │      Lesson_6-2__Points.zip
; y8 }: D6 ^7 Q- B/ k' n    │  │      Lesson_6_-1_Slope_And_Equations-subtitles.en.zip
) V8 U5 U0 \3 o4 o2 i% d9 [$ n. {    │  │      Lesson_7_Forms_of_the_Equation_of_a_Line.zip' `2 l0 q5 {- I9 T1 E6 a
    │  │      Lesson_8_Inequalities_And_Absolute_Value.zip
5 B: m. q! K" u* }5 F  \    │  │      Lesson_9_More_Inequalities_And_Equations.zip
6 h9 U3 h/ u( b    │  │      Progress_Assessment_(Lessons_17-26).zip
$ Z' z# [/ G7 M* O    │  │      Review_1-subtitles.en.zip
8 O0 `, v6 G1 h& V, P" P    │  │      Review_1.zip
8 B# L8 b, Z: i3 I2 k! z7 ^6 \8 B1 @, D    │  │      Review_1_(Lessons_1_-_3).zip
8 r' @6 ]& s9 v- K+ {7 x5 Y    │  │      Review_1_(Lessons_3_-_5).zip/ B" _' _7 B; W* c& @
    │  │      Review_2-subtitles.en.zip
2 |1 l5 I( M  ~2 a1 D2 @! S" a5 _    │  │      Review_2.zip
6 t7 A8 D# _/ m' b    │  │      Review_2_(Lessons_4_-_6).zip
4 i+ X) T& g- `$ ^    │  │      Review_3_(Lessons_7_-_9).zip2 a# H" R' I0 J' O9 N6 ]% r
    │  │      Review_4_(Lessons_10-12).zip7 v) I" q8 \  ~. i+ b
    │  │      Review_5_(Lessons_13-15).zip- ]' B$ w  n, z% }' Z9 U( j1 |
    │  │      Review_6_(lessons_1-16).zip
2 K0 f% X2 x, |8 `- F! q    │  │      Review_7_(Lessons_17-19).zip/ Z  C& P+ v, w" u) L
    │  │      Review_8_(Lesson_20-22).zip& Z8 {7 o% ]2 C; _1 T5 W
    │  │      Review_9_(Lessons_23-25).zip
- m- t: j: B) ~' ^8 J+ P0 k# L0 R    │  │      1 L" R3 D6 u8 |) X  z
    │  ├─PH100 Intro to Physics Landmarks in Physics( Y" ~% G( L! @/ a) q; R
    │  │      Bonus_-_Simple_Harmonic_Branches-subtitles.en.zip
4 a  W7 n4 @! e! i, J* g    │  │      Bonus_-_Windows_on_Planes-subtitles.en.zip( ?1 N- x& _1 e! i' j
    │  │      Final_Exam-subtitles.en.zip
. ?; N  K# t, g. ?( ^0 k    │  │      Final_Exam.zip6 A9 a" x* o4 l: l; V
    │  │      Problem_Set_1-subtitles.en.zip5 G2 w& \* ~+ v# Y- y$ E, Z
    │  │      Problem_Set_1.zip. K# u( D$ t* y' [
    │  │      Problem_Set_2-subtitles.en.zip
' G& `0 @8 J; q% E    │  │      Problem_Set_2.zip
3 S$ n) y9 \3 {/ m    │  │      Problem_Set_3-subtitles.en.zip
' O6 S, H/ s8 B: k9 I/ o    │  │      Problem_Set_3.zip5 e& z8 r$ Y9 ?: f4 f" m9 }/ h
    │  │      Problem_Set_4-subtitles.en.zip
& G  C# T2 G( o+ ?) H    │  │      Problem_Set_4.zip  d- [$ N% C) N2 l
    │  │      Problem_Set_5-subtitles.en.zip6 R6 o( S) `# J1 J, ~  ]
    │  │      Problem_Set_5.zip
; t, E, L, N% H3 U9 _3 h    │  │      Problem_Set_6-subtitles.en.zip$ d+ k1 R- j% P9 X
    │  │      Problem_Set_6.zip
8 J! L* T( w2 ?, R  _" P- v+ |% D    │  │      Unit_1a_-_Circumference_of_the_Earth-subtitles.en.zip: V2 ~8 P( E" p! i# o8 P
    │  │      Unit_1a_-_Circumference_of_the_Earth.zip
: J+ y2 z. w9 P5 ~/ U- @    │  │      Unit_1b_-_Bonus_-_Error_Analysis-subtitles.en.zip% S5 z2 D/ |# A" v3 p& j
    │  │      Unit_1b_-_Bonus_-_Error_Analysis.zip- u" V/ Y9 N0 S7 k
    │  │      Unit_2a_-_What_is_Motion-subtitles.en.zip
; s" C/ I. M. j$ n    │  │      Unit_2a_-_What_is_Motion.zip
$ P* S6 a0 `4 L9 H6 L7 d    │  │      Unit_2b_-_Motion_in_Two_Dimensions-subtitles.en.zip5 E$ r  o$ c* L8 ~  K: @8 M
    │  │      Unit_2b_-_Motion_in_Two_Dimensions.zip, o, |+ f# R* n4 o# a, U
    │  │      Unit_3_-_What_Causes_Motion-subtitles.en.zip
$ l# F( @$ K+ ^) Z) {: J    │  │      Unit_3_-_What_Causes_Motion.zip
$ P3 Z: i+ {  z3 o/ c' u7 b    │  │      Unit_4_-_Keeping_Holland_Dry-subtitles.en.zip5 A% l* T$ T9 g* H9 g% ^
    │  │      Unit_4_-_Keeping_Holland_Dry.zip4 n/ w, g+ p( p/ f1 r; @+ ^
    │  │      Unit_5_-_Lost_at_Sea-subtitles.en.zip
) q9 [' m* R, g  i3 u8 L+ ~) c2 s    │  │      Unit_5_-_Lost_at_Sea.zip
; W9 J- T* u' O8 L  t# C    │  │      Unit_6_-_Lightning_Strikes-subtitles.en.zip# h. G( r" h! @. s
    │  │      Unit_6_-_Lightning_Strikes.zip
' Y# f# W4 t3 I+ Q+ u2 f* O* y6 T# N    │  │      Unit_7_-_Special_Relativity-subtitles.en.zip8 m: k4 l& e: u) ]% \1 C: q
    │  │      Unit_7_-_Special_Relativity.zip  t& ?' B2 I8 A6 h8 f- y3 z# b
    │  │      
& K+ D8 ^/ g8 N    │  ├─PS001 Introduction to Psychology The Science of Thought and Behavior$ L- F: s7 N6 u0 o
    │  │      Lesson_01_What_Is_Psychology.zip
* U3 R5 L7 i$ C2 g9 ?  o    │  │      Lesson_02_Research_Methods.zip
3 L- X$ I8 i- d" E    │  │      Lesson_03_Biology_of_Behavior.zip4 H6 u0 R% K+ i6 |  ~
    │  │      Lesson_04_Sensation_and_Perception.zip1 }, I! Y' Q* t5 y
    │  │      Lesson_05_Development.zip' o' {9 c. g- W, P
    │  │      Lesson_06_Consciousness.zip) g6 V1 g: e( S( x
    │  │      Lesson_07_Learning.zip: H0 I: _" v& e
    │  │      Lesson_08_Memory.zip0 ^/ P: P; B9 b0 Y, L* C, ^% G
    │  │      Lesson_09_Language_and_Thought.zip3 h8 y! x4 F  ~# X7 [
    │  │      Lesson_10_Intelligence.zip6 T; L) `; `& B1 d
    │  │      Lesson_11_Motivation_and_Emotion.zip
5 h' h9 T6 l. c7 t    │  │      Lesson_12_Stress_and_Health.zip( T" X% w) i9 c
    │  │      Lesson_13_Personality.zip3 K; O) n3 T; J, t0 M7 D) G. a
    │  │      Lesson_14_Social.zip' w2 p; D" c' ^2 n
    │  │      Lesson_15_Psychological_Disorders.zip
- ~; i3 H5 |" u' i, m    │  │      Lesson_16_Treatments_for_Psychological_Disorders.zip
% P4 C( V2 O$ S% H    │  │      ( X( R( D. J& ?1 b7 U
    │  ├─ST095 Statistics The Science of Decisions/ p! i& L8 K* Q& c! A8 G
    │  │      Google_Spreadsheet_Tutorial.zip
5 U" X) Q' K/ v" O6 l* _    │  │      Lesson_1-subtitles.en.zip
- j3 h( s: y8 F1 _7 {% `( Z    │  │      Lesson_10_t-Tests.zip) u1 r1 f7 n9 F& F6 G& e# H+ A
    │  │      Lesson_11_t-Tests_continued.zip4 u3 {, }, P6 c1 T' G% l
    │  │      Lesson_12_One-way_ANOVA.zip
5 U  O: f7 f+ G" d0 B" H    │  │      Lesson_13_ANOVA_continued.zip
5 k- F/ L6 l: F+ q0 Q! s1 T  }# P( l; e    │  │      Lesson_14_Correlation.zip. a: ?* k  P: z6 _7 g5 C& D0 z1 E
    │  │      Lesson_15_Regression.zip
: y8 J* f, Q( z: |* y6 [    │  │      Lesson_16_Chi-Squared_tests.zip: N% o" a. D+ T+ Q: u& E
    │  │      Lesson_1_Intro_to_statistical_research_methods.zip' _+ ^. C/ |& d3 Q( m) C0 x% |
    │  │      Lesson_2-subtitles.en.zip) [/ r2 X) L3 f3 h
    │  │      Lesson_2_Visualizing_data.zip
# p" X) x9 w. W% ]6 r0 D0 i7 B    │  │      Lesson_3_Central_tendency.zip- r  ], K& w5 h
    │  │      Lesson_4_Variability.zip& `; |4 L7 k: f) S4 j( p
    │  │      Lesson_5_Standardizing.zip
. ]" h2 r: u0 y7 \( ^    │  │      Lesson_6_Normal_Distribution.zip
. z3 Y3 J# L) x2 [1 ~- c) _    │  │      Lesson_7_Sampling_Distributions.zip
, U/ D, @" v0 _2 ~$ s* c  K* K: Z    │  │      Lesson_8_Estimation.zip
4 d( R+ R9 E6 n% {' Z    │  │      Lesson_9_Hypothesis_testing.zip" C6 E! j/ e. ?0 N2 N% w7 }
    │  │      Orientation!.zip
( |6 ^6 ?) m3 p; o. l& K    │  │      Problem_Set_1-subtitles.en.zip, `2 Z3 N; e/ l# U0 n- [$ i
    │  │      Problem_Set_1.zip
- n4 x0 W1 {+ _4 F0 h6 W8 p, B+ t  X    │  │      Problem_Set_2-subtitles.en.zip
/ o4 d8 X+ y) m" h: R$ Z    │  │      Problem_Set_2.zip& b% {" a3 l+ e: H" D/ i; ?
    │  │      
( \/ j$ M. T, U/ }* G/ ~    │  └─ST101 Intro to Statistics Making Decisions Based on Data
8 ^( B7 e4 R& E* w1 @! M$ G+ T    │          1._Teaser-subtitles.en.zip6 z9 V0 l2 G. M" C$ Q
    │          1._Teaser.zip
' v! \3 O1 p5 [! C' D. w- }' e    │          10._Bayes_Rule-subtitles.en.zip
, J4 G+ ^; ]* p. {2 O* Y1 t    │          10._Bayes_Rule.zip
9 b" I' o6 F. I* L$ ?3 ?1 q; @    │          11._Programming_Bayes_Rule_(Optional)-subtitles.en.zip
( W5 z" @) b1 A* G2 f# I, I1 A    │          11._Programming_Bayes_Rule_(Optional).zip
" u7 N+ Z. n4 t) ~! W0 \    │          11A._Probability_Distributions-subtitles.en.zip1 z2 g; ?: p% w+ X) y0 N
    │          11A._Probability_Distributions.zip* U# Z. L; u7 @0 L5 O; b2 {
    │          12._Correlation_vs._Causation-subtitles.en.zip) {; P  }9 g- e6 q
    │          12._Correlation_vs._Causation.zip! n; E* Z- |; q) k
    │          13._Estimation-subtitles.en.zip
! o# f; Y* l0 d" c8 V( l    │          13._Estimation.zip
! q4 e2 \) _/ g) j) [    │          14._Averages-subtitles.en.zip( B  `% z( x2 U( b* B* x! i1 |
    │          14._Averages.zip/ r# M" E7 C1 E* @; X* _% r
    │          15._Variance-subtitles.en.zip
! P& a$ y7 H1 A- f    │          15._Variance.zip
% e. Y7 e; S, A- t    │          16._Programming_Estimators_(Optional)-subtitles.en.zip
, H8 ]; [; r% _/ |* m0 [$ \' A+ L    │          16._Programming_Estimators_(Optional).zip1 A2 ?4 X4 d& @* d# m
    │          17._Outliers-subtitles.en.zip1 [6 ?6 L; V$ i' |% |! i2 i8 |/ e- r
    │          17._Outliers.zip( i# b9 y& b, s, v) `" N# h
    │          18._Binomial_Distribution-subtitles.en.zip
% K0 F# l* s3 s  q' @8 [# m  n    │          18._Binomial_Distribution.zip2 y/ i. j7 E- Y5 z) {+ u2 ^* C
    │          19._Central_Limit_Theorem_Programming_(Optional)-subtitles.en.zip
  x( h) n* M7 G% V7 k" m    │          19._Central_Limit_Theorem_Programming_(Optional).zip9 [0 S8 O* ?3 c; O0 ~4 ]
    │          19A._Central_Limit_Theorem-subtitles.en.zip" O- L6 X/ e0 X, Z+ Q- ^. T
    │          19A._Central_Limit_Theorem.zip  C. t6 I% e. J9 R5 y: R
    │          2._Looking_at_Data-subtitles.en.zip5 N1 q  a" s9 E# Q6 R) {
    │          2._Looking_at_Data.zip
- {, e. @% e& S$ u* I' J1 }+ \    │          20._The_Normal_Distribution-subtitles.en.zip
3 d' K% V, w* e- r4 C    │          20._The_Normal_Distribution.zip+ ]2 _5 D$ k5 A5 `2 G
    │          21._Manipulating_Normals-subtitles.en.zip# n9 D3 E5 _, G/ a3 B! {4 T) |9 r
    │          21._Manipulating_Normals.zip
, l% k5 G# M# l    │          22._Most_Better_than_Average-subtitles.en.zip( C1 X; q- y: q2 B( Y$ I. u
    │          22._Most_Better_than_Average.zip
7 i: t! `7 M# M    │          23._Sebastian's_Weight_and_Proofs_(Optional).zip+ M0 R- c- j: H6 d9 D2 \1 d6 t
    │          23._Sebastians_Weight_and_Proofs_(Optional)-subtitles.en.zip
+ Q* W' |5 B' L& s! o, k# L    │          24._Confidence_Intervals-subtitles.en.zip1 i5 p1 Y+ U% Y$ J' r
    │          24._Confidence_Intervals.zip2 [$ J* k, M) L1 |+ t' C" B1 z
    │          25._Normal_Quantiles-subtitles.en.zip) a# \" X3 |* F3 W, B- k7 ~7 l5 y, }
    │          25._Normal_Quantiles.zip' U) z( U8 Y+ S; k& w2 l+ H' L: x" a
    │          26._Hypothesis_Test-subtitles.en.zip
# n/ P  m+ Q* d$ E. p* @- j  y, F    │          26._Hypothesis_Test.zip) a) O3 H- t6 }9 V5 S
    │          27._Hypothesis_Test_2-subtitles.en.zip; K7 a* }; Q$ f- Z
    │          27._Hypothesis_Test_2.zip
! a8 q/ A3 N+ t7 z    │          28._Programming_Tests_and_Intervals_(Optional)-subtitles.en.zip
, ]+ M+ p3 D2 N* B    │          28._Programming_Tests_and_Intervals_(Optional).zip, [# Q' n: V3 g) I' t
    │          29._Regression-subtitles.en.zip
. N8 @# S- O- ~1 |. n    │          29._Regression.zip
8 r/ L( c7 T7 B& Q; |    │          3._Scatter_Plots-subtitles.en.zip- R0 _" z3 S8 G% K9 @+ i
    │          3._Scatter_Plots.zip3 v# x) P3 g, Q/ m  _
    │          30._Correlation-subtitles.en.zip
/ O  T* e! }; O; Y    │          30._Correlation.zip
$ w, ^% v- W; P4 O5 C    │          31._Monty_Hall_Problem_(Optional)-subtitles.en.zip
6 r& J9 y5 ~8 w/ a% y( Z% W    │          31._Monty_Hall_Problem_(Optional).zip" H9 [" m8 s/ n3 X
    │          32._Weight_Case_Studies-subtitles.en.zip
9 ~6 F. J! W( ]$ K( q    │          32._Weight_Case_Studies.zip
/ x, P8 ]% b/ R4 \    │          33._Flash_Crash_Example-subtitles.en.zip4 w  M" z# x* ~
    │          33._Flash_Crash_Example.zip, R' x1 a  B5 o
    │          34._Challenger_Example-subtitles.en.zip
; c* F. k. \# b. M5 V    │          34._Challenger_Example.zip
( l0 w' d: h) C) `9 x    │          4._Bar_Charts-subtitles.en.zip& u+ P0 y) E* B* ^; d% P" ?
    │          4._Bar_Charts.zip) q' X1 }+ J- @4 R  U9 V  t
    │          5._Pie_Charts-subtitles.en.zip+ Y, G( B. {3 k3 g
    │          5._Pie_Charts.zip2 ~0 b6 C+ |0 _) G& X% @
    │          6._Programming_Charts_(Optional)-subtitles.en.zip
4 f' x- ?/ p# p: u2 k    │          6._Programming_Charts_(Optional).zip1 j5 U$ C! }8 F- Y: z# e" Z
    │          7._Admissions_Case_Study-subtitles.en.zip# F  K! [# s* ^) u0 M. w% v
    │          7._Admissions_Case_Study.zip
! Z$ Z  h- x: l- c0 F% ^    │          8._Probability-subtitles.en.zip
9 K, O3 {* e0 C7 ]$ B1 ~  y6 }, o    │          8._Probability.zip+ A$ k2 l# L* s5 ^% y
    │          9._Conditional_Probability-subtitles.en.zip, b" G+ I& a  z: X7 ?, f
    │          9._Conditional_Probability.zip3 p1 ^; r4 Z- R- N1 A* m' j
    │          Final_Exam-subtitles.en_2.zip
) A6 Q9 i+ L6 R( p1 {- j' H- U+ p. f    │          Final_Exam_2.zip! d4 q- k5 X( m$ T9 {
    │          Problem_Set_1_Visualization-subtitles.en.zip. X1 a" l" n- M+ `! p1 @0 R
    │          Problem_Set_1_Visualization.zip
, L) q- _) }& I* R( E    │          Problem_Set_2_Probability-subtitles.en.zip0 @" O2 l+ h+ a4 V& ]( X% n
    │          Problem_Set_2_Probability.zip
# Y* ~# Z9 p+ I0 }+ ?    │          Problem_Set_3_Estimators-subtitles.en.zip- p5 S/ A( E: D
    │          Problem_Set_3_Estimators.zip, L7 v, w! B8 Z
    │          Problem_Set_4-subtitles.en_2.zip
. Q8 F5 n, u8 A) V  F    │          Problem_Set_4_2.zip0 K, }" u4 G# y% A7 v' |8 A; b
    │          Problem_Set_5_Inference-subtitles.en.zip
9 I" v# m. \: \  V9 ~1 ^    │          Problem_Set_5_Inference.zip
& l$ g; h5 k3 n7 n5 ]    │          Problem_Set_6_Regression_and_Correlation-subtitles.en.zip
2 b5 t5 v$ u. w    │          Problem_Set_6_Regression_and_Correlation.zip0 W: E( `# p6 D9 E( \
    │         
: v8 y; c$ ?( U* B0 j4 y    ├─斯坦福大学-机器学习课程
! T$ ~5 `' S( m; w- D    │  └─斯坦福大学-机器学习课程; {$ k# ^0 ~+ q0 E! x- ^# n6 {
    │      │  cs229-lecture01.mp4  _/ |; q* o' n2 S3 L
    │      │  cs229-lecture02.mp4
3 H- s4 u: i5 e# A    │      │  cs229-lecture03.mp4; H) ]9 `0 r8 E7 ?! ]7 m
    │      │  cs229-lecture04.mp4
! p- R" J- R# A+ x9 k& O+ F    │      │  cs229-lecture05.mp4
: k3 X9 s9 Q# d    │      │  cs229-lecture06.mp4/ y( n* R4 B0 m' N1 o6 T
    │      │  cs229-lecture07.mp4
" S+ X0 n, t" O    │      │  cs229-lecture08.mp4
2 o; |9 ^  n5 e    │      │  cs229-lecture09.mp4
7 ]" o% L8 S6 y+ o* I( D    │      │  cs229-lecture10.mp4+ s5 Z8 i+ f) z% f% K9 X4 J
    │      │  cs229-lecture11.mp4& f% P: h) x8 X. |$ O9 x
    │      │  cs229-lecture12.mp4
1 u9 R. m. w8 ~& t5 w1 n% J& L    │      │  cs229-lecture13.mp4
# z/ d' r& }! V! e9 \    │      │  cs229-lecture14.mp4
8 G( v5 B' j# o1 l# H1 X    │      │  cs229-lecture15.mp4
# Z2 p. @$ B" Z$ A* S8 S/ R% K    │      │  cs229-lecture16.mp4
: p% g0 P, L9 a- n' b' t' Q1 P    │      │  cs229-lecture17.mp4  ?8 g. s7 \( i) ]3 T% R3 y: P
    │      │  cs229-lecture18.mp4, Z5 z$ W* t, f+ y
    │      │  cs229-lecture19.mp4% ^- N3 P8 r* }/ c1 b
    │      │  cs229-lecture20.mp4/ q' Z. x7 H" C
    │      │  下载说明.txt* u6 d. X5 _# O9 s+ N
    │      │  关注我们.png
. z, X  ~* S; o, j. ~+ c    │      │  攻城狮论坛=网络技术+编程视频.url% W; D/ \: W6 X# ?7 K) Y
    │      │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt# A3 |# [: [' C7 k7 i
    │      │  , ~8 c0 Q, k/ R( B
    │      └─[斯坦福大学-机器学习课程].materials
, V8 w# g6 f! k4 l# @% a    │          └─materials
+ k: b" `, e1 ~1 v. @$ \    │              │  Click_index_to_start.txt
9 R6 f+ x8 D- H    │              │  index.html
" B4 n6 U0 H( y    │              │  lecturelist.html( Y. _6 U  k5 x5 u
    │              │  
$ a# ^" {2 G7 O+ Z" E$ A+ `    │              ├─css
8 S4 K5 W/ Y3 e: I6 k6 K5 k    │              │      base.css1 B6 M4 i1 G" U; H* i9 o
    │              │      OpenCourse.css
- N3 o) t" j3 @4 M$ b* k/ Y    │              │      7 D1 x/ B  c" @- L; V+ ?
    │              ├─images. x/ w, n" {2 Z; y% x; J
    │              │      14.gif
3 d6 F2 {4 s3 I; z0 \4 L    │              │      15.gif7 q- l8 k1 f' ~: [
    │              │      ayn.jpg
) n+ h2 I* b1 Q5 T" H    │              │      boyd.jpg% ?7 s9 v2 H; {' \' h- n6 v( P
    │              │      cain.gif, N# B7 f% L# I5 a! W" }$ d
    │              │      clear.gif
# M% i0 N; J. a" [    │              │      CS106A.jpg
1 J, u6 w3 @; q( w    │              │      CS106B.jpg0 l/ G/ ~0 N8 v* S) l5 x' s; ~- x
    │              │      CS107.jpg* g% Y- Z" h- N+ n& ~$ m
    │              │      CS223A.jpg
+ l! B/ L$ w1 v) x& f    │              │      CS224N.jpg
( }3 `2 y- g8 U: K" K    │              │      CS229.jpg
, a4 k/ m4 `  b$ r: n, H* w    │              │      EE261.jpg+ I  ?# A7 e& W  o7 X/ p( I: c
    │              │      EE263.jpg3 ~( t& ^- H8 a3 ?/ S
    │              │      EE364A.jpg& D- j/ Z; [* {$ j7 r- S& A$ c
    │              │      EE364B.jpg3 L' ^  @" C0 n8 O& D) I; t' S
    │              │      faculty_photo_bg.gif+ i9 I2 d, G- F
    │              │      GATES.JPG
, s4 J( J# Q2 r3 `) @6 q1 G& Z' F3 w    │              │      hw2a.gif
) ~, R1 O% u( N$ |    │              │      hw2b.gif4 ^: b, z' k0 I; v, Y
    │              │      hw2c.gif
( o) i& e1 Y$ d% f    │              │      hw2d.gif
8 @5 E7 w" D7 Y4 c* R1 [0 h' i+ x    │              │      hw2e.gif
( u0 Y7 \  i# Z  I- {; a8 P    │              │      hw4a.gif4 z8 G7 v4 O- I( [1 E
    │              │      hw4b.gif
- e+ E: {* d) ~+ E) [1 Q    │              │      khatib.jpg
# I6 `, |6 u9 F- `4 z+ j    │              │      manning.jpg
! ~- _3 m# t, L& N$ _- ?" W' @/ }& z    │              │      nav.jpg
: z3 U% ~. M. U' y' |! i    │              │      navtop.gif
% M" l! \: S1 N0 I    │              │      nav_bottom.gif2 z7 c/ b: _- [) ?( _# c
    │              │      osgood.jpg% p" o9 D. @$ O. h) ?5 V
    │              │      sahami.jpg
6 w% p: T  z+ M( l# _7 H+ [    │              │      SEEglobe.jpg
* n. j: |5 R- ]- N    │              │      zelenski.jpg0 v+ ~% K& [% K: x: O
    │              │      
6 x% B- ?  h$ u    │              └─materials  H$ G3 `6 r) D0 L
    │                  └─aimlcs2297 j* d5 b3 O! g2 j4 Q; N& a' w
    │                      │  AI-classes.pdf
& y7 J: f0 h2 M3 c) k    │                      │  assignments.html
( A! M* V* _2 p! l7 u$ |    │                      │  compute_kernel_matrix.txt
5 _1 o! N; H9 b& y9 p! f' P: C    │                      │  cs229-cvxopt.pdf1 v) \% U  b- r! [. D
    │                      │  cs229-cvxopt2.pdf
8 t' f: u7 h+ [+ q/ P    │                      │  cs229-gp.pdf! j( S# u. y/ n& Y
    │                      │  cs229-hmm.pdf; H3 z6 P3 i7 k3 M9 ?! t% C% s
    │                      │  cs229-linalg.pdf
! R$ k$ U9 C6 ?5 r$ x( n' ~* `    │                      │  cs229-notes1.pdf
' u! p3 I9 a# c" O; I+ H% ~% R+ d) d    │                      │  cs229-notes10.pdf
4 u- b/ p4 }4 G7 S6 G) N    │                      │  cs229-notes11.pdf& f" j0 S+ C- j! `5 w- v9 e
    │                      │  cs229-notes12.pdf8 {, l& v  {0 o% j9 k" P9 z: ]/ P
    │                      │  cs229-notes2.pdf
5 d3 X8 E" ~5 j5 D    │                      │  cs229-notes3.pdf
4 B& V+ m, B0 |: y; F6 z" M: M1 T    │                      │  cs229-notes4.pdf
2 w/ c: h* Z3 w! ~$ `    │                      │  cs229-notes5.pdf
2 A* V/ w, t2 v. X+ m% ?- X    │                      │  cs229-notes6.pdf
# Z. Y, m4 d' i! w    │                      │  cs229-notes7a.pdf! e2 G) p! G' f' Q
    │                      │  cs229-notes7b.pdf
$ D& X6 Z$ C9 w- G& n; J6 M    │                      │  cs229-notes8.pdf
. ^  P1 e* L, K7 H- z+ A" V    │                      │  cs229-notes9.pdf0 }- k$ k/ ~; O+ z
    │                      │  cs229-prob.pdf/ S. U+ K6 N7 l3 a* Y% X
    │                      │  emacs.txt2 {+ S' u- h( j' @6 L5 c
    │                      │  gp_demo.txt
) Q9 b: e/ b! S9 s4 A; I1 @    │                      │  handouts.html& T! e9 w: I- O# @7 X: v9 }4 C
    │                      │  info.pdf+ r6 _, s& ^2 Q/ _2 J/ m
    │                      │  logistic_grad_ascent.txt. [* K- e* `" f$ \9 R/ o
    │                      │  matlab_el.txt
, G1 _) t- v! H8 {! ^6 v    │                      │  matlab_session.txt2 m/ M7 |4 k9 k  K
    │                      │  ML-advice.pdf
" R0 T" ~( J1 F; H! _- o7 ?" n    │                      │  practice-midterm.pdf# }& B5 I$ e" z
    │                      │  problemset1.pdf3 E% ]/ c; b: ~$ j% w
    │                      │  problemset2.pdf
4 ^8 N, y7 O! j8 P. c9 f# r( ~    │                      │  problemset3.pdf/ J4 q0 f* E: N7 M8 d$ ?
    │                      │  problemset4.pdf; G& Z8 |# ~: a% {  g
    │                      │  projectGuidelines.pdf
  }6 R! P( t3 I- d    │                      │  PS1-data.zip
, i/ [' E9 {9 Q7 g6 G    │                      │  ps1_solution-data.zip) ^7 Y: v: |+ b; j" q! n* h. j
    │                      │  ps1_solution.pdf
8 ?/ ]  G) P2 o  L    │                      │  PS2-data.zip
6 `2 {) l3 D0 N: B    │                      │  ps2_solution.pdf
1 T" D+ p) S7 s. n3 `: L    │                      │  PS3-data.zip
! X# q/ L7 q  \  E& z% b& O8 G    │                      │  ps3_solution-data.zip
- H( G/ |; b9 _6 V% |    │                      │  ps3_solution.pdf
! K/ c4 O' X1 p, }    │                      │  PS4-data.zip! a/ T) |. _  G3 ]
    │                      │  ps4_solution-data.zip2 p! u! w  [9 W4 v
    │                      │  ps4_solution.pdf) }8 Z; E9 s5 X8 P/ z
    │                      │  resources.html
2 D) C2 Q% O. ~5 V    │                      │  sample_gp_prior.txt
+ p- ?0 F9 Z, q7 M    │                      │  schedule.pdf' s0 p7 x6 n( }7 S" a
    │                      │  sigmoid.txt1 Q( k4 w6 R& Q
    │                      │  
( x* e3 g; @/ r5 d; X    │                      └─transcripts; {, C! x3 o- c+ h
    │                              MachineLearning-Lecture01.html( R& Q, \# g2 @! Z! ~. X( g
    │                              MachineLearning-Lecture01.pdf
  h% e1 K2 v* G2 N    │                              MachineLearning-Lecture02.html
) W( h, x/ s, B& Y    │                              MachineLearning-Lecture02.pdf/ E7 }% L# e4 R* f- H! y
    │                              MachineLearning-Lecture03.html
/ ^( O. d% \( n3 p6 j6 \    │                              MachineLearning-Lecture03.pdf
+ F9 D/ J, m' ]9 |  F& S    │                              MachineLearning-Lecture04.html7 A! |9 N2 z; ]4 V) K9 r1 u
    │                              MachineLearning-Lecture04.pdf
, F; u7 b' e% @4 P3 A    │                              MachineLearning-Lecture05.html; b+ s$ a9 U0 `% w
    │                              MachineLearning-Lecture05.pdf: C7 K# W$ A( z# |) d. M" n
    │                              MachineLearning-Lecture06.html
& R$ ]" b- u& P, {( G3 q# @) f, `    │                              MachineLearning-Lecture06.pdf# F1 |! A5 Q! o$ a: y
    │                              MachineLearning-Lecture07.html
" }+ y" d) l: L8 e- Q  |8 K+ n. `% v6 H    │                              MachineLearning-Lecture07.pdf' s+ J+ m  G( c0 M( N( k6 F8 `7 S+ t
    │                              MachineLearning-Lecture08.html
, B& x3 v+ T* }7 a, s: x    │                              MachineLearning-Lecture08.pdf
* z; w0 U  u, H. [& ^: {7 X    │                              MachineLearning-Lecture09.html/ u7 s& \) W9 n2 W$ C
    │                              MachineLearning-Lecture09.pdf
6 w- s  v4 `% U- ^4 [3 z4 ?1 }    │                              MachineLearning-Lecture10.html5 i0 \4 P8 F! g$ r( X# S
    │                              MachineLearning-Lecture10.pdf
) C/ k% S9 ?2 q* [% `! H    │                              MachineLearning-Lecture11.html& Y- D8 q# M, X" s0 q9 L
    │                              MachineLearning-Lecture11.pdf9 J9 f2 d. u; R. V* p
    │                              MachineLearning-Lecture12.html* g) n4 D! R- l' u1 B
    │                              MachineLearning-Lecture12.pdf
: N, e! v9 j" t( d( _1 [6 J    │                              MachineLearning-Lecture13.html
0 K1 q4 m7 D/ w* R8 T0 g) I    │                              MachineLearning-Lecture13.pdf
7 u/ Q6 t4 U% L* \    │                              MachineLearning-Lecture14.html) h0 f3 d* A; d* ?- ^; B* C
    │                              MachineLearning-Lecture14.pdf; o3 F- k- S1 Q6 h% j4 }3 @
    │                              MachineLearning-Lecture15.html3 |! @. `9 r; K) ]1 s& q" o) }
    │                              MachineLearning-Lecture15.pdf
  w/ y4 o4 z2 o    │                              MachineLearning-Lecture16.html! @0 h! E' G( T5 {4 L
    │                              MachineLearning-Lecture16.pdf
" \7 K6 Z6 G- N0 ?& }    │                              MachineLearning-Lecture17.html9 \7 q5 ]: s6 S3 u
    │                              MachineLearning-Lecture17.pdf
6 I% U% R2 c) f! h# l    │                              MachineLearning-Lecture18.html
. n' ], _5 g5 ~- Z4 R* W    │                              MachineLearning-Lecture18.pdf/ A3 O1 H$ M1 S
    │                              MachineLearning-Lecture19.html
: P% L/ g. S4 n- |* a    │                              MachineLearning-Lecture19.pdf1 ^* O7 X. s+ y1 _# E- \
    │                              MachineLearning-Lecture20.html
+ i8 Q. \0 C+ ?1 ]' m    │                              MachineLearning-Lecture20.pdf( h! _1 r& y- g/ Q
    │                              ) S" |/ e( D  ?' q- V/ p0 d
    ├─机器学习书
: C3 F+ a! ]: u! A) D' E/ N8 ^    │  │  An Introduction to Statistical Learning.pdf
' O. _  e0 T8 U9 N# [, Z    │  │  Bayesian methods for hackers.pdf' D- y( V7 D7 S' g* k
    │  │  Deep Learning Tutorial.pdf
4 d' t$ \% B# G* Z& I" H: ^    │  │  Mining of Massive Datasets.pdf
6 x" |5 N: s  t8 T( Z    │  │  PRML中文版.pdf! d- q6 d5 O8 A0 u/ e  A
    │  │  understanding-machine-learning-theory-algorithms.pdf
; V/ Y2 ?5 A) P& u7 j4 {- d, I4 `    │  │  凸优化.pdf6 t7 ~/ X' G9 [: ~7 H: y+ L( h
    │  │  图解机器学习.pdf
9 m$ s6 I3 }) L5 M0 L6 }. a# p    │  │  机器学习_周志华.pdf: g, J& r: G3 W# \8 @/ q  u0 i6 N$ o
    │  │  机器学习〔中文版〕.pdf
+ p- P: _1 ~4 \7 |    │  │  机器学习个人笔记完整版2.5.pdf7 t* [+ _7 }1 d
    │  │  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.pdf0 ]/ p! ?  U; z! V! `4 b
    │  │  机器学习实战.pdf
+ L! S; m  O! V    │  │  机器学习实践指南++案例应用解析+麦好.pdf
9 h/ u3 B" |% R, Q4 n    │  │  机器学习导论 原书 第2版.pdf* A) H* |. @. [* y3 J* w4 d
    │  │  ! [3 b& D' l. m7 i$ n' ]
    │  └─stanford machine learning4 _/ ]; Q! ]+ [
    │      ├─Lecture Notes
. R( I$ p3 Y# `) W9 I    │      │      cs229-notes1.pdf
  \* c* e/ }, z& d1 L    │      │      cs229-notes10.pdf
/ F$ J+ R3 T" q7 F# u: p2 \' k4 p    │      │      cs229-notes11.pdf" ?. P6 X/ x5 p7 {
    │      │      cs229-notes12.pdf6 z' [% Z) O- L% {- J
    │      │      cs229-notes2.pdf" U) X! |' Y* O0 |2 o
    │      │      cs229-notes3.pdf3 H. M  ?/ \5 H! D1 i  J' X$ w
    │      │      cs229-notes4.pdf# c$ A. L( D3 R. g/ u- j9 W- {( O
    │      │      cs229-notes5.pdf  g+ Y4 `( w2 g& R7 Y( o
    │      │      cs229-notes6.pdf. N- c3 }) M- o# S1 p7 o
    │      │      cs229-notes7a.pdf
8 n6 i( r( ?9 M5 }; d    │      │      cs229-notes7b.pdf
# y) k( G3 k; n/ L- n2 J. }9 G3 [    │      │      cs229-notes8.pdf2 G( I  Y7 \3 z3 M# o5 M# p
    │      │      cs229-notes9.pdf: Q4 A+ T& V/ c
    │      │      
8 V! F5 K8 e- b! f    │      ├─Section Notes
# `7 D& `/ d$ b9 s& }8 `3 b    │      │      cs229-cvxopt.pdf
% p3 q  J0 x' M6 u: P    │      │      cs229-cvxopt2.pdf
7 ~6 a1 \9 t4 o% ]' @    │      │      cs229-gaussian_processes.pdf
$ b' h, c8 w, t5 F& s7 v3 n    │      │      cs229-hmm.pdf! ~& `+ {- I& z' z
    │      │      cs229-linalg.pdf
$ `9 H, o7 c% T6 {! O# i    │      │      cs229-prob.pdf! j. o" A1 L2 j8 Y
    │      │      gaussians.pdf3 Z0 x$ B+ }1 ?
    │      │      MATLAB_Session.pdf! N7 B! L6 f  I% v1 V
    │      │      more_on_gaussians.pdf
: ?* x+ S7 ~. z) k8 J    │      │      
9 Y. r: F$ i6 y/ R+ r! c/ K' e    │      └─Supplemental Notes
! a9 Y/ c0 e: S; U/ b7 e5 V/ G( z    │              boosting.pdf9 m5 `9 Z+ E+ m! Y' V# b( y
    │              boosting_example.m. q9 g% y2 l5 ~
    │              hoeffding.pdf. O3 ]# E, |+ ^4 Z  C4 _; v
    │              loss-functions.pdf
% Q$ U1 [8 U: o. i0 D' L/ j    │              representer-function.pdf
+ X) O6 i8 y% z7 T" e  j) K    │              / Y# C% o' G: W7 t  }
    ├─机器学习方向(经典书籍及教材资料)% C5 L0 X: P% k5 v# R
    │      2012.李航.统计学习方法.pdf
( O5 S( r" H8 o, X: v! [* I  U    │      cs229 stanford machine learning(所有的lectures).rar
& \- t- X/ L9 ]: R    │      Ensemble Machine Learning.Methods and Applications.2013.pdf
, o$ H8 V' {1 i$ ~9 _* ~( E9 W    │      evaluating-machine-learning-models.pdf
; V4 m5 w5 a3 N; H1 o5 l. M    │      Machine Learning A Probabilistic Perspective(1).pdf
# t# T: C- v5 c6 V4 k8 `    │      Machine Learning A Probabilistic Perspective.pdf
0 u  z. g0 Q2 ~$ m* J    │      Machine Learning in Python (2015).pdf
% u9 C9 B' [: c. u    │      Mastering Machine Learning With scikit-learn.pdf
; f* d3 `5 P! f% `' [& T    │      Mathematics for Computer Science.pdf
! ?6 a: j$ @) g+ m  Y- T1 Q    │      PRML.pdf: X5 }& r+ u- F" v
    │      PRML中文版.pdf
( C) s2 O6 }8 C$ @    │      PRML中文翻译版.pdf
: k8 D2 [/ P% }+ v    │      Probability and Statistics for Engineers and Scientists.pdf; w8 L3 {$ X1 [6 `$ X' W" R  |% `4 Z
    │      Python_Machine_Learning.pdf+ {# G8 W, G( _& p
    │      PYTHON自然语言处理中文翻译 NLTK 中文版.pdf
1 h3 j7 ?9 n0 L    │      tempFile
2 n& n- j; m- h0 F    │      The Elements of Statistical Learning(1).pdf
, u$ K& W2 u) W' f: l    │      The Elements of Statistical Learning.pdf
! I0 r$ c. l2 n2 Z3 ?    │      word2vec_lstm_talk.pdf* G+ Y3 K4 d* a9 t8 g0 G3 b- G6 j
    │      【官方文档】TensorFlow Python API documentation.pdf6 v: C* R7 o5 v( H* D9 }3 O, }
    │      下载说明.txt  m) ^8 h7 u; N. ~4 C
    │      关注我们.png- \! I* m; K- b6 b3 m( T
    │      利用Python进行数据分析.pdf
6 t2 t& {. \. k2 Z/ `: ~8 O0 h( O" u    │      攻城狮论坛=网络技术+编程视频.url
9 `9 x6 K3 s, C2 f7 [0 J6 r    │      机器学习-实用案例解析.pdf: _: C2 M! H- u- f
    │      机器学习个人笔记完整版v4.21.docx
! \( o* r( \: }- \) [2 D    │      机器学习个人笔记完整版v4.21.pdf. z- W  g. r) ?, m$ q
    │      机器学习(周).pdf
, u/ w  [6 v" q5 {* h  _0 z( y    │      机器学习:实用案例解析(中文版,带完整书签).pdf5 w& j0 C- ^/ Y2 P! @: N( a) z
    │      模式分类 Richard O.Duda 中译本.pdf$ v: l% ]+ _( z& C; b! _- A2 [
    │      解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt
4 b0 n4 Q, r" `5 w9 c3 }    │      4 t8 U- y( r  k% I- K; g
    └─机器学习经典论文4 q; t$ [1 z% B! P3 w# X9 ]$ n
        │  下载说明.txt
+ h; |4 H% Y) t# b' F, i        │  关注我们.png
! h, G! q: S" k$ g) @4 w/ B0 {, l        │  攻城狮论坛=网络技术+编程视频.url
# Y% i0 l: m2 \$ T3 G        │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt5 i( N" o; c7 J2 E" G
        │  
3 j* D/ B, {7 d% o1 X/ C+ J! J. l        ├─active learning* Y9 U' h* G0 X* G" U. P* D$ m% L
        │      Active Learning Literature Survey, Settles, 2010.pdf7 ~6 a0 _' ~2 o4 \
        │      Two Faces of Active Learning, Dasgupta, 2011.pdf0 b, t" R% t& v
        │      
9 {  |1 W0 |& l8 I5 @& j  c8 b$ {        ├─Applications/ a# b+ _1 ~+ Z" \
        │      A Survey of Emerging Approaches to Spam Filtering, Caruana, 2012.pdf8 M8 ~1 J% S7 J
        │      A Survey of Online Failure Prediction Methods.pdf6 R: y9 q1 [2 I
        │      Ambient Intelligence_ A Survey.pdf
3 \  }* ~3 }: t$ \: Z        │      Anomaly Detection_ A Survey.pdf
6 ^9 _0 U- s5 p/ x" U- V        │      Mining Data Streams_ A Review.pdf2 e$ D5 P- X( F. y
        │      Workflow Mining_ A Survey of Issues and Approaches.pdf# V4 n0 L0 O- C; ?5 s# K& d; w- E
        │      ' M2 E( A2 S; W* I
        ├─Biology
/ R9 M1 C5 O: Y! M# R8 `        │      A Review of Feature Selection in Bioinformatics.pdf
+ r- {$ G$ q3 M' F  ^8 Y( W        │      Bioinformatics - An Introduction for Computer Scientists.pdf
3 p# ]7 _( s" `% s  Z: W7 N6 b        │      Chemoinformatics - An Introduction for Computer Scientists.pdf4 S( T1 v3 F/ p% w& Z: }+ ^1 t
        │      Computational Challenges in Systems Biology.pdf9 w7 M! h6 H8 G
        │      Computational Epigenetics.pdf, n0 e, V* _1 Y+ b8 Y, z/ D
        │      Computational Systems Biology.pdf0 x, x  G/ f  G' H: r! t
        │      Machine Learning in Bioinformatics_ A Brief Survey and Recommendations for Practitioners.pdf
: x! {1 A9 P" z5 ^  k1 |3 j        │      Molecular Biology for Computer Scientists.pdf0 ^4 ]/ r" D4 V
        │      Progress and Challenges in Protein Structure Prediction.pdf
8 U4 Z2 q1 _) S' P4 _8 \5 O        │      Protein Structure Prediction and Structural Genomics.pdf; J* M7 s+ l; v! S- Q+ U
        │      Recent Developments and Future Directions in Computational Genomics.pdf
+ ?  d  w0 S' C; R9 ]9 t: c$ @: C* u        │      Support Vector Machines in Bioinformatics_ a Survey.pdf$ k" x9 }: {8 R; b: S3 w
        │      8 {- K! w: ]* t& S8 J: |( L$ x
        ├─Classification
9 w4 f- E4 J4 T5 x! n# i3 M$ J6 A        │      Supervised Machine Learning_ A Review of Classification Techniques.pdf( S: v  ^( |9 |2 d3 l, x
        │      ; ], d7 u- m% L) {8 a
        ├─Clustering
8 `2 G& l' r  w5 s        │      A Survey of Fuzzy Clustering.pdf
8 z9 J/ r( L1 d& k' c% ~6 Z" E        │      A Survey_ Clustering Ensembles Techniques.pdf4 D, g2 K" W& f
        │      A Tutorial on Spectral Clustering.pdf) j! {1 l& z" o9 a* {4 I
        │      Clustering in Life Sciences.pdf
1 ]. I2 B* C1 b8 A6 a        │      Clustering Methods.pdf
: P3 G0 h$ V" i- h        │      Clustering of Time Series Data - A Survey.pdf
) M! X# b) _# g; u0 D        │      Clustering Stability_ An Overview.pdf
6 o" b. w% F- i        │      Computational Epigenetics_ The New Scientific Paradigm.pdf
7 L7 m5 j7 e- c8 L) y7 g% B# U# S        │      Data Clustering_ 50 Years Beyond K-Means.pdf
3 ]1 X2 p; d6 k) \$ S) G        │      Data Clustering_ A Review.pdf2 v- I6 ^( H* ~% A0 P; a" f
        │      On Clustering Validation Techniques.pdf% \$ j: g6 {$ V' u$ y
        │      Parallel Clustering Algorithms_ A Survey.pdf' E9 i' |" p$ k/ x& z& v
        │      Recent Advances in Clustering_ A Brief Survey.pdf
% P4 u7 |. }* \6 t* o6 l  {        │      Subspace Clustering for High Dimensional Data_ A Review.pdf! {$ H4 f) v  Q0 M
        │      Survey of Clustering Algorithms.pdf& {* b, L* i9 Q( P7 [4 F% p; `
        │      Survey of Clustering Data Mining Techniques.pdf( l7 g4 v1 t/ q& A" W
        │      Unsupervised and Semi-supervised Clustering_ a Brief Survey.pdf8 h+ E$ r7 q' ~
        │      XML Data Clustering_ An Overview.pdf
/ v' K1 z9 y. ^. Z        │      
- F- G) R: w0 V# j4 E( F        ├─Computer Vision% T7 ]1 s7 p/ g9 X
        │      A Comparative Study of Palmprint Recognition Algorithms.pdf8 @- b6 H4 M- h9 |0 n. u
        │      Context Based Object Categorization_ A Critical Survey.pdf' K7 I& e9 k/ I/ B
        │      Detecting Faces in Images_ A Survey.pdf5 X$ A  J- n, [: j' ]/ j! O5 e
        │      Human Activity Analysis_ A Review.pdf9 u0 C3 f* ^4 i1 ^
        │      Object tracking_ A Survey.pdf: f! B. j2 K, c( m
        │      Pedestrian Detection_ An Evaluation of the State of the Art.pdf  d3 e% E; v, E
        │      Subspace Methods for Face Recognition.pdf) s3 x# @& m& [$ c
        │      5 k+ {% x- |2 H5 D3 r6 U
        ├─Databases5 P( `7 H* p" y+ a% ~& u* M
        │      A Survey of Schema-based Matching Approaches.pdf
' F' ?* `$ h# w        │      Data Fusion.pdf- O' |% }. f" |6 C6 m' h3 y% U
        │      Duplicate Record Detection_ A Survey.pdf
( I$ Y, h5 z$ D  [$ s* n        │      Overview of Record Linkage and Current Research Directions.pdf
6 N2 n! m, y* S        │      3 y* |( {2 L$ f; V( o+ _8 t. k
        ├─deep learning
2 H% x( X! T) |5 f6 Z) C( X: T( K        │      Representation Learning_ A Review and New Perspectives.pdf* H# q! H! {$ A4 x) p2 V5 x
        │      1 Z2 ~  D- R( v) i$ O
        ├─Dimension Reduction8 k) E3 \5 G+ R' A
        │      A Survey of Dimension Reduction Techniques.pdf5 H- D- y+ j5 N) |' G
        │      A Survey of Manifold-Based Learning Methods.pdf
1 \% ^7 S& F4 E( m        │      An Introduction to Variable and Feature Selection.pdf
  ~; o% B) k2 W        │      Dimension Reduction_ A Guided Tour.pdf
; E4 F9 J0 ^' M' d        │      Dimensionality Reduction_ A Comparative Review.pdf
6 i8 G# u0 L; z' U- y        │      Toward Integrating Feature Selection Algorithms for Classification and Clustering.pdf' ~9 e; l. @  ]7 l8 b7 ]8 \8 l
        │      * i2 ?% y0 K9 k7 Q# u
        ├─Economics
' l- C6 d3 M, s9 B% c  d2 [& I        │      Auctions and Bidding_ A Guide for Computer Scientists.pdf
! g# i' A. ]8 r: D: J6 F$ o2 V        │      Computational Finance.pdf
1 x7 d) e& e' i5 [7 g! J) x3 P5 S        │      Computational Sustainability.pdf+ Z0 D! a  p- }
        │      2 P; F1 t* g+ a" f2 u) d
        ├─Game Theory
5 c( W0 M; F8 c0 u        │      Computer Poker_ A Review.pdf" E3 E6 p. Z, m7 g* T3 z
        │      
' e% d9 v7 ?7 U" T        ├─Graphical Models
0 z9 `6 p! Y) B* j& L8 B! Q; H        │      An Introduction to Variational Methods for Graphical Models.pdf- I: c9 y/ z7 @* E; V
        │      + G# m$ B/ M; @% W
        ├─kernel methods1 N9 J8 S( e' ~6 E' z
        │      Kernels for Vector-Valued Functions_ a Review.pdf: Y2 I* D5 ?' X8 `, R
        │      
+ M4 w; k. ^3 n: e: j        ├─Learning Theory" g) X# G# Z( C& A+ b0 V6 ]' C
        │      Introduction to Statistical Learning Theory.pdf
) c4 R. A' ~3 {. d, z        │      
6 e4 l) {5 b/ _7 I' M" J" q$ y) x        ├─Machine Learning# B+ t; H4 h" m- }1 v- m
        │      A Few Useful Things to Know about Machine Learning.pdf6 ]  r7 ?' z1 m  k" H- b0 x
        │      A Survey of Interestingness Measures for Knowledge Discovery.pdf; [3 G/ x3 `3 D( x0 X! o' K
        │      A Survey on Wavelet Applications in Data Mining.pdf
0 I( T. d7 B# M6 g; ?        │      A Tutorial on Bayesian Nonparametric Models.pdf
% \8 s8 \7 k! d9 q        │      A Tutorial on the Cross-Entropy Method.pdf
" d/ m& S- H& e$ [& S        │      Decision Forests for Classification, Regression, Density Estimation, Manifold Learning and Semi-Supervised Learning.pdf
* K) f; Z4 o. C4 p6 T- C        │      Interestingness Measures for Data Mining_ A Survey.pdf
8 g- n* [" D5 B) j' ~        │      Semi-Supervised Learning Literature Survey.pdf
& }1 \# n! p* \" R- Y        │      Survey on Frequent Pattern Mining.pdf$ b, Y$ O) Y( e+ o
        │      The Boosting Approach to Machine Learning_ An Overview.pdf
' Y: K% _1 J; }2 z5 b7 K        │      Top 10 Algorithms in Data Mining.pdf
- z2 J$ y& W. y; K        │      ' n6 I/ x1 g) k) ?0 V9 T
        ├─Mathematics5 K1 T9 ^2 u7 }5 ~, h8 \
        │      Topology and Data.pdf0 p# j( V4 z; m9 V& Q  h
        │      0 |# d  S) R( ~' R6 |
        ├─Multi-armed Bandit
+ J8 a+ U+ f; `$ x5 u2 c        │      Regret Analysis of Stochastic and Nonstochastic Multi-armed Bandit Problems.pdf0 C" m0 R- \' J& M% ^7 u" t
        │      : N+ }" M2 I7 ~
        ├─Natural Computing. {4 |  E% h  v" `
        │      A Survey of Evolutionary Algorithms for Data Mining and Knowledge Discovery.pdf
  J5 _% q5 j( l$ s& ^% K, ^# V0 Y        │      Artificial Immune Systems.pdf
. A/ ?, {6 m+ ~3 Z* O        │      Data Mining in Soft Computing Framework_ A Survey.pdf
" j% l+ j$ l" v% m7 J        │      Neural Networks for Classification_ A Survey.pdf/ `2 T" c3 `7 \. g& J' K3 s" G
        │      Reservoir Computing Approaches to Recurrent Neural Network Training.pdf: [" ~) Z$ s- f: Z$ x
        │      2 A" L# Z7 L1 I& n. J9 Y
        ├─Natural Language Processing
. ^, A* \- O% x% H9 o        │      A Survey of Named Entity Recognition and Classification.pdf
9 B  X& ~$ ?! o) W0 o        │      A Survey on Sentiment Detection of Reviews.pdf- c. L. y0 }( v! n) x- }4 x1 S
        │      Adaptive Information Extraction.pdf9 R4 C( S4 {4 ]- _' E2 A$ S* Z
        │      Comprehensive Review of Opinion Summarization.pdf$ B0 S: P* i9 I! h4 q
        │      Information Extraction.pdf
6 y0 [/ C! ], l6 C! w( F& a        │      Machine Learning in Automated Text Categorization.pdf: B+ S  L, W8 m8 F* M
        │      Machine Transliteration Survey.pdf
- b' i/ t3 \" y$ b( u/ z; T( P( F        │      Ontology Learning From Text_ A Look Back And Into The Future.pdf$ G6 }, i* X6 e" J- F" B. p
        │      Opinion Mining and Sentiment Analysis.pdf/ p: G* i8 y- ?/ k# \7 [
        │      Probabilistic Topic Models.pdf- u: P& h7 |. Z! v' u3 ?
        │      Statistical Machine Translation.pdf
) j2 v. o" L8 g1 i        │      Survey of Text Clustering.pdf. c1 |2 U$ S% O. C
        │      Topic Models.pdf
  |' {+ s) t4 c, l. F7 K, z        │      Translation Techniques in Cross-Language Information Retrieval.pdf
5 ~+ s; P' S9 L/ R* g8 C- r( h) E        │      Web Mining Research_ A Survey.pdf% t0 m( c5 x: d+ H! x8 X
        │      Word Sense Desambiguation_ A Survey.pdf" x- W' V, |" z: R
        │      8 p5 g. I2 n% E7 u7 J* c0 h" t- w
        ├─Networks4 |# C& E6 ?2 K8 p1 ~: g/ B! n: P4 u
        │      A Survey of Statistical Network Models.pdf
/ H- K1 E/ N- t) v1 e        │      Communities in Networks.pdf
7 ~; I# [& s$ J8 h7 H7 D        │      Community Detection in Graphs.pdf
, i. g! H" d6 E0 k1 t, w        │      Comparing Community Structure Identification.pdf
/ D  R5 a- N/ ?1 \  ?& E  r. {0 Z        │      Detecting Community Structure in Networks.pdf
$ b" |: @, ?2 Z8 p! O        │      Graph Clustering.pdf# |8 t9 Y# N1 ~0 b2 g# o, c# T  H: m
        │      Graph Mining_ Laws, Generators, and Algorithms.pdf
6 C% e$ O3 R/ @5 [        │      Link Mining_ A New Data Mining Challenge.pdf
  b& E8 J( m" `$ u$ K6 K) b4 C/ U( `        │      Link Mining_ A Survey.pdf
, D( R, U" C) d3 M        │      8 b7 C3 S& s+ K  b! I- i' r
        ├─On-Line Learning( T9 j' a2 O, P  N6 r; [$ A6 l! _
        │      On-Line Algorithms in Machine Learning.pdf( H9 Q: I# q2 J* c2 b$ v! l
        │      
% M. q7 u1 [- K' Q% v# f- `        ├─Others2 f2 A: z4 p0 }/ ^
        │      A Survey of Very Large-Scale Neighborhood Search Techniques.pdf
4 x) U+ ^& u! A0 L        │      + ^6 y" v8 I% [$ p* u, T
        ├─Planning and Scheduling
. j8 r0 g6 Z3 f, K) @        │      A Review of Machine Learning for Automated Planning.pdf9 I, w8 Z. }* I  B9 S7 j* V
        │      
/ Q: Q5 z! ^1 ?1 i- e        ├─Probabilistic3 m6 a! V5 x1 P$ W( Q- M
        │      An Introduction to MCMC for Machine Learning.pdf- o* K9 P$ R% H/ l# D  r
        │      Approximate Policy Iteration_ A Survey and Some New Methods.pdf; p' K( I# @! T; s
        │      9 A  ]' A: |1 D- T4 f0 G7 _- a
        ├─Probabilistic Models, S. f2 b. Q7 x# i! f9 u% W. H) n' O
        │      An Introduction to Conditional Random Fields.pdf# L" g: T5 h. U; s9 h
        │      
1 M- H( S2 ]: u. x6 I" K        ├─Randomized Algorithms. Z, q2 ]0 X. {6 R% Y% h) K4 W1 I6 m6 F
        │      Randomized Algorithms for Matrices and Data.pdf; J/ u. f8 o# ]6 O
        │      $ F- {" _  p9 U! Q8 o* k
        ├─Recommender Systems2 C* b( j9 j& j9 X) o4 ]( b
        │      A Survey of Collaborative Filtering Techniques.pdf) j( n9 j& Y& o- p, h5 p* ]
        │      Matrix Factorization Techniques for Recommender Systems.pdf
2 [) d  {. z4 a. f        │      Recent advances in Personalized Recommender Systems.pdf, @  S* f/ M+ f/ l$ p: B4 }
        │      
8 I. Z/ |' N* k( m4 K+ D5 N        ├─Regression7 l4 H+ D! |" o1 W9 o- `
        │      Ensemble Approaches for Regression_ a Survey.pdf8 A# {* }* [0 a5 X( K0 K
        │      
- T  F# p* M* e& c2 l1 ]* e        ├─Reinforcement Learning0 U( C$ Q1 E& a. x0 o$ R
        │      A Survey of Reinforcement Learning in Relational Domains.pdf
1 S( y. U9 b+ L9 n# Y        │      Reinforcement Learning_ A Survey.pdf
( @. b, i, _. O        │      
5 K# p+ ]* p( o7 B        ├─Rule Learning9 U) R% F+ ~$ }/ }' h; i+ H
        │      Algorithms for Association Rule Mining - A General Survey and Comparison.pdf$ ~3 f* Q2 G; O3 m) m6 b9 y& z# E
        │      Association Mining.pdf  b* _4 d% B) e, l
        │      * ^8 Z& Z; ?! f5 R& n
        ├─Testing  i. R) e6 t7 l, L# P+ V
        │      Controlled Experiments on the Web_ Survey and Practical Guide.pdf) d' s# [( q2 ~2 [& D
        │      
+ r" b/ D7 c: x        ├─Time Series
; `' S. }8 \$ w: @        │      A Review on Time Series Data Mining.pdf
( K( d" W3 s8 z$ B/ c! R1 }6 W        │      Discrete Wavelet Transform-Based Time Series Analysis and Mining.pdf
4 p  i# Q% }" G4 m        │      Time-Series Data Mining.pdf; ^; s) H$ A) ?5 L" ]: O
        │      
2 \% v# l& y5 B* n) Q' F( q5 U        ├─Transfer Learning/ I% T' V& V2 e, i" {3 J3 x
        │      A Survey on Transfer Learning.pdf2 m, j, g2 a$ h* ~' @. h3 h4 z  s
        │      , u) B4 c# P0 l+ _& O
        └─Web Mining6 t4 G% M8 F7 {* g9 _" A% M
                A Survey of Web Clustering Engines.pdf
6 ?! W* I$ O5 L( |* P                A Survey of Web Metrics.pdf' W- W$ |& j7 z' k9 u5 y. x4 P
                A Taxonomy of Sequential Pattern Mining Algorithms.pdf
/ N5 M) w/ V  \0 c% d# _                An Overview of Web Data Clustering Practices.pdf
% K% J( K2 \1 V. H1 Y+ s. F8 r1 j                Data Mining for Hypertext_ A Tutorial Survey.pdf
/ R- F: {2 `$ `/ ^) U- e                Mining Interesting Knowledge from Weblogs_ A Survey.pdf7 ?; I% i% ]7 @- K* d$ J) f) P
                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 [Lv10 举世无双] 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, 2018-7-16 18:52 , Processed in 0.531019 second(s), 25 queries , Gzip On, Memcache On.

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

Designed by ARTERY.cn