本站已运行

攻城狮论坛

xinmeng

作者: 程序家
查看: 119252|回复: 2222

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

【新盟教育】2023最新华为HCIA全套视频合集【网工基础全覆盖】---国sir公开课合集【新盟教育】2023最新华为HCIA全套视频合集【网工基础全覆盖】---国sir公开课合集
【新盟教育】网工小白必看的!2023最新版华为认证HCIA Datacom零基础全套实战课【新盟教育】网工小白必看的!2023最新版华为认证HCIA Datacom零基础全套实战课
原创_超融合自动化运维工具cvTools原创_超融合自动化运维工具cvTools
重量级~~30多套JAVA就业班全套 视频教程(请尽快下载,链接失效后不补)重量级~~30多套JAVA就业班全套 视频教程(请尽快下载,链接失效后不补)
链接已失效【超过几百G】EVE 国内和国外镜像 全有了 百度群分享链接已失效【超过几百G】EVE 国内和国外镜像 全有了 百度群分享
某linux大佬,积累多年的电子书(约300本)某linux大佬,积累多年的电子书(约300本)
乾颐堂现任明教教主Python完整版乾颐堂现任明教教主Python完整版
乾颐堂 教主技术进化论 2018-2019年 最新31-50期合集视频(各种最新技术杂谈视频)乾颐堂 教主技术进化论 2018-2019年 最新31-50期合集视频(各种最新技术杂谈视频)
Python学习视频 0起点视频 入门到项目实战篇 Python3.5.2视频教程 共847集 能学102天Python学习视频 0起点视频 入门到项目实战篇 Python3.5.2视频教程 共847集 能学102天
约21套Python视频合集 核心基础视频教程(共310G,已压缩)约21套Python视频合集 核心基础视频教程(共310G,已压缩)
最新20180811录制 IT爱好者-清风羽毛 - 网络安全IPSec VPN实验指南视频教程最新20180811录制 IT爱好者-清风羽毛 - 网络安全IPSec VPN实验指南视频教程
最新20180807录制EVE开机自启动虚拟路由器并桥接物理网卡充当思科路由器最新20180807录制EVE开机自启动虚拟路由器并桥接物理网卡充当思科路由器

[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: 119252|回复: 2222
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

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

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

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

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 4 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

5 |6 c8 K) m0 u/ Q  r% v    ├─001_machine_learning_by_andrew_ng_coursera5 O6 N' E$ C. E9 z+ i1 a
    │  └─001_machine_learning_by_andrew_ng_coursera
  z1 l8 i( O) U9 C  n( ]    │      ├─ml-003
# Y- R: c! X# z3 f    │      │  ├─01_I._Introduction
; e) C# e2 B3 w) H6 K: Y    │      │  │      01_Welcome.mp4
+ v" L( Y1 x1 i# ~/ g8 v/ F; v    │      │  │      01_Welcome.pdf. l/ N3 y, U5 n9 p. ?0 x
    │      │  │      01_Welcome.pptx
' [( a6 |1 U; p1 |+ F6 m# E- ]    │      │  │      01_Welcome.srt
4 }, T: l( Y1 Q- w+ Q0 r' y3 T; ~0 k    │      │  │      01_Welcome.txt
$ m4 q7 f' }; N# v  H% S/ z    │      │  │      02_What_is_Machine_Learning.mp4, G4 V5 n# _! ?1 C
    │      │  │      02_What_is_Machine_Learning.srt
. _( i" H" Y" H    │      │  │      02_What_is_Machine_Learning.txt
" e* K5 {  M+ A9 x, Z    │      │  │      03_Supervised_Learning.mp4. L6 @& j  l$ ?/ T/ Q4 {
    │      │  │      03_Supervised_Learning.srt4 d/ [4 q& B3 b
    │      │  │      03_Supervised_Learning.txt/ k1 k& b3 `" z% p6 U  }
    │      │  │      04_Unsupervised_Learning.mp46 w2 H+ H& }2 n( }' d% @
    │      │  │      04_Unsupervised_Learning.srt) \% F9 |1 j+ E4 ^
    │      │  │      04_Unsupervised_Learning.txt) {6 N) D. }  x5 Q: n
    │      │  │      
* c% ?8 u1 R. J2 {    │      │  ├─02_II._Linear_Regression_with_One_Variable
; a! c, l5 Y% I/ s6 R    │      │  │      02_Cost_Function.mp4. u) |* c, M# Y7 F
    │      │  │      02_Cost_Function.srt
3 g/ X# T: b" l1 c    │      │  │      02_Cost_Function.txt
# l# ?7 W" p4 \7 \    │      │  │      05_Gradient_Descent.mp4% M- F! E" M6 m
    │      │  │      05_Gradient_Descent.srt0 k2 z' Y( y  \) ^- l; l
    │      │  │      05_Gradient_Descent.txt4 R8 R: s* K% S
    │      │  │      08_Whats_Next.mp4
! d9 S  V3 @* v5 l  @9 I; y% P$ U    │      │  │      08_Whats_Next.srt
+ R: u% i  S0 k! P    │      │  │      08_Whats_Next.txt
: S. j+ I5 Y5 }" H/ v/ X    │      │  │      - H9 T: y5 u0 K& @+ t9 v
    │      │  ├─03_III._Linear_Algebra_Review$ X* `- z6 u) B
    │      │  │      01_Matrices_and_Vectors.mp4
; e, L. r6 N$ u( V    │      │  │      01_Matrices_and_Vectors.pdf2 T/ R9 s, \8 |) l& n. E
    │      │  │      01_Matrices_and_Vectors.pptx
7 V; e: ^  U7 `8 Z& X    │      │  │      01_Matrices_and_Vectors.srt8 a, j1 ]) Y% S- s& L
    │      │  │      01_Matrices_and_Vectors.txt$ a7 k, v$ k$ I( f6 [1 V4 Y; ~
    │      │  │      03_Matrix_Vector_Multiplication.mp4" h, `" W1 M1 }2 f
    │      │  │      03_Matrix_Vector_Multiplication.srt
/ y; d: i! A) \2 J3 e5 X" y; j    │      │  │      03_Matrix_Vector_Multiplication.txt9 z% W. \# n* f8 M* Q# m3 g
    │      │  │      04_Matrix_Matrix_Multiplication.mp4
( u, ~  Z4 a4 Y* F, z    │      │  │      04_Matrix_Matrix_Multiplication.srt7 R" O! K& d8 ?/ o8 m, B% |
    │      │  │      04_Matrix_Matrix_Multiplication.txt
. N" _6 [2 S" N1 p    │      │  │      05_Matrix_Multiplication_Properties.mp4
) G# H* ]. f: |5 U# @    │      │  │      05_Matrix_Multiplication_Properties.srt
) C0 D+ |; x* k& Q5 k2 _) W    │      │  │      05_Matrix_Multiplication_Properties.txt
1 J/ O7 z0 p* ]2 J& T) C7 c* N    │      │  │      06_Inverse_and_Transpose.mp4( g) ^$ }& }' F4 {) {% W. b
    │      │  │      06_Inverse_and_Transpose.srt
8 w8 [6 R4 O- w# N    │      │  │      06_Inverse_and_Transpose.txt$ O% D5 F3 ~$ T3 B& L/ x# Z" }
    │      │  │      
2 s! Q: G2 s8 Q' P  z2 N) t7 a, a    │      │  ├─04_IV._Linear_Regression_with_Multiple_Variables
9 o4 B! w' R" x4 N" ^    │      │  ├─05_V._Octave_Tutorial
9 s% O( j- F' G% A- x& \    │      │  │      01_Basic_Operations.mp4
0 S5 e1 E- ]0 K+ Q. Q" l  {7 b    │      │  │      01_Basic_Operations.pdf
1 M% ~/ T9 Z8 d+ \1 z    │      │  │      01_Basic_Operations.pptx
- `: B4 c( O: _! @; X    │      │  │      01_Basic_Operations.srt
1 ~( T" X2 `; @2 x. `6 C    │      │  │      01_Basic_Operations.txt
2 F- G  q& j" W0 l" H+ R9 z    │      │  │      02_Moving_Data_Around.mp47 _) j- s1 U" W3 I. {
    │      │  │      02_Moving_Data_Around.srt1 V) ]8 S. T7 y% r  Z
    │      │  │      02_Moving_Data_Around.txt
+ C. D! b* Q0 V% w+ b; N    │      │  │      03_Computing_on_Data.mp4. q0 t/ i3 z" E/ [9 ]1 k- R/ G
    │      │  │      03_Computing_on_Data.srt# s0 c) {7 i4 G- l8 A6 t
    │      │  │      03_Computing_on_Data.txt* P' Z- |  Q- r+ J- ~
    │      │  │      04_Plotting_Data.mp4
4 e* v. i* J, |  @    │      │  │      04_Plotting_Data.srt. s! X, E" B4 _, [7 u
    │      │  │      04_Plotting_Data.txt
: B1 G2 a% i+ O% B0 y    │      │  │      06_Vectorization.mp4
+ `( D1 A8 [" ^+ ~. Y3 s    │      │  │      06_Vectorization.srt4 |# _/ I5 g) m
    │      │  │      06_Vectorization.txt
: j" V6 T4 |& f' }" ~    │      │  │      
* K; O7 q+ O) ~/ [2 X2 K, j    │      │  ├─06_VI._Logistic_Regression
4 t+ S# s1 E' H4 y    │      │  │      01_Classification.mp4' I* B: e6 m) u! ]/ `( y
    │      │  │      01_Classification.pdf% c4 E1 j0 h3 D
    │      │  │      01_Classification.pptx
; g1 k* H0 P: @$ P. S8 D    │      │  │      01_Classification.srt' H) a" R( t6 z* G5 d
    │      │  │      01_Classification.txt* k$ d- }& z+ m% p" u
    │      │  │      02_Hypothesis_Representation.mp4  E/ Z" v% v& @# a# P
    │      │  │      02_Hypothesis_Representation.srt  L2 V7 `0 n. z5 G- `5 y
    │      │  │      02_Hypothesis_Representation.txt
% m* i0 ^3 ^1 v7 ~" ]- ^9 C# Q    │      │  │      03_Decision_Boundary.mp41 J2 X( b6 f% i, o/ c! H: g1 @
    │      │  │      03_Decision_Boundary.srt) }: V3 _" Y3 g2 l4 A; ~
    │      │  │      03_Decision_Boundary.txt
  |* Z+ K5 D( G$ o1 G: H    │      │  │      04_Cost_Function.mp4: r. u8 R, L8 Z) S# N# D. H
    │      │  │      04_Cost_Function.srt+ S7 j3 A/ J. w) |
    │      │  │      04_Cost_Function.txt
4 v0 i" U: F5 E' g; Q    │      │  │      06_Advanced_Optimization.mp4: z3 A* q5 q, I- ^
    │      │  │      06_Advanced_Optimization.srt
+ K6 ?3 C9 V6 j& o    │      │  │      06_Advanced_Optimization.txt# h4 v% |/ p6 u2 @9 B: v: J
    │      │  │      6 G/ @# z/ n" W! R$ O
    │      │  ├─07_VII._Regularization
; s( {/ g0 }2 K! N1 J6 m    │      │  │      01_The_Problem_of_Overfitting.mp4
0 @: x0 l  s6 M4 w  ~* T" ~4 L9 ]    │      │  │      01_The_Problem_of_Overfitting.pdf
& Q1 X4 ?$ I! O: ?( g# U! @( i    │      │  │      01_The_Problem_of_Overfitting.pptx- V% D" C+ S9 e
    │      │  │      01_The_Problem_of_Overfitting.srt
5 x: _: \' g5 [" A/ r! y( ~- ^    │      │  │      01_The_Problem_of_Overfitting.txt
1 ?8 J8 \5 S: P) E( f    │      │  │      02_Cost_Function.mp4
* b3 u9 {6 U$ k9 k/ R( {    │      │  │      02_Cost_Function.srt5 e) S. b* W, w) ^2 P& q# y9 I* L+ s
    │      │  │      02_Cost_Function.txt
" g0 i* \# C; e. O8 z! v    │      │  │      03_Regularized_Linear_Regression.mp4
" d. @; A7 @+ Z6 ^    │      │  │      03_Regularized_Linear_Regression.srt
! z. [( j0 R2 W9 F0 k    │      │  │      03_Regularized_Linear_Regression.txt$ i0 Y7 O7 G+ z
    │      │  │      04_Regularized_Logistic_Regression.mp4
' o4 `( H" N: R4 T3 V    │      │  │      04_Regularized_Logistic_Regression.srt
* z7 D9 _4 K: T1 A  Q* [* J$ r) E    │      │  │      04_Regularized_Logistic_Regression.txt5 d3 U( S0 ~7 j- a
    │      │  │      ( {/ k# }7 O- Q* O9 h6 M+ [
    │      │  ├─08_VIII._Neural_Networks-_Representation
& a1 w2 U# i& W( b/ |' @. |  P    │      │  │      01_Non-linear_Hypotheses.mp4
8 u1 p% ?# r+ O! j1 s- Y8 j    │      │  │      01_Non-linear_Hypotheses.pdf
5 h' |' [( i6 }0 x& O9 h( Y    │      │  │      01_Non-linear_Hypotheses.srt: _2 _9 }  i9 Y. q) a; g" e
    │      │  │      01_Non-linear_Hypotheses.txt
9 r1 A0 N: K7 ~; n1 D" f" g7 V; Y3 ?    │      │  │      02_Neurons_and_the_Brain.mp40 S$ g2 Z9 L; ]/ v5 X" ]5 U
    │      │  │      02_Neurons_and_the_Brain.srt
: V' L+ U3 c' U2 K' ^" d    │      │  │      02_Neurons_and_the_Brain.txt
* d" o; }& x2 l1 l6 B8 b    │      │  │      % r- F' n0 U+ F" u; o4 S! a- q  Y
    │      │  ├─09_IX._Neural_Networks-_Learning
/ l4 ]1 ~; Q) F2 J    │      │  │      01_Cost_Function.mp4
- h4 Q) X( S) j: J# c    │      │  │      01_Cost_Function.pdf
& x6 E. M9 V3 m9 J& T, Z/ \, `    │      │  │      01_Cost_Function.pptx6 y  [' ]. f& x& E2 x! L
    │      │  │      01_Cost_Function.srt
) H8 g2 i! {% x# k; J2 _2 W    │      │  │      01_Cost_Function.txt
. _3 G- g, r1 J1 O, l) X    │      │  │      02_Backpropagation_Algorithm.mp40 m; X3 s- ?9 R) a6 G' w
    │      │  │      02_Backpropagation_Algorithm.srt
+ L5 I, f2 ?7 d# a+ Q# a    │      │  │      02_Backpropagation_Algorithm.txt
9 g" Q: [' R& j+ K  E    │      │  │      03_Backpropagation_Intuition.mp4
. ^- Y; s5 V( R* j" s* P& X. d    │      │  │      03_Backpropagation_Intuition.srt
1 X6 [& u* n. T: K( U. _    │      │  │      03_Backpropagation_Intuition.txt
, G8 p2 d( r; [- O! |    │      │  │      05_Gradient_Checking.mp4
- y! [4 C7 V' J$ G! b    │      │  │      05_Gradient_Checking.srt
! A; a& I& ]' B6 @" b9 v- ]    │      │  │      05_Gradient_Checking.txt
  a9 G" q/ K" e* z    │      │  │      06_Random_Initialization.mp44 U7 P# U8 C7 ?2 B" ?3 f
    │      │  │      06_Random_Initialization.srt
; n" k/ X! b' i1 ^    │      │  │      06_Random_Initialization.txt: _2 F" `( I# D* F' ]( E8 B- d, \5 n
    │      │  │      07_Putting_It_Together.mp4) z0 G* P- b' b& P4 @# y
    │      │  │      07_Putting_It_Together.srt
: M6 _+ A. s9 ?3 _. o    │      │  │      07_Putting_It_Together.txt$ ]1 A/ l. ?5 }* }9 B* I/ T/ u
    │      │  │      08_Autonomous_Driving.mp40 t8 Y  B7 W* W8 \# |
    │      │  │      08_Autonomous_Driving.srt1 R3 r/ I1 @& c% v% u+ _
    │      │  │      08_Autonomous_Driving.txt& e& l; k5 K7 E  C! {
    │      │  │      
$ x: Y8 r9 I2 z( w( J4 T; W    │      │  ├─10_X._Advice_for_Applying_Machine_Learning
/ T+ b  Z; h/ D: M4 O    │      │  │      06_Learning_Curves.mp4
' k" W) W1 T" O    │      │  │      06_Learning_Curves.srt
) [% g+ N1 K- x3 T4 q7 ]- }    │      │  │      06_Learning_Curves.txt
& L% v& B4 T0 c* i7 q! V    │      │  │      % @( o* V) ?" A: x5 d' z3 H6 [
    │      │  ├─11_XI._Machine_Learning_System_Design
0 j, G! F0 {& n6 R    │      │  │      02_Error_Analysis.mp4
) W% q7 }% V" K    │      │  │      02_Error_Analysis.srt1 T5 F5 P. E; [9 G) d
    │      │  │      02_Error_Analysis.txt( M  J/ k: `8 R0 Y# b
    │      │  │      
8 U+ }3 L. C" L: N0 x    │      │  ├─12_XII._Support_Vector_Machines
3 P- }1 l; f; E. ~" R" A0 C2 Z0 R    │      │  │      01_Optimization_Objective.mp47 L3 R# i& B9 `$ B/ ]
    │      │  │      01_Optimization_Objective.pdf
" ~, E( \- ?+ y& H8 x    │      │  │      01_Optimization_Objective.pptx
, E3 S  F8 `" j8 {2 I0 d    │      │  │      01_Optimization_Objective.srt
8 w1 P9 O; |  j& m    │      │  │      01_Optimization_Objective.txt9 F% Q- h) {( ^# ?7 h  x: C: R" e% q
    │      │  │      02_Large_Margin_Intuition.mp4) p) B' ]# _+ W
    │      │  │      02_Large_Margin_Intuition.srt4 }. {2 q: _0 [
    │      │  │      02_Large_Margin_Intuition.txt. O( s0 I* x0 l6 @( f* O
    │      │  │      04_Kernels_I.mp4
7 C; w4 U. i  f    │      │  │      04_Kernels_I.srt& H% n# P* X$ L/ _: m/ v+ }
    │      │  │      04_Kernels_I.txt
5 y! h' d' z7 f% L* c5 r    │      │  │      05_Kernels_II.mp4
1 ~- e( B: G/ l+ A' W9 a; e" h    │      │  │      05_Kernels_II.srt
9 [- }& ]" p6 _    │      │  │      05_Kernels_II.txt' w2 q2 v) }0 v/ S
    │      │  │      06_Using_An_SVM.mp4
% r# h8 c' P0 l. J8 n, F    │      │  │      06_Using_An_SVM.srt' L9 }. v5 m5 k/ s$ F
    │      │  │      06_Using_An_SVM.txt
! J9 h0 R6 f! K9 ?* n) q    │      │  │      7 w& _  V4 W) z& Z. N4 x4 A
    │      │  ├─13_XIII._Clustering
$ b% [6 {0 N- c5 ^    │      │  │      01_Unsupervised_Learning-_Introduction.mp4
% N' N2 p1 O4 D4 H9 ]    │      │  │      01_Unsupervised_Learning-_Introduction.pdf
0 o+ T* l. |0 M! H+ P; T    │      │  │      01_Unsupervised_Learning-_Introduction.pptx
% w4 e& U# t. @% X% P$ N    │      │  │      01_Unsupervised_Learning-_Introduction.srt5 ~2 a# `  i5 _6 ~& F2 Q
    │      │  │      01_Unsupervised_Learning-_Introduction.txt  v& a) f, D- L6 w9 X1 ]( B# A
    │      │  │      02_K-Means_Algorithm.mp4' J3 w  K' a9 O5 _$ P( x: G
    │      │  │      02_K-Means_Algorithm.srt( O: m  Y. c; u
    │      │  │      02_K-Means_Algorithm.txt
, A) h! x0 a5 a# ]    │      │  │      03_Optimization_Objective.mp4
& ]/ N8 S! U+ i& y    │      │  │      03_Optimization_Objective.srt8 K6 F& N2 u' n- j% a7 Q0 _# v
    │      │  │      03_Optimization_Objective.txt( L( k5 C" h% ]
    │      │  │      04_Random_Initialization.mp40 U) j) T5 v; u6 }4 ]6 A
    │      │  │      04_Random_Initialization.srt$ y$ }+ p# R; M1 {7 {
    │      │  │      04_Random_Initialization.txt3 n. E$ ^) T" l8 b" Q9 Z
    │      │  │      05_Choosing_the_Number_of_Clusters.mp4* c; n9 t+ W" {" U2 |5 \+ B8 @
    │      │  │      05_Choosing_the_Number_of_Clusters.srt
- A% m* g+ k. n( K1 u% o$ x    │      │  │      05_Choosing_the_Number_of_Clusters.txt+ j7 _0 g8 A; I# N
    │      │  │      / L# B6 j7 C* M' y
    │      │  ├─14_XIV._Dimensionality_Reduction! d! Y7 m: O4 u9 C0 c2 X
    │      │  │      02_Motivation_II-_Visualization.mp4, o9 {, U, E9 {; d7 b
    │      │  │      02_Motivation_II-_Visualization.srt
7 s% U' c4 J* V    │      │  │      02_Motivation_II-_Visualization.txt
8 U" H- k& ^3 q    │      │  │      07_Advice_for_Applying_PCA.mp4
* k8 p8 v9 s: i5 |; T( U' h    │      │  │      07_Advice_for_Applying_PCA.srt& v8 f! ]0 k. N; ^6 x# }" X
    │      │  │      07_Advice_for_Applying_PCA.txt
' T( U/ ?. w. S6 A    │      │  │      2 k$ y- g0 Y' f# P! D4 m/ \; L- |
    │      │  ├─15_XV._Anomaly_Detection7 c* A  e1 T- C3 F6 G
    │      │  │      01_Problem_Motivation.mp4
% M2 U% ~( G: w! p/ m& [# g    │      │  │      01_Problem_Motivation.pdf+ ]: s6 _  E5 v* ^) B
    │      │  │      01_Problem_Motivation.pptx3 L1 w2 J0 b: D; U0 w
    │      │  │      01_Problem_Motivation.srt
- @8 a1 X: z# T4 z( g  g    │      │  │      01_Problem_Motivation.txt
6 j/ P  [6 v7 u5 b: |7 }8 B8 k    │      │  │      02_Gaussian_Distribution.mp46 g, n  j9 k" @
    │      │  │      02_Gaussian_Distribution.srt
' y5 @- ]1 K& d2 a7 d8 c    │      │  │      02_Gaussian_Distribution.txt
2 W5 C& b  K8 i/ x" L% Y% `    │      │  │      03_Algorithm.mp4- _6 T: h' {/ N2 Q& G2 p
    │      │  │      03_Algorithm.srt
( a# y2 K# y* G; F. ~    │      │  │      03_Algorithm.txt+ ~( K7 V$ z/ N: \
    │      │  │      06_Choosing_What_Features_to_Use.mp40 d. E6 y8 b6 {3 N; I
    │      │  │      06_Choosing_What_Features_to_Use.srt
  y4 s* c: T' d( d/ w7 Q; }5 g7 h    │      │  │      06_Choosing_What_Features_to_Use.txt
$ i' p$ ]9 Z( _    │      │  │      
  H" s+ l- O. G  x' ?3 ^    │      │  ├─16_XVI._Recommender_Systems
7 M# h' k+ ?* v( A0 R6 v    │      │  │      01_Problem_Formulation.mp46 N6 m3 N0 [- U( L( w& c/ F
    │      │  │      01_Problem_Formulation.pdf
  u3 E3 }6 x8 F    │      │  │      01_Problem_Formulation.pptx$ W  b1 [/ K7 z- H( |' v  Y/ J
    │      │  │      01_Problem_Formulation.srt- U' C1 w7 ]' i) z0 U" L9 q+ K, M
    │      │  │      01_Problem_Formulation.txt! u2 ?8 }: y9 |9 w; ?* r  E, H6 s
    │      │  │      02_Content_Based_Recommendations.mp4
7 j* T8 I4 ]: }4 p3 I  F/ B7 P; c- [    │      │  │      02_Content_Based_Recommendations.srt7 M* a* y2 t4 {- r
    │      │  │      02_Content_Based_Recommendations.txt% R) v- e. [8 N4 ~+ v( n" M; e
    │      │  │      03_Collaborative_Filtering.mp46 ^% `3 c, C8 E/ U* s/ C
    │      │  │      03_Collaborative_Filtering.srt; }3 }1 [& Q$ @6 h1 Z) p! U
    │      │  │      03_Collaborative_Filtering.txt( A. f. n4 y6 h/ ^. T
    │      │  │      04_Collaborative_Filtering_Algorithm.mp4& _; E8 S' x) W+ u: Q
    │      │  │      04_Collaborative_Filtering_Algorithm.srt" i; S; g7 c5 m, b- i+ Z8 N
    │      │  │      04_Collaborative_Filtering_Algorithm.txt
$ `& `! e' T3 q0 G! X9 Q) {    │      │  │      6 `+ a# N& q- b: s5 O8 d+ Z
    │      │  ├─17_XVII._Large_Scale_Machine_Learning
/ q% K+ m$ K/ v5 e/ V" q( [    │      │  │      05_Online_Learning.mp4) l/ I' B1 y4 `4 L3 Z
    │      │  │      05_Online_Learning.srt7 C+ W. O# o2 H% |5 J6 j8 u" d$ q
    │      │  │      05_Online_Learning.txt" E# o" Y; Z3 c. V$ P
    │      │  │      ( S; |$ E- @) @
    │      │  ├─18_XVIII._Application_Example-_Photo_OCR0 y* P  y0 n) X4 ]: u* E6 ]0 Q4 o
    │      │  │      02_Sliding_Windows.mp4+ l6 j; \& v# l) M. n
    │      │  │      02_Sliding_Windows.srt
; q( d( e9 n" A- ]    │      │  │      02_Sliding_Windows.txt8 s( `/ a- P0 z; e2 z; X5 W1 R9 k
    │      │  │      
( @/ P3 A) R5 j- a' ~. R6 D    │      │  └─19_XIX._Conclusion
8 T" X, \  p' o0 P' I    │      │          01_Summary_and_Thank_You.mp46 x5 S( ]7 G! S% J
    │      │          01_Summary_and_Thank_You.srt
/ m& y( D, u) v- x! q$ y    │      │          01_Summary_and_Thank_You.txt8 ~" d2 h% @3 a& j; K' [
    │      │         
$ q/ W2 G1 `2 ~3 ]. d    │      └─机器学习-斯坦福-Andrew NG-2012
. S. l; d1 C( D" c  O    │          │  下载说明.txt/ h7 l: }$ z9 K1 ^! P
    │          │  关注我们.png$ X: T( V3 E9 T4 A0 s$ c: i) U
    │          │  攻城狮论坛=网络技术+编程视频.url5 q$ `. l; J4 W  q8 s+ R; f% ^
    │          │  机器学习笔记2012_v0.1.pdf
' k' @8 u  u% S8 N. G    │          │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt1 g$ q; k8 u4 b' K: a6 z2 f- k
    │          │  
7 T  f& H0 u4 C3 d! n    │          ├─week 1% ^% F9 h* H0 \
    │          │      1 - 1 - Welcome (7 min).mp4
, r' N. W3 I9 x, P1 O) _; T" X    │          │      1 - 1 - Welcome (7 min).srt
' ?4 H* u/ }7 Q" L    │          │      1 - 2 - What is Machine Learning (7 min).mp4
2 b8 E, u+ s; g' S+ g& W' d7 L/ J, Q    │          │      1 - 2 - What is Machine Learning- (7 min).srt3 B3 c5 _2 o& _1 E
    │          │      1 - 3 - Supervised Learning (12 min).mp48 E2 W# J% g' x; N9 ]8 A
    │          │      1 - 3 - Supervised Learning (12 min).srt
! r# t6 y4 S/ F6 _! ]" Z    │          │      1 - 4 - Unsupervised Learning (14 min).mp4! |2 m: e* t# |" a7 l1 I* `
    │          │      1 - 4 - Unsupervised Learning (14 min).srt/ K  J! h: ~" E& D# h1 H
    │          │      2 - 1 - Model Representation (8 min).mp4" X% |& N) Q. m* h  `; x, o
    │          │      2 - 1 - Model Representation (8 min).srt
2 g6 c6 H! V) s% Y5 a    │          │      2 - 2 - Cost Function (8 min).mp4
, K+ t6 L  ?5 U) @6 T7 R/ }( v, y    │          │      2 - 2 - Cost Function (8 min).srt
/ Z% m8 `# ~1 }4 j5 D2 M3 v/ q    │          │      2 - 5 - Gradient Descent (11 min).mp4( e" I, {5 Q& I9 P0 }/ P! [
    │          │      2 - 5 - Gradient Descent (11 min).srt  D5 E: v9 T) M! `- k
    │          │      2 - 8 - What's Next (6 min).srt* q9 |5 m0 x. `, D+ Q  q3 u' q* w
    │          │      2 - 8 - Whats Next (6 min).mp4
2 {5 |* u: y& R" W5 {& A    │          │      3 - 1 - Matrices and Vectors (9 min).mp46 T! J* m6 K: n" U
    │          │      3 - 1 - Matrices and Vectors (9 min).srt
) Y# e( \. \( j" m2 O( T    │          │      
5 \$ J3 `/ M9 D) }8 K7 M1 y    │          ├─week 10
: R9 Z% i, _  h: ]+ D& H1 a    │          │      17 - 5 - Online Learning (13 min).mp4
0 s) k4 o& |  J2 t$ U" p# p. m    │          │      17 - 5 - Online Learning (13 min).srt
7 e9 I4 l9 ^+ i$ _- h- C2 r    │          │      Lecture17.pdf. ]& I! G1 b6 f2 @( u6 }
    │          │      * w; S  A$ u$ i" p
    │          ├─week 2
! n+ j  N# P3 O* Z+ v    │          │      4 - 1 - Multiple Features (8 min).mp4
6 w2 c# k- B, |4 Y3 c+ Q& z: I    │          │      4 - 1 - Multiple Features (8 min).srt  \6 L1 q6 ^8 t6 j
    │          │      4 - 6 - Normal Equation (16 min).mp4+ q2 b0 k5 q$ S7 F/ ^3 w- f
    │          │      4 - 6 - Normal Equation (16 min).srt1 U7 `' ]" F7 [, u6 }
    │          │      5 - 1 - Basic Operations (14 min).mp44 t3 H# h9 G8 W. K
    │          │      5 - 1 - Basic Operations (14 min).srt
0 j! p8 z4 M! L, q$ c    │          │      5 - 2 - Moving Data Around (16 min).mp43 d2 I) b6 Z- f6 {; ]
    │          │      5 - 2 - Moving Data Around (16 min).srt+ m0 j) ]1 F9 C, p4 `* t
    │          │      5 - 3 - Computing on Data (13 min).mp4
; L8 C0 W( i9 |3 r* S    │          │      5 - 3 - Computing on Data (13 min).srt, n; G( n! q! ^( S" P, y- q
    │          │      5 - 4 - Plotting Data (10 min).mp4! E& Q1 J+ m( a2 S& S  C# s. Z, v% W
    │          │      5 - 4 - Plotting Data (10 min).srt
8 w( ]( z) L8 f0 A0 l* G  {    │          │      5 - 6 - Vectorization (14 min).mp41 W  w- H3 G5 F: J0 c; B4 p( z
    │          │      5 - 6 - Vectorization (14 min).srt
# E, O0 c( V  W* i8 t( _    │          │      Lecture4.pdf
/ ~0 _( @/ d$ C& K- O    │          │      Lecture5_octave tutorial.pdf$ M! `3 N# a" V3 Q
    │          │      9 l% c' [, ^! S) k2 W, f$ \
    │          ├─week 3
$ a: E7 Q" S& m/ o0 D0 m$ N1 ]    │          │      6 - 1 - Classification (8 min).mp4/ |/ \* R* i! ?
    │          │      6 - 1 - Classification (8 min).srt1 |/ `* [% d4 B; N/ l; W/ G, M
    │          │      6 - 2 - Hypothesis Representation (7 min).mp4# W) N% x' @/ Q$ M# W6 H
    │          │      6 - 2 - Hypothesis Representation (7 min).srt! i6 n; e% i+ L: _9 b% f
    │          │      6 - 3 - Decision Boundary (15 min).mp40 H# q8 v& b2 h9 m; M, c
    │          │      6 - 3 - Decision Boundary (15 min).srt
, M# n( v& l7 {# E$ l    │          │      6 - 4 - Cost Function (11 min).mp48 S, e% B( Y9 }4 r  X' p* G
    │          │      6 - 4 - Cost Function (11 min).srt& {- Q9 B+ l" J7 u# L# ~' m
    │          │      6 - 6 - Advanced Optimization (14 min).mp4
$ c; k; r; L+ s2 P* |5 G    │          │      6 - 6 - Advanced Optimization (14 min).srt' @' I8 c/ H& B- g
    │          │      7 - 2 - Cost Function (10 min).mp4
! q* j9 g, x9 x: i% n/ ?    │          │      7 - 2 - Cost Function (10 min).srt
9 c9 P0 ~4 O7 {    │          │      docs_slides_Lecture6.pdf) h" V2 e0 w" m) c6 Q. s
    │          │      docs_slides_Lecture7.pdf# e5 J6 E( |9 y( i9 t1 h
    │          │      
" b& c3 v3 Q' R    │          ├─week 4
; `& e- S9 \1 t/ P2 S    │          │      8 - 1 - Non-linear Hypotheses (10 min).mp4
4 s6 R% r, ^7 z8 k5 T: A    │          │      8 - 1 - Non-linear Hypotheses (10 min).srt6 n' H" e- w9 C- i' _
    │          │      8 - 2 - Neurons and the Brain (8 min).mp44 j$ \' x) d" M& B. k- S
    │          │      8 - 2 - Neurons and the Brain (8 min).srt- y# r5 g# e7 W6 h' P
    │          │      8 - 3 - Model Representation I (12 min).mp4
6 N$ S' `+ c0 u: }- M6 h    │          │      8 - 3 - Model Representation I (12 min).srt
8 l1 @- b- b# J    │          │      8 - 4 - Model Representation II (12 min).mp45 h+ W1 i3 V5 t
    │          │      8 - 4 - Model Representation II (12 min).srt
$ A  Z- u8 P9 {" v: O    │          │      8 - 5 - Examples and Intuitions I (7 min).mp4
6 R  b- J2 j/ E0 T+ O& }    │          │      8 - 5 - Examples and Intuitions I (7 min).srt
0 _3 [% Z" c- {: d* K    │          │      8 - 7 - Multiclass Classification (4 min).mp4
. h% G/ L$ o) ~% y3 o/ E    │          │      8 - 7 - Multiclass Classification (4 min).srt
* g* s/ F4 c. _( Y/ H    │          │      docs_slides_Lecture8.pdf
1 T8 h; P; F1 }3 j# w5 M    │          │      9 b+ X* V5 Z" G- t; E% q
    │          ├─week 5
* }) I# \2 M+ U$ I9 R6 C    │          │      9 - 1 - Cost Function (7 min).mp4$ ]  |. `  a  n9 z5 Q$ J
    │          │      9 - 1 - Cost Function (7 min).srt
+ g# @- W& v) a) Q    │          │      9 - 5 - Gradient Checking (12 min).mp4
6 o8 R  ^; O0 C- r# s% @    │          │      9 - 5 - Gradient Checking (12 min).srt4 r  E) J1 i3 @
    │          │      9 - 6 - Random Initialization (7 min).mp4
0 A9 M! r# T9 r& \) D    │          │      9 - 6 - Random Initialization (7 min).srt, G; b$ L4 b; ^: g0 y$ Q
    │          │      9 - 7 - Putting It Together (14 min).mp4
' C5 ]* E! f( K3 K2 Y    │          │      9 - 7 - Putting It Together (14 min).srt
. H- x9 h* V  r3 |% i; G    │          │      9 - 8 - Autonomous Driving (7 min).mp4
" b$ a# v) ~  V( z* c8 b" g    │          │      9 - 8 - Autonomous Driving (7 min).srt
: h9 Y3 P7 p  D0 e; r$ r    │          │      docs_slides_Lecture9.pdf
& Z. ?  M. N1 x3 s/ d: j% |* G    │          │      
2 S+ Z+ c0 ^' a( b    │          ├─week 6
0 [2 ^2 @' w/ ]) i+ v    │          │      10 - 2 - Evaluating a Hypothesis (8 min).mp46 Q3 q  n& Z4 x0 C8 P/ I
    │          │      10 - 2 - Evaluating a Hypothesis (8 min).srt5 S! K5 T4 Q; T! K# W& c' v8 m
    │          │      10 - 6 - Learning Curves (12 min).mp4
2 N3 g% `  ]" `, K    │          │      10 - 6 - Learning Curves (12 min).srt
3 r; K/ W" `4 H3 _1 S( {( O) J    │          │      11 - 2 - Error Analysis (13 min).mp4
& X" T3 n* s" D' R* z: w; ^    │          │      11 - 2 - Error Analysis (13 min).srt  @% @$ \5 L# h6 C) H  _1 q& n/ p- F
    │          │      docs_slides_Lecture10.pdf
7 ~+ V& k( f0 B+ Q1 a# X- M    │          │      / k- X% j9 b& j' a0 p
    │          ├─week 7" W8 I% A& q6 w% g
    │          │      12 - 1 - Optimization Objective (15 min).mp4
% C. z, I6 Q4 Y5 {3 v/ t    │          │      12 - 1 - Optimization Objective (15 min).srt
# n5 O) \* h4 {2 \    │          │      12 - 2 - Large Margin Intuition (11 min).mp4
+ n& p. h5 |( o) c0 c( `    │          │      12 - 2 - Large Margin Intuition (11 min).srt
& t$ C& a1 C3 k. z, M6 R    │          │      12 - 4 - Kernels I (16 min).mp4/ Y" T# \5 f- |
    │          │      12 - 4 - Kernels I (16 min).srt
6 `. d  c6 y8 }1 l9 R* [4 E! T    │          │      12 - 5 - Kernels II (16 min).mp4
& ?. S: r/ \: q    │          │      12 - 5 - Kernels II (16 min).srt
7 k3 @+ ^' L* {/ s    │          │      12 - 6 - Using An SVM (21 min).mp4
' Z3 |5 G- n# ]+ `5 h. [    │          │      12 - 6 - Using An SVM (21 min).srt
' B  D# `/ S6 X; \! C/ G    │          │      docs_slides_Lecture12.pdf/ K( V. _0 ~8 J8 M; K& H1 ?
    │          │      ; u$ E+ }1 `' S3 C9 m( a% z
    │          ├─week 8
. `2 H! T* ], `1 J) X4 U    │          │      13 - 2 - K-Means Algorithm (13 min).mp4$ L* m, d3 G- d$ \9 r! X9 b% \. d- m
    │          │      13 - 2 - K-Means Algorithm (13 min).srt$ S! h* y2 t/ S
    │          │      13 - 3 - Optimization Objective (7 min).mp42 x( I  i2 u, c: j. b
    │          │      13 - 3 - Optimization Objective (7 min).srt! m6 Y! f/ C" b% Q. I
    │          │      13 - 4 - Random Initialization (8 min).mp4
& a; e& W7 t: W; e    │          │      13 - 4 - Random Initialization (8 min).srt: b& ^4 }) W. z; ^
    │          │      14 - 7 - Advice for Applying PCA (13 min).mp43 k7 l) c$ P6 B% F5 ?' v2 D" _1 I
    │          │      14 - 7 - Advice for Applying PCA (13 min).srt
# J. X2 W4 y5 I( J* k; ~2 O    │          │      docs_slides_Lecture13.pdf
' C# t4 `; i8 Z! n1 y    │          │      docs_slides_Lecture14.pdf
6 _5 u  x9 Q+ t, x  F    │          │      ( `$ J+ ?- ^- k  w& B" x* h
    │          ├─week 9
- o2 h( R/ }" N8 ]# T' t! v    │          │      15 - 1 - Problem Motivation (8 min).mp4
9 p/ P8 q3 ^$ B6 g: `; a! y    │          │      15 - 1 - Problem Motivation (8 min).srt
( E- K  [5 M4 Y/ @4 V: T8 \    │          │      15 - 2 - Gaussian Distribution (10 min).mp4- K" q3 f% H% Q
    │          │      15 - 2 - Gaussian Distribution (10 min).srt
7 m9 L7 o) ?4 a    │          │      15 - 3 - Algorithm (12 min).mp4% N  m" V/ C0 |# D- h8 D3 z/ }
    │          │      15 - 3 - Algorithm (12 min).srt. I+ @: N% c  x; B
    │          │      16 - 1 - Problem Formulation (8 min).mp4. j& r4 d- M8 h+ K
    │          │      16 - 1 - Problem Formulation (8 min).srt( a5 d. X: m" `1 E2 M% K6 {
    │          │      16 - 3 - Collaborative Filtering (10 min).mp4
$ C  W  Z% s1 z' R    │          │      16 - 3 - Collaborative Filtering (10 min).srt
; w0 s3 H+ \+ @* f( s    │          │      docs_slides_Lecture15.pdf+ s8 p  e. B1 b& c5 `0 p/ ^$ g
    │          │      docs_slides_Lecture16.pdf& h6 t; o; S3 |' @4 f
    │          │      4 J3 n# A8 e) p8 o0 @" e. l8 h4 O
    │          └─作业
4 e( S9 p, ?. f5 W    │              │  ex1.zip1 V: x% Z4 ~* T9 m. j) a9 s# u
    │              │  ex3.zip
+ b/ G& o; C; b/ k    │              │  ex4.zip0 c; Z" K5 y  d0 X6 i
    │              │  ex5.zip. e. ]( Q  L- l' f. J  d: w1 M
    │              │  ex6.zip$ w6 F& [3 s: ^/ o5 Y2 X5 n3 e4 g
    │              │  ex7.zip+ E+ C" c+ N! }" d% v4 R
    │              │  ex8.zip
$ Y/ x( C7 i8 D    │              │  Octave-3.2.4_i686-pc-mingw32_gcc-4.4.0_setup.exe8 Y0 Q4 w3 ]2 [: ]( z) o
    │              │  2 r. j, U9 `. e. y. `0 n1 q( k$ v
    │              └─答案& c3 N) E4 h3 V
    │                  ├─ex1+ m) O& j# b# _3 C+ ?5 k( Y
    │                  │      computeCost.m
& g4 I4 l. a* w5 b6 ^    │                  │      computeCostMulti.m
- l9 v" q) m, {5 ?    │                  │      ex1.m
( B) \" ^' _2 t" g    │                  │      ex1data1.txt8 c) g# q, t! b! O8 D# a6 g( ]1 k" z
    │                  │      ex1data2.txt2 w. A- L$ ~7 [% E8 a3 [' j
    │                  │      ex1_multi.m3 `+ f! V% b/ X' c" B
    │                  │      featureNormalize.m
1 W1 `9 Z# r8 c6 z0 \    │                  │      gradientDescent.m8 [- a) M$ t! L* W4 L
    │                  │      gradientDescentMulti.m
, s# Q. r4 U) S7 X# X3 K    │                  │      ml_login_data.mat
. c+ \* y/ n+ V" k# Y    │                  │      normalEqn.m9 m  U# u& t* Y. j  ?, ?
    │                  │      plotData.m
: l) R; T% {4 z, J' O& S. s    │                  │      submit.m
4 P" X- L; V( {2 s, A4 {5 W$ u    │                  │      submitWeb.m
2 N. G: I4 x$ B4 x' d2 K; Q    │                  │      warmUpExercise.m
2 ~9 ~+ z4 {" [3 u) A    │                  │      
, s: Y0 B3 W9 P3 U    │                  ├─ex2
" |7 I# A6 Q3 k' V    │                  │      costFunction.m
1 X# q) z5 \1 A0 I/ r) i    │                  │      costFunctionReg.m
7 S6 s3 m- u4 a5 p0 R% i    │                  │      ex2.m( B7 O+ z6 I0 j0 l0 J- @" b. {
    │                  │      ex2data1.txt" E* b# F; c: L9 g" B1 `
    │                  │      ex2data2.txt
( ]4 @& ?, s9 L: O    │                  │      ex2_reg.m( n1 S4 w) q2 t( B4 N
    │                  │      mapFeature.m9 |2 m; r" s2 n: o
    │                  │      ml_login_data.mat# o4 }  f7 E0 O6 n" ^
    │                  │      plotData.m
, [3 K7 w: N1 p, w% u2 o. G    │                  │      plotDecisionBoundary.m4 x2 T- O% `& X0 r9 i. h8 N$ K0 U
    │                  │      predict(1).m.baiduyun.downloading8 n: @) w; r* D9 X
    │                  │      predict.m" g  T& V& w9 m; a' m& P
    │                  │      sigmoid.m
8 q4 X% ]+ p" z) F8 ]2 s5 x    │                  │      submit(1).m.baiduyun.downloading
8 s+ o" `# j- X- K    │                  │      submit.m% S& ^" s  k2 Y8 D7 j; a5 M- x
    │                  │      submitWeb(1).m.baiduyun.downloading) ]# c- g4 d7 D
    │                  │      submitWeb.m
8 F1 a# k4 \1 H& ~* ]# `    │                  │      
  `2 D& q2 U+ F( N    │                  ├─ex3; P2 L. S3 _6 R: k
    │                  │      displayData.m  K( E/ f- t  @2 T! ~$ a
    │                  │      ex3(437).m.baiduyun.downloading3 E% q, t5 x+ I8 A/ V
    │                  │      ex3.m* T$ f2 q( Z5 d+ ]- Z
    │                  │      ex3data1.mat
$ p) _/ r8 Q6 t4 q# E    │                  │      ex3weights.mat
: h9 q' |/ h; @# q. v2 ^    │                  │      ex3_nn.m1 V: @, w! H5 w. b! v: b: u( w! H
    │                  │      fmincg.m
4 {% [7 \0 n( c. w7 ^2 `8 C    │                  │      lrCostFunction.m1 M) ]# G9 Q. F
    │                  │      ml_login_data.mat) K$ V1 h! z9 R: o/ T% T+ T& |
    │                  │      oneVsAll.m
. i- f) H0 s' ]6 X    │                  │      predict.m
& J0 _6 ]) m2 \, L& @    │                  │      predictOneVsAll.m
+ l9 u1 ^; R3 A    │                  │      sigmoid.m
% g9 w/ _& r- {+ p' k    │                  │      submit.m
6 ]/ r9 ~4 q8 o0 o    │                  │      submitWeb.m
' Q. ~8 J1 V* k) i$ ]1 g    │                  │      
, H. X: E6 D9 D0 ]7 k# r+ Y    │                  ├─ex4
  D% x5 H0 a0 Z3 ]6 o7 b    │                  │      checkNNGradients.m
" _5 ^, |+ u) s' I. o) J& u' d    │                  │      computeNumericalGradient.m
: E& u+ Y9 K5 J" k" g2 I' L    │                  │      debugInitializeWeights.m8 K3 C& |9 A8 V( z
    │                  │      displayData.m- B! c1 R( w! q9 t: H
    │                  │      ex4.m  d/ y1 e& l5 ]0 S( U
    │                  │      ex4data1.mat, [& L# V9 D+ f# P
    │                  │      ex4weights.mat
+ h! a# e* R1 F. |/ d9 i: w5 l    │                  │      fmincg.m0 c% j/ S3 F3 [2 `6 [3 w+ H
    │                  │      ml_login_data.mat
  ?( h( G3 `1 A9 P    │                  │      nnCostFunction.m, y8 L, ?8 e3 @' E
    │                  │      predict.m  @3 N  }/ J6 `9 y$ J% l
    │                  │      randInitializeWeights.m
! Q* [5 @# V/ C7 ~8 U) l3 Y    │                  │      sigmoid.m
6 N; R0 r' S! X9 F    │                  │      sigmoidGradient.m; S7 s( d& F; w- B( `' h
    │                  │      submit.m* ?$ w; }6 H1 f8 C! L
    │                  │      submitWeb.m& X2 t6 F) g9 P
    │                  │      
( h9 `* ^( A/ V. E, |    │                  ├─ex5( \+ o- s- c' R7 t. e. n: t9 R9 K
    │                  │      ex5.m
8 `; D8 T+ c3 Y, U$ G    │                  │      ex5data1.mat
0 h( n, B4 z7 X& c" q& X  i    │                  │      featureNormalize.m
, h# z, T; g  v( T6 w, U    │                  │      fmincg.m
8 j6 r* M1 C0 |9 s    │                  │      learningCurve.m- w& k' X+ j( j! \( |
    │                  │      linearRegCostFunction.m. x5 O& E  \5 M4 S& n
    │                  │      ml_login_data.mat
6 q( A* j5 ~1 ~$ @! K$ _    │                  │      plotFit.m8 S! N6 E9 v* K. u% E# ]
    │                  │      polyFeatures.m
9 V3 V- d/ Q' t* d" z    │                  │      submit.m+ u/ e, w. B; u
    │                  │      submitWeb.m
0 z0 K: _( M1 E- y    │                  │      trainLinearReg.m4 C3 \9 X. ^) ]0 D. w( ]' |
    │                  │      validationCurve.m& n( ?5 e. T( }+ C6 @
    │                  │      5 g, K6 l2 O0 N
    │                  ├─ex68 _, t* _5 y3 H/ q& e
    │                  │      dataset3Params.m+ i( H  _$ H  d  H+ p
    │                  │      emailFeatures.m1 N# r& {; v8 Y. k- E% v; W
    │                  │      emailSample1.txt& F6 f' p2 v$ ~
    │                  │      emailSample2.txt9 Q% y% O3 j0 N- h& a: V; D; I
    │                  │      ex6.m
* L* W9 H5 t" Q" L3 b3 I( z- x    │                  │      ex6data1.mat0 T1 y; ^7 o0 H9 n6 e* Y# v
    │                  │      ex6data2.mat7 v8 E0 K7 x. O
    │                  │      ex6data3.mat
: H# g, u% R9 j: {    │                  │      ex6_spam.m$ z6 }8 W# v! G; t* d; W
    │                  │      gaussianKernel.m$ T9 y; L7 G; [  [) O
    │                  │      getVocabList.m
6 M5 d/ ], l" u% m3 O    │                  │      linearKernel.m8 w$ _: Y+ A- m3 o. ]# D& A
    │                  │      ml_login_data.mat
" v, X0 E0 |: d' U7 W" P! X    │                  │      octave-core+ v7 ?" }. o0 E8 \* ]
    │                  │      plotData.m9 K" b. N3 t" w) H6 Y6 x2 S5 ~
    │                  │      porterStemmer.m
! f+ M' F. a- }' Z& l0 I* i    │                  │      processEmail.m
: m/ P0 q5 m4 _2 k    │                  │      readFile.m
/ O0 I# x0 p$ o+ z+ I    │                  │      spamSample1.txt& N+ q! q0 z0 w+ g* l& v
    │                  │      spamSample2.txt9 x3 ^+ |( v! Z
    │                  │      spamTest.mat, H" c( p5 l1 ]9 J$ [
    │                  │      spamTrain.mat
! W3 z/ o) F6 T+ J3 u    │                  │      submit.m) A6 ?1 t6 t$ `& N& H4 ?8 |! j) {" }5 a
    │                  │      submitWeb.m
7 O6 Y/ F3 \4 p; r    │                  │      svmPredict.m* e! E+ ]; E8 {% ~, P' b+ l
    │                  │      svmTrain.m9 a2 ^4 p0 j: q0 _; C2 z" G
    │                  │      visualizeBoundary.m: y" s* |$ P5 i
    │                  │      visualizeBoundaryLinear.m
& c2 G/ \& J3 [* m8 `1 H    │                  │      vocab.txt1 c4 A" r6 E$ ?3 o
    │                  │      " h+ V" e4 w/ e2 t
    │                  ├─ex7
! s  b' |( t& }# Z9 M; }6 I    │                  │      bird_small.mat4 x- I0 _% J: U& A; Q
    │                  │      bird_small.png1 Y* I) t6 W9 @) x
    │                  │      computeCentroids.m+ F% H; k( \4 M( ~$ G
    │                  │      displayData.m8 W- Q& A) p" Z. X, g8 O( j3 f
    │                  │      drawLine.m
- d1 Q2 [1 [  |: k$ n" k    │                  │      ex7.m6 C& B, x, V0 z/ _
    │                  │      ex7data1.mat
1 `$ V* N/ s5 s2 k' I% R+ @' b    │                  │      ex7data2.mat
8 W5 u/ `. s- s* w3 I    │                  │      ex7faces.mat! n6 x& a% A1 j* j8 u
    │                  │      ex7_pca.m
( j, D+ y! g  S% [. T" v+ t" G2 L    │                  │      featureNormalize.m9 l& w6 U( Z+ G
    │                  │      findClosestCentroids.m
+ m, k2 q8 I# T3 k" m5 a* K, H    │                  │      kMeansInitCentroids.m, k5 D0 Y- W. B/ i- L" a) f. g
    │                  │      ml_login_data.mat
0 |$ \8 S, H. k- y4 t# i1 c& e    │                  │      octave-core
  P% T; l. h" g1 {: Z    │                  │      pca.m
8 `) a$ v$ _$ i: F* |    │                  │      plotDataPoints.m8 l0 Y( K* M7 L4 j1 _5 p
    │                  │      plotProgresskMeans.m+ [: M% I' P# z$ @# Q1 \/ j  L3 {. Z$ w
    │                  │      projectData.m
% Q5 G8 B/ l( Z9 J4 S    │                  │      recoverData.m
6 B  q! C: i( Y4 @" ^6 p    │                  │      runkMeans.m
' l6 m( P6 S. C; N3 b9 t' z    │                  │      submit.m
$ g3 R; Q) o  @  A' u- I    │                  │      submitWeb.m
6 Q- h' z' O3 P$ r    │                  │      
# m& B. ?1 c- \, g    │                  └─ex8, W3 j, y, _/ g) O! H
    │                          checkCostFunction.m! i4 P& q7 k- l. O8 T
    │                          cofiCostFunc.m
" o0 F. L; [% z3 |  X# Q    │                          computeNumericalGradient.m+ ^/ {" f! u+ N5 N& G, }; n
    │                          estimateGaussian.m
) F2 }7 v' E/ S9 c4 F    │                          ex8.m
, L& [: H  o# F* `    │                          ex8data1.mat
1 R0 l" U7 x4 q  p3 W& ~4 [9 P2 N    │                          ex8data2.mat7 Z) t; c5 I3 w# [8 k) S/ p( v& m6 |/ z
    │                          ex8_cofi.m
! ~* ?! a, g- F6 f* s0 `& n    │                          ex8_movieParams.mat5 M; s$ n0 L8 g5 n- F
    │                          ex8_movies.mat
; U7 c) N' t4 r" u; I/ R2 e    │                          fmincg.m; ?3 n/ F3 p) c$ O3 A& ]/ x4 Z
    │                          loadMovieList.m3 u' {" H. D* ^; ^" T0 k
    │                          ml_login_data.mat. I0 d9 d% w8 z" Q+ ]* A, k! L
    │                          movie_ids.txt
  N% w7 N+ K' v    │                          multivariateGaussian.m( s! T  T+ {/ ]- [2 P1 V, V
    │                          normalizeRatings.m
$ r1 q3 ]  I0 A5 p( Q* w    │                          selectThreshold.m6 D: b0 _6 S! y9 P! F
    │                          submit.m
9 }% l9 d- d8 f( l9 ~5 P8 r    │                          submitWeb.m
7 @/ N8 C! b, w& H% D) h    │                          visualizeFit.m
: i' R/ L; F. b- v: n0 |( f    │                          
$ q) W! {/ F8 @# Z* c    ├─003_机器学习基石
0 r. i3 {7 a( y; r: [. n    │  └─003_机器学习基石
8 l& P$ y6 F) F# p- N* s    │      │  下载说明.txt
9 @# J9 V8 P6 w) b3 h# _    │      │  关注我们.png
9 g) Y3 s* \( }6 M5 R. b/ Q    │      │  攻城狮论坛=网络技术+编程视频.url
. a; w' T0 u, B; N" p    │      │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt: S8 Q$ r: R" C( {
    │      │  
% D1 G; E6 `. H3 B, r* T    │      ├─Machine Leaning Foundations - TNU
% X+ _- |- N' [; Q" `$ L    │      │      01_handout.pdf7 y8 ?: d8 j; T; L
    │      │      02_handout.pdf% f- d- V! E) r! Y- i
    │      │      03_handout.pdf
: p/ H5 v+ D  i0 k$ Y    │      │      04_handout.pdf
, y- S: N7 f/ q- x/ N    │      │      05_handout.pdf* J8 d. V0 p! t7 f$ a  w
    │      │      06_handout.pdf
  }: f' F7 r: ^; ~# O    │      │      07_handout.pdf5 r3 m$ [% S1 |  A8 m' o: j
    │      │      08_handout.pdf, J. F. C1 Q, k  F, v
    │      │      09_handout.pdf
8 {8 G7 Q( k; d. ]4 p( B    │      │      1 - 1 - Course Introduction (10-58).mp4, s$ s2 I/ H, U9 w% S; c
    │      │      1 - 2 - What is Machine Learning (18-28).mp4* p  W6 z, h8 v! V) V
    │      │      1 - 3 - Applications of Machine Learning (18-56).mp4
! \6 \6 t3 A0 L" [9 i& o4 m    │      │      1 - 4 - Components of Machine Learning (11-45).mp4
0 N/ n. M- B( V2 ~" H( O0 g    │      │      1 - 5 - Machine Learning and Other Fields (10-21).mp45 L# B4 e5 F/ m3 U/ O' Z' R* ~
    │      │      10 - 1 - Logistic Regression Problem (14-33).mp4, C" [, S+ @# U, L6 k
    │      │      10 - 2 - Logistic Regression Error (15-58).mp4
0 C$ G& O( s: y# V1 r    │      │      10 - 3 - Gradient of Logistic Regression Error (15-38).mp4( K) T+ h' u1 A: Y/ W4 P
    │      │      10 - 4 - Gradient Descent (19-18).mp45 @2 J2 K, U. K  r6 y" M  G
    │      │      10_handout.pdf
+ t+ @% q4 z" {: q% Y" q    │      │      11 - 1 - Linear Models for Binary Classification (21-35).mp4
4 |' j8 s. J3 J( _    │      │      11 - 2 - Stochastic Gradient Descent (11-39).mp4/ W2 ^3 Y+ C$ V& j& [/ L% s* x
    │      │      11 - 3 - Multiclass via Logistic Regression (14-18).mp4
9 [: }2 N$ k' z  V    │      │      11 - 4 - Multiclass via Binary Classification (11-35).mp4
, w( s! \5 V7 ?    │      │      11_handout.pdf
( ~1 f  z! T: K9 c/ c8 c- d! ^; q    │      │      12 - 1 - Quadratic Hypothesis (23-47).mp46 e0 Z( F9 @9 `! c3 a
    │      │      12 - 2 - Nonlinear Transform (09-52).mp4" s; V' H5 u3 I0 _0 {% Z
    │      │      12 - 3 - Price of Nonlinear Transform (15-37).mp4
% s# `6 j/ z. c    │      │      12 - 4 - Structured Hypothesis Sets (09-36).mp4& Y6 G, x0 c- A- k! t* M
    │      │      12_handout.pdf& N1 V! F! e/ K' t
    │      │      13 - 1 - What is Overfitting- (10-45).mp4+ g. z- M, e" z- {2 J& `
    │      │      13 - 2 - The Role of Noise and Data Size (13-36).mp4
/ p# G6 e  b+ U/ O3 d* d    │      │      13 - 3 - Deterministic Noise (14-07).mp4& u/ m5 w5 o/ h# q7 p6 i
    │      │      13 - 4 - Dealing with Overfitting (10-49).mp4
3 }  R; E" R& \7 g$ _    │      │      13_handout.pdf) |- y4 s+ A$ V; }: s
    │      │      14 - 1 - Regularized Hypothesis Set (19-16).mp4
9 _2 w% J4 Y3 y) E0 ^+ Z    │      │      14 - 2 - Weight Decay Regularization (24-08).mp4
3 z1 t, l! s' _  g  m9 b7 _    │      │      14 - 3 - Regularization and VC Theory (08-15).mp44 [: H6 H, B" g8 [* ^4 D
    │      │      14 - 4 - General Regularizers (13-28).mp4
8 l  y3 p0 P9 r0 Q( @, ~/ B    │      │      14_handout.pdf
( s. v: r1 e& o- r    │      │      15 - 1 - Model Selection Problem (16-00).mp4
# R  R' u0 u5 U. O    │      │      15 - 2 - Validation (13-24).mp4
& q9 ~) }4 y4 d- k4 c    │      │      15 - 3 - Leave-One-Out Cross Validation (16-06).mp4' |6 M: V1 P! ~5 H0 }
    │      │      15 - 4 - V-Fold Cross Validation (10-41).mp4
/ v( U" x$ r. P/ C/ d. a! i# t6 T    │      │      15_handout.pdf9 _$ T1 J! {4 H$ K/ y
    │      │      16 - 1 - Occam-'s Razor (10-08).mp48 H' \3 r. J: E: {/ A
    │      │      16 - 2 - Sampling Bias (11-50).mp4
; L+ N; R- |: k* I- A7 ~    │      │      16 - 3 - Data Snooping (12-28).mp40 t  U. a9 _+ x) q! C
    │      │      16 - 4 - Power of Three (08-49).mp4. {, k- q$ r) `3 h, E  \0 w
    │      │      16_handout.pdf( x  M- y* E& @+ h  n
    │      │      2 - 1 - Perceptron Hypothesis Set (15-42).mp4! p! ^" `- \, p1 S
    │      │      2 - 2 - Perceptron Learning Algorithm (PLA) (19-46).mp40 E3 {6 u1 ]& K0 M
    │      │      2 - 3 - Guarantee of PLA (12-37).mp42 a1 y8 @* i, i
    │      │      2 - 4 - Non-Separable Data (12-55).mp4
8 a) M8 O1 N- \6 D3 S, Q7 I1 _    │      │      3 - 1 - Learning with Different Output Space (17-26).mp40 B, T  A8 B0 Z% |
    │      │      3 - 2 - Learning with Different Data Label (18-12).mp4/ i9 R: }! z9 ^
    │      │      3 - 3 - Learning with Different Protocol (11-09).mp4
0 w* E  c4 K0 {  z    │      │      3 - 4 - Learning with Different Input Space (14-13).mp4+ i2 z* v" K  u2 `! m9 O/ z+ l
    │      │      4 - 1 - Learning is Impossible- (13-32).mp4$ C/ s* S0 |( Q* e% y
    │      │      4 - 2 - Probability to the Rescue (11-33).mp4
) [9 _1 r3 j' X2 U& ^    │      │      4 - 3 - Connection to Learning (16-46).mp4
$ C" w3 o- x1 u- M! _, ?    │      │      4 - 4 - Connection to Real Learning (18-06).mp4, o# _* R6 d2 g/ G5 U
    │      │      5 - 1 - Recap and Preview (13-44).mp4+ M$ k( U/ |' M8 S
    │      │      5 - 2 - Effective Number of Lines (15-26).mp4
, l- F, m9 l1 ]( v+ I# b9 O) ]    │      │      5 - 3 - Effective Number of Hypotheses (16-17).mp49 U# S& q% {1 v3 `4 m5 U5 n
    │      │      5 - 4 - Break Point (07-44).mp4
/ s- w' A) b2 v( C, Z1 T7 I  ^    │      │      6 - 1 - Restriction of Break Point (14-18).mp40 @: x6 N& D, k* x+ P( @/ Q3 p
    │      │      6 - 2 - Bounding Function- Basic Cases (06-56).mp4% H6 }" P% N8 ]) W7 H+ {" }$ ]7 [, a2 C
    │      │      6 - 3 - Bounding Function- Inductive Cases (14-47).mp4
% m! z" q& D0 G) K5 A    │      │      6 - 4 - A Pictorial Proof (16-01).mp4
4 F' o* a7 w% V& L2 S$ F2 p    │      │      7 - 1 - Definition of VC Dimension (13-10).mp4% C+ p; w1 b5 y: A1 F
    │      │      7 - 2 - VC Dimension of Perceptrons (13-27).mp4
' q( H8 D' m4 C" Q. ^    │      │      7 - 3 - Physical Intuition of VC Dimension (6-11).mp4- i9 [% B' [  y! A% U/ n
    │      │      7 - 4 - Interpreting VC Dimension (17-13).mp4
( D# q8 `8 w) d5 q    │      │      8 - 1 - Noise and Probabilistic Target (17-01).mp4
; Z" i& u2 f6 Y, G" P  w    │      │      8 - 2 - Error Measure (15-10).mp4
) B8 a! w2 O/ {3 ^& {: B4 k    │      │      8 - 3 - Algorithmic Error Measure (13-46).mp4
0 v  f; |- E( p, V! M    │      │      8 - 4 - Weighted Classification (16-54).mp4
7 Q+ y4 I* y1 n! Q+ D, Q    │      │      9 - 1 - Linear Regression Problem (10-08).mp4
$ J4 E  }& U8 r9 q9 E9 d! T    │      │      9 - 2 - Linear Regression Algorithm (20-03).mp4
2 F1 t- e0 i1 z+ c, R( M    │      │      9 - 3 - Generalization Issue (20-34).mp40 d$ K2 x9 ^9 `# G
    │      │      9 - 4 - Linear Regression for Binary Classification (11-23).mp40 ]( B. V! b4 Q. P) g0 j
    │      │      - ?& w' g9 i% ]  n7 k
    │      ├─机器学习的基石" C+ E6 U: {% @: g
    │      │      1 - 1 - Course Introduction (10-58).mp4
- y# N% F9 q( a1 r; K    │      │      1 - 2 - What is Machine Learning (18-28).mp4
, D! k7 A" G' Z: K$ A    │      │      1 - 3 - Applications of Machine Learning (18-56).mp4
# `, l3 |* B' y2 E7 u, X    │      │      1 - 4 - Components of Machine Learning (11-45).mp4
+ c& I8 Y3 ?! m6 q    │      │      1 - 5 - Machine Learning and Other Fields (10-21).mp4$ P4 }! \0 ]0 U6 ]
    │      │      10 - 1 - Logistic Regression Problem (14-33).mp4: g  c% l# y* @* }$ e' \, {! u& H
    │      │      10 - 2 - Logistic Regression Error (15-58).mp4
- J" B6 ~* }3 v3 k    │      │      10 - 3 - Gradient of Logistic Regression Error (15-38).mp4
" ~9 @/ ~1 m" Y+ K9 v9 J    │      │      10 - 4 - Gradient Descent (19-18).mp4
- g5 W0 X4 I+ y# w6 {$ X, n6 v    │      │      11 - 1 - Linear Models for Binary Classification (21-35).mp4
) {( r, K* t" ^) j0 _9 a) Y    │      │      11 - 2 - Stochastic Gradient Descent (11-39).mp4
& B: N; H: {  r- i, N5 p    │      │      11 - 3 - Multiclass via Logistic Regression (14-18).mp4
& k1 E# V" y+ _    │      │      11 - 4 - Multiclass via Binary Classification (11-35).mp4) _5 }# D# v# g' Z
    │      │      12 - 1 - Quadratic Hypothesis (23-47).mp4
  n0 o- x3 c* i! A$ d+ _    │      │      12 - 2 - Nonlinear Transform (09-52).mp4. P+ O, J9 I: Y9 |8 _4 n
    │      │      12 - 3 - Price of Nonlinear Transform (15-37).mp4
  }* A" G7 P8 ?3 N    │      │      12 - 4 - Structured Hypothesis Sets (09-36).mp4
- t! R7 o+ M" O    │      │      13 - 1 - What is Overfitting- (10-45).mp4
* o6 Y: s; D1 B+ g; l: j    │      │      13 - 2 - The Role of Noise and Data Size (13-36).mp4$ \+ b, @3 E6 Y
    │      │      13 - 3 - Deterministic Noise (14-07).mp4& j6 W. \6 h" H! }% Y! S! a% T
    │      │      13 - 4 - Dealing with Overfitting (10-49).mp4% ^" O6 m3 [8 C5 t& G1 a
    │      │      14 - 1 - Regularized Hypothesis Set (19-16).mp47 p3 t- D/ t5 A$ n: V3 I
    │      │      14 - 2 - Weight Decay Regularization (24-08).mp4
# K9 @: M9 s1 L; J! C4 t% i    │      │      14 - 3 - Regularization and VC Theory (08-15).mp4' ?7 g. Y2 V0 T4 `  b
    │      │      14 - 4 - General Regularizers (13-28).mp41 @, y1 Y. \1 _0 n) ?1 L
    │      │      15 - 1 - Model Selection Problem (16-00).mp4
- _3 x+ M9 F6 C1 w    │      │      15 - 2 - Validation (13-24).mp42 a' r1 A- Y2 N3 j9 L# N
    │      │      15 - 3 - Leave-One-Out Cross Validation (16-06).mp4( M: L7 k6 ~# k; g- F
    │      │      15 - 4 - V-Fold Cross Validation (10-41).mp4
3 o4 C' p' g3 @  m( c8 g) D" L    │      │      16 - 1 - Occam-'s Razor (10-08).mp4
3 K. T& r0 m' ^' W. q" f8 @    │      │      16 - 2 - Sampling Bias (11-50).mp4- P' I5 F9 ^! f! n- Q' \
    │      │      16 - 3 - Data Snooping (12-28).mp4" H0 J# R" \' i  g$ Z" X8 C
    │      │      16 - 4 - Power of Three (08-49).mp4
* j/ m  Z9 L1 o2 }. `, d    │      │      2 - 1 - Perceptron Hypothesis Set (15-42).mp4
% P9 U3 r2 B7 Z8 y) X* ?0 D    │      │      2 - 2 - Perceptron Learning Algorithm (PLA) (19-46).mp4
8 T: W, @+ F) L& k0 C- n6 F( J4 k    │      │      2 - 3 - Guarantee of PLA (12-37).mp4
  ?+ D: U; @  L9 e    │      │      2 - 4 - Non-Separable Data (12-55).mp4# i' O3 P1 h5 ~- }$ z2 s# H
    │      │      3 - 1 - Learning with Different Output Space (17-26).mp4" I0 y' |- V' D! C6 F& K
    │      │      3 - 2 - Learning with Different Data Label (18-12).mp4* U( h7 Z) X8 I& x
    │      │      3 - 3 - Learning with Different Protocol (11-09).mp4
/ ?6 A: i; n, \( Q& s    │      │      3 - 4 - Learning with Different Input Space (14-13).mp4
' h; n8 ]8 p; w# K# [2 R    │      │      4 - 1 - Learning is Impossible- (13-32).mp4! @$ }$ f! ?0 X$ m5 @
    │      │      4 - 2 - Probability to the Rescue (11-33).mp4
& N! ^/ V3 k) U3 [( o: K7 U. T7 E    │      │      4 - 3 - Connection to Learning (16-46).mp4
7 u# n* Z" N" \! n4 h; ?    │      │      4 - 4 - Connection to Real Learning (18-06).mp4
- s# R7 ~% C( ^( J( X0 M' ^& F* B    │      │      5 - 1 - Recap and Preview (13-44).mp4: \+ `+ b& T' \6 g5 T2 R
    │      │      5 - 2 - Effective Number of Lines (15-26).mp4# O5 G3 ~$ i( C' k$ y6 G+ x8 j( l
    │      │      5 - 3 - Effective Number of Hypotheses (16-17).mp4
5 X: F0 n( l- p* \    │      │      5 - 4 - Break Point (07-44).mp4
( `/ Q( I; X0 J    │      │      6 - 1 - Restriction of Break Point (14-18).mp4' l3 h* F' k6 y
    │      │      6 - 2 - Bounding Function- Basic Cases (06-56).mp4
% b0 N# D+ a7 n' t: x3 k' V    │      │      6 - 3 - Bounding Function- Inductive Cases (14-47).mp4* ]( ^9 J, J( H" ?" N' H1 S
    │      │      6 - 4 - A Pictorial Proof (16-01).mp4% F  E7 O! W) q- j: o: B# J
    │      │      7 - 1 - Definition of VC Dimension (13-10).mp4
" y' M0 P, s  H  _8 z    │      │      7 - 2 - VC Dimension of Perceptrons (13-27).mp4
& t( T- e3 A, j( T! ~( i) q    │      │      7 - 3 - Physical Intuition of VC Dimension (6-11).mp4
  h6 F. w( b+ F- `' p8 x8 d* I    │      │      7 - 4 - Interpreting VC Dimension (17-13).mp4
$ u8 ~) o" E: m3 a0 P8 q! ~7 J3 N4 r    │      │      8 - 1 - Noise and Probabilistic Target (17-01).mp4- E( f; s. _, G- y
    │      │      8 - 2 - Error Measure (15-10).mp4( E7 _4 _& q3 b* v' M" ]$ Z
    │      │      8 - 3 - Algorithmic Error Measure (13-46).mp4
( c+ L: a* b- |! n4 @; j. z    │      │      8 - 4 - Weighted Classification (16-54).mp4) n# U8 E  ?8 {2 }4 [
    │      │      9 - 1 - Linear Regression Problem (10-08).mp4+ ?4 U& f2 D; |. `* m! R
    │      │      9 - 2 - Linear Regression Algorithm (20-03).mp4
0 B* j( H3 M' Y2 B  F# l$ U" i* \  P    │      │      9 - 3 - Generalization Issue (20-34).mp4) T) }; q3 t, d) f" M
    │      │      9 - 4 - Linear Regression for Binary Classification (11-23).mp4
$ d: z/ [; E% F8 M    │      │      lecture_slides-01_handout.pdf
" Y0 c9 G- D6 L( N$ D6 `    │      │      lecture_slides-02_handout.pdf! N  L! }( x( w5 Z' y
    │      │      lecture_slides-03_handout.pdf
& j* g5 `& Y$ c0 w) ]' C    │      │      lecture_slides-04_handout.pdf
" M7 q6 i$ T# v: {/ O( [    │      │      lecture_slides-05_handout.pdf
; q6 J# o. ~4 Z0 n    │      │      lecture_slides-06_handout.pdf+ s  j5 Q& g1 ?7 c8 H
    │      │      lecture_slides-07_handout.pdf8 ]! t3 w  t1 j1 A
    │      │      lecture_slides-08_handout.pdf2 n1 z: \  O- P" E% \
    │      │      lecture_slides-09_handout.pdf
" f8 P# S: e, g/ y7 e    │      │      lecture_slides-10_handout.pdf* S) {4 C( N, ]- \$ H. f3 u
    │      │      lecture_slides-11_handout.pdf5 T4 t: ^( X. _3 }
    │      │      lecture_slides-12_handout.pdf% c9 H7 g- D( ?: I- F
    │      │      lecture_slides-13_handout.pdf
7 ~! V" f4 Q$ j; ]3 R! U8 s) O    │      │      lecture_slides-14_handout.pdf
  q3 T/ G+ O) V# M    │      │      lecture_slides-15_handout.pdf
& l3 D5 O# H7 y1 A( [$ h" V# g    │      │      lecture_slides-16_handout.pdf8 N" F7 H$ G: R5 Y" f0 p
    │      │      
7 I& \1 I: X. G4 |5 ?    │      └─機器學習基石0 M" f( b) G  e4 r) @& u; y5 J: \2 Y
    │          ├─01_-_The_Learning_Problem+ k/ L4 Q2 G6 f+ Q, Q  ~  e4 j
    │          │      01_Course_Introduction_10-58.mp4
- x0 y) z; ~8 L  d    │          │      01_Course_Introduction_10-58.pdf
9 J/ s: }5 |( P; U7 F9 t& F) n1 O    │          │      02_What_is_Machine_Learning_18-28.mp4
3 J1 }. \: l' ^: ?    │          │      03_Applications_of_Machine_Learning_18-56.mp4
! }+ q5 ?& l. a# O4 q    │          │      04_Components_of_Machine_Learning_11-45.mp4
4 J! @+ l; ^' b" h$ q& p    │          │      05_Machine_Learning_and_Other_Fields_10-21.mp4
+ |7 A; H1 u. F) g    │          │      
, ?3 \7 `' N9 I5 A  _. S/ M. Y    │          ├─02_-_Learning_to_Answer_Yes-No
: U; O3 k1 e- |& M& h- \    │          │      01_Perceptron_Hypothesis_Set_15-42.mp4
5 K. t* O8 q; P7 Q7 I, f: U; G    │          │      01_Perceptron_Hypothesis_Set_15-42.pdf3 R) Q# m+ j, G  K% Z6 y! Z; f
    │          │      02_Perceptron_Learning_Algorithm_PLA_19-46.mp4
, D* B* S! R1 I+ p    │          │      03_Guarantee_of_PLA_12-37.mp4
) b4 f: _# i& A- {" i    │          │      04_Non-Separable_Data_12-55.mp4
3 C% D& |. |* \0 u# o2 E    │          │      
  f! E! h. ?- u" Y2 s+ M! i    │          ├─03_-_Types_of_Learning
! S% X! W5 |8 D    │          │      01_Learning_with_Different_Output_Space_17-26.mp48 @' v* J5 ?2 |$ K
    │          │      01_Learning_with_Different_Output_Space_17-26.pdf' H( j1 J) f; f0 N# J' t$ R4 f
    │          │      02_Learning_with_Different_Data_Label_18-12.mp42 j; G4 \$ }) l0 u. M4 }
    │          │      03_Learning_with_Different_Protocol_11-09.mp4
9 u4 T, b# O# X* p3 ~  b    │          │      04_Learning_with_Different_Input_Space_14-13.mp4+ y& N; [1 ]" ~: U
    │          │      7 T& g4 o( T% C+ f
    │          ├─04_-_Feasibility_of_Learning
* n; a/ m2 b" I' t, M, K    │          │      01_Learning_is_Impossible_13-32.mp4$ b3 j; p8 y2 E8 ~1 V
    │          │      01_Learning_is_Impossible_13-32.pdf
9 V; P) c, g3 g4 m5 o+ v    │          │      02_Probability_to_the_Rescue_11-33.mp4
4 i  \1 R6 N5 \0 Z0 Q3 P. s7 H    │          │      03_Connection_to_Learning_16-46.mp4
2 p1 e: W# v9 c    │          │      04_Connection_to_Real_Learning_18-06.mp4
' c2 [; v& g7 E! _    │          │      ( E, i5 k- l- b1 K, Z4 d: l
    │          ├─05_-_Training_versus_Testing
+ t0 X/ u/ W- E# N6 W# q    │          │      01_Recap_and_Preview_13-44.mp4
0 j+ A+ }5 o; @    │          │      01_Recap_and_Preview_13-44.pdf9 W  c% r! k5 F
    │          │      02_Effective_Number_of_Lines_15-26.mp48 Y4 f$ l: g) ]; t4 a2 g# K, B- @/ v# h- l
    │          │      03_Effective_Number_of_Hypotheses_16-17.mp4
9 S* J4 W; ?2 R! H+ b6 \, @2 p    │          │      04_Break_Point_07-44.mp4- T. c( V8 _9 ?
    │          │      0 J8 k" W) d5 G2 y5 k
    │          ├─06_-_Theory_of_Generalization
5 f/ x8 E9 f" y" M5 Q    │          │      01_Restriction_of_Break_Point_14-18.mp4
" b- q7 A* Q' t# N    │          │      01_Restriction_of_Break_Point_14-18.pdf
3 _3 r! H0 H: f    │          │      02_Bounding_Function-_Basic_Cases_06-56.mp4
4 E" d# k5 V% g  r3 m    │          │      03_Bounding_Function-_Inductive_Cases_14-47.mp46 U6 f$ F( _' L
    │          │      04_A_Pictorial_Proof_16-01.mp4
! v% B) m" C9 J7 s, w2 l: S, p    │          │      
+ }3 c( r. u8 Q5 Z" q3 Z# |$ H    │          ├─07_-_The_VC_Dimension$ b' d  ^  b& R, P
    │          │      01_Definition_of_VC_Dimension_13-10.mp4, W) S% V7 B! O4 h0 ~. B8 ]- e% N
    │          │      01_Definition_of_VC_Dimension_13-10.pdf
0 I  R7 ~2 `( l* u1 ~    │          │      02_VC_Dimension_of_Perceptrons_13-27.mp4
6 N5 O* z# D9 M3 I! H$ d2 g; b    │          │      03_Physical_Intuition_of_VC_Dimension_6-11.mp4. u9 \' U* @4 L
    │          │      04_Interpreting_VC_Dimension_17-13.mp41 y  i7 F' S$ q
    │          │      
! ^* @7 s3 s& h! [  Z    │          ├─08_-_Noise_and_Error
- Z* C; c# m0 Q1 N, h0 c- P    │          │      01_Noise_and_Probabilistic_Target_17-01.mp4
$ c0 \7 ^- Q0 m1 B    │          │      01_Noise_and_Probabilistic_Target_17-01.pdf
6 A' }% w$ @% b: y, ~    │          │      02_Error_Measure_15-10.mp4( Z: d1 D. R( n3 g; v( r2 q1 O
    │          │      03_Algorithmic_Error_Measure_13-46.mp4
5 J- \6 R1 l+ E% C4 T    │          │      04_Weighted_Classification_16-54.mp4
3 x+ |6 B, e  M2 X$ W    │          │      
) z' m* s7 p! l" O4 P    │          ├─09_-_Linear_Regression: P0 n' p% k. v3 Y5 O$ B+ R. Z6 A
    │          │      01_Linear_Regression_Problem_10-08.mp4
  v* z5 b- r; U4 Z' Y8 r    │          │      01_Linear_Regression_Problem_10-08.pdf
6 ?- o3 T& z% E% ~0 f& L    │          │      02_Linear_Regression_Algorithm_20-03.mp4
* X$ N# ^5 i5 S    │          │      03_Generalization_Issue_20-34.mp40 \; y# T) G- U+ s# x
    │          │      04_Linear_Regression_for_Binary_Classification_11-23.mp4( A7 W& e/ G* C: k: G
    │          │      
: n1 T6 `+ k( v) C' ^+ K    │          ├─10_-_Logistic_Regression  i% Z% [% M4 @+ E; g8 P; G
    │          │      01_Logistic_Regression_Problem_14-33.mp4
' H& W+ D1 P# O) l$ K+ @: V    │          │      01_Logistic_Regression_Problem_14-33.pdf
( Z# H9 r% \$ F7 w; P    │          │      02_Logistic_Regression_Error_15-58.mp47 F- h; J/ b$ z2 }  q
    │          │      03_Gradient_of_Logistic_Regression_Error_15-38.mp4
5 L3 N0 [. s: |5 ^0 C    │          │      04_Gradient_Descent_19-18.mp4
% }2 j& o% m5 x8 `- B- u    │          │      
' |7 t6 G7 n7 x    │          ├─11_-_Linear_Models_for_Classification4 ~( K0 O4 T* b- P7 p( h/ o
    │          │      01_Linear_Models_for_Binary_Classification_21-35.mp4
/ g3 [1 h! z# l" [* g* W$ Y# V    │          │      01_Linear_Models_for_Binary_Classification_21-35.pdf
1 p0 M, s* |  x    │          │      02_Stochastic_Gradient_Descent_11-39.mp4% `/ N5 Q$ X1 ?8 \! R, A3 s+ P4 ]& X
    │          │      03_Multiclass_via_Logistic_Regression_14-18.mp4- t; G' k7 y2 d5 s2 Q4 C
    │          │      04_Multiclass_via_Binary_Classification_11-35.mp42 w, s3 X- a- L2 @) c
    │          │      ; }/ Q9 ]0 S0 H' T
    │          ├─12_-_Nonlinear_Transformation
9 \+ H4 O; D7 |5 H' N    │          │      01_Quadratic_Hypothesis_23-47.mp4
; x5 N! D, O/ v9 C* z+ v    │          │      01_Quadratic_Hypothesis_23-47.pdf6 v! t' A0 ]* M6 W
    │          │      02_Nonlinear_Transform_09-52.mp40 V9 c# @( P8 U
    │          │      03_Price_of_Nonlinear_Transform_15-37.mp48 n- I) p5 C; c) W
    │          │      04_Structured_Hypothesis_Sets_09-36.mp4
" u" N) D1 R0 r    │          │      
3 \, F/ C9 N+ K/ l  s6 \0 B7 O( W    │          ├─13_-_Hazard_of_Overfitting
6 B/ c7 @' ]2 b" ~4 e4 ?    │          │      01_What_is_Overfitting_10-45.mp4! b" F5 w! m! y; G' }+ k
    │          │      01_What_is_Overfitting_10-45.pdf( O  X- ~7 o% D  ^
    │          │      02_The_Role_of_Noise_and_Data_Size_13-36.mp4% H, Q" ^  N/ M. a
    │          │      03_Deterministic_Noise_14-07.mp4
0 \  f; [- \# }% L: K: @( m    │          │      04_Dealing_with_Overfitting_10-49.mp4: e6 c3 p7 o: i
    │          │      
" z0 V4 c9 L5 I$ z' b# B  }$ s4 Z  B    │          ├─14_-_Regularization2 e8 E  G9 ?4 C! [2 u
    │          │      01_Regularized_Hypothesis_Set_19-16.mp4
2 z. ?' j0 a; a1 ?& J& N' n; {    │          │      01_Regularized_Hypothesis_Set_19-16.pdf: |* P7 A- J* V* z/ e2 g1 h* n4 E0 K
    │          │      02_Weight_Decay_Regularization_24-08.mp40 m* s, T: y7 s1 [
    │          │      03_Regularization_and_VC_Theory_08-15.mp4! L6 X; `. j/ A, r. ?: ]- A* S
    │          │      04_General_Regularizers_13-28.mp4
1 q. i9 M  O8 |( R9 Z    │          │      : z. K% O" N, j$ M2 P+ z4 ~! c
    │          ├─15_-_Validation
* s( E& R; y$ K) S6 E) e' E    │          │      01_Model_Selection_Problem_16-00(437).mp4
& j1 ?/ [2 _5 J    │          │      01_Model_Selection_Problem_16-00.pdf1 H6 o' ?- T/ j; R4 [
    │          │      02_Validation_13-24.mp41 o' C( S' [- k: r2 s
    │          │      03_Leave-One-Out_Cross_Validation_16-06.mp4" n# `) v! B" y4 ]7 J" w( v
    │          │      04_V-Fold_Cross_Validation_10-41.mp4
) _. M, N+ j! B, K( H; ^" ]    │          │      % K" X4 t. Q# |
    │          └─16_-_Three_Learning_Principles
8 `& Z3 v2 U- K" v    │                  01_Occams_Razor_10-08.mp4
. l3 L3 |" G& ^    │                  01_Occams_Razor_10-08.pdf2 ^! _3 J& I2 [/ o5 [/ g
    │                  02_Sampling_Bias_11-50.mp4
) Q3 h$ O, d5 f; f+ y    │                  03_Data_Snooping_12-28.mp4
  {$ k1 d. v* b% o    │                  04_Power_of_Three_08-49.mp4& q: h) @6 j4 ?. [
    │                  + V0 F0 y3 \' ?7 C# U
    ├─004_机器学习技法
" z1 d  U; y) x0 @5 o    │  └─004_机器学习技法1 Q$ [* E! i; X
    │      └─機器學習技法4 n2 |7 U$ e4 C6 G0 o
    │          │  下载说明.txt
, `, Q& s9 j5 G) I; z! _0 {  i    │          │  关注我们.png
) p3 \' n  ?& K+ r* t    │          │  攻城狮论坛=网络技术+编程视频.url
2 D0 v, _3 V5 |3 `    │          │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt
. W- ?. f4 b; v3 e% O    │          │  
( j1 o9 L, |9 N' j    │          ├─01_Linear_Support_Vector_Machine. \: V9 `* r8 V0 t
    │          │      01_Course_Introduction_4-07.mp4& i* r/ ]  o3 f, K$ o3 M' n8 s
    │          │      01_Course_Introduction_4-07.pdf7 o- t  a) Y  ?4 R9 b5 f7 O. e6 M) o
    │          │      02_Large-Margin_Separating_Hyperplane_14-17.mp4
2 m' I! F  Z; p" _    │          │      03_Standard_Large-Margin_Problem_19-16.mp4
* P% J4 D. m  \) o7 U* v1 c! T    │          │      04_Support_Vector_Machine_15-33.mp4: l8 d; m) J. q0 e7 o. z
    │          │      05_Reasons_behind_Large-Margin_Hyperplane_13-31.mp4
+ Q/ {& N1 q3 c' L* K    │          │      . Y  G) u! b6 v, t- Z
    │          ├─02_Dual_Support_Vector_Machine1 ^. F; L6 P7 |3 `! M4 V& R
    │          │      01_Motivation_of_Dual_SVM_15-54.mp4
& U& _$ v0 s* A% F+ Y2 I9 w& j- q: }    │          │      01_Motivation_of_Dual_SVM_15-54.pdf, q! f! L3 h/ y( {- h, _( B, W4 P1 ^/ ~
    │          │      02_Lagrange_Dual_SVM_18-50.mp4
( ~( p* y+ r# }( _7 o    │          │      03_Solving_Dual_SVM_14-19.mp4
5 C* v. f7 x: D6 y    │          │      04_Messages_behind_Dual_SVM_11-18.mp4
4 |+ g3 l# U) f  K0 c    │          │      
1 S0 N& T3 B: i) ^) I" L2 t    │          ├─03_Kernel_Support_Vector_Machine/ L3 e9 y1 r- Y6 e( `
    │          │      01_Kernel_Trick_20-23.mp4
/ G: l9 R: Q6 k. ]6 q    │          │      01_Kernel_Trick_20-23.pdf
* t1 [0 ~' s+ l: U& u" T    │          │      02_Polynomial_Kernel_12-16.mp4. P- s, x: h) s$ l; R
    │          │      03_Gaussian_Kernel_14-43.mp4
$ P6 `6 I& o9 s* |( J* x' U8 g- v4 @    │          │      04_Comparison_of_Kernels_13-35.mp4
" q$ ~. U( q. |- E- e5 i    │          │      % M" S) z: e/ l7 O7 [
    │          ├─04_Soft-Margin_Support_Vector_Machine
) M1 n- {. k6 g1 T) Z$ z. n    │          │      01_Motivation_and_Primal_Problem_14-27.mp4
# u1 k: Y1 N; D7 B! V. ~    │          │      01_Motivation_and_Primal_Problem_14-27.pdf
5 W% N2 ^0 \1 v% f4 k1 W2 L    │          │      02_Dual_Problem_7-38.mp4
' M4 q' Y! d$ I9 l2 P    │          │      03_Messages_behind_Soft-Margin_SVM_13-44.mp47 q! v% ?; Q5 u( Z' [
    │          │      04_Model_Selection_9-57.mp4
7 T3 T& b3 ], C    │          │      ( F, w: X2 }$ Z+ b9 K
    │          ├─05_Kernel_Logistic_Regression8 U3 W2 J) Q  ^9 n. v1 j3 K+ B
    │          │      01_Soft-Margin_SVM_as_Regularized_Model_13-40.mp4
: V! E8 ~4 }! {; P  [    │          │      01_Soft-Margin_SVM_as_Regularized_Model_13-40.pdf
. N$ Z# C" Q% }% B    │          │      02_SVM_versus_Logistic_Regression_10-18.mp4
9 G9 E; g) J  X/ e; w    │          │      03_SVM_for_Soft_Binary_Classification_9-36.mp4! _/ s+ z3 ^: l
    │          │      04_Kernel_Logistic_Regression_16-22.mp4* F3 z/ B' v( [  e  f
    │          │      4 V* l. F/ w1 r. n* t6 X
    │          ├─06_Support_Vector_Regression
; j0 r7 a# Q/ G0 U    │          │      01_Kernel_Ridge_Regression_17-17.mp4
  |1 E  e* L& _5 }) e, T    │          │      01_Kernel_Ridge_Regression_17-17.pdf& D; |! _9 N: P8 y! o1 d
    │          │      02_Support_Vector_Regression_Primal_18-44.mp44 z1 k: l# T; p) W
    │          │      03_Support_Vector_Regression_Dual_13-05.mp4
. _$ ~: i: S, Q. S- O    │          │      04_Summary_of_Kernel_Models_09-06.mp4* z) @, j. ?$ K* Y2 e0 w
    │          │      ! ]5 i5 ?. p0 w, S5 N' i. y
    │          ├─07_Blending_and_Bagging
0 O% ~& k5 ]/ r, |  E$ B9 s) M    │          │      01_Motivation_of_Aggregation_18-54.mp4; u- ]% ?7 \5 t- a
    │          │      01_Motivation_of_Aggregation_18-54.pdf6 H- `% e, |/ [0 c0 c! T" s4 E5 t
    │          │      02_Uniform_Blending_20-31.mp4
( b2 S! f4 C. w$ N    │          │      03_Linear_and_Any_Blending_16-48.mp4
( M* E/ z1 N# M9 p    │          │      04_Bagging_Bootstrap_Aggregation_11-48.mp4
6 Z* A9 R1 p1 J2 z' k    │          │      
4 O6 u$ M9 n, _$ g  K    │          ├─08_Adaptive_Boosting
2 P8 r3 m. S5 f8 M" ^1 f! G    │          │      01_Motivation_of_Boosting_12-47.mp4
1 Y2 ^) c" C5 i- d# O    │          │      01_Motivation_of_Boosting_12-47.pdf, q/ x' {( k5 l$ G, H/ T  o5 P
    │          │      02_Diversity_by_Re-weighting_14-28.mp4& t' p" J0 E' X9 F
    │          │      03_Adaptive_Boosting_Algorithm_13-34.mp4$ H' r. B& p4 Y! v1 M( N
    │          │      04_Adaptive_Boosting_in_Action_11-04.mp48 E3 a1 G$ \3 q$ R: D
    │          │      : O  L4 H. G1 o( n0 [& z
    │          ├─09_Decision_Tree3 K; {! p6 I- u) l, b) K
    │          │      01_Decision_Tree_Hypothesis_17-28.mp4
" I6 s. i& d. [    │          │      01_Decision_Tree_Hypothesis_17-28.pdf) U7 a0 ]8 b7 p3 Y0 I# y
    │          │      02_Decision_Tree_Algorithm_15-20.mp4
& f# c- U0 r6 e, w( I: y    │          │      03_Decision_Tree_Heuristics_in_CRT_13-21.mp4  D+ v$ d" P4 P2 \! h6 z, r
    │          │      04_Decision_Tree_in_Action_8-44.mp4
+ x# S0 E" V1 _1 L. ~5 A) f    │          │      ; l6 j2 v( b6 h8 p
    │          ├─10_Random_Forest  m$ L' [: H( }  D* S8 T+ `! Y
    │          │      01_Random_Forest_Algorithm_13-06.mp4% d8 N" N% ]# p0 O
    │          │      01_Random_Forest_Algorithm_13-06.pdf
2 q* |( Z8 x8 i/ Y( `: d1 T    │          │      02_Out-Of-Bag_Estimate_12-31.mp4' ~: T3 l3 G" n% n3 B
    │          │      03_Feature_Selection_19-27.mp4
% R1 p% o1 `( X% D+ W1 r6 I5 _    │          │      04_Random_Forest_in_Action13-28.mp4
) C7 m0 p' a- N) D+ ]$ Q9 }: K6 Y    │          │      
' D* j" k. M/ ]* u/ o# j1 [    │          ├─11_Gradient_Boosted_Decision_Tree/ e0 Q0 Y0 K9 ]' D0 ?/ P! s$ z
    │          │      01_Adaptive_Boosted_Decision_Tree_15-05.mp4
8 Z% w+ {5 L1 [, q6 s, {( x    │          │      01_Adaptive_Boosted_Decision_Tree_15-05.pdf
  O/ }- E$ W2 }    │          │      02_Optimization_View_of_AdaBoost_27-25.mp4" |4 `8 e4 ^, L5 ^' f4 v6 X7 F  w
    │          │      03_Gradient_Boosting_18-20.mp4. U, e& g# ^  U6 v+ \
    │          │      04_Summary_of_Aggregation_Models_11-19.mp4* G: X7 Z1 ?+ x- H, u+ R$ z
    │          │      
' M# P" o7 ?6 j  B' v    │          ├─12_Neural_Network! W) [6 i4 C7 ~1 V6 F
    │          │      01_Motivation_20-36.mp4
4 O6 b* o+ ?$ S/ t    │          │      01_Motivation_20-36.pdf5 w7 s4 S' R* d% o  N9 y0 x, _
    │          │      02_Neural_Network_Hypothesis_18-01.mp4
; z7 W7 ]# v! ~9 r; Y. y( A1 H% Z+ K    │          │      03_Neural_Network_Learning_22-26.mp4
' E* a: x% c0 F) n% u3 _    │          │      04_Optimization_and_Regularization_17-29.mp4
* U3 M. i- G1 N+ k9 c3 c& V    │          │      
' Z% n) Z* ~$ M4 ]- u    │          ├─13_Deep_Learning
5 u/ [* K# }) ~& S% L    │          │      01_Deep_Neural_Network_21-30.mp47 [- |+ ]6 n, Y: Z& ]: \
    │          │      01_Deep_Neural_Network_21-30.pdf7 i/ Y2 T9 u& x* S& j
    │          │      02_Autoencoder_15-17.mp4
1 B( t, ?" f' s; f$ @    │          │      03_Denoising_Autoencoder_8-30.mp4$ P4 ?2 c/ K. j' T, Q+ D
    │          │      04_Principal_Component_Analysis_31-20.mp4
. s2 b. g3 }- b3 a    │          │      
9 \; L* A7 ?/ t0 \/ D    │          ├─14_Radial_Basis_Function_Network9 }; g: v* j8 X( |/ h
    │          │      01_RBF_Network_Hypothesis_12-55.mp4
4 i8 f. S4 |0 C  d( y! ?    │          │      01_RBF_Network_Hypothesis_12-55.pdf
/ O. T$ n9 t- ~    │          │      02_RBF_Network_Learning_20-08.mp4$ M9 k5 B, [6 P" c( f1 d2 N
    │          │      03_k-Means_Algorithm_16-19.mp4
( v0 f$ A, Q0 e5 }$ t    │          │      04_k-Means_and_RBF_Network_in_Action_9-46.mp4
. m; B7 P; w9 z# C& P: A' j+ o# \    │          │      $ c! X/ q4 X. K9 p
    │          ├─15_Matrix_Factorization
, [, {+ ?& Z6 C; y9 L. D    │          │      01_Linear_Network_Hypothesis_20-16.mp4
* |4 f9 ]) M2 j( Z' n! m$ z    │          │      01_Linear_Network_Hypothesis_20-16.pdf
. B8 [1 G4 o$ G7 l* ~! f& n    │          │      02_Basic_Matrix_Factorization_16-32.mp4
' X/ c: R" a% j3 b8 ?4 D3 v$ K    │          │      03_Stochastic_Gradient_Descent_12-22.mp4, o6 Y7 e" @9 l  l# n% ?3 N
    │          │      04_Summary_of_Extraction_Models_9-12.mp4
* c* t6 S. m: R3 Q9 c( }3 \    │          │      ' b: }  x3 t# x" r5 L
    │          └─16_Finale
6 X% {1 J4 j" b: d    │                  01_Feature_Exploitation_Techniques_16-11.mp42 \) _  ?6 |/ }# _
    │                  01_Feature_Exploitation_Techniques_16-11.pdf
+ f; y$ \2 U& w6 O- k" w. B    │                  02_Error_Optimization_Techniques_8-40.mp4. U- A; P* c8 t! w) C, J
    │                  03_Overfitting_Elimination_Techniques_6-44.mp40 ?4 s" N$ P( _. w
    │                  04_Machine_Learning_in_Action_12-59.mp4, p+ }8 ]6 N- l7 r. w
    │                  ( G& S* D  C4 p6 k, b3 H: E8 t
    ├─005_Neural Networks for Machine Learning
4 Q7 {4 }- r4 w* i# F1 H. B! v    │  └─005_Neural Networks for Machine Learning4 m, f; `3 ?& r  E7 O: ~9 H
    │      │  下载说明.txt4 s; r$ g: M. V7 f
    │      │  关注我们.png
) S' _3 v& C. M3 z  S4 T8 r$ x& N    │      │  攻城狮论坛=网络技术+编程视频.url' Z% l) C- T& V
    │      │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt
: v$ X1 `& L* c2 O    │      │    @! x2 \9 U  C. e6 q! r* H1 O
    │      ├─hinton-ml# n: D: l# o! s3 ^
    │      │      1.Why do we need machine learning8 ^9 B. A# ~$ _* x
    │      │      1.Why do we need machine learning.mp4  v6 X. ?. w; Y. ?5 I
    │      │      10.What perceptrons can't do [15 min].mp4
; W4 Z0 N1 ?2 k% V3 Y4 [' W    │      │      10.What perceptrons can't do [15 min].srt
/ u6 c0 Y( F1 C" W! [/ r& K  \    │      │      11.Learning the weights of a linear neuron [12 min].mp4  Q  z7 P- q3 k
    │      │      11.Learning the weights of a linear neuron [12 min].srt
- I# K, s& D+ `    │      │      12.The error surface for a linear neuron [5 min].mp4
# `# y" |# m# ]! P( h  i  d' m    │      │      12.The error surface for a linear neuron [5 min].srt
6 E. X1 [* [0 f3 g+ S    │      │      13.Learning the weights of a logistic output neuron [4 min].mp4  y* Q. b9 [9 y. _: S( p, u
    │      │      13.Learning the weights of a logistic output neuron [4 min].srt
! p; R, F$ `0 p" b1 E    │      │      14.The backpropagation algorithm [12 min].mp47 f. ?7 k. q, Y9 v$ G
    │      │      14.The backpropagation algorithm [12 min].srt" n" k# C5 I7 p* ]
    │      │      15.Using the derivatives computed by backpropagation [10 min].mp4; _5 O: w8 n+ }
    │      │      15.Using the derivatives computed by backpropagation [10 min].srt) r  b9 V: L: }
    │      │      16.Learning to predict the next word [13 min].mp4; ~0 L$ F( \. E, u- X$ S( |4 D
    │      │      16.Learning to predict the next word [13 min].srt- r7 \2 x# l( Y, Q# G! ]
    │      │      17.A brief diversion into cognitive science [4 min].mp4. M0 C; l5 p* d& M2 S8 f
    │      │      17.A brief diversion into cognitive science [4 min].srt
7 p4 M) n' E" [6 g; O    │      │      19.Neuro-probabilistic language models [8 min].mp4
! \2 x1 G4 X+ [  A- u4 o, W    │      │      19.Neuro-probabilistic language models [8 min].srt' L& t5 t" g$ B: t* O6 j9 r  {+ |
    │      │      2.What are neural networks
3 Z) n% E: Z0 T0 V4 w6 `    │      │      2.What are neural networks.mp4
& z: A6 O% T# d* s8 V: A% T$ {    │      │      20.Ways to deal with the large number of possible outputs [15 min].mp4! ]/ w3 D9 U( j8 N. {- F. t" m
    │      │      20.Ways to deal with the large number of possible outputs [15 min].srt
1 B2 B& r; l) z  j, u6 U: R    │      │      21.Why object recognition is difficult [5 min].mp4; ^, z8 P& h! s) G0 x
    │      │      21.Why object recognition is difficult [5 min].srt/ A8 `- |8 t6 T. o3 `  ^- P' j! l- P
    │      │      22.Achieving viewpoint invariance [6 min].mp4- ^8 P3 l6 f2 ~* x# m$ l' ~& J8 I
    │      │      22.Achieving viewpoint invariance [6 min].srt
- a% `2 i+ e2 \( l  v0 F5 q    │      │      23.Convolutional nets for digit recognition [16 min].mp4
# N8 i: d$ U0 t% Z& g* _    │      │      23.Convolutional nets for digit recognition [16 min].srt
4 o' U! G  n! ]: \& K    │      │      24.Convolutional nets for object recognition [17min].mp4; o4 S7 ^! w; O% o) ?; B$ C1 ~
    │      │      24.Convolutional nets for object recognition [17min].srt7 O! Z7 q" ^; h4 i% w" k( Q
    │      │      25.Overview of mini-batch gradient descent.mp4
6 u& p' X9 ]+ R5 w* ]  y    │      │      25.Overview of mini-batch gradient descent.srt0 F- _8 u, b4 W- n9 h
    │      │      26.A bag of tricks for mini-batch gradient descent.mp4
/ O+ H$ |% k/ V) E8 N3 `( d    │      │      26.A bag of tricks for mini-batch gradient descent.srt) @% A" ~) P. [9 ?
    │      │      27.The momentum method.mp4
5 Y% u5 x1 v" o) a/ t    │      │      27.The momentum method.srt" A) z' Y5 G- t4 H; j& R
    │      │      28.Adaptive learning rates for each connection.mp4
! p3 C7 _" F; l- C  N' L( V    │      │      28.Adaptive learning rates for each connection.srt8 P  ~9 s( [! `( e) Y: e8 _# n" q
    │      │      3.Some simple models of neurons [8 min].mp4
& e2 e  L- k; Z5 `4 l    │      │      3.Some simple models of neurons [8 min].srt
2 q9 U* A# U; \. z5 O    │      │      31.Training RNNs with back propagation.mp4
$ V" r# v: {5 R% G. e    │      │      31.Training RNNs with back propagation.srt3 l8 Z2 R! s$ F, z6 P$ w. u# ?
    │      │      32.A toy example of training an RNN.mp4* j6 S* w& C& e3 p' w4 f- Q: I6 D, r
    │      │      32.A toy example of training an RNN.srt' }2 Q* [9 l4 N/ Q+ g3 r, b
    │      │      33.Why it is difficult to train an RNN.mp4- t. e; w1 [$ v- b8 n7 \
    │      │      33.Why it is difficult to train an RNN.srt2 G2 O* Q4 }- z8 u- s0 g
    │      │      34.Long-term Short-term-memory.mp47 h! T2 w* [6 @/ |8 R  k5 Q% I# `
    │      │      34.Long-term Short-term-memory.srt
+ b: e8 c2 Y* B9 Z    │      │      35.A brief overview of Hessian Free optimization.mp4- @$ t+ a1 S9 k3 G* r
    │      │      35.A brief overview of Hessian Free optimization.srt
% C! i) [7 N9 R/ `    │      │      37.Learning to predict the next character using HF [12  mins].mp4
. s& q+ |0 b# Z1 ?9 d    │      │      37.Learning to predict the next character using HF [12  mins].srt8 o) P$ ~5 V7 I# H& U! ~
    │      │      38.Echo State Networks [9 min].mp4: i( Z6 q9 b) z
    │      │      38.Echo State Networks [9 min].srt
  \7 N( C/ \9 H# d) E  Q% y; R5 k    │      │      39.Overview of ways to improve generalization [12 min].mp4
! u7 C5 g6 Y# u' ^! C" z    │      │      39.Overview of ways to improve generalization [12 min].srt' w2 s* l+ e1 O
    │      │      4.A simple example of learning [6 min].mp4" @. L0 K% F9 i- H, x) P% B& }" B
    │      │      4.A simple example of learning [6 min].srt3 V: u7 C6 N/ i' s
    │      │      40.Limiting the size of the weights [6 min].mp46 [1 I3 v" _0 h. Z* M4 h# w" U# z
    │      │      40.Limiting the size of the weights [6 min].srt
# W# Z: d/ d( h! T+ g! A1 g    │      │      41.Using noise as a regularizer [7 min].mp41 {' V8 D/ R' |' y/ B3 Y7 U
    │      │      41.Using noise as a regularizer [7 min].srt7 @7 \8 D! n, p& ~
    │      │      42.Introduction to the full Bayesian approach [12 min].mp4% U9 v9 u: z# _  \4 v
    │      │      42.Introduction to the full Bayesian approach [12 min].srt
5 ~6 y, t; R+ h* L/ g. I    │      │      43.The Bayesian interpretation of weight decay [11 min].mp4" R0 R8 ?/ R* v( C+ r! P
    │      │      43.The Bayesian interpretation of weight decay [11 min].srt
' M  c1 y! P: L0 M- |    │      │      44.MacKay's quick and dirty method of setting weight costs [4 min].mp46 V; B/ N) c4 s- F/ v
    │      │      44.MacKay's quick and dirty method of setting weight costs [4 min].srt& F( J! h+ e' E. k; F, J. h
    │      │      45.Why it helps to combine models [13 min].mp4+ n! K+ h. y9 H: ^, s5 o" v
    │      │      45.Why it helps to combine models [13 min].srt8 s8 G. a, b6 z( C/ U
    │      │      46.Mixtures of Experts [13 min].mp42 ~0 u# w8 U6 E" I, \5 Y
    │      │      46.Mixtures of Experts [13 min].srt
4 O( Y/ r, }  `; B' k    │      │      47.The idea of full Bayesian learning [7 min].mp4
1 w' N/ E# T0 H* u: }2 M) W" E    │      │      47.The idea of full Bayesian learning [7 min].srt
: L$ J4 m  l0 M( }1 l3 M/ ^    │      │      48.Making full Bayesian learning practical [7 min].mp4
7 t4 C  C8 Q2 q% @5 e/ r+ W8 ]4 I    │      │      48.Making full Bayesian learning practical [7 min].srt/ j8 b) V# u( G9 K! @
    │      │      49.Dropout [9 min].mp4
* C* O  ~- W' i8 ~, A5 F    │      │      49.Dropout [9 min].srt* L# \( O6 q( S* N. E, f
    │      │      5.Three types of learning [8 min].mp4  c% C, `3 M' \+ Q
    │      │      5.Three types of learning [8 min].srt/ r, t2 p2 p6 ]
    │      │      50.Hopfield Nets [13 min].mp4
& t# V: D- z( a: S( {9 [7 x    │      │      50.Hopfield Nets [13 min].srt$ p2 h* X7 p- H! R; g3 ^9 L% L
    │      │      51.Dealing with spurious minima [11 min].mp4
/ `# ~" N! q7 I" U  E& Y    │      │      51.Dealing with spurious minima [11 min].srt
0 p0 Y0 F) E2 k: l, t3 D    │      │      52.Hopfield nets with hidden units [10 min].mp4
" ~( A4 B: k9 [( G3 Y- K( \' ~    │      │      52.Hopfield nets with hidden units [10 min].srt% L7 x3 ]4 x5 T# R. W' O% j
    │      │      53.Using stochastic units to improv search [11 min].mp4
. N# W. @( W1 J$ t! K+ `( b1 l    │      │      53.Using stochastic units to improv search [11 min].srt
/ B  t1 A& B- I# s    │      │      54.How a Boltzmann machine models data [12 min].mp4' u% [' m' b0 N8 M8 k
    │      │      54.How a Boltzmann machine models data [12 min].srt: @- _/ n$ J4 L9 i
    │      │      55.Boltzmann machine learning [12 min].mp4% \! _( `: e; Q, i5 q2 J1 R
    │      │      55.Boltzmann machine learning [12 min].srt- ?6 b/ Q7 P* R1 j3 H+ D
    │      │      57.Restricted Boltzmann Machines [11 min].mp4$ |. }5 z& K% f' X# B. v9 p5 h
    │      │      57.Restricted Boltzmann Machines [11 min].srt/ {9 M1 P: i" n. I- x1 ^1 J* Z# M
    │      │      58.An example of RBM learning [7 mins].mp4
) `0 w( p& E) }( e! [    │      │      58.An example of RBM learning [7 mins].srt6 n- y( Y3 g  {
    │      │      59.RBMs for collaborative filtering [8 mins].mp4- `" {( L8 `. W1 s4 O2 I1 c
    │      │      59.RBMs for collaborative filtering [8 mins].srt
3 x1 c- p* _5 E. i. B& c    │      │      6.Types of neural network architectures [7 min].mp4
& K! w* T: V$ l* @; M9 g  e* K    │      │      6.Types of neural network architectures [7 min].srt
* b$ Y' {# U0 ?4 [2 W  g. F    │      │      60.The ups and downs of back propagation [10 min].mp4
9 t- m# m8 p/ R$ E    │      │      60.The ups and downs of back propagation [10 min].srt1 X1 \( l" H: a% J/ j2 v
    │      │      61.Belief Nets [13 min].mp4* {/ \0 ?, A) h' l( o
    │      │      61.Belief Nets [13 min].srt$ J7 V$ Z8 \1 Q
    │      │      62.Learning sigmoid belief nets [12 min].mp4
) G( W5 n1 i( o% i4 W    │      │      62.Learning sigmoid belief nets [12 min].srt& P; o& T" V1 b$ w4 G
    │      │      63.The wake-sleep algorithm [13 min].mp4
! T* L- M6 `* q. i/ A    │      │      63.The wake-sleep algorithm [13 min].srt
; G# U0 U% y+ F4 l. G    │      │      64.Learning layers of features by stacking RBMs [17 min].mp4
! k5 l" V# `. J8 U: S7 ^, l    │      │      64.Learning layers of features by stacking RBMs [17 min].srt
: N5 e. w: ^, t9 U7 O    │      │      65.Discriminative learning for DBNs [9 mins].mp45 [" ~0 B) i: q) d# c
    │      │      65.Discriminative learning for DBNs [9 mins].srt8 I8 e! _9 e( ~/ L
    │      │      66(1).What happens during discriminative fine-tuning+ u1 D9 j; Z: C
    │      │      66.What happens during discriminative fine-tuning4 E% P. i( ]" o: m3 z- T* B6 |" Z
    │      │      67.Modeling real-valued data with an RBM [10 mins].mp4
. Q1 Z: M" w( D6 E3 U    │      │      67.Modeling real-valued data with an RBM [10 mins].srt
4 X1 q3 y+ E8 s+ |2 Y    │      │      69.From PCA to autoencoders [5 mins].mp4
8 u% F; L. b) j6 O    │      │      69.From PCA to autoencoders [5 mins].srt( r7 ?. L' T4 t" Z) C! l# _
    │      │      70.Deep auto encoders [4 mins].mp4! A: T7 m) n( o$ Z) A4 r' x& e. P
    │      │      70.Deep auto encoders [4 mins].srt" b- G4 P. v3 w! O0 z8 I  ^
    │      │      71.Deep auto encoders for document retrieval [8 mins].mp4' Y7 T9 ]" d# s' [, k
    │      │      71.Deep auto encoders for document retrieval [8 mins].srt
6 [0 Z; ^- I. b9 M" f( N, u% L7 I3 c    │      │      72.Semantic Hashing [9 mins].mp40 O5 e; ?. Q6 j
    │      │      72.Semantic Hashing [9 mins].srt- k! u2 Y3 w5 Y, k5 V" |( o
    │      │      73.Learning binary codes for image retrieval [9 mins].mp4
: s  X$ P% W$ M: c9 ]    │      │      73.Learning binary codes for image retrieval [9 mins].srt* I* D. R% B; H" N$ _& C0 A: M; g
    │      │      74.Shallow autoencoders for pre-training [7 mins].mp4
- n! O+ \: ]+ N+ s8 c9 |( p    │      │      74.Shallow autoencoders for pre-training [7 mins].srt2 j7 z8 _2 n% c7 L* g6 d+ ^2 `; F0 V
    │      │      8.A geometrical view of perceptrons [6 min].mp4
& }0 h# k& ^% Y6 v( z; O    │      │      8.A geometrical view of perceptrons [6 min].srt1 M9 R, o+ {! ^* |& _
    │      │      9.Why the learning works [5 min].mp4
5 f9 D+ W0 r* z    │      │      9.Why the learning works [5 min].srt- V1 q' d8 t8 N2 X; H6 E
    │      │      
% z; M( }' v+ O$ k# w9 h4 k    │      └─neuralnets-2012-001
+ D) ~, c/ e4 U    │          ├─01_Lecture19 L  H  B/ q, n- p( b$ B' j) o
    │          │      01_Why_do_we_need_machine_learning_13_min.mp4
1 j( Q$ f! H2 q+ I% L6 z1 K    │          │      01_Why_do_we_need_machine_learning_13_min.pdf6 J0 r) X8 h" f/ `
    │          │      01_Why_do_we_need_machine_learning_13_min.pptx
% }% N( S5 T. ^2 P7 n    │          │      01_Why_do_we_need_machine_learning_13_min.srt
% i1 C+ ^) p# n2 n& e3 S    │          │      01_Why_do_we_need_machine_learning_13_min.txt/ r9 n9 e. d3 c$ z+ e1 F
    │          │      02_What_are_neural_networks_8_min.mp4
! S' ~& K2 R/ ?# ^, L    │          │      02_What_are_neural_networks_8_min.srt
+ Y" a9 e; N( |+ @  ~% j7 C    │          │      02_What_are_neural_networks_8_min.txt# \2 a  T5 B. N+ i6 H. h# R
    │          │      03_Some_simple_models_of_neurons_8_min.mp4
* x. u$ @' X+ C! L% F( C0 f; `    │          │      03_Some_simple_models_of_neurons_8_min.srt
% H  O& c( j; F) _    │          │      03_Some_simple_models_of_neurons_8_min.txt+ B& ~7 z+ Q9 U& J  U8 \! z
    │          │      04_A_simple_example_of_learning_6_min.mp4
7 ]5 x: J1 n& Z    │          │      04_A_simple_example_of_learning_6_min.srt
3 g8 _2 N' G7 e1 s$ `    │          │      04_A_simple_example_of_learning_6_min.txt2 Z/ l/ {0 j9 u4 w0 H6 y! }
    │          │      05_Three_types_of_learning_8_min.mp4
$ W$ q3 d- o! l  z2 d    │          │      05_Three_types_of_learning_8_min.srt, C% O) A: F6 w2 l
    │          │      05_Three_types_of_learning_8_min.txt
, f9 U0 T9 r9 i3 a: k    │          │      
- [* f. {% V8 F    │          ├─02_Lecture2
- \& \% X7 S( Z: K, p    │          │      03_A_geometrical_view_of_perceptrons_6_min.mp4
; n" w0 a3 r2 l0 Y    │          │      03_A_geometrical_view_of_perceptrons_6_min.srt
; n6 Z. D, w7 l2 z8 ^    │          │      03_A_geometrical_view_of_perceptrons_6_min.txt
& H9 m% k: m7 F& |7 k- s    │          │      04_Why_the_learning_works_5_min.mp4
9 _* Q( J" U. s  I5 h) q  m    │          │      04_Why_the_learning_works_5_min.srt
9 `+ z& o  G4 b* [: q6 g- j    │          │      04_Why_the_learning_works_5_min.txt
* P7 K% P& m( G  B: Q  T( m- S    │          │      05_What_perceptrons_cant_do_15_min.mp4
$ I. k% ?/ P7 a; o8 X6 A+ b0 b  E    │          │      05_What_perceptrons_cant_do_15_min.srt0 j9 a' z% P/ S' ^! Q  L1 z$ l- @
    │          │      05_What_perceptrons_cant_do_15_min.txt
6 W: e- q/ l1 ]$ s5 V  }: M    │          │      1 H- A' |2 B+ D* W5 A
    │          ├─03_Lecture3, l3 H. J% F$ z5 ?' n! f
    │          │      04_The_backpropagation_algorithm_12_min.mp4
1 e3 n" f. p. t' |    │          │      04_The_backpropagation_algorithm_12_min.pdf; o, t0 z% U( @/ l) U5 h1 o) q0 S
    │          │      04_The_backpropagation_algorithm_12_min.srt
8 O8 V* W" [+ S8 I/ x; Q    │          │      04_The_backpropagation_algorithm_12_min.txt
" R3 R8 M- e2 G4 Z6 k) D; j. j; c    │          │      
( u: y* z/ k2 ?) c7 p5 ?: P5 C    │          ├─04_Lecture40 y" d) g- u, a4 P8 W
    │          │      01_Learning_to_predict_the_next_word_13_min.mp4
: Z* w; s6 |* y7 l% r    │          │      01_Learning_to_predict_the_next_word_13_min.pdf
* ?0 U' L, I. _4 v+ b, n  w7 r    │          │      01_Learning_to_predict_the_next_word_13_min.pptx
: D- x! N1 S5 a! k: \) L2 y( ~: O    │          │      01_Learning_to_predict_the_next_word_13_min.srt2 I0 N+ v) w: ?% u5 S3 M
    │          │      01_Learning_to_predict_the_next_word_13_min.txt
8 M$ `9 I+ t- }+ \0 f    │          │      04_Neuro-probabilistic_language_models_8_min.mp4
' U" g$ n% |/ Y    │          │      04_Neuro-probabilistic_language_models_8_min.pdf4 U0 f1 z8 A8 P' U  O$ D
    │          │      04_Neuro-probabilistic_language_models_8_min.srt4 ^9 i8 {5 _7 \) k6 m' L) i
    │          │      04_Neuro-probabilistic_language_models_8_min.txt
$ ~( W* I; m7 G    │          │      
0 u6 O) n: b/ b# ]& H    │          ├─05_Lecture5
0 m5 Z& e; |% S0 z    │          │      01_Why_object_recognition_is_difficult_5_min.mp4
9 t/ W& c7 b# }& _    │          │      01_Why_object_recognition_is_difficult_5_min.pdf
4 h# ?% ^- ?7 H5 L) N    │          │      01_Why_object_recognition_is_difficult_5_min.srt4 d+ C7 L' d+ r, J
    │          │      01_Why_object_recognition_is_difficult_5_min.txt, p0 R' R( F( H7 p+ j
    │          │      02_Achieving_viewpoint_invariance_6_min.mp4
, {) i- l! s- w1 t4 [    │          │      02_Achieving_viewpoint_invariance_6_min.srt+ _7 z% T8 r: D, G
    │          │      02_Achieving_viewpoint_invariance_6_min.txt
& z- b( [; S- X# l    │          │      
5 L# w) K: l/ g( }: P  r    │          ├─06_Lecture6: @* B7 v5 G# m: [" [) ]
    │          │      01_Overview_of_mini-batch_gradient_descent.mp4
3 f& [" {! r( [/ b$ }    │          │      01_Overview_of_mini-batch_gradient_descent.pdf
* X+ s2 M7 `8 d    │          │      01_Overview_of_mini-batch_gradient_descent.pptx" J1 O7 \2 O4 Z" v0 X8 ?
    │          │      01_Overview_of_mini-batch_gradient_descent.srt
, D  E9 f( f( P9 k2 U    │          │      01_Overview_of_mini-batch_gradient_descent.txt2 h; [  {& A$ y: z4 b( ^
    │          │      03_The_momentum_method.mp4& E3 [$ @, p, m4 s) ~1 d
    │          │      03_The_momentum_method.srt
$ {* n4 M6 @2 F4 }9 p. O0 w+ g    │          │      03_The_momentum_method.txt
) x9 O6 J: Y! q3 m3 q' F0 r6 C    │          │      
7 V& d9 D# g9 X& q4 d: `; g' F    │          ├─07_Lecture7
: y5 E) s* j5 t4 h    │          │      01_Modeling_sequences-_A_brief_overview.mp4
8 b3 v5 A4 q* V  _    │          │      01_Modeling_sequences-_A_brief_overview.pdf
3 u7 n6 x: J, l2 m6 U    │          │      01_Modeling_sequences-_A_brief_overview.pptx
) V  o  D/ F! ?0 @9 Y8 `9 N    │          │      01_Modeling_sequences-_A_brief_overview.srt
9 B: D4 m6 _3 U" b' ~+ w    │          │      01_Modeling_sequences-_A_brief_overview.txt7 N, T- W% I1 S$ U* q3 D5 C
    │          │      02_Training_RNNs_with_back_propagation.mp47 k& ]7 |  a2 e2 a9 P
    │          │      02_Training_RNNs_with_back_propagation.srt
7 l& N/ N9 R8 R6 g    │          │      02_Training_RNNs_with_back_propagation.txt8 L/ }: p$ Y1 {% n2 o
    │          │      03_A_toy_example_of_training_an_RNN.mp4
  d  A: a6 T/ t; s2 {    │          │      03_A_toy_example_of_training_an_RNN.srt
; \1 e8 s8 @/ w- C% q    │          │      03_A_toy_example_of_training_an_RNN.txt) f8 y2 {) @$ s8 i6 P/ K) h/ Q& X# @
    │          │      04_Why_it_is_difficult_to_train_an_RNN.mp47 B2 _4 B# U- X) a
    │          │      04_Why_it_is_difficult_to_train_an_RNN.srt
( u8 H0 j- _# B    │          │      04_Why_it_is_difficult_to_train_an_RNN.txt
/ ]  Y+ d9 E# L* ?% R, W9 V    │          │      05_Long-term_Short-term-memory.mp4* |* o( g2 e9 }: q0 @
    │          │      05_Long-term_Short-term-memory.pdf9 j  ?& A7 w4 F
    │          │      05_Long-term_Short-term-memory.srt
/ p% |0 W% |0 `5 ^2 `5 ?  W9 Y    │          │      05_Long-term_Short-term-memory.txt  A9 p8 y" J& D0 V
    │          │      
4 g/ W' f1 m/ J8 J" h    │          ├─08_Lecture8, g3 B: `1 `  @) q5 _/ ^
    │          │      04_Echo_State_Networks_9_min.mp4
. y. j; K8 |' f. ]1 ]0 O( K    │          │      04_Echo_State_Networks_9_min.srt, A( j* E3 s4 ^- C2 J
    │          │      04_Echo_State_Networks_9_min.txt
) d/ Y) K" C: w% \/ S( a! f5 v! x    │          │      0 [3 s- ~$ b; ~- Z" K7 P
    │          ├─09_Lecture97 S/ ]1 H( {& \+ q6 t0 O+ f
    │          │      02_Limiting_the_size_of_the_weights_6_min.mp44 [5 I2 a( A! S  M0 Z" p! p3 }9 k, o
    │          │      02_Limiting_the_size_of_the_weights_6_min.srt
+ h8 }) J6 B% R6 O2 [$ v: R4 @    │          │      02_Limiting_the_size_of_the_weights_6_min.txt
0 }( {( z3 V. G; {    │          │      03_Using_noise_as_a_regularizer_7_min.mp4  s7 g0 `9 ?3 t$ x
    │          │      03_Using_noise_as_a_regularizer_7_min.srt) F1 t6 u2 l( q
    │          │      03_Using_noise_as_a_regularizer_7_min.txt
. w! b4 j, f/ n2 e6 ]" B    │          │      
% ~, _# F6 O0 S5 u+ z. q    │          ├─10_Lecture10
" B7 h6 g- P/ r& z    │          │      01_Why_it_helps_to_combine_models_13_min.mp4" h+ V. e7 E. n: i/ ?
    │          │      01_Why_it_helps_to_combine_models_13_min.pdf% s5 p* M" i* O/ g
    │          │      01_Why_it_helps_to_combine_models_13_min.pptx2 v2 y7 ]& r- ?! }) h( q
    │          │      01_Why_it_helps_to_combine_models_13_min.srt
. m$ E& u% |+ f) ~7 e7 `" L/ I1 ]    │          │      01_Why_it_helps_to_combine_models_13_min.txt
- y  B. m' k( T5 F4 m* U' a    │          │      02_Mixtures_of_Experts_13_min.mp4
# P" I3 q# D5 a3 J. E    │          │      02_Mixtures_of_Experts_13_min.pdf% A, ?* a' V5 S3 P  M" k
    │          │      02_Mixtures_of_Experts_13_min.srt
- T9 C6 R! m& p' q$ k& E5 G3 Q    │          │      02_Mixtures_of_Experts_13_min.txt
- B4 F# a- Q2 u1 p  y. b( o# v    │          │      03_The_idea_of_full_Bayesian_learning_7_min.mp4
4 M6 Q, ]) ?% i+ }    │          │      03_The_idea_of_full_Bayesian_learning_7_min.srt2 r" b8 u. O% T
    │          │      03_The_idea_of_full_Bayesian_learning_7_min.txt0 f  B: s+ g% f+ l9 K  ^. E0 C
    │          │      05_Dropout_9_min.mp4
9 u# M  p0 ~! \! i+ z    │          │      05_Dropout_9_min.pdf9 u0 H  a, ^* ~; @: M4 m9 \
    │          │      05_Dropout_9_min.srt
' H( Q$ [. r- ]( p3 [    │          │      05_Dropout_9_min.txt
# h# B& |) Q# Q" }: v, \5 l% E( F    │          │      
  f1 z7 J. S! U& r, ]2 `    │          ├─11_Lecture11
6 e5 F# B- E# V0 S    │          │      01_Hopfield_Nets_13_min.mp4% Z, n0 e5 M; X- w4 V" a
    │          │      01_Hopfield_Nets_13_min.pdf1 F# N" H' d5 J% X
    │          │      01_Hopfield_Nets_13_min.pptx
- i, u% G: `0 j! q, P: x' }+ t    │          │      01_Hopfield_Nets_13_min.srt
, K2 j; i( i- G8 R    │          │      01_Hopfield_Nets_13_min.txt
# Y9 a: I4 ?' t- F1 Z    │          │      02_Dealing_with_spurious_minima_11_min.mp4' T$ N5 F& K. ~' U" M
    │          │      02_Dealing_with_spurious_minima_11_min.srt2 D, I8 R( A" B( g( l3 Q# z
    │          │      02_Dealing_with_spurious_minima_11_min.txt6 m0 S$ H# J9 s# S# ]
    │          │      03_Hopfield_nets_with_hidden_units_10_min.mp43 j% x6 X0 a# R' R: W: e* U. `
    │          │      03_Hopfield_nets_with_hidden_units_10_min.srt. g! a4 ~2 A6 C
    │          │      03_Hopfield_nets_with_hidden_units_10_min.txt4 V9 d6 H% x6 R" Y
    │          │      8 C+ o6 G. L  ~
    │          ├─12_Lecture120 O" e9 e6 s' T/ l" L" J, ?! J( y
    │          │      01_Boltzmann_machine_learning_12_min.mp4% I* Y3 t9 |* P/ S1 H
    │          │      01_Boltzmann_machine_learning_12_min.pdf
+ `* l- O; w- w; u7 G0 ?+ j    │          │      01_Boltzmann_machine_learning_12_min.pptx
6 N# d: g5 _2 _* Y$ \; `    │          │      01_Boltzmann_machine_learning_12_min.srt8 X9 Y6 b9 z2 T8 u9 f
    │          │      01_Boltzmann_machine_learning_12_min.txt
) D2 O' i7 ~- Z4 X, t    │          │      03_Restricted_Boltzmann_Machines_11_min.mp4% ]  n1 r; D  b8 u( W+ y( F
    │          │      03_Restricted_Boltzmann_Machines_11_min.srt
9 J  J- S0 k5 J6 W7 f, w. C" A2 }    │          │      03_Restricted_Boltzmann_Machines_11_min.txt6 m' T+ A( m% k
    │          │      04_An_example_of_RBM_learning_7_mins.mp4$ |7 b& V( N# B  c2 V  p) B/ x  k4 L
    │          │      04_An_example_of_RBM_learning_7_mins.srt
, g3 C: O- o% T+ x& j. T: p    │          │      04_An_example_of_RBM_learning_7_mins.txt
( L% ^" E& n' x  [/ `    │          │      05_RBMs_for_collaborative_filtering_8_mins.mp4
: A) [- L; B2 e7 k$ q$ _! E8 y    │          │      05_RBMs_for_collaborative_filtering_8_mins.srt
. b1 I' g7 |# Z) e1 q    │          │      05_RBMs_for_collaborative_filtering_8_mins.txt
+ f" W& @! O6 S$ G6 [8 O" ^    │          │      
8 Y; K9 }; }9 v    │          ├─13_Lecture13
: i( O1 n2 [, D& k- V- d    │          │      02_Belief_Nets_13_min.mp40 p) |% _" i- e
    │          │      02_Belief_Nets_13_min.srt
" D+ m3 b+ _' f$ K* [$ ?9 B! ?    │          │      02_Belief_Nets_13_min.txt9 w7 _" n. R- B1 F- ^
    │          │      03_Learning_sigmoid_belief_nets_12_min.mp4
* Y- x! \6 q  M0 \    │          │      03_Learning_sigmoid_belief_nets_12_min.pdf1 z- b* `4 O' R7 m4 u
    │          │      03_Learning_sigmoid_belief_nets_12_min.srt
9 ]' a) N, l& z    │          │      03_Learning_sigmoid_belief_nets_12_min.txt8 l7 t' [% e- K# {/ [) L
    │          │      04_The_wake-sleep_algorithm_13_min.mp4# @2 N  d- b9 [/ {
    │          │      04_The_wake-sleep_algorithm_13_min.pdf4 F) b" V9 f6 I
    │          │      04_The_wake-sleep_algorithm_13_min.srt
/ ]; Q' r8 P, t    │          │      04_The_wake-sleep_algorithm_13_min.txt9 b4 w0 G: B) n4 l7 H$ d; z
    │          │      & n$ ]$ d" e4 O9 N! E
    │          ├─14_Lecture14
; J5 Z: S$ O  n" U    │          │      02_Discriminative_learning_for_DBNs_9_mins.mp4
  J9 M3 o9 i9 _    │          │      02_Discriminative_learning_for_DBNs_9_mins.srt' l, i8 D9 Q3 _/ L0 f) p
    │          │      02_Discriminative_learning_for_DBNs_9_mins.txt8 O4 j$ @4 [; |. `. A7 v1 ~
    │          │      
# q! w; ^. f' ?3 H1 A5 b8 G    │          ├─15_Lecture15
: s# p; Z1 I4 X. t    │          │      01_From_PCA_to_autoencoders_5_mins.mp4
/ Z1 s, a0 y$ M$ k# F& J+ m    │          │      01_From_PCA_to_autoencoders_5_mins.pdf: E# f& L; ^6 o% N1 N6 G+ ?4 a
    │          │      01_From_PCA_to_autoencoders_5_mins.pptx
5 _* k, X" I; P    │          │      01_From_PCA_to_autoencoders_5_mins.srt6 f! n) \3 [9 O6 a: ^
    │          │      01_From_PCA_to_autoencoders_5_mins.txt
* h4 v4 |& w# W7 L8 o    │          │      02_Deep_auto_encoders_4_mins.mp46 }4 j$ u+ R' J3 d8 g
    │          │      02_Deep_auto_encoders_4_mins.srt
1 |# I, Z1 H* `( y# z3 v    │          │      02_Deep_auto_encoders_4_mins.txt
* d" ~5 ]. f4 V5 n9 v, d    │          │      04_Semantic_Hashing_9_mins.mp4# s) l8 ?' H6 Q! w. w
    │          │      04_Semantic_Hashing_9_mins.pdf& S, q7 C" `: ]" @: G1 H
    │          │      04_Semantic_Hashing_9_mins.srt+ g5 l9 a+ t% n6 b! `
    │          │      04_Semantic_Hashing_9_mins.txt
6 A: `  |  l) H. g+ z' ]0 q    │          │      
1 K0 R" ^& Z7 u& c) h) Y    │          └─16_Lecture16
7 D# [" l5 [- j; O, R% Y    │                  04_OPTIONAL-_The_fog_of_progress_3_min.mp4- b$ Q, [: [5 m
    │                  04_OPTIONAL-_The_fog_of_progress_3_min.pdf- i, C$ b3 _# v. X
    │                  04_OPTIONAL-_The_fog_of_progress_3_min.pptx* N: H/ r( r/ }" A7 _/ |7 _" ]
    │                  04_OPTIONAL-_The_fog_of_progress_3_min.srt
. R. }2 U$ G" a5 A* q    │                  04_OPTIONAL-_The_fog_of_progress_3_min.txt1 Y! t2 |" |8 w+ X5 o* W/ }6 z
    │                  * Z# o1 }6 R' p+ S: k
    ├─006_Probabilistic Graphical Models3 N+ l$ i9 P1 ?4 T* [
    │  └─006_Probabilistic Graphical Models
- H, ~  T/ m' K& S, N* p    │      ├─pgm-003
( F# N! P8 x* k2 ?( n    │      │  ├─01_Introduction_and_Overview: D7 v0 b) G& @8 W# B- E
    │      │  │      01_Welcome.mp4
/ Q0 J+ x( W' H" Z    │      │  │      01_Welcome.srt
. ?/ i( r3 i' M* N/ e5 I" S    │      │  │      01_Welcome.txt
' V/ R2 W  [+ P    │      │  │      02_Overview_and_Motivation.mp4- v2 V- {: N& W( ?
    │      │  │      02_Overview_and_Motivation.srt2 E2 Y% \$ O/ m; a" t, r
    │      │  │      02_Overview_and_Motivation.txt
$ @# s/ L# s9 G7 n( }- t6 l* H    │      │  │      03_Distributions.mp4
( F% I8 T1 ?* m$ e/ n    │      │  │      03_Distributions.srt- P4 `, n' r5 v$ R- `3 H9 q. E4 h
    │      │  │      03_Distributions.txt8 S' ^" Z4 \' W: ]. Y3 l
    │      │  │      04_Factors.mp44 q% S2 u: |2 U2 H; ?9 R8 `& |
    │      │  │      04_Factors.srt7 ?) ]% `& N  E* ?& ?
    │      │  │      04_Factors.txt7 j- I$ k. y% }8 F) l
    │      │  │      9 U" I, B) H5 v" G
    │      │  ├─02_Bayesian_Network_Fundamentals
7 @  g, O5 {' R5 {$ p    │      │  │      01_Semantics_amp_Factorization.mp4; _3 b1 |, B# F2 j, `. l
    │      │  │      01_Semantics_amp_Factorization.srt
( E& ^5 }/ _5 x, z/ H) [7 Z1 F8 x: }    │      │  │      01_Semantics_amp_Factorization.txt" o+ `3 ^0 L0 j$ W
    │      │  │      02_Reasoning_Patterns.mp4
" P  Y2 e- a# A& y    │      │  │      02_Reasoning_Patterns.srt3 c, c2 }8 b* {
    │      │  │      02_Reasoning_Patterns.txt
; A* q3 m: s1 p; z3 H    │      │  │      03_Flow_of_Probabilistic_Influence.mp49 S' ^- M1 @6 F* ~* _
    │      │  │      03_Flow_of_Probabilistic_Influence.srt! ?+ j& a2 e; _- R) O
    │      │  │      03_Flow_of_Probabilistic_Influence.txt
1 E! ^! T" e8 `7 L# V    │      │  │      04_Conditional_Independence.mp4% X5 s, _/ }" t6 F+ s
    │      │  │      04_Conditional_Independence.srt
% k: j" R5 o$ q9 a% c/ t  J8 b    │      │  │      04_Conditional_Independence.txt( m% Y+ u+ h9 x' M* n7 g
    │      │  │      05_Independencies_in_Bayesian_Networks.mp4
6 ^2 E+ h* L! @. F1 ~7 Q    │      │  │      05_Independencies_in_Bayesian_Networks.srt
  ?/ ?2 f) G6 d    │      │  │      05_Independencies_in_Bayesian_Networks.txt8 c& K) T+ O% G" U+ T
    │      │  │      06_Naive_Bayes.mp4
5 R0 f$ w* w2 X8 q  E, P) @0 w    │      │  │      06_Naive_Bayes.srt
2 E' `& O$ y; ?& r( n% z    │      │  │      06_Naive_Bayes.txt
6 \$ _1 {. X" u( \/ B6 o$ x    │      │  │      07_Application_-_Medical_Diagnosis.mp4& S5 {9 ?! F# h% V
    │      │  │      07_Application_-_Medical_Diagnosis.srt
  G3 X" \0 c5 Q  }/ t& D    │      │  │      07_Application_-_Medical_Diagnosis.txt
- z5 ]7 w; _; q/ r6 U& E    │      │  │      08_Knowledge_Engineering_Example_-_SAMIAM.mp4
9 ]& q/ p) H* {, q$ t' e    │      │  │      08_Knowledge_Engineering_Example_-_SAMIAM.srt
6 I: Y" }( b; u' C% n( _; j' }2 K    │      │  │      08_Knowledge_Engineering_Example_-_SAMIAM.txt
3 J1 ^! M( G3 [" j; N2 k    │      │  │      : E% n0 c: g( ~; }# D% A
    │      │  ├─03_Template_Models- x& S" K0 j  G5 T* k
    │      │  │      01_Overview_of_Template_Models.mp4
% |' L: o. I$ Y$ t' G7 Q, ]    │      │  │      01_Overview_of_Template_Models.srt
7 T5 e! X* h$ R2 \    │      │  │      01_Overview_of_Template_Models.txt
6 v/ Z, u$ E! ]  c+ K- n# Y    │      │  │      02_Temporal_Models_-_DBNs.mp4
% l4 J7 I' D  j3 ~    │      │  │      02_Temporal_Models_-_DBNs.srt% X; c/ e! W9 F4 k  \& e
    │      │  │      02_Temporal_Models_-_DBNs.txt3 g2 Y( ]4 ]: \0 H9 O
    │      │  │      03_Temporal_Models_-_HMMs.mp4
- z9 A4 d% m; ?    │      │  │      03_Temporal_Models_-_HMMs.srt( ^; W) C4 c$ A- _, B7 V
    │      │  │      03_Temporal_Models_-_HMMs.txt* [4 {3 S; \, O1 O* K/ d5 w$ z
    │      │  │      04_Plate_Models.mp4
/ H$ Q0 F9 ?  S8 }    │      │  │      04_Plate_Models.srt5 o* d6 J4 E# c, R
    │      │  │      04_Plate_Models.txt
# c( C" C+ G7 W: D) u" r    │      │  │      9 P+ \3 G, G4 D# Q" k
    │      │  ├─04_ML-class_Octave_Tutorial
  K3 V* Q+ ?6 p4 s! p$ y    │      │  │      01_Basic_Operations.mp4
0 s9 B$ f( d% v    │      │  │      01_Basic_Operations.srt
' J1 e$ `9 }" k! R) _1 N    │      │  │      01_Basic_Operations.txt
' L- _  a; X5 _% x( a    │      │  │      02_Moving_Data_Around.mp4
# ]$ z, M6 G% q/ r3 P$ E- ?/ g    │      │  │      02_Moving_Data_Around.srt
/ E4 G; C5 [% `1 P- {. [) ]    │      │  │      02_Moving_Data_Around.txt
0 V5 t3 z) l. p- T: o    │      │  │      03_Computing_On_Data.mp4; O; U) k- M$ I/ T8 v0 g: u
    │      │  │      03_Computing_On_Data.srt: i2 ]/ |8 z) k
    │      │  │      03_Computing_On_Data.txt
+ n4 e" {* e6 ?# ~/ w2 S+ T9 g/ [% W. w    │      │  │      04_Plotting_Data.mp4
. U* w0 k5 }9 S! k7 S    │      │  │      04_Plotting_Data.srt# E# o! k3 K0 e( }- z6 ?
    │      │  │      04_Plotting_Data.txt6 c) N; e0 @" J+ Y- @! N- p
    │      │  │      05_Control_Statements-_for_while_if_statements.mp4
  d  _/ X% k& f  M    │      │  │      05_Control_Statements-_for_while_if_statements.srt
; i5 K  r0 `; E5 Z+ n' m    │      │  │      05_Control_Statements-_for_while_if_statements.txt9 e* }9 b3 `% E& }4 Z9 ?
    │      │  │      06_Vectorization.mp4
6 T" {& a; S3 S    │      │  │      06_Vectorization.srt2 e3 H% m3 _) a% z$ j' @
    │      │  │      06_Vectorization.txt1 X" m  I6 W. |. @
    │      │  │      07_Working_on_and_Submitting_Programming_Exercises.mp4
! g- `$ [$ U& l6 u$ ~3 f    │      │  │      07_Working_on_and_Submitting_Programming_Exercises.srt
0 Z. j% B0 ~: B/ ^  u, _( x: S    │      │  │      07_Working_on_and_Submitting_Programming_Exercises.txt
# [1 |$ {2 ?( [- g- c2 t; G    │      │  │      
6 b3 |9 L3 b& b6 ~% W4 Z- f    │      │  ├─05_Structured_CPDs  q% Y* d, M7 U$ F) H4 q
    │      │  │      01_Overview-_Structured_CPDs.mp4( Y" b: k% r8 @% X! T! T' o# n
    │      │  │      01_Overview-_Structured_CPDs.srt
4 {5 Y6 B* k+ Q1 m' y7 A    │      │  │      01_Overview-_Structured_CPDs.txt
/ [% D- {; d% D1 M, e* X    │      │  │      02_Tree-Structured_CPDs.mp43 X! b: n0 w5 Y. x& I! r
    │      │  │      02_Tree-Structured_CPDs.srt
3 Y. L+ m: q8 m0 a. T1 J9 m. n    │      │  │      02_Tree-Structured_CPDs.txt
1 b2 T: |; Z2 b( J    │      │  │      03_Independence_of_Causal_Influence.mp4
8 _; k( S0 g; G; g7 V7 U    │      │  │      03_Independence_of_Causal_Influence.srt
3 D2 A: P- L; `    │      │  │      03_Independence_of_Causal_Influence.txt1 |2 g; N) ^" ?/ e$ G, P$ H
    │      │  │      04_Continuous_Variables.mp4: y/ {1 @2 I0 _. \
    │      │  │      04_Continuous_Variables.srt/ q- f0 M( C, a# A
    │      │  │      04_Continuous_Variables.txt. ~+ K, y; p( ]
    │      │  │      & a# i& H( k% j; f7 }; r  x& o
    │      │  ├─06_Markov_Network_Fundamentals
' Z7 c! r+ X" T7 B. f    │      │  │      01_Pairwise_Markov_Networks.mp4! A2 }- @8 |( R- b! ]8 G5 E
    │      │  │      01_Pairwise_Markov_Networks.srt
+ U" P, Y3 b% @$ I+ H) Y0 x    │      │  │      01_Pairwise_Markov_Networks.txt
9 B1 \. N9 V4 D    │      │  │      02_General_Gibbs_Distribution.mp4
$ b3 B6 N: |2 ]5 S$ _: e( m8 V    │      │  │      02_General_Gibbs_Distribution.srt
# B( g' x8 T1 @/ s    │      │  │      02_General_Gibbs_Distribution.txt# |0 R: v: e! m5 d, a" g5 y
    │      │  │      03_Conditional_Random_Fields.mp4
4 J$ Z4 q. z' c' c    │      │  │      03_Conditional_Random_Fields.srt& B+ ?$ ], ~0 X* V  \! t0 ?0 o& P
    │      │  │      03_Conditional_Random_Fields.txt
# P7 o* g& S) r    │      │  │      04_Independencies_in_Markov_Networks.mp4, s2 t1 R3 n8 @7 O; D
    │      │  │      04_Independencies_in_Markov_Networks.srt" F; o2 T8 N3 t, u, a7 i7 A
    │      │  │      04_Independencies_in_Markov_Networks.txt+ F4 K  y' [& q" I; z4 Z
    │      │  │      05_I-maps_and_perfect_maps.mp4& X9 ]6 {+ a* n: Y* H
    │      │  │      05_I-maps_and_perfect_maps.srt% q4 N% Y0 P. n+ O' U0 y
    │      │  │      05_I-maps_and_perfect_maps.txt- e, R' \/ D4 m7 \0 m
    │      │  │      06_Log-Linear_Models.mp4
  r  H- P  G' @/ ]4 Y/ M    │      │  │      06_Log-Linear_Models.srt
! z, L9 _1 ~; m- S" m    │      │  │      06_Log-Linear_Models.txt
2 R7 n% T3 ?9 l2 z& J1 b, q- G+ G    │      │  │      07_Shared_Features_in_Log-Linear_Models.mp4! ?7 K4 T' D- A/ g# C, g3 R( w
    │      │  │      07_Shared_Features_in_Log-Linear_Models.srt
# T! u: d' G9 o9 d    │      │  │      07_Shared_Features_in_Log-Linear_Models.txt
8 p; B. V( M) ~    │      │  │      
8 p% G; H0 [- a" p$ x! F/ f. m    │      │  ├─07_Representation_Wrapup-_Knowledge_Engineering
  M; t, [2 A2 e    │      │  │      01_Knowledge_Engineering.mp4
) M3 G  a( C; Q$ i+ C( k    │      │  │      01_Knowledge_Engineering.srt0 q" J: Q  _3 u2 E! y8 F% k
    │      │  │      01_Knowledge_Engineering.txt
8 |* g0 z8 W- S' O$ }( u    │      │  │      $ ~/ P2 z+ P" P
    │      │  ├─08_Inference-_Variable_Elimination
4 T8 a( ]/ P+ q# ]    │      │  │      01_Overview-_Conditional_Probability_Queries.mp40 e; q; S, p! \4 A* \3 O
    │      │  │      01_Overview-_Conditional_Probability_Queries.srt
$ R8 d4 t7 |9 r; V2 j% [5 Z. e    │      │  │      01_Overview-_Conditional_Probability_Queries.txt+ ?9 J; o4 ^9 @) F/ _$ E1 u. C! b
    │      │  │      02_Overview-_MAP_Inference.mp44 R9 n9 T% Q; `" l" a
    │      │  │      02_Overview-_MAP_Inference.srt0 h  J2 Q5 Z$ {* o
    │      │  │      02_Overview-_MAP_Inference.txt8 R! v7 o" h. o- z9 m0 v( q
    │      │  │      03_Variable_Elimination_Algorithm.mp4# m" X# [3 b& F6 z" @0 S! P
    │      │  │      03_Variable_Elimination_Algorithm.srt! K! A% }$ v/ ?' M/ s3 L2 W- i! _6 ]
    │      │  │      03_Variable_Elimination_Algorithm.txt
0 T% c# V! l+ J) ]! O    │      │  │      04_Complexity_of_Variable_Elimination.mp42 E" h! y4 N) o* s' `5 E
    │      │  │      04_Complexity_of_Variable_Elimination.srt
3 p; A" z; N9 X, U6 x9 O  M5 U    │      │  │      04_Complexity_of_Variable_Elimination.txt
  d9 Y' }( T  f8 G+ v& r( E    │      │  │      06_Finding_Elimination_Orderings.mp46 S$ T: @3 d7 p" C
    │      │  │      06_Finding_Elimination_Orderings.srt! }! k9 V. {0 f0 L
    │      │  │      06_Finding_Elimination_Orderings.txt
$ c3 o2 x: n6 L# B( [    │      │  │      
8 c4 z4 q+ z7 g! E, h    │      │  ├─09_Inference-_Belief_Propagation_Part_1
% S; M0 z: o3 ^    │      │  │      01_Belief_Propagation.mp42 D0 R1 W1 }% `5 ?
    │      │  │      01_Belief_Propagation.srt
  r2 c7 i" ]: V. {0 L# a/ R    │      │  │      01_Belief_Propagation.txt1 V3 Z3 S/ T# L* |" D% U- e
    │      │  │      02_Properties_of_Cluster_Graphs.mp4- v" D. }' O- d6 m
    │      │  │      02_Properties_of_Cluster_Graphs.srt: \! ^9 A3 V& [* s# C5 ~5 w' F
    │      │  │      02_Properties_of_Cluster_Graphs.txt: `# F# a+ I7 A+ O
    │      │  │      6 M) ^& f7 H7 {. F( v( Y" Z! Z
    │      │  ├─10_Inference-_Belief_Propagation_Part_2% Z6 U, |! L# m0 q/ g
    │      │  │      01_Properties_of_Belief_Propagation.mp4( i7 B5 u3 u1 i, L8 M- K* p- {
    │      │  │      01_Properties_of_Belief_Propagation.srt
, D4 B% s; g% Y! }    │      │  │      01_Properties_of_Belief_Propagation.txt' l' `8 Q+ t2 ^2 j! l3 k$ X6 t
    │      │  │      02_Clique_Tree_Algorithm_-_Correctness.mp44 T$ G; P  N, Z$ F0 l" N" ~2 K
    │      │  │      02_Clique_Tree_Algorithm_-_Correctness.srt/ g/ y1 Y1 `, q
    │      │  │      02_Clique_Tree_Algorithm_-_Correctness.txt
! [8 @' P: _' d  V% S    │      │  │      03_Clique_Tree_Algorithm_-_Computation.mp4
( F8 G6 ]- t# F+ m' q% k7 T    │      │  │      03_Clique_Tree_Algorithm_-_Computation.srt
! Z/ ^8 F* m* g8 I8 Z    │      │  │      03_Clique_Tree_Algorithm_-_Computation.txt) Z9 h  m7 s3 a$ s1 ^+ [
    │      │  │      04_Clique_Trees_and_Independence.mp4" |) b8 _9 |! f4 z7 Q+ D3 F0 v
    │      │  │      04_Clique_Trees_and_Independence.srt+ R& w  {! P6 A- z! A9 X
    │      │  │      04_Clique_Trees_and_Independence.txt
$ I$ W+ Z3 J. y2 ?. I- U    │      │  │      05_Clique_Trees_and_VE.mp4% }$ h- J" a9 r6 z  u' U( `7 g
    │      │  │      05_Clique_Trees_and_VE.srt
7 S7 C( M  w, _0 v    │      │  │      05_Clique_Trees_and_VE.txt
* v3 V) S- n6 n) W1 {7 t; K    │      │  │      06_BP_In_Practice.mp4. ~% A7 F# `8 H& ?( J
    │      │  │      06_BP_In_Practice.srt9 q0 T6 S" G) k' Z/ C( t& z
    │      │  │      06_BP_In_Practice.txt
1 y/ G/ I6 S' n8 e    │      │  │      07_Loopy_BP_and_Message_Decoding.mp4
: D6 j# D6 _' c0 v+ _+ k  Y    │      │  │      07_Loopy_BP_and_Message_Decoding.srt5 j. z; a6 |" O$ M: X6 {; f
    │      │  │      07_Loopy_BP_and_Message_Decoding.txt
; {7 c7 w+ Q/ t1 k9 \  S  b9 `    │      │  │      9 F8 A4 ]( B* ~% d. V
    │      │  ├─11_Inference-_MAP_Estimation_Part_1
2 Q0 Q: q  L! h1 L    │      │  │      01_Max_Sum_Message_Passing.mp4
) y3 z2 @0 `1 m. X0 h" F# J    │      │  │      01_Max_Sum_Message_Passing.srt6 S5 c* y. n$ _1 h  B, L0 D! W  l0 V" n
    │      │  │      01_Max_Sum_Message_Passing.txt  k% S( |; _5 l; w# H( ^
    │      │  │      02_Finding_a_MAP_Assignment.mp4
4 E4 C* f7 B7 i" M: J( Z9 t  k    │      │  │      02_Finding_a_MAP_Assignment.srt7 i7 _, c& ]! n& k* N- L1 S
    │      │  │      02_Finding_a_MAP_Assignment.txt- _/ v% D8 P" q* v. S4 a. P3 r" v
    │      │  │      $ S' y& _3 a* c! O/ W# x5 v8 k; M
    │      │  ├─12_Inference-_MAP_Estimation_Part_2
, Z8 f* ?" x1 P2 k, c    │      │  │      01_Tractable_MAP_Problems.mp4
8 i$ g. o; f6 r! f6 o8 J    │      │  │      01_Tractable_MAP_Problems.srt2 \9 N, v4 c. w! ~3 W
    │      │  │      01_Tractable_MAP_Problems.txt( B' a: S+ u$ Q5 F4 I( C$ {
    │      │  │      02_Dual_Decomposition_-_Intuition.mp4
; f# T+ ]; I, L- D% v# W0 Y    │      │  │      02_Dual_Decomposition_-_Intuition.srt
$ R6 F, y& S" C* d' T2 h6 \* j    │      │  │      02_Dual_Decomposition_-_Intuition.txt: o& i8 Y2 a* k; l# d% n9 e3 [. M
    │      │  │      03_Dual_Decomposition_-_Algorithm.mp4
1 T7 }4 ^0 f$ i$ M/ g, R4 E# ^    │      │  │      03_Dual_Decomposition_-_Algorithm.srt
0 @/ u" [$ }, V( z/ ^7 v    │      │  │      03_Dual_Decomposition_-_Algorithm.txt1 j0 B7 v  m) H9 |2 O9 W
    │      │  │      * v8 Q2 Q5 ]$ i
    │      │  ├─13_Inference-_Sampling_Methods
3 [% I: ]0 S- S    │      │  │      01_Simple_Sampling.mp4
# E0 L  r4 L  X: ~: J: f    │      │  │      01_Simple_Sampling.srt
2 ?' Z: d) Q, A* j/ C3 V    │      │  │      01_Simple_Sampling.txt
/ J6 V0 d- C' J  k% p    │      │  │      02_Markov_Chain_Monte_Carlo.mp4/ A4 Q( k3 [. P0 K& h- k5 ^# l
    │      │  │      02_Markov_Chain_Monte_Carlo.srt% v6 b4 G, a) q( k
    │      │  │      02_Markov_Chain_Monte_Carlo.txt
  O- v- W. ~+ ?3 m7 `    │      │  │      03_Using_a_Markov_Chain.mp4
) n5 ?# o$ w0 T    │      │  │      03_Using_a_Markov_Chain.srt
$ H: F6 l0 c  J/ I+ Z    │      │  │      03_Using_a_Markov_Chain.txt
7 f/ m6 f& G8 @, \( }    │      │  │      04_Gibbs_Sampling.mp40 B+ |0 G" W. P3 _
    │      │  │      04_Gibbs_Sampling.srt8 P( C( H3 p( ^6 s
    │      │  │      04_Gibbs_Sampling.txt
& f9 D1 ~" x* `6 P! ]# o    │      │  │      05_Metropolis_Hastings_Algorithm.mp45 C8 A* v/ l( }3 |( |5 s
    │      │  │      05_Metropolis_Hastings_Algorithm.srt
) N/ R  U2 m# H7 b7 G: G( S6 l    │      │  │      05_Metropolis_Hastings_Algorithm.txt- F/ t) G8 o' h; v; X
    │      │  │      
5 J* ^5 i$ B" J, N* ~8 H/ e9 j) A    │      │  ├─14_Inference-_Temporal_Models_and_Wrap-up7 }2 I. D" f' _6 p
    │      │  │      01_Inference_in_Temporal_Models.mp4
! _8 w6 F1 T4 {" Q6 q8 f; T    │      │  │      01_Inference_in_Temporal_Models.srt
" r; `) ]9 e% H- N/ J    │      │  │      01_Inference_in_Temporal_Models.txt& s. Y1 X$ {0 k" C3 `" y
    │      │  │      02_Inference-_Summary.mp4
& W4 ]1 Z3 x. O* i  F0 s/ N* B- b    │      │  │      02_Inference-_Summary.srt3 g0 t! n5 \1 h! J
    │      │  │      02_Inference-_Summary.txt
; t1 Y8 k+ O( H    │      │  │      
! Y+ i4 V3 e0 K. [9 R0 p    │      │  ├─15_Decision_Theory) D- f# K; P2 w0 b$ L9 q
    │      │  │      01_Maximum_Expected_Utility.mp4: ~' y9 A. k# e* g2 [
    │      │  │      01_Maximum_Expected_Utility.srt, H6 n& X7 d' \* H8 o% ?, a
    │      │  │      01_Maximum_Expected_Utility.txt! y* R# C. q5 D/ M& t
    │      │  │      02_Utility_Functions.mp4
3 A7 _1 l$ i. e, y2 R    │      │  │      02_Utility_Functions.srt
2 @5 c* I1 g7 o9 ]& Y" s& |    │      │  │      02_Utility_Functions.txt6 W* ^. H/ M* A; [3 ?. c
    │      │  │      03_Value_of_Perfect_Information.mp4/ M6 l" a1 A4 F. m4 A
    │      │  │      03_Value_of_Perfect_Information.srt( n9 t5 t$ |. ^# h
    │      │  │      03_Value_of_Perfect_Information.txt. Q  z6 R4 G, b* [& {) `+ Q6 F9 D
    │      │  │      / z3 s+ b0 R# x5 y1 O$ q
    │      │  ├─16_ML-class_Revision- h5 y0 Z$ w' V! t; k. ?# _0 ]) `
    │      │  │      01_Regularization-_The_Problem_of_Overfitting.mp4
, E) y( `1 G/ A2 |! }    │      │  │      01_Regularization-_The_Problem_of_Overfitting.srt
4 W4 |' N8 Z/ E( M7 N* E  [$ y    │      │  │      01_Regularization-_The_Problem_of_Overfitting.txt
8 h3 M+ }5 [$ {  \    │      │  │      02_Regularization-_Cost_Function.mp41 m6 d7 `5 e0 [% |" g) ?
    │      │  │      02_Regularization-_Cost_Function.srt
7 y) F# b7 b  k1 F  O    │      │  │      02_Regularization-_Cost_Function.txt9 z. |7 Q6 l) E# q
    │      │  │      03_Evaluating_a_Hypothesis.mp4
/ c8 S) |, `& @7 K) |: z    │      │  │      03_Evaluating_a_Hypothesis.srt' X7 {1 M7 |/ `- q+ @$ P0 {: i& K7 X
    │      │  │      03_Evaluating_a_Hypothesis.txt# b+ k* o$ a' j6 `6 X( ^; z9 G+ l
    │      │  │      04_Model_Selection_and_Train_Validation_Test_Sets.mp4
+ I0 @/ ]& M6 @  K    │      │  │      04_Model_Selection_and_Train_Validation_Test_Sets.srt$ f% Q! L) K, }# u' j
    │      │  │      04_Model_Selection_and_Train_Validation_Test_Sets.txt3 i0 I; [' {9 d/ F
    │      │  │      05_Diagnosing_Bias_vs_Variance.mp4
6 L  U+ _- V9 g    │      │  │      05_Diagnosing_Bias_vs_Variance.srt
5 c$ D8 s4 H( {) B; e5 N7 M    │      │  │      05_Diagnosing_Bias_vs_Variance.txt$ T: F9 F9 U- y* Q5 Y+ |/ K
    │      │  │      06_Regularization_and_Bias_Variance.mp4# K& w8 t5 w" H- y$ s$ L: Z. e
    │      │  │      06_Regularization_and_Bias_Variance.srt8 i8 x# Z* _' b+ \9 Q
    │      │  │      06_Regularization_and_Bias_Variance.txt5 F. u6 z; r0 ]
    │      │  │      
  B- Y8 w& e/ M4 E    │      │  ├─17_Learning-_Overview
) A6 Y7 w/ B1 B8 S' g. r/ R% I    │      │  │      01_Learning-_Overview.mp4
. f$ C1 _, l- ~    │      │  │      01_Learning-_Overview.srt, P, B3 J& a% F
    │      │  │      01_Learning-_Overview.txt0 c9 s0 `' @) w- U* e/ M
    │      │  │      6 C. m3 ?$ \' }7 i0 c
    │      │  ├─18_Learning-_Parameter_Estimation_in_BNs2 z  a: i( D4 G$ t8 E: s
    │      │  │      01_Maximum_Likelihood_Estimation.mp4
: w. B& L( Y" R; ^; y  z    │      │  │      01_Maximum_Likelihood_Estimation.srt, Y; ]5 N+ o/ `& }+ ]4 P5 j
    │      │  │      01_Maximum_Likelihood_Estimation.txt
% s& }% u) [: t# j    │      │  │      03_Bayesian_Estimation.mp4- x; O' j, P0 U& j( B4 G2 ~3 g
    │      │  │      03_Bayesian_Estimation.srt
; ?$ L- h; A# B! S    │      │  │      03_Bayesian_Estimation.txt' e- w4 j4 p9 u- V
    │      │  │      04_Bayesian_Prediction.mp4
: ^% [6 y0 X" z  W+ \    │      │  │      04_Bayesian_Prediction.srt
5 \" N: X  Q9 v- d# z    │      │  │      04_Bayesian_Prediction.txt8 L- w/ J. |3 `4 t$ ]
    │      │  │      
' |) j9 c$ u3 f9 |6 o    │      │  ├─19_Learning-_Parameter_Estimation_in_MNs( t+ M/ K& S. r$ C
    │      │  │      03_MAP_Estimation_for_MRFs_and_CRFs.mp4+ N3 q! _! J6 ]2 C( B
    │      │  │      03_MAP_Estimation_for_MRFs_and_CRFs.srt, a8 c' c) c, t9 f% b) V
    │      │  │      03_MAP_Estimation_for_MRFs_and_CRFs.txt
3 q' h, I+ p1 Y1 b2 s; Q    │      │  │      
9 U) ?' b3 e1 ~0 z6 `    │      │  ├─20_Structure_Learning% J. i% I/ H& ]( \
    │      │  │      01_Structure_Learning_Overview.mp4
+ P* ?, i3 E$ u0 {$ C- F    │      │  │      01_Structure_Learning_Overview.srt4 i- {7 {) Y- X4 b# m
    │      │  │      01_Structure_Learning_Overview.txt
6 q  I" H7 J4 V8 ]2 B* w    │      │  │      02_Likelihood_Scores.mp4
; C5 Z2 x0 }5 e, [7 P    │      │  │      02_Likelihood_Scores.srt
4 L% F8 G1 {8 w3 ?2 X3 V' C/ S+ _" ^    │      │  │      02_Likelihood_Scores.txt
3 O* h: J* K! z3 N. W' c& N- Y. q    │      │  │      03_BIC_and_Asymptotic_Consistency.mp43 K5 T0 P) x$ U
    │      │  │      03_BIC_and_Asymptotic_Consistency.srt; ^) x$ Z' J: z! B% V& B
    │      │  │      03_BIC_and_Asymptotic_Consistency.txt
; L2 J8 M3 A2 K0 p7 X# Y. ?/ o# h    │      │  │      04_Bayesian_Scores.mp43 Q, y" U  j( R& \8 g/ y; s
    │      │  │      04_Bayesian_Scores.srt
- _8 v) d, u) f8 U% ?0 F    │      │  │      04_Bayesian_Scores.txt
3 D- y; N" r6 o% p$ _" f    │      │  │      05_Learning_Tree_Structured_Networks.mp40 r# r) z7 r& S% o  p( y0 {' @
    │      │  │      05_Learning_Tree_Structured_Networks.srt7 J% N+ K8 E+ y* d: P
    │      │  │      05_Learning_Tree_Structured_Networks.txt
, P; d2 Z8 m+ W+ T    │      │  │      06_Learning_General_Graphs-_Heuristic_Search.mp4% y5 n% Q- T- `- m
    │      │  │      06_Learning_General_Graphs-_Heuristic_Search.srt% g- G: ^' C9 n7 L# L: D7 z  A
    │      │  │      06_Learning_General_Graphs-_Heuristic_Search.txt
1 O) Z3 L8 `; |6 g9 [* D    │      │  │      07_Learning_General_Graphs-_Search_and_Decomposability.mp4: d' F: V4 w. s1 S. A# Y% |' g2 O
    │      │  │      07_Learning_General_Graphs-_Search_and_Decomposability.srt+ \- j- ~3 W( q& o
    │      │  │      07_Learning_General_Graphs-_Search_and_Decomposability.txt5 w+ _( W( J+ C
    │      │  │      " ]: e8 u; M4 Z# K4 d  f$ R# k* `
    │      │  ├─21_Learning_With_Incomplete_Data
, e# P9 |1 c0 L    │      │  │      01_Learning_With_Incomplete_Data_-_Overview.mp4- ~* o# [: g. M# f5 a
    │      │  │      01_Learning_With_Incomplete_Data_-_Overview.srt
) F3 V: w% M) o9 q  c2 _7 l% R% o3 Y    │      │  │      01_Learning_With_Incomplete_Data_-_Overview.txt
7 r3 [2 u2 D( h. j: }5 Q2 ^2 _    │      │  │      02_Expectation_Maximization_-_Intro.mp4
  ^% C# Q: }9 y& D* G$ v8 j. g& |    │      │  │      02_Expectation_Maximization_-_Intro.srt$ r3 X7 i6 r) v% g
    │      │  │      02_Expectation_Maximization_-_Intro.txt
9 l( q& ?1 \: R9 L5 R    │      │  │      03_Analysis_of_EM_Algorithm.mp4
! G3 b- r; e: V0 x8 l3 p    │      │  │      03_Analysis_of_EM_Algorithm.srt8 x3 I; Y+ }2 M
    │      │  │      03_Analysis_of_EM_Algorithm.txt* g. ^: o5 A: G2 z& o/ y# J, |
    │      │  │      04_EM_in_Practice.mp4
# F6 |0 v3 G/ |: Z( l    │      │  │      04_EM_in_Practice.srt# \# \5 ^. x5 ]+ E1 B
    │      │  │      04_EM_in_Practice.txt
* b/ a- V1 Q: o) `4 |; a5 M4 ~    │      │  │      05_Latent_Variables.mp4
. X, i. b" ^/ W. u. \: h    │      │  │      05_Latent_Variables.srt3 Y8 a1 ]2 q: N6 ^) _$ @; A9 E
    │      │  │      05_Latent_Variables.txt8 m3 X# a7 [. y* f* Z% l5 K: k/ @
    │      │  │      
$ T; F( j2 j- V1 c! I+ {3 n    │      │  ├─22_Learning-_Wrapup6 |. U' a1 Z% F) C6 [$ h6 o
    │      │  │      01_Summary-_Learning.mp4
. h, N5 D' x4 S% @) Z7 W  Z    │      │  │      01_Summary-_Learning.srt
; u2 q' q8 Y" V, @% L; I, q    │      │  │      01_Summary-_Learning.txt
4 B6 j. N4 o: q# q2 _" {    │      │  │      
- ~+ K$ X# D: d. T7 [3 G; g    │      │  └─23_Summary
/ l$ F. U; q. A4 h! U    │      │          01_Class_Summary.mp4
7 N" F$ }4 X, i3 N& c    │      │          01_Class_Summary.srt* p; R$ X, ^$ I8 c6 Q1 g: S! f
    │      │          01_Class_Summary.txt: N% t( c. k' w/ {4 c5 t/ L
    │      │          5 t3 W1 h; _: x& F0 ~* j
    │      └─Probabilistic Graphical Models - Stanford
/ [: L$ F# h. _    │              1 - 1 - Welcome! (05-35).mp4
. U  K0 E- k8 H4 f: P  @  \    │              1 - 1 - Welcome! (05-35).srt( e# }: z' _+ v- u
    │              1 - 2 - Overview and Motivation (19-17).mp4* N: ]& w# ?- e' O
    │              1 - 2 - Overview and Motivation (19-17).srt
; ?* g/ P6 I7 L& B7 h+ F) f, b2 n    │              1 - 3 - Distributions (04-56).mp4
& L8 b9 }, ?3 {" x7 \6 K" y    │              1 - 3 - Distributions (04-56).srt
4 t1 `) _4 q% w9 E3 o6 T' c1 R# L    │              1 - 4 - Factors (06-40).mp4
5 D) ?8 ]( Z, [    │              1 - 4 - Factors (06-40).srt1 ~* B; }$ {6 }- W* U
    │              10 - 4 - Clique Trees and Independence (15-21).mp4
4 f$ p  o$ h2 `+ n% A  w    │              10 - 4 - Clique Trees and Independence (15-21).srt
1 _$ h/ g; K% e' @! {+ R6 V    │              10 - 5 - Clique Trees and VE (16-17).mp4
6 k6 O. d+ e: Q# N    │              10 - 5 - Clique Trees and VE (16-17).srt
8 H$ N2 m# Y6 ^. y4 o- `    │              10 - 6 - BP In Practice (15-38).mp4
# W8 [8 b: J9 h9 ~    │              10 - 6 - BP In Practice (15-38).srt
: j" B3 |% E; t# y    │              10 - 7 - Loopy BP and Message Decoding (21-42).mp4
! z6 ]6 ]/ o5 P& |: u/ z5 d: Q. w    │              10 - 7 - Loopy BP and Message Decoding (21-42).srt
# O* c% S5 l. t( p, R    │              11 - 1 - Max Sum Message Passing (20-27).mp4% d4 Q$ c( p+ f3 a4 L
    │              11 - 1 - Max Sum Message Passing (20-27).srt7 P& d  I6 P  m$ w/ R" b& {3 V
    │              11 - 2 - Finding a MAP Assignment (3-57).mp4
* h& B9 }. Y9 j" e! H1 a    │              11 - 2 - Finding a MAP Assignment (3-57).srt' Q; H3 Z4 X6 f3 l1 }2 m9 W2 C
    │              12 - 1 - Tractable MAP Problems (15-04).mp4
4 {4 b8 @5 q$ P1 D$ ]) N# E) x0 F    │              12 - 1 - Tractable MAP Problems (15-04).srt
$ w0 Y0 f+ Y7 N5 b# \2 _$ h" `    │              13 - 1 - Simple Sampling (23-37).mp4
; o% [- r, o6 A    │              13 - 1 - Simple Sampling (23-37).srt. a+ o. w. v0 c/ P
    │              13 - 2 - Markov Chain Monte Carlo (14-18).mp4; Q! E/ ^9 P: o( c7 q  r4 ^0 `
    │              13 - 2 - Markov Chain Monte Carlo (14-18).srt
3 _9 v4 _* c6 M2 L" Z' j6 J& V    │              13 - 3 - Using a Markov Chain (15-27).mp4
' D% g" F$ n& P    │              13 - 3 - Using a Markov Chain (15-27).srt- i3 v' ~) J- J  o& K; A- }; ~
    │              13 - 4 - Gibbs Sampling (19-26).mp4
, L: ]2 k! }- p, X  C, @# }8 k7 z9 g    │              13 - 4 - Gibbs Sampling (19-26).srt. Q& \! L: b: I! R+ Q
    │              13 - 5 - Metropolis Hastings Algorithm (27-06).mp40 D0 W9 a$ O0 p9 T7 T
    │              13 - 5 - Metropolis Hastings Algorithm (27-06).srt/ h- l. r" q1 I! t9 {
    │              14 - 1 - Inference in Temporal Models (19-43).mp4# d; P( D  i$ N9 j
    │              14 - 1 - Inference in Temporal Models (19-43).srt
( \0 A$ s. q" A# e$ Q8 B  f2 ~    │              14 - 2 - Inference- Summary (12-45).mp4/ @' \( w# P+ Q
    │              14 - 2 - Inference- Summary (12-45).srt
) W- W. x. q& h+ L3 O    │              15 - 1 - Maximum Expected Utility (25-57).mp4( P3 i- x2 j% K% O. ~
    │              15 - 1 - Maximum Expected Utility (25-57).srt
( A& J, h# C, |9 e4 Y" |: J: u    │              15 - 2 - Utility Functions (18-15).mp4" U: R" I9 {' J# [& P) a
    │              15 - 2 - Utility Functions (18-15).srt
! r- H8 }! ?( h6 o; l# ~+ n9 V/ u1 D    │              15 - 3 - Value of Perfect Information (17-14).mp4  W* `% `, }$ V9 s. j  w
    │              15 - 3 - Value of Perfect Information (17-14).srt
2 Y: k0 M+ f) w/ F- w+ }    │              16 - 2 - Regularization- Cost Function (10-10).mp4
7 D. N( }0 u7 x7 O0 H    │              16 - 2 - Regularization- Cost Function (10-10).srt
; O7 y8 K3 N% U: g3 e    │              16 - 3 - Evaluating a Hypothesis (07-35).mp4
9 E' A8 C- R- M5 Q    │              16 - 3 - Evaluating a Hypothesis (07-35).srt
; N3 K' p2 s, ?: e7 P1 E    │              16 - 5 - Diagnosing Bias vs Variance (07-42).mp4( m+ Y+ Z0 A+ b. ?
    │              16 - 5 - Diagnosing Bias vs Variance (07-42).srt
; N% f+ u. ]- |; K" q    │              17 - 1 - Learning- Overview (15-35).mp4
) X" c' i" L' h' A# A    │              17 - 1 - Learning- Overview (15-35).srt  a$ g. w0 q8 {1 m3 b+ a
    │              18 - 1 - Maximum Likelihood Estimation (14-59).mp4& F3 s5 Q5 k1 B$ R' o; H; q* I
    │              18 - 1 - Maximum Likelihood Estimation (14-59).srt& _  V3 G7 w' q
    │              18 - 3 - Bayesian Estimation (15-27).mp4
4 Z9 L* R$ \% c) B! ]; e    │              18 - 3 - Bayesian Estimation (15-27).srt
' Q' W; d! B0 }5 o% Q! ^, N    │              18 - 4 - Bayesian Prediction (13-40).mp4
6 D2 K8 s1 F$ C; H    │              18 - 4 - Bayesian Prediction (13-40).srt
8 _: u- J4 x/ c+ x    │              2 - 1 - Semantics & Factorization (17-20).mp4
, E2 i) E% Z% }2 k    │              2 - 1 - Semantics & Factorization (17-20).srt2 A! t' V" n- k* @( g" b$ p  q7 ]. z% }
    │              2 - 2 - Reasoning Patterns (09-59).mp4
' J" q9 a% }5 f" [  ~" y    │              2 - 2 - Reasoning Patterns (09-59).srt
' x9 a) @" ^/ L6 R8 O/ u    │              2 - 4 - Conditional Independence (12-38).mp4! S  U, Y1 @. z! Q5 }7 j0 Z
    │              2 - 4 - Conditional Independence (12-38).srt0 E( z; {6 k& n1 f
    │              2 - 6 - Naive Bayes (09-52).mp4' n2 q0 D/ R) g2 D; n
    │              2 - 6 - Naive Bayes (09-52).srt
- Y) D4 p! e7 C; S    │              20 - 1 - Structure Learning Overview (5-49).mp4) E5 K- L' ]7 w( L
    │              20 - 1 - Structure Learning Overview (5-49).srt
- C, g* a  I* `) h- u9 r% C4 w    │              20 - 2 - Likelihood Scores (16-49).mp4: x% B& `. F2 T9 I$ M2 G. k
    │              20 - 2 - Likelihood Scores (16-49).srt
0 l2 o6 a; x. ^5 ]- U6 B    │              20 - 4 - Bayesian Scores (20-35).mp4' J) T* d% c8 @
    │              20 - 4 - Bayesian Scores (20-35).srt7 U( \* d) A4 ^/ X3 b
    │              21 - 3 - Analysis of EM Algorithm (11-32).mp4
% h( W$ S9 z. b' [8 Z! D1 ]    │              21 - 3 - Analysis of EM Algorithm (11-32).srt# F9 A4 Q) I) x
    │              21 - 4 - EM in Practice (11-17).mp4+ c4 a- V( `  d# T8 a
    │              21 - 4 - EM in Practice (11-17).srt* b  m4 ~! p% i. a/ w5 W) \3 i6 F
    │              21 - 5 - Latent Variables (22-00).mp41 Q2 L3 @) ]: B6 k
    │              21 - 5 - Latent Variables (22-00).srt" ]. l9 `8 }+ Y2 Y$ Y1 B
    │              22 - 1 - Summary- Learning (20-11).mp4
( N& `- r0 n( V5 ^7 Z6 K; f! f    │              22 - 1 - Summary- Learning (20-11).srt
7 [0 ~/ ]% v% \* F: [  b3 v0 ?  I    │              23 - 1 - Class Summary (24-38).mp4
8 V1 T) g  O4 D  P2 t    │              23 - 1 - Class Summary (24-38).srt
4 }6 S9 e- M0 D1 M3 Z6 E& ^* z    │              3 - 1 - Overview of Template Models (10-55).mp4
' O% y, v; \8 [2 C. t- g    │              3 - 1 - Overview of Template Models (10-55).srt
0 e4 C5 n- G' X3 w5 Y/ m8 e    │              3 - 2 - Temporal Models - DBNs (23-02).mp40 n' N, M& b9 Y) N/ s% j
    │              3 - 2 - Temporal Models - DBNs (23-02).srt
; p. m: d; g! E- D% e    │              3 - 3 - Temporal Models - HMMs (12-01).mp43 O: s% a% x0 Z3 w7 a" Y% l
    │              3 - 3 - Temporal Models - HMMs (12-01).srt' d: C, E6 ^' l
    │              3 - 4 - Plate Models (20-08).mp4
1 J: K. ]3 E! N+ s4 g    │              3 - 4 - Plate Models (20-08).srt5 q& E( V. z5 R  ^" G2 T6 ?
    │              4 - 1 - Basic Operations (13-59).mp4
" M  p" _" ]7 ^+ p8 _0 H    │              4 - 1 - Basic Operations (13-59).srt
3 ^0 f$ c- o5 D0 h9 z4 U7 y3 e0 g    │              4 - 2 - Moving Data Around (16-07).mp42 F( u0 I  I" d2 C. V; v7 t
    │              4 - 2 - Moving Data Around (16-07).srt
7 V6 d7 _! _1 ^    │              4 - 3 - Computing On Data (13-15).mp4
6 `2 \( j- t3 e' @    │              4 - 3 - Computing On Data (13-15).srt$ v( V0 Y. N7 v+ _( t0 m# p' l; m
    │              4 - 4 - Plotting Data (09-38).mp4
' |% q2 s* N1 V+ |' U) q9 t    │              4 - 4 - Plotting Data (09-38).srt
: Q, m: m0 B+ z. L1 M    │              4 - 6 - Vectorization (13-48).mp4# J! Z2 |4 A! s( A9 O% A; c( [# c
    │              4 - 6 - Vectorization (13-48).srt5 t6 `/ y+ ^9 ~7 Z, A) X. w" J5 C' @
    │              5 - 1 - Overview- Structured CPDs (08-00).mp4
7 M) m( X/ z/ `0 o9 D- Q    │              5 - 1 - Overview- Structured CPDs (08-00).srt) [" x$ T0 C9 P6 D( S
    │              5 - 2 - Tree-Structured CPDs (14-37).mp4
: D" p. \$ R$ Y    │              5 - 2 - Tree-Structured CPDs (14-37).srt
! ]5 I5 W+ g* y! ~* i$ \7 G    │              5 - 4 - Continuous Variables (13-25).mp4
7 {4 a1 C( I" h    │              5 - 4 - Continuous Variables (13-25).srt
8 T0 M% ~9 `3 A' H) w$ a    │              6 - 1 - Pairwise Markov Networks (10-59).mp4
7 |% `9 Z8 ^. |* F    │              6 - 1 - Pairwise Markov Networks (10-59).srt
  X7 l5 r' m/ u    │              6 - 2 - General Gibbs Distribution (15-52).mp44 _6 S7 K. w! g" z; t
    │              6 - 2 - General Gibbs Distribution (15-52).srt# d' R5 D: @" m3 j
    │              6 - 3 - Conditional Random Fields (22-22).mp4
+ B! {8 _2 U8 x& h' G    │              6 - 3 - Conditional Random Fields (22-22).srt+ P5 E# I  o, \$ C1 W. E
    │              6 - 5 - I-maps and perfect maps (20-59).mp4
  Q5 b1 s9 z2 f' v0 t    │              6 - 5 - I-maps and perfect maps (20-59).srt3 c! X: M5 K! u+ G
    │              6 - 6 - Log-Linear Models (22-08).mp4
- {: Q' A) ~' f! M8 j    │              6 - 6 - Log-Linear Models (22-08).srt
. _* Z3 R* c% w4 e8 t6 y% w3 J    │              7 - 1 - Knowledge Engineering (23-05).mp4) ^7 G' y4 H. {/ |7 j
    │              7 - 1 - Knowledge Engineering (23-05).srt
* l: H) B4 _8 E5 E& f) X/ i    │              8 - 2 - Overview- MAP Inference (09-42).mp4
) F: _6 |/ l9 W0 j, n    │              8 - 2 - Overview- MAP Inference (09-42).srt
' _+ ?+ N  f) I  I8 B; L' N    │              8 - 3 - Variable Elimination Algorithm (16-17).mp4
5 ~! f1 ?; |6 O    │              8 - 3 - Variable Elimination Algorithm (16-17).srt; `0 X, a# g/ K3 o$ h- W( P
    │              8 - 6 - Finding Elimination Orderings (11-58).mp4
+ O1 [& D" ~9 R# Y/ r8 d    │              8 - 6 - Finding Elimination Orderings (11-58).srt
& S$ ^% n3 S/ m# o- o    │              9 - 1 - Belief Propagation (21-21).mp43 @& @: u+ O& [
    │              9 - 1 - Belief Propagation (21-21).srt
# P2 ~& j  ~+ e5 u6 a; P7 |    │              9 - 2 - Properties of Cluster Graphs (15-00).mp4+ }; ]5 p3 r6 k) k1 Y  n4 A
    │              9 - 2 - Properties of Cluster Graphs (15-00).srt! I' g* C2 _) J" ^  J" P) h( J) I! B# j
    │              PGM-Programming_Assignment_1.zip. G, r" T0 X3 e  \+ O1 I* ]+ C! e
    │              PGM-Programming_Assignment_2.zip6 `( g8 a  ^  v% h$ r0 N7 S
    │              PGM-Programming_Assignment_3.zip1 g$ S# @, q  @$ O  v2 f
    │              PGM-Programming_Assignment_4.zip; T9 S9 W$ `, ~0 _: `# `
    │              PGM-Programming_Assignment_5.zip
, y3 c! E4 q1 R' `, X* g8 m: q    │              PGM-Programming_Assignment_6.zip
" S. ]( v' O) s3 x    │              PGM-Programming_Assignment_7.zip
9 f7 U' R" Q, G. V0 A    │              PGM-Programming_Assignment_8.zip3 Y: L6 f& z, j5 C9 V, t
    │              PGM-Programming_Assignment_9.zip
5 ^0 e, N( ~* ~! Y# {5 P    │              下载说明.txt
- G- ?. d! i3 h% ]: _' S( G8 |7 k    │              关注我们.png
+ e' c' ~6 R' y    │              攻城狮论坛=网络技术+编程视频.url, o& J& L+ S0 [8 K$ k! P! Q8 i
    │              解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt2 T; D) I% @3 h3 y8 P; X' J
    │              
, I: V  n: L& Q9 |. x' X    ├─031_台大概率/ ?/ m8 ~3 t: Y. w" \
    │  └─031_台大概率  ]6 |% m% |5 M1 n* O' @% r
    │      ├─prob-0018 B" I4 i9 W0 K' ^% R
    │      │  ├─01_Week_1! S: A- E3 }# X- ^: j
    │      │  │      01_1-0.mp4
# F/ m) m( P3 Z$ D" a$ V# L8 Q9 B    │      │  │      02_1-1_17-41.mp4
9 O& c* r, z, a, l    │      │  │      02_1-1_17-41.pdf& ?% I# P6 V& X) U  _
    │      │  │      02_1-1_17-41_0_.pdf0 [8 D! {: A7 Q( e3 J, E
    │      │  │      02_1-1_17-41_1_.pdf" f# g; a! t# J
    │      │  │      02_1-1_17-41_2_.pdf3 Y& \' k& g8 W* P% T
    │      │  │      03_1-2.a__11-46.mp47 V' p' {- u- p; E& U/ F" O& k
    │      │  │      04_1-2.b__09-40.mp46 V- M" R- X6 A2 r# `& A# Y' }
    │      │  │      05_1-3.a__11-24.mp4( V/ j5 A. C# m- M0 n! p) Z
    │      │  │      06_1-3.b__16-36.mp4
- @* {* Q4 Q" n" T$ b0 N: }    │      │  │      " ?4 b" I, L  u' f" `$ U3 r# s
    │      │  ├─02_Week_2) k# L2 ^, w( ?8 p. x! R8 h8 J$ A
    │      │  │      01_2-0_15-32.mp4
8 t" y. ~& ?. x4 x2 a1 ~  S* \* K    │      │  │      02_2-1.a__16-09.mp45 j+ I( {+ u$ b) {$ Q
    │      │  │      02_2-1.a__16-09.pdf
8 ~4 A+ a9 I5 S4 @    │      │  │      02_2-1.a__16-09_0_.pdf
1 c0 A: e/ }5 L. I# C/ @) A    │      │  │      02_2-1.a__16-09_1_.pdf! c) h6 Q/ [4 B. f* ^) a* I' I1 k. m0 L1 m
    │      │  │      02_2-1.a__16-09_2_.pdf
9 G5 e: G7 C. _& X5 {    │      │  │      03_2-1.b__16-06.mp4
( S: c) ^3 C! O- I6 Y1 j    │      │  │      04_2-1.c__10-07.mp4. d# k0 }3 {0 R- P+ C1 j3 e
    │      │  │      05_2-2.a__10-41.mp4
! V, [% o0 ^3 A) Y    │      │  │      06_2-2.b__12-43.mp43 Q; b7 O4 z+ B' ?6 X5 u
    │      │  │      07_2-2.c__16-02.mp4
" C- L1 {" o/ Q( Q0 U' q" d; D    │      │  │      6 s' n4 F% T& H3 I2 [" R- i
    │      │  ├─03_Week_3
, e% H, }5 K& P3 \    │      │  │      01_3-0_16-46.mp46 A4 P' ^) U$ n5 w) m
    │      │  │      02_3-1.a___09-12.mp4
/ D# M: Q% a* l8 @    │      │  │      02_3-1.a___09-12.pdf0 `7 B5 x2 ]; V% Q! P" t2 ^
    │      │  │      02_3-1.a___09-12_0_.pdf
: K" G3 |& n" P9 J6 J( _: D    │      │  │      02_3-1.a___09-12_1_.pdf4 J4 R# `+ G8 A- \  q( \
    │      │  │      02_3-1.a___09-12_2_.pdf5 s  L" d% z" w% s9 h. F- a
    │      │  │      03_3-1.b__10-35.mp4" h; U7 T6 b9 m1 A3 I- `. c
    │      │  │      04_3-2_08-47.mp40 h+ ^8 G9 E, U
    │      │  │      05_3-3.a__16-57.mp4
- C3 f8 Y2 O6 E' v; g    │      │  │      06_3-3.b__12-58.mp47 c8 e* |& `  P% g' C( E2 m
    │      │  │      
! M$ K/ x9 H4 q: H5 H4 p1 f( M    │      │  ├─04_Week_41 @2 [) p& N# y
    │      │  │      01_4-0_17-33.mp4
) N8 q9 \' G) {    │      │  │      02_4-1.a__13-53.mp4
7 i) Q; ~+ C/ \: v1 v9 l* U+ c+ ^    │      │  │      02_4-1.a__13-53.pdf0 r: J) |) ?2 z3 Y1 o$ P
    │      │  │      02_4-1.a__13-53_0_.pdf
' |. P( t5 o1 l) I    │      │  │      02_4-1.a__13-53_1_.pdf
& c0 @' u- x4 [3 v* K6 d) s    │      │  │      02_4-1.a__13-53_2_.pdf
: y( r6 W( B; U9 r$ M$ d# u+ |4 ]    │      │  │      03_4-1.b__14-43.mp4
8 A; ?! y0 I, `/ @6 @$ O    │      │  │      04_4-1.c__5-18.mp4- }0 i7 Y1 ]; {
    │      │  │      05_4-2.a_CDF__9-48.mp4
4 p/ Y) a" w7 U  K% [    │      │  │      06_4-2.b_CDF__8-59.mp43 ?4 s, I9 C" L7 g- L5 o: A& C
    │      │  │      07_4-2.c_CDF__9-00.mp4
' g+ C6 |+ k4 f    │      │  │      08_4-3_PMF_11-26.mp4
/ @3 R! e1 s4 n' \7 C    │      │  │      09_4-4.a_I__14-41.mp4
; `+ {6 \( e" v    │      │  │      10_4-4.b_I__8-47.mp4
1 X" H) l: x" S0 i    │      │  │      
0 Y8 B* j, ^( |: r4 W1 ]    │      │  ├─05_Week_5
: H6 Z6 A$ _! K& v    │      │  │      01_5-0_14-09.mp4
, X5 Y- L6 n$ E  j& E1 {2 K    │      │  │      02_5-1.a_II__10-36.mp4' P1 u# p* R9 {. H
    │      │  │      02_5-1.a_II__10-36.pdf
# S: n2 }- ?5 [    │      │  │      02_5-1.a_II__10-36_0_.pdf9 T/ s" K% ^) ?1 I
    │      │  │      02_5-1.a_II__10-36_1_.pdf
# n0 n5 V3 C8 }0 }/ c. b9 t) o: m    │      │  │      02_5-1.a_II__10-36_2_.pdf9 V8 b5 v8 c4 n+ {( |$ ?# Y  o- Q7 N
    │      │  │      03_5-1.b_II__12-06.mp4" O* _2 {( S0 H! Z  f: I' X
    │      │  │      04_5-1.c_II__20-28.mp4
* Y* z# V+ D% R+ S, W; U    │      │  │      05_5-2_PDF_18-56.mp43 C8 l0 d- i; S8 Z. [
    │      │  │      06_5-3_I_18-12.mp4
1 |; O2 U8 p1 ^/ Y/ _    │      │  │      
% Q5 G, T$ E% k; z    │      │  ├─06_Week_6
  o1 k2 x# q$ Y1 d5 E0 J    │      │  │      01_6-0_10-13.mp4+ Z& R. ~/ g: F) x5 r
    │      │  │      02_6-1.a_II__15-25.mp4
* ~9 H! E& C3 t, j7 A5 g    │      │  │      02_6-1.a_II__15-25.pdf
! A9 D% _, ]: n3 @. i    │      │  │      02_6-1.a_II__15-25_0_.pdf
. o) U$ J; a  B& T! L5 u# n; |: A    │      │  │      02_6-1.a_II__15-25_1_.pdf+ h& {+ i/ a8 x' Q
    │      │  │      02_6-1.a_II__15-25_2_.pdf0 s; S' o8 Y0 g" r9 j$ l! Y
    │      │  │      03_6-1.b_II__16-08.mp42 N; b  G( M; Z6 q% z0 C
    │      │  │      04_6-1.c_II__17-16.mp4
* J$ t& o# O  H+ U1 Y2 i/ |) o9 ~: x    │      │  │      05_6-1.d_II__5-40.mp4
8 p5 b, D6 R# ?- S  g% A* ?. e    │      │  │      06_6-2.a_I__16-35.mp4
1 [+ n$ ]) c3 L  c  I! }    │      │  │      07_6-2.b_I__10-41.mp4
' z( x/ S: Z( ?: V- n, D: T    │      │  │      08_6-2.c_I__16-44.mp4; a* L+ r( @+ w2 d
    │      │  │      09_6-2.d_I__14-30.mp4+ M% M) A8 }3 c3 f" H0 U9 o& W
    │      │  │      
7 Y. o" G4 B  j; p    │      │  ├─07_Week_7' A1 D( U6 h, N" E2 A& p1 }9 r
    │      │  │      01_7-0.mp4
% S8 D5 e2 \4 o0 P* O+ P+ e# f    │      │  │      02_7-1.a_II__14-31.mp4% S( h! ~  S1 y
    │      │  │      02_7-1.a_II__14-31.pdf$ S8 C' @/ P2 x
    │      │  │      02_7-1.a_II__14-31_0_.pdf8 K  l, u) |& g) j1 }+ U! X0 S* c2 _
    │      │  │      02_7-1.a_II__14-31_1_.pdf7 @3 l) G# {; q" k; j. `  D* Q
    │      │  │      02_7-1.a_II__14-31_2_.pdf6 ]) p0 Q  V) l) q' D
    │      │  │      03_7-1.b_II__13-07.mp4( J* s1 F( J# @* \, Q+ I+ a# h
    │      │  │      04_7-2.a-___10-35.mp4
& j7 q& Y5 F) P; @: E1 k    │      │  │      05_7-2.b-___08-42.mp43 e" j  U: l1 Q0 J( l* ?
    │      │  │      06_7-3.a-___15-07.mp4
0 A+ d8 v% M. R1 Y7 q    │      │  │      07_7-3b-___19-20.mp4
& d( Y3 r$ }# q6 g- E+ \0 D6 n    │      │  │      & n# {: e! k& v, G& C' D
    │      │  ├─08_Week_8
! U+ C3 u6 E7 K( K    │      │  │      01_8-0.mp47 ^7 _+ `, }! L: G+ U) Q. C
    │      │  │      02_8-1.a__14-36.mp4
) i/ u% `* A+ W; `* a: S    │      │  │      02_8-1.a__14-36.pdf. u, c: ]& A& J# S0 G0 j$ u
    │      │  │      02_8-1.a__14-36_0_.pdf) @1 L$ y7 P7 r
    │      │  │      02_8-1.a__14-36_1_.pdf
+ V; o5 j  N; L/ Z% u7 \    │      │  │      02_8-1.a__14-36_2_.pdf
, D; U! w9 X; @- U( S: ~2 w6 i9 ~    │      │  │      03_8-1.b__15-05.mp4/ E' A1 |8 M9 Z. B
    │      │  │      04_8-1.c__17-00.mp4
3 Y  W7 S# A8 s$ |    │      │  │      05_8-1.d__11-18.mp4
, S% c' b  A5 y0 S0 R6 i    │      │  │      06_8-2_12-32.mp4
9 J- h3 |3 K" ]* v" [) J0 g    │      │  │      07_8-3.a__10-06.mp4
+ G! w! s+ W6 D* B/ |8 v6 T! _+ |1 ^    │      │  │      08_8-3.b__17-27.mp47 a1 T8 E; [8 p9 |( p9 n
    │      │  │      
$ h7 J, E" [1 j1 Z! q    │      │  └─09_Week_91 f- G( T0 b8 @' [' S0 f: W; [  g
    │      │          01_9-1.a__11-18.mp47 q0 I0 ?4 V& n
    │      │          01_9-1.a__11-18.pdf
7 M5 F: D9 d! C3 r% E    │      │          01_9-1.a__11-18_0_.pdf4 F# Y$ W9 o7 @6 A5 R- J- [; Y
    │      │          01_9-1.a__11-18_1_.pdf# N1 ]- I2 ^, A7 \/ }7 [; A
    │      │          01_9-1.a__11-18_2_.pdf. J" h& w# E2 o. ]5 ^6 Q
    │      │          02_9-1.b__13-49.mp45 b3 x8 i% b8 g( a# U
    │      │          03_9-2.aMGF__10-17.mp4
  ]  o  l2 C6 @9 @    │      │          04_9-2.bMGF__14-06.mp4
' `6 i: t0 p! O, C    │      │          05_9-2.cMGF__15-53.mp4
1 E# Y' G1 r/ K0 j( _    │      │          06_9-3.a__10-35.mp4- X% }3 W% W' R( ?- V3 X
    │      │          07_9-3.b__13-01.mp4- _" A" j! q! S$ Z; Q- x3 S1 z
    │      │          08_9-4.a-__16-45.mp4% j2 W) Y' _( ~1 Q
    │      │          09_9-4.b-__17-19.mp4
9 W9 }9 n. o) B& c+ R* p! `    │      │          ! g" K: x5 N! D# A0 L9 |
    │      └─概率-台大8 i. @  n9 W! F0 R5 l3 k
    │          │  02-8.R
. L6 q+ ]) z. h9 ^1 i9 m+ {    │          │  " U+ g/ S7 I: l( E( N' K" c
    │          ├─1& O. P0 N. g  o9 H- [+ }
    │          │      Benson_Coursera_Week_1_簡.pdf2 k2 w9 j& F" t- {5 `9 P6 K$ [% B
    │          │      Benson_Coursera_Week_1_繁.pdf
# u6 m! x4 l6 ?8 Q; X    │          │      Benson_Coursera_Week_1_繁空.pdf: m0 ~! }" ~3 \  N) f4 g
    │          │      2 - 1 - 1-0:咱們先聊聊,這是門什麼樣的課呢-.mp4
  {* T4 ^# X7 \    │          │      2 - 2 - 1-1:機率概論 (17-41).mp4
# h5 u$ m  S  i  \    │          │      2 - 3 - 1-2.a:集合論 (上) (11-46).mp4: T* p9 I5 j' L3 P; a
    │          │      2 - 4 - 1-2.b:集合論 (下) (09-40).mp4
- Y8 z- x2 x& K    │          │      2 - 5 - 1-3.a:機率名詞 (上) (11-24).mp4
4 |" [+ M1 M$ g; i/ {: v# h# v7 K    │          │      2 - 6 - 1-3.b:機率名詞 (下) (16-36).mp4# ]& f) B/ y9 M) `2 T& b  [
    │          │      1 \. m( ~$ [7 I# X' M) l. C/ \: Q; L1 t
    │          ├─2; Y# p! |; o( J+ P- E7 d7 Q- o" u4 m
    │          │      Benson_Coursera_Week_2_簡.pdf: I+ r" h+ R5 r
    │          │      Benson_Coursera_Week_2_簡空.pdf
' h2 N# e3 F4 \8 ?) y" {/ q! U/ k# M: Y    │          │      Benson_Coursera_Week_2_繁.pdf6 M* e$ t+ R3 m- O# h/ @
    │          │      Benson_Coursera_Week_2_繁空.pdf
, e/ }! G- `4 i$ h! T    │          │      3 - 1 - 2-0:咱們聊聊,是學習,還是應付- (15-32).mp47 E7 z0 z; V1 X( M5 E0 t& z/ b
    │          │      3 - 2 - 2-1.a:機率公理性質 (上) (16-09).mp4
3 U' }$ ~3 ^9 ~# D, k    │          │      3 - 3 - 2-1.b:機率公理性質 (中) (16-06).mp44 C) u7 d8 X+ a4 b
    │          │      3 - 4 - 2-1.c:機率公理性質 (下) (10-07).mp4
' O* @1 y. b& S7 E* z    │          │      3 - 5 - 2-2.a:條件機率 (上) (10-41).mp4
* d  \( y" T; C    │          │      3 - 6 - 2-2.b:條件機率 (中) (12-43).mp4
" v$ i/ G. o0 V1 t2 W, @" g) Q    │          │      3 - 7 - 2-2.c:條件機率 (下) (16-02).mp4
5 t  O( T6 L/ f* P    │          │      
* a% m. ]* \' }% A$ B    │          ├─33 x3 i! z0 i1 `5 G$ F, x  _
    │          │      Benson_Coursera_Week_3_簡.pdf
2 ]. c4 J& a( b. K    │          │      Benson_Coursera_Week_3_簡空.pdf
4 h) p+ ^, n4 a" D7 A    │          │      Benson_Coursera_Week_3_繁.pdf1 J: m4 l; E6 p: G( C" @- v
    │          │      Benson_Coursera_Week_3_繁空.pdf
2 {8 Z1 u9 E, r7 G; P' ^" y( Z; E    │          │      4 - 1 - 3-0:咱們聊聊,常見的錯誤?學習的關鍵? (16-46).mp4
; S6 [) c; N& _0 Q0 Q    │          │      4 - 2 - 3-1.a:機率的獨立性 (上)  (09-12).mp4% i' x$ o, w* m8 J8 h" }" h9 b
    │          │      4 - 3 - 3-1.b:機率的獨立性 (下) (10-35).mp4
: i0 q) ~4 O) R$ M- _; G    │          │      4 - 4 - 3-2:圖解繁複機率 (08-47).mp4
: z6 v) E7 P4 z) u    │          │      4 - 5 - 3-3.a:數數算機率 (上) (16-57).mp47 A; u1 e7 Y. k
    │          │      4 - 6 - 3-3.b:數數算機率 (下) (12-58).mp4
) i, F2 D. V5 q8 ]& f$ A    │          │      
7 p8 o: U5 f/ B' k2 W0 T5 V+ M; ~    │          ├─47 W, t7 D/ L0 @! I9 R
    │          │      Benson_Coursera_Week_4_簡.pdf. G) \8 P2 b$ d7 c* T: o7 ~" j' `
    │          │      Benson_Coursera_Week_4_簡空.pdf6 _* g! e# L8 ]$ f' y4 s0 P
    │          │      Benson_Coursera_Week_4_繁.pdf5 g# P# ], f1 `" n3 }
    │          │      Benson_Coursera_Week_4_繁空.pdf1 O& S3 L2 n. H; R$ a5 c, e# i
    │          │      5 - 1 - 4-0:咱們聊聊,如何幫自己面對未來挑戰? (17-33).mp4
- l+ C4 _6 z8 ~    │          │      5 - 10 - 4-4.b:離散機率分佈 I (下) (8-47).mp4; i- ^  S: F% _% F1 Y, M2 Z2 v% X
    │          │      5 - 2 - 4-1.a:隨機變數 (上) (13-53).mp4+ U7 J+ X, a  g  k
    │          │      5 - 3 - 4-1.b:隨機變數 (中) (14-43).mp4. r; L9 D0 E$ l5 P% e$ r4 K
    │          │      5 - 4 - 4-1.c:隨機變數 (下) (5-18).mp4
! l( {# r/ z# r' |  {    │          │      5 - 5 - 4-2.a:累績分佈函數 CDF (上) (9-48).mp4
2 J3 D& ]. R# q  e    │          │      5 - 6 - 4-2.b:累績分佈函數 CDF (中) (8-59).mp4
) H$ j! W. q7 M' c) w4 `8 r- i    │          │      5 - 7 - 4-2.c:累績分佈函數 CDF (下) (9-00).mp4
( U9 A: Z( }) j7 @. j" f    │          │      5 - 8 - 4-3:機率質量函數 PMF (11-26).mp4! V9 b* n! U0 F# ?
    │          │      5 - 9 - 4-4.a:離散機率分佈 I (上) (14-41).mp4
7 E' C/ r& `- e4 A" |8 D+ k    │          │      " Y( {. p8 n2 `1 [
    │          ├─5
% I9 b8 `- b, [% P* @$ f. X, n    │          │      Benson_Coursera_Week_5_簡.pdf" C* j6 @' ^" s% p0 k8 ]: T7 v% L
    │          │      Benson_Coursera_Week_5_簡空.pdf
! c: W* L+ ~* {+ V    │          │      Benson_Coursera_Week_5_繁.pdf
. \' k2 P9 c# a6 M) P    │          │      Benson_Coursera_Week_5_繁空.pdf
! H7 V' Z5 s8 _    │          │      6 - 1 - 5-0:咱們聊聊,願你夜夜好眠到天明! (14-09).mp4/ P/ P# @7 y" j  G" y: S" X$ o
    │          │      6 - 2 - 5-1.a:離散機率分佈 II (上) (10-36).mp4! l$ e5 J5 L4 ?
    │          │      6 - 3 - 5-1.b:離散機率分佈 II (中) (12-06).mp47 c' [% L; B- E% {, v2 T# q
    │          │      6 - 4 - 5-1.c:離散機率分佈 II (下) (20-28).mp4
. u' J* b$ o* O- E; v" E  e    │          │      6 - 5 - 5-2:機率密度函數 PDF (18-56).mp4
; {; f2 g: x8 U9 s2 b5 f( p    │          │      6 - 6 - 5-3:連續機率分佈 I (18-12).mp4
/ J: R$ W; `8 X, ^: P$ W    │          │      
% e; O' R6 ^9 l2 F6 P' l4 {    │          ├─6
/ b4 Z! ~% ?2 b+ o* i- x: u    │          │      Benson_Coursera_Week_6_簡.pdf
. G; o* p) d5 v- B$ s    │          │      Benson_Coursera_Week_6_簡空.pdf
" ^& b8 @1 O+ D  w, q6 \    │          │      Benson_Coursera_Week_6_繁.pdf9 k. i5 ~# [; A8 r
    │          │      Benson_Coursera_Week_6_繁空.pdf
# ]7 R4 M( g& K    │          │      7 - 1 - 6-0:咱們聊聊,成功者的條件是什麼? (10-13).mp4, j" u  U- v+ m
    │          │      7 - 2 - 6-1.a:連續機率分佈 II (上) (15-25).mp4
" c+ F+ r3 c# s  J    │          │      7 - 3 - 6-1.b:連續機率分佈 II (中) (16-08).mp4
1 q) q2 B4 U- e* C    │          │      7 - 4 - 6-1.c:連續機率分佈 II (下) (17-16).mp4
: W8 `7 f8 @+ L& z5 ?    │          │      7 - 5 - 6-1.d:連續機率分佈 II (末) (5-40).mp47 w: Z- ^0 j- y$ C6 j+ J; Y
    │          │      7 - 6 - 6-2.a:期望值 I (上) (16-35).mp4/ f3 c2 b0 K. e8 f
    │          │      7 - 7 - 6-2.b:期望值 I (中) (10-41).mp4
2 |% J2 \9 g" R$ Q2 B, R    │          │      7 - 8 - 6-2.c:期望值 I (下) (16-44).mp4
0 `: f- p$ H5 b7 m    │          │      7 - 9 - 6-2.d:期望值 I (末) (14-30).mp4
: M+ }$ e6 ~  ~  c3 J& ~    │          │      
- i) G  j2 r( |- w4 Z% X. _5 r    │          ├─7
" J1 H9 s7 M  ^1 m9 Z    │          │      Benson_Coursera_Week_7_簡.pdf
4 \6 \) P7 ~: t. y    │          │      Benson_Coursera_Week_7_簡空.pdf
* x( \; U/ [, @& n, f    │          │      Benson_Coursera_Week_7_繁.pdf
) Y/ Y3 w9 w& |7 I- Q. E9 k4 Y    │          │      Benson_Coursera_Week_7_繁空.pdf& s. O& m; y3 ~1 }
    │          │      8 - 1 - 7-0:咱們聊聊,每天都在忙,忙的有用嗎?.mp4% {# c; m& W* `* ]1 @4 f; x
    │          │      8 - 2 - 7-1.a:期望值 II (上) (14-31).mp4) }6 Y) Z  l) i/ T4 h$ z  m
    │          │      8 - 3 - 7-1.b:期望值 II (下) (13-07).mp4/ E8 Z/ z- ^, n: w; N
    │          │      8 - 4 - 7-2.a- 隨機變數之函數 (上) (10-35).mp4
) E) \0 s. T' z5 V& v# r7 Q4 ?    │          │      8 - 5 - 7-2.b- 隨機變數之函數 (下) (08-42).mp4
5 b& U$ b- |  H& L* G1 K8 i    │          │      8 - 6 - 7-3.a- 條件機率分佈與失憶性 (上) (15-07).mp46 Y3 Z! e+ b) ?/ i/ Q
    │          │      8 - 7 - 7-3b- 條件機率分佈與失憶性 (下) (19-20).mp4: j# }. i( Q* `$ t- y
    │          │      
3 B: z2 {; D& Y' ]: Q5 d# Z    │          ├─8
2 B0 C) R9 N( g8 k- y    │          │      Benson_Coursera_Week_8_簡.pdf
, ]: k+ E0 u- h    │          │      Benson_Coursera_Week_8_簡空.pdf
$ s; n) M2 Y" T% x4 Q    │          │      Benson_Coursera_Week_8_繁.pdf- Y9 A6 y+ p8 u- b
    │          │      Benson_Coursera_Week_8_繁空.pdf
( n2 Q' Q- a0 b( J5 \0 g    │          │      9 - 1 - 8-0:咱們聊聊,如何探索有意義的人生?.mp4  E: T: L0 V: H7 U0 R" J" W" K
    │          │      9 - 2 - 8-1.a:聯合機率分佈 (上) (14-36).mp4( P& N4 E' r# s- L8 g9 K
    │          │      9 - 3 - 8-1.b:聯合機率分佈 (中) (15-05).mp4
& l- j) g& ?4 q) t3 n    │          │      9 - 4 - 8-1.c:聯合機率分佈 (下) (17-00).mp45 i6 B0 g# p2 ~  X+ f
    │          │      9 - 5 - 8-1.d:聯合機率分佈 (末) (11-18).mp4% J7 r9 D5 z* i4 `
    │          │      9 - 6 - 8-2:邊際機率分佈 (12-32).mp49 A, W; u; c6 ]5 `- m/ M- T% B/ n
    │          │      9 - 7 - 8-3.a:雙變數期望值 (上) (10-06).mp4: I# E3 [7 b6 o9 d9 l
    │          │      9 - 8 - 8-3.b:雙變數期望值 (下) (17-27).mp43 D0 j1 O; `# C% s; ?$ A
    │          │      
7 y6 _8 C& T% U* F- `/ K    │          └─9
- F: E0 B8 ?9 C8 K* u! S# C    │                  Benson_Coursera_Week_9_簡.pdf
. e5 P8 S# X+ b& x- V    │                  Benson_Coursera_Week_9_簡空.pdf: V9 U0 w- w- s0 B  `
    │                  Benson_Coursera_Week_9_繁.pdf
, T/ |/ @2 ^4 o. y5 `    │                  Benson_Coursera_Week_9_繁空.pdf! g% R6 v7 Q' X# G- I) e
    │                  10 - 1 - 9-1.a:隨機變數之和 (上) (11-18).mp43 q0 d3 o% w3 I& J5 g) d1 u
    │                  10 - 2 - 9-1.b:隨機變數之和 (下) (13-49).mp4* O2 t2 @& X$ M1 Q
    │                  10 - 3 - 9-2.a:MGF (上) (10-17).mp4
* Q& A# k" L* I6 i" v- S' l    │                  10 - 4 - 9-2.b:MGF (中) (14-06).mp4$ k! o$ Y' I. d. m- o7 g
    │                  10 - 5 - 9-2.c:MGF (下) (15-53).mp4
# w0 g. ~) l$ }* q" C; {0 q1 U    │                  10 - 6 - 9-3.a:多個隨機變數和 (上) (10-35).mp4/ `, r/ H3 J% D, l, k0 q
    │                  10 - 7 - 9-3.b:多個隨機變數和 (下) (13-01).mp4+ K4 T) j9 q5 ?, _2 r
    │                  10 - 8 - 9-4.a:中央極限定理-萬佛朝宗 (上) (16-45).mp43 \7 z$ d  p  s! n, w" T
    │                  10 - 9 - 9-4.b:中央極限定理-萬佛朝宗 (下) (17-19).mp43 H9 ]1 M) _8 l) u+ `' M, q
    │                  
; F2 k7 e1 g2 F9 b: h" {    ├─036_Coding the Matrix
& z. z( m% w) d( n3 W    │  └─036_Coding the Matrix
& x. k) I! B" @+ q: |    │      └─matrix-002+ `( J$ M6 o' X0 l5 x( Q7 F
    │          │  下载说明.txt6 \3 W* k# @0 `# u' L0 |) ^$ ~
    │          │  关注我们.png
# t! M/ k" r1 |# E    │          │  攻城狮论坛=网络技术+编程视频.url: v7 e& w, d% k% g6 R
    │          │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt5 i0 ?  {" l" a+ y  S; C
    │          │  
: O( V1 z$ }# A; I% B+ _  V    │          ├─01_Week_0-_The_Function_and_the_Field1 T5 h/ Q$ Z$ ?: G' R
    │          │      01_Course_Introduction_Part_1__9-53.mp4
4 m: _7 q# e9 f6 K    │          │      01_Course_Introduction_Part_1__9-53.srt5 R3 i& V6 W: v; N& l- s! o
    │          │      01_Course_Introduction_Part_1__9-53.txt2 n/ Q4 ]7 j% _# C& y
    │          │      02_Course_Introduction_Part_2__8-49.mp4
9 V9 K* y, P! r    │          │      02_Course_Introduction_Part_2__8-49.srt
( J+ \7 C) F; c/ G0 @0 P    │          │      02_Course_Introduction_Part_2__8-49.txt+ L1 `2 O7 l$ [# J% x
    │          │      03_The_Function-_The_function_and_other_preliminaries__20-55.mp44 C) J+ F  S8 M, i: X  O+ t
    │          │      03_The_Function-_The_function_and_other_preliminaries__20-55.pdf+ |6 I/ t: D6 G$ Q
    │          │      03_The_Function-_The_function_and_other_preliminaries__20-55.srt
/ x2 a9 a: s/ l& W" v  T- M2 j    │          │      03_The_Function-_The_function_and_other_preliminaries__20-55.txt
* ?# y: i* }. ?" V+ G; m$ ?# R    │          │      04_The_Field-_Introduction_to_complex_numbers__5-52.mp42 W7 k7 f6 o3 F) R. T! u9 f" \
    │          │      04_The_Field-_Introduction_to_complex_numbers__5-52.pdf
* ~* C% m# k  O! b. U    │          │      04_The_Field-_Introduction_to_complex_numbers__5-52.srt3 `! b& u+ H+ B! J8 T$ s! e. ^
    │          │      04_The_Field-_Introduction_to_complex_numbers__5-52.txt
+ w2 Z& p5 ]5 f- N, l    │          │      05_The_Field-_Playing_with_C_15-19.mp4* C& E' E$ @$ }" z) u& D
    │          │      05_The_Field-_Playing_with_C_15-19.pdf
2 b% t2 F; F. G8 _. ]- J    │          │      05_The_Field-_Playing_with_C_15-19.srt+ F; }/ _) y, k# U2 E% z, Z
    │          │      05_The_Field-_Playing_with_C_15-19.txt. M, C# m& T* A4 V* t
    │          │      06_The_Field-_Playing_with_GF2__10-28.mp46 x) p8 A! @: S1 s. H! i4 H
    │          │      06_The_Field-_Playing_with_GF2__10-28.pdf
& b7 [7 Y/ N0 w+ g    │          │      06_The_Field-_Playing_with_GF2__10-28.srt, Q! d8 N# b% w  Y1 e
    │          │      06_The_Field-_Playing_with_GF2__10-28.txt
* ^, Y. e. c  p' j) D    │          │      1 K% |; W! p3 q2 W+ S
    │          ├─02_Week_1-_The_Vector  Y4 ~( v$ \: g, }- L
    │          │      01_The_Vector-_What_is_a_vector__8-20.mp42 x8 Q6 l7 i! K9 J7 d3 Q3 W& \
    │          │      01_The_Vector-_What_is_a_vector__8-20.pdf
4 N# Z' s( b& d% ], B    │          │      01_The_Vector-_What_is_a_vector__8-20.srt" ~' x. W4 ^0 F& [9 S
    │          │      01_The_Vector-_What_is_a_vector__8-20.txt
) r& t5 M, h; N9 U' \$ d0 b) d& x    │          │      02_The_Vector-_Vector_addition_and_scalar-vector_multiplication__10-16.mp4
0 j7 K5 r' r; q) x) E! M0 `! i% V, o    │          │      02_The_Vector-_Vector_addition_and_scalar-vector_multiplication__10-16.pdf
4 C8 y3 r' S0 A7 v5 U7 P; W5 B% f    │          │      02_The_Vector-_Vector_addition_and_scalar-vector_multiplication__10-16.srt
6 [6 m0 F% h1 w% V5 v# V- _    │          │      02_The_Vector-_Vector_addition_and_scalar-vector_multiplication__10-16.txt- }5 z: ~5 M7 {' |, \
    │          │      03_The_Vector-_Dictionary-based_representations_of_vectors__9-10.mp4
; v& ^+ u9 \) H    │          │      03_The_Vector-_Dictionary-based_representations_of_vectors__9-10.pdf
1 a9 |* F5 m: \% ?    │          │      03_The_Vector-_Dictionary-based_representations_of_vectors__9-10.srt( D0 e4 W# b# ?1 L' @0 d
    │          │      03_The_Vector-_Dictionary-based_representations_of_vectors__9-10.txt
7 Y4 J7 {, n! u4 P$ m4 ^    │          │      04_The_Vector-_Vectors_over_GF2__9-18.mp4" y( Z, V, ], P0 p. u
    │          │      04_The_Vector-_Vectors_over_GF2__9-18.pdf/ P6 |' i6 I4 c  ~
    │          │      04_The_Vector-_Vectors_over_GF2__9-18.srt
0 @" M1 `5 X8 R    │          │      04_The_Vector-_Vectors_over_GF2__9-18.txt
# U: u+ J0 o. g% b8 \/ A    │          │      05_The_Vector-_Dot-product__8-49.mp4  ^4 e% p1 a* Z4 y! F
    │          │      05_The_Vector-_Dot-product__8-49.pdf' C" N6 P7 O4 ~* J% A+ N
    │          │      05_The_Vector-_Dot-product__8-49.srt
5 J& a+ [6 I& B, m8 I    │          │      05_The_Vector-_Dot-product__8-49.txt$ H- t: o; S7 |
    │          │      06_The_Vector-_Dot-product_of_vectors_over_GF2__4-44.mp4
4 D, e" ?+ h3 T( {  M$ F    │          │      06_The_Vector-_Dot-product_of_vectors_over_GF2__4-44.pdf) ^: X( T9 L9 O" G7 q+ r
    │          │      06_The_Vector-_Dot-product_of_vectors_over_GF2__4-44.srt% w9 X: S- b7 m: d
    │          │      06_The_Vector-_Dot-product_of_vectors_over_GF2__4-44.txt
6 S2 z& w. w0 c' n' k7 V6 d    │          │      07_The_Vector-_Solving_a_triangular_system_of_linear_equations__4-00.mp4: n7 I) w0 r3 o. D
    │          │      07_The_Vector-_Solving_a_triangular_system_of_linear_equations__4-00.pdf
4 f( P8 B$ I+ s9 p    │          │      07_The_Vector-_Solving_a_triangular_system_of_linear_equations__4-00.srt, o% E2 W0 ~' y$ H- Y) N; T# S
    │          │      07_The_Vector-_Solving_a_triangular_system_of_linear_equations__4-00.txt
( q# C; m* y/ b2 Z    │          │      
% D9 s5 R  E4 s: o* A; h2 A    │          ├─03_Week_2-_The_Vector_Space
! b! f' b% k8 k: |  C" e    │          │      01_The_Vector_Space-_Linear_combinations.mp4: h: T) I7 F5 o" C9 z4 g
    │          │      01_The_Vector_Space-_Linear_combinations.pdf  o; \9 v. F2 n
    │          │      01_The_Vector_Space-_Linear_combinations.srt5 j0 M) k& o  L1 P' u. `. ]2 P
    │          │      01_The_Vector_Space-_Linear_combinations.txt
9 ^  c8 B, ~+ ]% v    │          │      02_The_Vector_Space-_Span.mp4& \9 S' V, _$ M7 _
    │          │      02_The_Vector_Space-_Span.pdf0 H0 K3 h) l) a; s& z4 r- I& M
    │          │      02_The_Vector_Space-_Span.srt5 W: [3 X6 F! V+ O
    │          │      02_The_Vector_Space-_Span.txt
( u9 ?2 a8 ]+ g& s7 N1 Z, a    │          │      03_The_Vector_Space-_Geometry_of_Sets_of_Vectors.mp4
) K& R% M. `6 {. R2 D% h    │          │      03_The_Vector_Space-_Geometry_of_Sets_of_Vectors.pdf7 K+ ~) e: K" |& N$ Z) @" T! {
    │          │      03_The_Vector_Space-_Geometry_of_Sets_of_Vectors.srt
; F) i* H5 }& t- P7 P) t7 T    │          │      03_The_Vector_Space-_Geometry_of_Sets_of_Vectors.txt
4 h: B  S" f1 U+ ~# e. E    │          │      04_The_Vector_Space-_Vector_spaces.mp4
4 ~. \* I( @+ q2 v    │          │      04_The_Vector_Space-_Vector_spaces.pdf
+ j$ E4 {9 k, A) S    │          │      04_The_Vector_Space-_Vector_spaces.srt
8 `1 n4 S5 k& c    │          │      04_The_Vector_Space-_Vector_spaces.txt6 y) v- D8 D& ~- x3 |4 x. n
    │          │      05_The_Vector_Space-_Checksum_function.mp4
( h! x; k3 l5 l+ v. @2 L3 T& U2 \" @; a; m    │          │      05_The_Vector_Space-_Checksum_function.pdf  B7 N8 a2 [3 ~  S# D* J, }" ~7 S" T
    │          │      05_The_Vector_Space-_Checksum_function.srt
/ |" x1 T( Q9 i/ N/ p$ d1 ?8 e    │          │      05_The_Vector_Space-_Checksum_function.txt
2 {1 H+ L+ t; R& [0 a    │          │      . E7 O1 m! I, M3 D+ y2 P
    │          ├─04_Week_3-_The_Matrix3 k& |8 }+ c! W+ y3 ^3 w% |2 O
    │          │      01_The_Matrix-_What_is_a_matrix.mp41 a9 z( J, A% {+ t' W
    │          │      01_The_Matrix-_What_is_a_matrix.pdf
/ y  ~9 j( Q/ r3 C& H    │          │      01_The_Matrix-_What_is_a_matrix.srt
2 @" J9 k2 y1 K8 ?$ N& W4 K! i9 T    │          │      01_The_Matrix-_What_is_a_matrix.txt
5 ~7 u, [; b' d) j# O    │          │      02_The_Matrix-_Matrix-vector_and_vector-matrix_multiplication.mp43 p3 e/ H! q. R5 \% H0 p1 f0 n
    │          │      02_The_Matrix-_Matrix-vector_and_vector-matrix_multiplication.pdf
4 @+ L3 F8 f& U; {7 E; f6 v    │          │      02_The_Matrix-_Matrix-vector_and_vector-matrix_multiplication.srt" G5 o/ A) N! [9 d7 ?1 T
    │          │      02_The_Matrix-_Matrix-vector_and_vector-matrix_multiplication.txt! i* |1 X7 L* k0 q: p4 C
    │          │      03_The_Matrix-_Matrix-vector_multiplication_in_terms_of_dot-products.mp45 t9 V( C4 w. B. ~7 ~- {6 R6 Y
    │          │      03_The_Matrix-_Matrix-vector_multiplication_in_terms_of_dot-products.pdf
3 {6 A% s. q# g    │          │      03_The_Matrix-_Matrix-vector_multiplication_in_terms_of_dot-products.srt
0 W! a( F! _/ V) h5 i% r    │          │      03_The_Matrix-_Matrix-vector_multiplication_in_terms_of_dot-products.txt: \6 M, E$ S- I' w9 T
    │          │      04_The_Matrix-_Null_space.mp4
8 }$ J, I$ O! @8 }5 O& V4 Q' I    │          │      04_The_Matrix-_Null_space.pdf  @" E% S5 \, `
    │          │      04_The_Matrix-_Null_space.srt, K- i& _7 b5 r6 c7 o, Q
    │          │      04_The_Matrix-_Null_space.txt
: G  V/ y( E" z7 U# {- F7 |8 B    │          │      05_The_Matrix-_Error-correcting_codes.mp4
0 [  ^" t, v& X# I  {    │          │      05_The_Matrix-_Error-correcting_codes.pdf
/ y5 ?8 ?2 r/ X1 f8 ?( i7 `- p    │          │      05_The_Matrix-_Error-correcting_codes.srt2 D4 `& C0 h. b/ I* Y
    │          │      05_The_Matrix-_Error-correcting_codes.txt
7 S- }8 [2 D7 o% q  J+ c( G# x    │          │      06_The_Matrix-_Matrices_and_their_functions.mp4
4 [  H  K% z$ x+ `4 h3 u    │          │      06_The_Matrix-_Matrices_and_their_functions.pdf
2 k3 Z( V6 E( E7 S' a    │          │      06_The_Matrix-_Matrices_and_their_functions.srt+ W3 O- j( [. |4 \
    │          │      06_The_Matrix-_Matrices_and_their_functions.txt+ a- E% L/ G6 W# W0 t
    │          │      07_The_Matrix-_Linear_functions.mp4  t, b7 c: L3 R( p
    │          │      07_The_Matrix-_Linear_functions.pdf! l7 h! y7 c1 \; ~7 q$ h
    │          │      07_The_Matrix-_Linear_functions.srt7 i. k# j/ c( E) n: z; s
    │          │      07_The_Matrix-_Linear_functions.txt2 r1 l% Y: B8 X/ P6 P
    │          │      08_The_Matrix-_Matrix-matrix_multiplication.mp4+ P' X; R+ {: B' j8 [
    │          │      08_The_Matrix-_Matrix-matrix_multiplication.pdf$ R% O0 \, m* ]- M0 X
    │          │      08_The_Matrix-_Matrix-matrix_multiplication.srt8 {+ J8 s, O; _( n6 i. X
    │          │      08_The_Matrix-_Matrix-matrix_multiplication.txt
+ \- |( T. P' A/ a8 X3 F$ g    │          │      09_The_Matrix-_Matrix-matrix_multiplication_and_function_composition.mp4
* @9 K. E' ]3 s2 y) ~    │          │      09_The_Matrix-_Matrix-matrix_multiplication_and_function_composition.pdf
+ P  a/ R" N0 e% }' m& z! M! v* s    │          │      09_The_Matrix-_Matrix-matrix_multiplication_and_function_composition.srt
; W! x: c/ W. ~    │          │      09_The_Matrix-_Matrix-matrix_multiplication_and_function_composition.txt+ I& X7 U$ m3 \  Q! a0 H' _2 q# y
    │          │      10_The_Matrix-_Matrix_inverse.mp4
0 O. q& y; q: U9 {    │          │      10_The_Matrix-_Matrix_inverse.pdf' j5 G% I% f9 w8 W  k. p
    │          │      10_The_Matrix-_Matrix_inverse.srt$ F' R& F& K# D( b& P9 z5 y
    │          │      10_The_Matrix-_Matrix_inverse.txt& Y  E: ~7 ?+ n* {( S
    │          │      
0 I1 i6 L, y8 d4 |  x3 K) ~    │          ├─05_Week_4-_The_Basis
5 l+ z4 u  @# Z) H) {& _    │          │      01_The_Basis-_Coordinate_systems.mp4
! c# {. g& P. |    │          │      01_The_Basis-_Coordinate_systems.pdf4 Y3 E6 }- n! F) ~
    │          │      01_The_Basis-_Coordinate_systems.srt) F7 V) Y: T: G' g  t; U3 P
    │          │      01_The_Basis-_Coordinate_systems.txt
& ]" K" u' V5 L5 F. H; p    │          │      02_The_Basis-_Lossy_compression.mp4
" m, t+ N4 _* D' @) d, ~    │          │      02_The_Basis-_Lossy_compression.pdf3 _! L+ D8 _7 [( `7 K6 g: W
    │          │      02_The_Basis-_Lossy_compression.srt/ k3 H9 v& ?/ Q8 O6 A8 L. J
    │          │      02_The_Basis-_Lossy_compression.txt
/ F; Y: @! i. y  ^4 v: T- M8 Q    │          │      03_The_Basis-_Algorithms_for_finding_a_set_of_generators.mp4
! ~+ [! r! R' y, j) J! u( w    │          │      03_The_Basis-_Algorithms_for_finding_a_set_of_generators.pdf; ~0 H& M5 Q! w
    │          │      03_The_Basis-_Algorithms_for_finding_a_set_of_generators.srt  C: `& U& N, Z# s" p
    │          │      03_The_Basis-_Algorithms_for_finding_a_set_of_generators.txt( X* s7 h0 y2 w; l/ F2 Y  h
    │          │      04_The_Basis-_Minimum_spanning_forest.mp4
( V9 I" P5 {4 a9 F    │          │      04_The_Basis-_Minimum_spanning_forest.pdf& R* I6 D; W  Z5 d- l1 b* w5 S
    │          │      04_The_Basis-_Minimum_spanning_forest.srt2 B% T+ }8 H* u! F% T
    │          │      04_The_Basis-_Minimum_spanning_forest.txt+ w$ {% r, P; N6 D
    │          │      05_The_Basis-_Linear_dependence.mp4
9 N: k# @$ C" N; [% q8 ]    │          │      05_The_Basis-_Linear_dependence.pdf
' K4 E, [4 J5 [3 Z- t0 w    │          │      05_The_Basis-_Linear_dependence.srt
) D+ w- t: h. f7 b, g7 }; D" k    │          │      05_The_Basis-_Linear_dependence.txt* V' [1 y) t8 R  C& |- f
    │          │      06_The_Basis-_Basis.mp4+ i. O4 ?6 E" M( K8 _
    │          │      06_The_Basis-_Basis.pdf
( Q+ a5 p8 j# V' f3 j, T# _$ T    │          │      06_The_Basis-_Basis.srt
; N8 u" W. {1 k/ r, K5 R    │          │      06_The_Basis-_Basis.txt
$ ?+ m$ z5 t9 q# m; R    │          │      07_The_Basis-_Unique_representation.mp4
6 J) d3 E. _3 X" x0 q% I5 h* V  f+ q    │          │      07_The_Basis-_Unique_representation.pdf6 r5 Y+ _: G+ |, x6 \
    │          │      07_The_Basis-_Unique_representation.srt
6 w# c2 Z/ {( O* ?6 j    │          │      07_The_Basis-_Unique_representation.txt
% i+ D0 ^4 X  W) s    │          │      08_The_Basis-_Change_of_basis.mp4
+ k5 J9 v! |& _5 R, w    │          │      08_The_Basis-_Change_of_basis.pdf9 j1 B( Y* t5 G8 p' d  D
    │          │      08_The_Basis-_Change_of_basis.srt
3 d" Z. I, q; P4 e9 ]    │          │      08_The_Basis-_Change_of_basis.txt. O: a: Z: r9 V! Y3 h# }1 ]
    │          │      09_The_Basis-_Perspective_rendering.mp47 \" i1 O' y# e0 m9 j' d
    │          │      09_The_Basis-_Perspective_rendering.pdf( w/ i% U$ o* E) ^9 E# T
    │          │      09_The_Basis-_Perspective_rendering.srt
7 R5 ^) U0 W8 x3 y+ n2 B7 e    │          │      09_The_Basis-_Perspective_rendering.txt
6 [. G/ _7 \( p# y" w% G    │          │      10_The_Basis-_Perspective_rectification.mp4
. @. x* v# D  C$ u  N1 L    │          │      10_The_Basis-_Perspective_rectification.pdf
. @3 N. f3 D/ e! g9 V1 o    │          │      10_The_Basis-_Perspective_rectification.srt
, E3 l+ K- V5 q+ h" j! ]( q    │          │      10_The_Basis-_Perspective_rectification.txt: ]* |# j+ z  T- g- U
    │          │      11_The_Basis-_The_Exchange_Lemma.mp4
$ a6 n: H* `# `4 J: }. F4 g    │          │      11_The_Basis-_The_Exchange_Lemma.pdf- r6 s( L1 N4 y5 k' U" K5 ~; L
    │          │      11_The_Basis-_The_Exchange_Lemma.srt0 D, G0 R- P. `: O; ^, m
    │          │      11_The_Basis-_The_Exchange_Lemma.txt
$ k0 k' A7 j4 i  f0 k# J4 r    │          │      
( n" p9 f6 Q5 s    │          ├─06_Week_5-_Dimension
) S7 j+ G' I% \/ B: g    │          │      01_Dimension-_The_size_of_a_basis.mp4) G, @6 R/ O9 g
    │          │      01_Dimension-_The_size_of_a_basis.pdf
+ {. x2 g" i5 z; a: J  z    │          │      01_Dimension-_The_size_of_a_basis.srt
: y- t, c* v) f3 C    │          │      01_Dimension-_The_size_of_a_basis.txt* o; f3 n* U  r
    │          │      02_Dimension-_Dimension_and_rank_I.mp4
9 Z- v: T2 a. i# \6 B    │          │      02_Dimension-_Dimension_and_rank_I.pdf
9 T. z8 ]. w* d( x. _    │          │      02_Dimension-_Dimension_and_rank_I.srt( V& h2 F9 r0 B  W
    │          │      02_Dimension-_Dimension_and_rank_I.txt
( T" P: j# N6 `9 ~. T# F* I    │          │      03_Dimension-_Dimension_and_rank_II.mp4
* ~7 u" z/ b7 F    │          │      03_Dimension-_Dimension_and_rank_II.pdf4 q# H# F0 @) Y; f% }1 B6 j1 t
    │          │      03_Dimension-_Dimension_and_rank_II.srt
* A: u2 R. N' {8 r! c, P    │          │      03_Dimension-_Dimension_and_rank_II.txt
0 i& l( W1 S" E% X. F* Q! e    │          │      04_Dimension-_Direct_sum.mp42 b0 O3 o" W- x4 S8 M/ F
    │          │      04_Dimension-_Direct_sum.pdf0 M! B( h) l2 T! m. |
    │          │      04_Dimension-_Direct_sum.srt, a3 V' R) x8 Q0 c& X* M
    │          │      04_Dimension-_Direct_sum.txt4 F' G. }, j) l# @' ?
    │          │      05_Dimension-_Dimension_and_linear_functions_I.mp4
2 }' v' J( \' B+ v8 U4 c    │          │      05_Dimension-_Dimension_and_linear_functions_I.pdf2 n6 O, U! W! ]4 _
    │          │      05_Dimension-_Dimension_and_linear_functions_I.srt
. o. k0 B& N, b2 i/ X# u7 u    │          │      05_Dimension-_Dimension_and_linear_functions_I.txt
" i) l' ]: K) i/ L2 u8 F! K& Z    │          │      06_Dimension-_Dimension_and_linear_functions_II.mp45 U6 `1 ]% A- g8 R; |  W
    │          │      06_Dimension-_Dimension_and_linear_functions_II.pdf
5 q9 I1 |; G9 ]5 p# D8 w0 |4 F    │          │      06_Dimension-_Dimension_and_linear_functions_II.srt: y, F" P6 o% F
    │          │      06_Dimension-_Dimension_and_linear_functions_II.txt: Y9 l- g, Y/ E" o% w8 F8 d
    │          │      07_Dimension-_Two_representations_of_vector_spaces.mp4
! R; J) \7 H9 z1 x2 H- I    │          │      07_Dimension-_Two_representations_of_vector_spaces.pdf
. T* L0 S" s3 m    │          │      07_Dimension-_Two_representations_of_vector_spaces.srt
5 ~1 g0 k% U' c2 s    │          │      07_Dimension-_Two_representations_of_vector_spaces.txt
5 k8 d* W# K* `8 Z6 b    │          │      08_Dimension-_Threshold_secret_sharing.mp4
( n) X' ?4 G: d* T7 m    │          │      08_Dimension-_Threshold_secret_sharing.pdf! m0 [4 s: }# T/ {! ~& B3 Y
    │          │      08_Dimension-_Threshold_secret_sharing.srt2 O8 p' f3 A9 V( B3 Z
    │          │      08_Dimension-_Threshold_secret_sharing.txt
9 w2 e+ z4 d$ v7 t* w( |0 R7 S    │          │      9 f0 `/ B1 y" V1 Q9 T
    │          ├─07_Week_6-_Gaussian_Elimination_and_the_Inner_Product
  v0 h% y+ F; S3 W    │          │      01_Gaussian_Elimination-_Echelon_form.mp46 \  r1 h8 m4 p9 h6 m, `
    │          │      01_Gaussian_Elimination-_Echelon_form.pdf
  {  E: m( |0 [2 h* b6 ?1 k3 m# S    │          │      01_Gaussian_Elimination-_Echelon_form.srt6 P  y( i$ w: O! f0 |6 Y$ E3 r  a
    │          │      01_Gaussian_Elimination-_Echelon_form.txt, E- {& T2 t+ L/ C+ b" a
    │          │      04_Gaussian_Elimination-_Factoring_integers.mp4" j# l* t3 G1 X; F6 r
    │          │      04_Gaussian_Elimination-_Factoring_integers.pdf
# Y  R/ W. ~, J' ]/ [; H/ ]    │          │      04_Gaussian_Elimination-_Factoring_integers.srt
2 v- w. b, v6 _+ v" s+ ~  a    │          │      04_Gaussian_Elimination-_Factoring_integers.txt! _8 E: L; l8 `9 g% A8 Y: r
    │          │      05_The_Inner_Product-_The_inner_product.mp4/ P6 W6 A* U# Z$ u
    │          │      05_The_Inner_Product-_The_inner_product.pdf
# p# {& U; |% ~4 P+ ^    │          │      05_The_Inner_Product-_The_inner_product.srt
) W) l# @( }) R8 x5 u8 M    │          │      05_The_Inner_Product-_The_inner_product.txt* t2 h! S/ w! b8 s# j1 M
    │          │      06_The_Inner_Product-_Orthogonality.mp4" a& m/ v! T' i' I+ M! t( l
    │          │      06_The_Inner_Product-_Orthogonality.pdf. e( C4 w, ?4 ^1 A2 f8 A4 ]
    │          │      06_The_Inner_Product-_Orthogonality.srt( j6 |7 S- ?% e7 j7 `( v5 @9 h  y
    │          │      06_The_Inner_Product-_Orthogonality.txt0 v7 i* S# P  T% ^2 \
    │          │      
7 `8 |9 ]1 Z3 \/ `, l2 R    │          ├─08_Week_7-_Orthogonalization
5 w. k4 O3 O; X8 u% E    │          │      01_Orthogonalization-_Finding_the_closest_point_in_a_plane.mp4
7 l) k$ A: l- O* D0 ]* e    │          │      01_Orthogonalization-_Finding_the_closest_point_in_a_plane.pdf+ m: o! U2 E) h
    │          │      01_Orthogonalization-_Finding_the_closest_point_in_a_plane.srt
' e7 S% v. R" q    │          │      01_Orthogonalization-_Finding_the_closest_point_in_a_plane.txt
7 x8 v# y5 ~9 L    │          │      02_Orthogonalization-_Projection_orthogonal_to_multiple_vectors.mp4
3 o, c0 p5 Y8 }' P* [! }0 ~7 ]    │          │      02_Orthogonalization-_Projection_orthogonal_to_multiple_vectors.pdf
2 w- s7 O, w$ X$ m1 b( {: C    │          │      02_Orthogonalization-_Projection_orthogonal_to_multiple_vectors.srt
; b. H: }3 w' ]8 g3 p4 e    │          │      02_Orthogonalization-_Projection_orthogonal_to_multiple_vectors.txt
6 z& ~- _9 {$ d3 _+ f6 d4 j# n& V' E    │          │      03_Orthogonalization-_Building_an_orthogonal_set_of_generators.mp4
7 X7 ]$ {2 L  y) H- m9 i1 X2 T    │          │      03_Orthogonalization-_Building_an_orthogonal_set_of_generators.pdf' r* J* C2 p! ?. O* e: t
    │          │      03_Orthogonalization-_Building_an_orthogonal_set_of_generators.srt
1 o0 c' @, }9 }  `; O# T& q1 y# s( _    │          │      03_Orthogonalization-_Building_an_orthogonal_set_of_generators.txt
6 F3 O6 N! ^3 [' V' v! A    │          │      04_Orthogonalization-_Computing_a_basis.mp48 W1 g& v& w& m- c& o& N; Q
    │          │      04_Orthogonalization-_Computing_a_basis.pdf" m1 q0 r- t2 E, ?
    │          │      04_Orthogonalization-_Computing_a_basis.srt* i, K. H* X' _
    │          │      04_Orthogonalization-_Computing_a_basis.txt5 {8 S/ n; {% K
    │          │      05_Orthogonalization-_Orthogonal_complement.mp4
2 D0 S# r: Y4 `7 O5 K    │          │      05_Orthogonalization-_Orthogonal_complement.pdf
: t+ u  ]8 s3 D9 D    │          │      05_Orthogonalization-_Orthogonal_complement.srt: ^' E" p, r, f
    │          │      05_Orthogonalization-_Orthogonal_complement.txt
$ u( N1 B; \, N, O' |3 P9 [    │          │      06_Orthogonalization-_Two_ways_to_find_a_basis_for_the_null_space.mp4, k0 E" U& Z, d6 a' m
    │          │      06_Orthogonalization-_Two_ways_to_find_a_basis_for_the_null_space.pdf) \' y1 ?4 k+ \) O
    │          │      06_Orthogonalization-_Two_ways_to_find_a_basis_for_the_null_space.srt
% K3 X1 [5 f  y9 x" G    │          │      06_Orthogonalization-_Two_ways_to_find_a_basis_for_the_null_space.txt" M7 W' q& T% E$ l  ^2 F* ?% u
    │          │      07_Orthogonalization-_The_QR_factorization.mp4% {- ]  W9 P: \& _: }% l8 E- w" ^
    │          │      07_Orthogonalization-_The_QR_factorization.pdf- g! W; H2 Q2 d
    │          │      07_Orthogonalization-_The_QR_factorization.srt- v7 K. c  E* A6 V
    │          │      07_Orthogonalization-_The_QR_factorization.txt
$ o  P  C/ C+ q    │          │      09_Orthogonalization-_Applications_of_least_squares.mp4! M) |% M0 v' Q* K5 o
    │          │      09_Orthogonalization-_Applications_of_least_squares.pdf$ h, O' G+ Y8 [0 h
    │          │      09_Orthogonalization-_Applications_of_least_squares.srt
/ T* n1 F2 H7 c1 R1 ^    │          │      09_Orthogonalization-_Applications_of_least_squares.txt
- f! s, w3 @3 p# K1 `* V. h    │          │      + W/ Y2 c4 W& _. N, x' E1 Z, o
    │          └─09_Tutorials( J  _" v2 z/ B0 H. |
    │                  01_How_to_submit_assignments.mp40 m3 i& J. O# h8 B' h9 S) l& X
    │                  01_How_to_submit_assignments.srt
- K" p! l. G" B7 {% Q% J    │                  01_How_to_submit_assignments.txt
' `6 a4 v$ A3 [9 i* l    │                  
% |; t5 Z1 P5 {  `4 _- |# R    ├─Big Data, Cloud Computing, & CDN Emerging Technologies% u8 x- V+ D# i, P
    │  └─Big Data, Cloud Computing, & CDN Emerging Technologies
' L3 j/ {& k1 I' D1 n: P' a    │      │  下载说明.txt
' {0 Q0 J6 q, u: _4 u" h0 h9 ?    │      │  关注我们.png
! n* E/ R8 Y+ J9 u    │      │  攻城狮论坛=网络技术+编程视频.url
1 |+ j- F* c4 n1 p' P: [    │      │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt* m) _' O& U8 t* e
    │      │  # b+ @% V4 e" b: u( N+ n
    │      ├─01_cloud-computing4 ?/ T$ y. O& Z- }/ q2 e+ k0 `
    │      │  └─01_cloud-computing
& n: y+ p7 j& X9 E    │      ├─02_big-data
$ G, {  \. e+ ?- f9 Q    │      │  └─01_big-data
! H5 I; t% r' y, m0 V: J! S) ^    │      │          01_big-data-examples.mp4
& W" A4 `3 S0 Q; r2 U! d2 I1 B) W    │      │          01_big-data-examples.srt1 K/ f7 `6 e4 u
    │      │          02_big-datas-4-vs.mp42 Z9 }6 q* [, i1 I1 f
    │      │          02_big-datas-4-vs.srt6 x0 n5 F) i/ F( o7 }) {# e
    │      │          03_hadoop.mp4
! [, I# X1 G( n: r+ ~, I& Q! }    │      │          03_hadoop.srt
+ O4 m% u1 j; G% Z    │      │          04_mapreduce-vs-rdbms.mp4+ `& B- C: P: }3 g3 i
    │      │          04_mapreduce-vs-rdbms.srt# C- a7 s# ]% n7 B) m& M, u3 i
    │      │          05_mapreduce.mp4
' W0 }) U: f$ @" {/ z) v    │      │          05_mapreduce.srt
( x- M# S  C( Q    │      │          06_hdfs.mp4
* O/ g% @4 ~& t3 b( C: J  E    │      │          06_hdfs.srt
& e/ q2 O( ?" i1 q    │      │          ; u0 h, @+ R$ c+ P3 G7 O+ w
    │      └─03_cdn-content-delivery-network
) q5 X8 Q# Q' `& F1 b. t3 B    ├─Duke Image and video processing From Mars to Hollywood with a stop at the hospital
. d: O" ~1 i7 ]$ e/ ?. d    ├─Interactive Computer Graphics
  P1 ^! i  @% y6 X" |4 r# K9 w8 U9 t    │  └─Interactive Computer Graphics# c7 x* Q; [2 d( K; h
    │          interactivegraphics-Torrent-Week1_All.zip.torrent
1 M! D" W& \' m* A/ {( V) i    │          interactivegraphics-Torrent-Week2_All.zip.torrent
$ K( h$ P, `' B* Y4 z: a6 ]    │          interactivegraphics-Torrent-Week3_All.zip.torrent2 S" D# ]4 i/ S; y
    │          interactivegraphics-Torrent-Week4_All.zip.torrent
. D8 Y( ]; D% k: P  |* d# t    │          interactivegraphics-Torrent-Week5_All.zip.torrent
; E! M" a$ G& t0 t% x* G7 o" f    │          interactivegraphics-Torrent-Week6_All.zip.torrent
- v' P9 D" n, ?* i0 o+ B! p. ^    │          interactivegraphics_Torrent_Week1_All.zip4 b/ b9 q, N% Q! t! _
    │          interactivegraphics_Torrent_Week2_All.zip
: E0 [% S7 y) k5 v9 ^6 c. z    │          interactivegraphics_Torrent_Week3_All.zip! B9 O% l+ ^" J
    │          interactivegraphics_Torrent_Week4_All.zip" U! a. n/ `' ]9 K. }. y1 O# e4 `
    │          interactivegraphics_Torrent_Week5_All.zip
3 t7 Q! e/ X) X* h! Y    │          下载说明.txt
7 l2 i3 a" I& [. z) v3 P    │          关注我们.png' g" Z' l+ O# O+ n
    │          攻城狮论坛=网络技术+编程视频.url
8 g* [5 S/ O$ l5 p4 g    │          解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt
7 y' n0 t1 g& S& h( W    │          9 @: L) \  Z+ h# k7 w3 K7 f
    ├─Malik - Computer Vision7 ^* x" K/ g3 M8 i
    │  └─Malik - Computer Vision2 i7 P! C5 X4 P" H4 e& W7 s
    │          001_Overview.mp4- T9 ^! L; }. `6 O& L  }4 C
    │          001_Overview.srt
& U; i0 @( {  w2 w/ B1 g. _5 p    │          002_Fundamentals of image formation.mp46 ^8 i8 [0 Q! x+ |1 D
    │          002_Fundamentals of image formation.srt* u! ^' z' |& ~$ v. y! Z3 N
    │          003_Fundamentals of image formation - part II.mp4/ D9 B! n( f) \8 E+ z* e3 G
    │          003_Fundamentals of image formation - part II.srt! i3 B8 m! \/ [  {6 b: |
    │          004_Rigid body motion.mp4- C+ h" m6 b3 N* O1 ]( ^
    │          004_Rigid body motion.srt
6 V8 ]% o- h! f3 m8 H$ F    │          005_Orthogonal transformations.mp4
1 f0 d. G- g5 R8 X" ?& I; p' }$ D- z6 Q    │          005_Orthogonal transformations.srt
: {" z! j2 z$ v9 Z+ h    │          006_Orthogonal transformations - Orthogonal Matrices.mp4+ ^7 I4 d% u2 B% [+ s) N* S0 w
    │          006_Orthogonal transformations - Orthogonal Matrices.srt6 j) E* Y$ h# z' f
    │          007_Orthogonal matrices - Rotations and reflections.mp4
8 p2 R0 g+ e& r: v# R    │          007_Orthogonal matrices - Rotations and reflections.srt( |+ x) I) d9 I" `8 D
    │          008_Parametrizing Rotations in 3D.mp4' o7 ^' i, m. J. u, T
    │          008_Parametrizing Rotations in 3D.srt3 C7 M% n% d# Z7 D! h# F; z
    │          009_Euclidean, Affine and Projective Transformations.mp4
  R. G" Z3 P- a' W: `0 V    │          009_Euclidean, Affine and Projective Transformations.srt$ n) V; t5 d' D: J, d" l( e
    │          010_Dynamic Perspective - I [15 mins].mp4
: T3 F) T! G- }! j# t9 Q* B/ ^    │          010_Dynamic Perspective - I [15 mins].srt
1 y/ l" a; ]& {% S2 i    │          011_Dynamic Perspective - II [25 mins].mp4
# \; {! d( l8 }& j3 Z4 j0 J    │          011_Dynamic Perspective - II [25 mins].srt
4 Z% [, q: \$ _. a  r  A    │          012_Binocular Stereo I [23 mins].mp4
6 _: K& J: \- C$ v% [/ N" M3 a1 N' x    │          012_Binocular Stereo I [23 mins].srt) ?' L! l- ?+ |# ~
    │          013_Binocular Stereo II [17 mins].mp4
& E/ x5 R2 x0 k, u+ d7 J" m    │          013_Binocular Stereo II [17 mins].srt
. _: I3 ^3 w- H" D! ~$ O2 c    │          014_Binocular Stereo III [13 mins].mp4
% z, I. e5 j0 W# T+ X; q    │          014_Binocular Stereo III [13 mins].srt+ g+ G' \# R! ^/ g
    │          015_Binocular Stereo IV  - The Essential Matrix [26 min].mp4
% W" _/ d9 W1 N8 O" \. V9 R    │          015_Binocular Stereo IV  - The Essential Matrix [26 min].srt
% t2 s7 X- N( b; O4 W5 U" b    │          016_Radiometry.mp4
+ A* I2 K4 \' \7 W. X    │          016_Radiometry.srt, o) [2 v4 ]7 J6 c& e
    │          017_Image processing.mp47 K' i# B/ d! D2 q; e; R$ m
    │          017_Image processing.srt4 U, C2 t- B: j
    │          018_Image Processing2.mp4
: r, Q; M% a7 u# @5 S    │          018_Image Processing2.srt3 b% Q2 c+ }: n- t1 G) q
    │          019_Orientation histograms [7 min].mp4" i+ p! E: L8 z9 G: ~
    │          019_Orientation histograms [7 min].srt. I  [$ v- o  b2 R
    │          020_Handwritten digit recognition - Introduction.mp4
2 B: p! ~* K( f    │          020_Handwritten digit recognition - Introduction.srt
% U/ O7 e: [4 \1 g) o5 k+ ^    │          021_Support Vector Machines.mp46 F0 V! U2 W( h
    │          021_Support Vector Machines.srt/ X4 x6 Q7 m" a4 `3 h( l
    │          022_Transformation Invariance and Histograms.mp4' c4 k) V% \* C
    │          022_Transformation Invariance and Histograms.srt
) q# H: o3 X  w; B6 D& b    │          023_Digit recognition using SVMs.mp4
- G$ m1 k" \' y: P    │          023_Digit recognition using SVMs.srt
' l% G1 ]) ^5 w+ @6 ^    │          024_Random forests.mp4
1 E7 Q+ ^4 n2 q' h' _# r    │          024_Random forests.srt
( Y$ a1 O6 a+ D. [    │          025_Detection of 3D objects.mp42 y. Z; B7 |4 ?
    │          025_Detection of 3D objects.srt4 v% Y& Y9 R  u) l
    │          026_Concluding Remarks.mp40 T4 e: V' ?; O% N- J) O5 F
    │          026_Concluding Remarks.srt
# m5 q  y# ?- k9 k# G    │          下载说明.txt
8 P9 Y* x9 L1 i/ e    │          关注我们.png8 r4 \, X, Y/ I/ G
    │          攻城狮论坛=网络技术+编程视频.url
! F9 |" |# H8 ]4 ~    │          解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt
4 I, S! ^) i2 b4 I8 d! r  r. p    │         
  @! d" q8 F8 h3 V    ├─Practical Machine Learning8 D1 w" p& q7 Z4 S9 U
    │  └─Practical Machine Learning
3 f' m9 c! P& _, ?, m+ W6 e" T7 M9 h    │      │  下载说明.txt
6 M" ]; Y, q$ V    │      │  关注我们.png
" i2 g# i- T2 L    │      │  攻城狮论坛=网络技术+编程视频.url
7 q. w5 j/ Y5 u( A, Q+ v% T    │      │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt
% D2 C. M4 m; g7 @' b5 h6 H( E; ?    │      │  
8 q4 B2 M5 u7 i2 T" u    │      ├─Week12 c" T& Y1 T; E) L- ^, Y9 f
    │      │      001predictionMotivation.pdf8 Y. X2 D; W! z8 F5 p; M
    │      │      002whatIsPrediction.pdf
6 b, T' K% A7 R* D3 d    │      │      003relativeImportance.pdf9 z& A/ _  a7 A
    │      │      004inOutSampleErrors.pdf1 {5 X* ~+ ^2 q" k1 s- M* G; }
    │      │      005predictionStudyDesign.pdf" M& X8 E4 L/ ]+ \% R  o, J
    │      │      006typesOfErrors.pdf
4 j3 P- V; `1 r, W: M0 z6 Y  o    │      │      007receiverOperatingCharacteristic.pdf
1 X$ c' F9 Y9 ?  @    │      │      008crossValidation.pdf
+ W; s& y1 i& I  c3 d# `+ ~* w$ W    │      │      009whatData.pdf8 n( X' K/ ?- r7 t& M1 ]2 Y9 u
    │      │      1 - 1 - Prediction motivation (8-26).mp4
: a0 i+ ~+ R. c% e) ?    │      │      1 - 1 - Prediction motivation (8-26).srt6 H6 q# Z7 ^* Y7 p6 o! L( `. t
    │      │      1 - 2 - What is prediction- (8-39).mp42 |& a) g6 ~; s# @) X
    │      │      1 - 2 - What is prediction- (8-39).srt# k" _8 d7 V; }& e1 ]" O, n4 u, h
    │      │      1 - 3 - Relative importance of steps (9-45).mp4
0 D# |$ H8 L' ^    │      │      1 - 3 - Relative importance of steps (9-45).srt
" y$ g/ W' ?5 V% [: `    │      │      1 - 4 - In and out of sample errors (6-57).mp4
# \: P. g/ S# E8 z    │      │      1 - 4 - In and out of sample errors (6-57).srt
+ W  B- {0 b, i! i; w+ J+ ^    │      │      1 - 5 - Prediction study design (9-05).mp49 h$ n8 |# Z& [8 c1 U7 E. x
    │      │      1 - 5 - Prediction study design (9-05).srt; {% d9 F5 ~/ _6 X
    │      │      1 - 6 - Getting Data Overview (1-34).mp4( O- [+ {' W$ [
    │      │      1 - 6 - Types of errors (10-35).mp4
1 h2 ~% _" I1 {/ Y. D    │      │      1 - 6 - Types of errors (10-35).srt
4 d7 k- A# g- [# \% h9 O3 X    │      │      1 - 7 - Receiver Operating Characteristic (5-03).mp4
1 I) W$ u! g9 D# h) Y& B$ o    │      │      1 - 7 - Receiver Operating Characteristic (5-03).srt, h  O" e4 i' k5 r7 ?' G( k; t$ q
    │      │      1 - 8 - Cross validation (8-20).mp4
/ W5 x8 K2 ^# A9 @    │      │      1 - 8 - Cross validation (8-20).srt0 C$ d7 h8 p) u. }
    │      │      1 - 9 - What data should you use- (6-01).mp4) i; d& D/ K- F4 d- b- q, d1 l: s' s
    │      │      1 - 9 - What data should you use- (6-01).srt, W  N3 y, `) z7 p! a
    │      │      
8 J' ~/ h/ X. D+ a1 C+ B( h    │      ├─Week24 [* f* L: S: j: l6 D8 L. T
    │      │      010caretPackage.pdf
( k: O5 ]3 F, V, q+ f7 i5 I/ G) s    │      │      011dataSlicing.pdf- X$ c1 u- P, F
    │      │      012trainOptions.pdf
" ]8 l8 D. g( K: g    │      │      013plottingPredictors.pdf
& H' ?8 H& \) G    │      │      014basicPreprocessing.pdf
6 C3 t0 T) ~2 A( ^    │      │      015covariateCreation.pdf$ R6 _; L+ N+ J1 ]. [1 i% _
    │      │      016preProcessingPCA.pdf0 Q* ?+ b: ~' {. b4 P* u
    │      │      017predictingWithRegression.pdf7 l' J" X% P1 N+ L
    │      │      018predictingWithRegressionMC.pdf
. k, K& C& [8 M, y% s* L9 U2 ~% i8 s    │      │      2 - 1 - Caret package (6-16).mp49 o* b/ T- n/ _
    │      │      2 - 1 - Caret package (6-16).srt; b- L+ n8 a) I, q& p
    │      │      2 - 1 - Caret package (6-16).txt1 O3 b5 s* C8 g3 n& w0 t
    │      │      2 - 2 - Data slicing (5-40).mp4
9 H/ E' A- n- j) |8 Q1 {    │      │      2 - 2 - Data slicing (5-40).srt
7 x# x4 J! b( d2 T    │      │      2 - 2 - Data slicing (5-40).txt6 e6 v  Y- R: N0 o/ e
    │      │      2 - 3 - Training options (7-15).mp4
+ T* K8 O+ Y) o    │      │      2 - 3 - Training options (7-15).srt7 a& l7 s. E" K
    │      │      2 - 3 - Training options (7-15).txt
( z4 v# [" r" f' [    │      │      2 - 4 - Plotting predictors (10-39).mp4
7 E1 ?/ G! L  {    │      │      2 - 4 - Plotting predictors (10-39).srt
2 I. m' _6 w$ ~8 b( n# R    │      │      2 - 4 - Plotting predictors (10-39).txt# _$ \! n: k/ B- Z# a/ ^
    │      │      2 - 5 - Basic preprocessing (10-52).mp4* V1 t6 r3 M& l) i/ F
    │      │      2 - 5 - Basic preprocessing (10-52).srt( \& {8 e7 g+ q1 A2 {( v& b0 R
    │      │      2 - 5 - Basic preprocessing (10-52).txt
1 U2 Y5 w; R9 d* ?- y* t3 H0 M9 A    │      │      2 - 6 - Covariate creation (17-31).mp42 l7 h+ k* y7 |) z3 [  r
    │      │      2 - 6 - Covariate creation (17-31).srt9 n2 D# @& s, O) w1 @; U" G3 X
    │      │      2 - 6 - Covariate creation (17-31).txt
' X9 @( P. o! D) [+ ]    │      │      2 - 7 - Preprocessing with principal components analysis (14-07).mp41 V7 Q2 c6 ?  a
    │      │      2 - 7 - Preprocessing with principal components analysis (14-07).srt
; f) F( |; l9 m1 f    │      │      2 - 7 - Preprocessing with principal components analysis (14-07).txt+ {& I- ~# X" w9 S. E+ Z
    │      │      2 - 8 - Predicting with Regression (12-22).mp4% Y) T& w+ k& \/ C1 d* \
    │      │      2 - 8 - Predicting with Regression (12-22).srt
( |( u# p& J6 q    │      │      2 - 8 - Predicting with Regression (12-22).txt% E; A6 @% \! X" y& F
    │      │      2 - 9 - Predicting with Regression Multiple Covariates (11-12).mp40 G9 v& ?' D2 C( s
    │      │      2 - 9 - Predicting with Regression Multiple Covariates (11-12).srt4 w/ d2 _9 Y* ~9 O/ k$ u
    │      │      2 - 9 - Predicting with Regression Multiple Covariates (11-12).txt
, u1 `' M1 w+ x, ^$ Z    │      │      
2 c. |9 e* b. ~3 v    │      ├─Week3) D6 R6 y& h) L, f7 k& E
    │      │      019predictingWithTrees.pdf
/ j( y( ~4 t. V+ z" D0 O    │      │      020bagging.pdf0 ]$ O' ?; D- X% ^% ^3 [+ E, w* T4 G
    │      │      021randomForests.pdf
, _9 M$ M' F/ S0 S- f; w0 u+ W% |( Z    │      │      022boosting.pdf( |/ b# A" d* g7 G0 M2 y
    │      │      023modelBasedPrediction.pdf
! n% b5 n2 L6 ^1 w" K% V7 o7 [    │      │      3 - 1 - Predicting with trees (12-51).mp49 R5 m3 I$ r8 u+ n
    │      │      3 - 1 - Predicting with trees (12-51).srt
7 e) O. U& F- v2 D) c    │      │      3 - 1 - Predicting with trees (12-51).txt
( u8 q' v% u( \( k: G  c! [    │      │      3 - 2 - Bagging (9-13).mp47 O, Y/ j5 p9 d/ R, [6 B" P7 D
    │      │      3 - 2 - Bagging (9-13).srt3 n( o- {* y( C5 ?
    │      │      3 - 2 - Bagging (9-13).txt& U8 g2 ^& P$ }) w- ?
    │      │      3 - 3 - Random Forests (6-49).mp4& L! A+ y0 }( F) n3 l2 i! L
    │      │      3 - 3 - Random Forests (6-49).srt# E3 E8 V( k& C1 _. y  z
    │      │      3 - 3 - Random Forests (6-49).txt; K3 U$ \/ N  i: j; E, n
    │      │      3 - 4 - Boosting (7-08).mp4
" X1 e( c9 k; D! |    │      │      3 - 4 - Boosting (7-08).srt
1 t9 N; G  _; j* [& l' H3 b    │      │      3 - 4 - Boosting (7-08).txt* e) X* x+ C) ~- ?
    │      │      3 - 5 - Model Based Prediction (11-39).mp4
- N. v( R* [) B- T# @    │      │      3 - 5 - Model Based Prediction (11-39).srt* p& C9 X$ x& q% z+ A
    │      │      3 - 5 - Model Based Prediction (11-39).txt) i+ i, G* J( h2 n+ x
    │      │      2 I" S3 Q1 Q3 V+ t0 m2 P7 ^- ^2 [' J  F
    │      └─Week4/ q0 Z/ H& P6 m) V
    │              024regularizedRegression.pdf. D! u$ M. B" W* Y/ G. l
    │              025combiningPredictors.pdf
+ Y9 h0 W( ~3 @  ~; X    │              026unsupervisedPrediction.pdf8 Y( d! e) b4 F; I
    │              027forecasting.pdf# @; j& l/ L) m
    │              4 - 1 - Regularized regression (13-20).mp48 F7 \6 q# j9 ?: J2 g6 _
    │              4 - 1 - Regularized regression (13-20).srt1 L1 g$ ?4 o3 w$ v
    │              4 - 1 - Regularized regression (13-20).txt$ _/ Z) f! M! ^# B9 Z& L' \  K
    │              4 - 2 - Combining predictors (7-11).mp4; k1 `2 v# }, ~0 P/ O, Z
    │              4 - 2 - Combining predictors (7-11).srt3 D- h% P9 j% H, _  D
    │              4 - 2 - Combining predictors (7-11).txt
  n$ ?1 r7 O3 W7 c* Z    │              4 - 3 - Forecasting.mp4, V. }. t# f% B7 p4 q3 z; {
    │              4 - 3 - Forecasting.srt
4 t4 ^. k( [  Y$ _$ y. k: \8 n7 ]    │              4 - 3 - Forecasting.txt
0 Z/ w% e" q! J0 q: v' _- `    │              4 - 4 - Unsupervised Prediction (4-24).mp45 N' o8 i  p. C. I7 T* q( H
    │              4 - 4 - Unsupervised Prediction (4-24).srt! C2 S9 p, i) ~3 ]8 H
    │              4 - 4 - Unsupervised Prediction (4-24).txt
* N% a, Z; A* E3 M, B    │              
  b  H3 x8 ]; B. p3 U    ├─Sapiro - Image and video processing
6 z+ g- L# x: u4 L' [    │      01.pdf/ x: w: v" r: B! W
    │      02.pdf
! d7 y# \8 ^2 w( M( I    │      03.pdf6 t/ f2 y. ^8 K! w
    │      04.pdf
5 [* s) d  V# L0 m6 N    │      05.pdf- P2 N  O/ _3 V/ v* x
    │      06.pdf
; {% x& g$ j9 p    │      07.pdf
- x1 i& K! E, V: s% w7 w: _0 P    │      08.pdf
2 W- h, y" g$ d% Q: b    │      10 - 1 - 1 - Introduction to Medical Imaging - Duration 0703.mp4, J( C% B2 J0 g
    │      10 - 1 - 1 - Introduction to Medical Imaging - Duration 0703.srt
6 u. ^3 [8 e5 t) A0 n) U+ o  f    │      10 - 1 - 1 - Introduction to Medical Imaging - Duration 0703.txt
( o& c0 m1 t4 V3 d# a    │      10 - 2 - 2 - Image Processing and HIV (Part I) - Duration 2351 - Optional breaks at 1237 and 1839.mp4
5 S: t* @6 x, b- v+ l    │      10 - 2 - 2 - Image Processing and HIV (Part I) - Duration 2351 - Optional breaks at 1237 and 1839.srt
6 O) I0 O- e4 q( Z    │      10 - 2 - 2 - Image Processing and HIV (Part I) - Duration 2351 - Optional breaks at 1237 and 1839.txt# H9 w9 D8 M( h( ~' f' v
    │      10 - 3 - 2 - Image Processing and HIV (Part II) - Duration 1630.mp4
* n. _, u5 K; K/ _, m    │      10 - 3 - 2 - Image Processing and HIV (Part II) - Duration 1630.srt
# Y  I* d: S* S3 j' D! J( S6 Z    │      10 - 3 - 2 - Image Processing and HIV (Part II) - Duration 1630.txt# y# W; p2 j5 B3 g9 Q: d  _  r
    │      10 - 4 - 3 - Brain Imaging Diffusion Imaging Deep Brain Stimulation - Duration 2628.mp4! y: P# A( z0 }9 l% J
    │      10 - 4 - 3 - Brain Imaging Diffusion Imaging Deep Brain Stimulation - Duration 2628.srt; k' y) K. U& |5 Z5 A' @( U
    │      10 - 4 - 3 - Brain Imaging Diffusion Imaging Deep Brain Stimulation - Duration 2628.txt
: b  \% l' u& ^    │      10 - 5 - 4 - Thanks.mp4
: }3 _0 r7 D- n$ d    │      10 - 5 - 4 - Thanks.srt5 q  Y3 ~3 ?: A9 v: e" V
    │      10 - 5 - 4 - Thanks.txt
) d, f4 c1 v0 d& A2 P( N    │      2 - 1 - 0 - Welcome and Start Here.mp4: \% P- h# x1 `" K
    │      2 - 1 - 0 - Welcome and Start Here.srt, |6 b9 d. ?& D
    │      2 - 1 - 0 - Welcome and Start Here.txt
) ]5 X9 B% D: M. S) D$ D) s% q    │      2 - 2 - 1 - What is image and video processing (part 1) -  Duration 1049.mp46 D* {, e3 q" ]0 }, L: T; Y  F
    │      2 - 2 - 1 - What is image and video processing (part 1) -  Duration 1049.srt
, l. m' c) }. f* x# E/ Y    │      2 - 3 - 1 - What is image and video processing (part 2) - Duration 1040.mp4
( L# t( y2 v9 b1 p: K! Y7 A# Y9 j# K3 f    │      2 - 3 - 1 - What is image and video processing (part 2) - Duration 1040.srt  L0 i$ v) p, J7 s+ Q
    │      2 - 3 - 1 - What is image and video processing (part 2) - Duration 1040.txt- d5 E7 j9 _$ O9 V) ]8 Z- C
    │      2 - 4 - 2 - Course logistics - Duration 0242.mp42 i# q( r( B# T/ c/ |1 z  p
    │      2 - 4 - 2 - Course logistics - Duration 0242.srt
: e, ]  j& N" E    │      2 - 4 - 2 - Course logistics - Duration 0242.txt
6 h" l! `& Z6 N# z" i% K    │      2 - 5 - 3 - Images are everywhere - Duration 0631.mp4# d4 g2 q8 i2 Q
    │      2 - 5 - 3 - Images are everywhere - Duration 0631.srt$ H3 ?0 y9 |9 x  J
    │      2 - 5 - 3 - Images are everywhere - Duration 0631.txt6 ^# n0 x; }; ~4 X% D
    │      2 - 6 - 4 - Human visual system - Duration 1710.mp4" N! x: ]% J$ f- E
    │      2 - 6 - 4 - Human visual system - Duration 1710.srt; u8 C% t8 m% u% t. J& S+ q
    │      2 - 6 - 4 - Human visual system - Duration 1710.txt
+ r! [2 M& M- \8 W+ z: {5 a    │      2 - 7 - 5 - Image formation - Sampling  Quantization - Duration 2817.mp4
1 Y) h6 n* C3 @3 `; h    │      2 - 7 - 5 - Image formation - Sampling  Quantization - Duration 2817.srt/ ^* W/ a' S. j) v& f1 p
    │      2 - 7 - 5 - Image formation - Sampling  Quantization - Duration 2817.txt
$ V6 y0 @, k  u9 D. r( _" Q    │      2 - 8 - 6 - Simple image operations - Duration 1705.mp4
' p  j* ^4 ]; `  m# O, }    │      2 - 8 - 6 - Simple image operations - Duration 1705.srt2 F$ X& N3 H3 A
    │      2 - 8 - 6 - Simple image operations - Duration 1705.txt
2 t; u, W/ }0 e. m0 e  }( }7 m    │      3 - 1 - 1 - The why and how of compression - Duration 1416.mp4
. n) {4 u9 Z3 a& n( n/ _    │      3 - 1 - 1 - The why and how of compression - Duration 1416.srt) s) f- K5 L( s, h7 d6 U& _
    │      3 - 1 - 1 - The why and how of compression - Duration 1416.txt! b2 s  d* u1 p$ d/ L& u2 S+ N" F
    │      3 - 2 - 2 - Huffman coding - Duration 2011 - Optional break at 0653.mp4
+ n8 D$ S. H% J' [8 k. d+ g6 Y    │      3 - 2 - 2 - Huffman coding - Duration 2011 - Optional break at 0653.srt, E5 N" u, Y: J& e5 J+ N
    │      3 - 2 - 2 - Huffman coding - Duration 2011 - Optional break at 0653.txt
! B+ ?' Q! H) l    │      3 - 3 - 3 - JPEGs 8x8 blocks - Duration 0537.mp4: r- H. e( L% _8 k
    │      3 - 3 - 3 - JPEGs 8x8 blocks - Duration 0537.srt) {$ \7 m3 r" B* C9 f# E; q
    │      3 - 3 - 3 - JPEGs 8x8 blocks - Duration 0537.txt% F4 ~5 Z& S3 \' C# |
    │      3 - 4 - 4 - The Discrete Cosine Transform (DCT) - Duration 2532 - Optional break at 1213.mp4
  a* v7 q1 S- R( T( p% ~4 K" O    │      3 - 4 - 4 - The Discrete Cosine Transform (DCT) - Duration 2532 - Optional break at 1213.srt8 C/ A/ I6 `% b$ \* a
    │      3 - 4 - 4 - The Discrete Cosine Transform (DCT) - Duration 2532 - Optional break at 1213.txt
9 L/ ]' {! w# ^$ a3 p, D! J    │      3 - 5 - 5 - Quantization - Duration 2402 - Optional breaks at 0848 and 1718.mp4
1 U2 n' S0 o: u2 V3 c: R/ P    │      3 - 5 - 5 - Quantization - Duration 2402 - Optional breaks at 0848 and 1718.srt
9 m3 x! z! K) p7 `    │      3 - 5 - 5 - Quantization - Duration 2402 - Optional breaks at 0848 and 1718.txt7 c1 H6 F! a& k% {/ i8 h
    │      3 - 6 - 6 - JPEG_LS and MPEG - Duration 1932 - Optional break at 1345.mp4
5 j$ J0 A7 x9 \; l1 ?/ z+ Y    │      3 - 6 - 6 - JPEG_LS and MPEG - Duration 1932 - Optional break at 1345.srt
, T5 o  K/ e. O& ]* `; L5 R    │      3 - 6 - 6 - JPEG_LS and MPEG - Duration 1932 - Optional break at 1345.txt
0 w7 P% o; |3 h  |    │      3 - 7 - 7 - Bonus Run-length compression - Duration 0429.mp4
( _9 b7 g3 j$ a    │      3 - 7 - 7 - Bonus Run-length compression - Duration 0429.srt& x2 `0 \+ ^6 f% t, a
    │      3 - 7 - 7 - Bonus Run-length compression - Duration 0429.txt
- f$ G2 A* m* R    │      4 - 1 - 1 - Introduction to image enhancement - Duration 1911 - Optional break at 0833.mp4
: U. z* I* y- p* m2 k    │      4 - 1 - 1 - Introduction to image enhancement - Duration 1911 - Optional break at 0833.srt7 M, w1 V. g' ^; D
    │      4 - 1 - 1 - Introduction to image enhancement - Duration 1911 - Optional break at 0833.txt- ?& ^( I% G) h! P, W
    │      4 - 10 - 10 - Demo - Median filter - Duration 0131.mp4+ b& M2 v. H" l, y
    │      4 - 10 - 10 - Demo - Median filter - Duration 0131.srt% k8 {. t2 ?* d; t9 S
    │      4 - 10 - 10 - Demo - Median filter - Duration 0131.txt" Z) i4 p4 h$ r; z
    │      4 - 11 - 11 - Derivatives Laplacian  Unsharp masking - Duration 1424 - Optional breaks at 0521 and 1133.mp41 Z- {2 `, ?# p  P0 z/ S; Q+ e
    │      4 - 11 - 11 - Derivatives Laplacian  Unsharp masking - Duration 1424 - Optional breaks at 0521 and 1133.srt
, v, M2 z; t+ a: a, d6 [    │      4 - 11 - 11 - Derivatives Laplacian  Unsharp masking - Duration 1424 - Optional breaks at 0521 and 1133.txt
5 o+ r9 `; z& a( ~$ L    │      4 - 12 - 12 - Demo - Unsharp masking - Duration 0310.mp4
2 A" n  s8 C! h7 p3 X    │      4 - 12 - 12 - Demo - Unsharp masking - Duration 0310.srt  \) w5 X4 `, M- ^8 ~1 d
    │      4 - 12 - 12 - Demo - Unsharp masking - Duration 0310.txt
9 S, T2 J- G+ r7 U+ Z    │      4 - 13 - 13 - Gradients of scalar and vector images - Duration 0557.mp4
0 l2 [& X2 G6 I" ?# \    │      4 - 13 - 13 - Gradients of scalar and vector images - Duration 0557.srt. p, z" d. b1 V: G, e
    │      4 - 13 - 13 - Gradients of scalar and vector images - Duration 0557.txt! L: P" b6 E5 Z4 f* @& z3 Y; c
    │      4 - 14 - 14 - Concluding remarks - Duration 0112.mp4
, u" _2 `$ U; a' e' S* X    │      4 - 14 - 14 - Concluding remarks - Duration 0112.srt. P! t# P. p- ]5 v! a
    │      4 - 14 - 14 - Concluding remarks - Duration 0112.txt
7 z$ v: A- r! ?" y    │      4 - 2 - 2 - Demo - Enhancement  Histogram modification - Duration 0353.mp4
' [5 \; d; o$ z4 Z, f4 U    │      4 - 2 - 2 - Demo - Enhancement  Histogram modification - Duration 0353.srt' O% \0 [& D0 L
    │      4 - 2 - 2 - Demo - Enhancement  Histogram modification - Duration 0353.txt
: U5 `: ]3 \& g1 _$ |9 u    │      4 - 3 - 3 - Histogram equalization - Duration 1956 - Optional breaks at 0440 and 1130.mp44 ]6 W7 k0 l  _# B$ g
    │      4 - 3 - 3 - Histogram equalization - Duration 1956 - Optional breaks at 0440 and 1130.srt9 W4 `! x- x3 g' _+ [: v5 e
    │      4 - 3 - 3 - Histogram equalization - Duration 1956 - Optional breaks at 0440 and 1130.txt
( Q+ [/ s5 C  g8 T    │      4 - 4 - 4 - Histogram matching - Duration 0831.mp4* |' ~5 r& U) K
    │      4 - 4 - 4 - Histogram matching - Duration 0831.srt
. ]9 f; n3 ~, i+ z7 N, \5 h    │      4 - 4 - 4 - Histogram matching - Duration 0831.txt% V3 n9 ~3 b" G' E; J8 O1 a
    │      4 - 5 - 5 - Introduction to local neighborhood operations - Duration 0646.mp4
; k$ G! v5 _* G) i$ F2 |    │      4 - 5 - 5 - Introduction to local neighborhood operations - Duration 0646.srt
3 ~% _7 n. H0 Z    │      4 - 5 - 5 - Introduction to local neighborhood operations - Duration 0646.txt
2 X2 [) `. t/ V9 Q  W    │      4 - 6 - 6 - Mathematical properties of averaging - Duration 1100.mp4
+ s! Q7 q$ \  P    │      4 - 6 - 6 - Mathematical properties of averaging - Duration 1100.srt$ N: c) ~  S+ _
    │      4 - 6 - 6 - Mathematical properties of averaging - Duration 1100.txt0 r! K$ x# F& a  C: V
    │      4 - 7 - 7 - Non-Local means - Duration 0727.mp4
1 i+ G* _: }0 q3 J1 E; C5 I    │      4 - 7 - 7 - Non-Local means - Duration 0727.srt
% D6 m. F) }. K; V  ~% ~1 ^7 I    │      4 - 7 - 7 - Non-Local means - Duration 0727.txt8 W6 O: e# M. w7 r+ a
    │      4 - 8 - 8 - IPOL Demo - Non-Local means - Duration 0338.mp4
: B# r( q6 i$ q8 i    │      4 - 8 - 8 - IPOL Demo - Non-Local means - Duration 0338.srt
9 p) F: ?& R! Z; y& u    │      4 - 8 - 8 - IPOL Demo - Non-Local means - Duration 0338.txt
" g/ t; A; W9 e. C7 Z6 s) E" c0 L    │      4 - 9 - 9 - Median filter - Duration 0720.mp44 {, i5 d/ S+ i7 @
    │      4 - 9 - 9 - Median filter - Duration 0720.srt" Z  A0 L/ j, U0 n! L3 b
    │      4 - 9 - 9 - Median filter - Duration 0720.txt1 d3 f6 e8 S9 G+ u! c( \/ q
    │      5 - 1 - 1 - What is image restoration - Duration 0749.mp4# n! a) _8 W  [1 ^' m# z7 o# L8 I- u
    │      5 - 1 - 1 - What is image restoration - Duration 0749.srt
/ [7 q0 G' C' R7 X' [2 N$ T    │      5 - 1 - 1 - What is image restoration - Duration 0749.txt. T5 o8 F4 [: }2 o( ~+ i
    │      5 - 2 - 2 - Noise types - Duration 1243.mp4
* W! j0 U1 \; e* Z) }9 h4 S! H3 m    │      5 - 2 - 2 - Noise types - Duration 1243.srt+ u/ p* M; `2 q; ^
    │      5 - 2 - 2 - Noise types - Duration 1243.txt+ r( F: K3 s! ^
    │      5 - 3 - 3 - Demo - Types of noise - Duration 0303.mp4% B3 [- [$ t) L
    │      5 - 3 - 3 - Demo - Types of noise - Duration 0303.srt
, ?- w( ]% O2 o/ Y( S4 G    │      5 - 3 - 3 - Demo - Types of noise - Duration 0303.txt
/ b  m4 S- ^- q$ k, p& v/ {    │      5 - 4 - 4 - Noise and histograms - Duration 0452.mp4$ a' a& S* t9 a8 B+ a
    │      5 - 4 - 4 - Noise and histograms - Duration 0452.srt9 W! X( b. l! {7 H0 Z" h8 j
    │      5 - 4 - 4 - Noise and histograms - Duration 0452.txt
6 b! }4 }! k. j- @1 K5 B: s  `    │      5 - 5 - 5 - Estimating noise - Duration 1041 - Optional break at 0503.mp4
; R6 }5 z" ^* C" J% ~, {, e    │      5 - 5 - 5 - Estimating noise - Duration 1041 - Optional break at 0503.srt, ~) ?" a" x, h7 Z9 {" L9 N
    │      5 - 5 - 5 - Estimating noise - Duration 1041 - Optional break at 0503.txt
+ k" R* \+ q! E" P0 `. z- T    │      5 - 6 - 6 - Degradation Function - Duration 1140.mp47 }& X0 j8 {, e( \+ N- v
    │      5 - 6 - 6 - Degradation Function - Duration 1140.srt: o" r. Y0 ]( O, |1 f
    │      5 - 6 - 6 - Degradation Function - Duration 1140.txt, I$ X6 v! i, r; ^/ i- S* ~4 j
    │      5 - 7 - 7 - Wiener filtering - Duration 1234 - Optional break at 0654.mp4
( I' m% @* P% i5 ^, E" o6 ?7 d    │      5 - 7 - 7 - Wiener filtering - Duration 1234 - Optional break at 0654.srt
, o0 V' k# V* N    │      5 - 7 - 7 - Wiener filtering - Duration 1234 - Optional break at 0654.txt
6 z( K$ p; @1 m7 g0 L8 V    │      5 - 8 - 8 - Demo - Wiener and Box filters - Duration 0319.mp4
; h* n. t: |4 {( A    │      5 - 8 - 8 - Demo - Wiener and Box filters - Duration 0319.srt
- R! f4 x5 Y' A  t+ C- F5 y    │      5 - 8 - 8 - Demo - Wiener and Box filters - Duration 0319.txt) c6 ?- @  ?! Z1 M5 p5 _
    │      5 - 9 - 9 - Concluding remarks - Duration 0033.mp4
2 O. D# ]; u! Y/ |    │      5 - 9 - 9 - Concluding remarks - Duration 0033.srt
* ]8 w2 a/ O, S' U" |    │      5 - 9 - 9 - Concluding remarks - Duration 0033.txt0 X) ?1 a: r# H
    │      6 - 1 - 1 - Introduction to Segmentation - Duration 0417.mp4. l: P, C5 H( u1 x- T' j* S
    │      6 - 1 - 1 - Introduction to Segmentation - Duration 0417.srt( N* r' o% j" A. l" `. u" \
    │      6 - 1 - 1 - Introduction to Segmentation - Duration 0417.txt
' C' l0 T: `2 R3 l+ x% m: l    │      6 - 10 - 10 - Active Contours - Introduction with ipol.im and Photoshop Demos - Duration 0558.mp4
5 k0 H) c# ]  D  P1 q    │      6 - 10 - 10 - Active Contours - Introduction with ipol.im and Photoshop Demos - Duration 0558.srt
4 j- [6 z# S. _$ o; }    │      6 - 10 - 10 - Active Contours - Introduction with ipol.im and Photoshop Demos - Duration 0558.txt
, m) \% b8 p- H0 _6 _! }    │      6 - 11 - 11 - Behind the Scenes of Adobes Roto Brush - Duration 3129 - Optional breaks at 2030 and 2726.mp49 j# G; d+ K1 n- I4 a, E. L+ e( c
    │      6 - 11 - 11 - Behind the Scenes of Adobes Roto Brush - Duration 3129 - Optional breaks at 2030 and 2726.srt
5 _: p% ^/ R" g6 o    │      6 - 11 - 11 - Behind the Scenes of Adobes Roto Brush - Duration 3129 - Optional breaks at 2030 and 2726.txt0 H% K3 ~- B; V( j
    │      6 - 12 - 12 - End of the Week - Duration 0021.mp43 F3 d3 u1 D% R! [
    │      6 - 12 - 12 - End of the Week - Duration 0021.srt+ K, X1 h! ^3 p2 w# ~" c" u
    │      6 - 12 - 12 - End of the Week - Duration 0021.txt
( v) H: n. F9 y  K    │      6 - 2 - 2 - On Edges and Regions - Duration 0517.mp44 x6 K4 j7 {/ x2 N2 _
    │      6 - 2 - 2 - On Edges and Regions - Duration 0517.srt$ B7 l" Q$ {2 L- N* D) ]7 c
    │      6 - 2 - 2 - On Edges and Regions - Duration 0517.txt" u, a" C! d0 R! h. b6 n9 b9 w
    │      6 - 3 - 3 - Hough Transform with Matlab Demo - Duration 2059.mp4$ @# w1 X4 F2 {+ X2 V
    │      6 - 3 - 3 - Hough Transform with Matlab Demo - Duration 2059.srt
4 [5 Z* n+ q/ T. h: i0 o9 K' C    │      6 - 3 - 3 - Hough Transform with Matlab Demo - Duration 2059.txt
5 S& ]7 x9 K: v    │      6 - 4 - 4 - Line Segment Detector with Demo - Duration 0320.mp4% R$ Z$ r6 n0 ?4 j" ^! q0 ^$ A
    │      6 - 4 - 4 - Line Segment Detector with Demo - Duration 0320.srt
% k5 O- j6 N0 T1 L7 _* W    │      6 - 4 - 4 - Line Segment Detector with Demo - Duration 0320.txt
/ u4 U$ u4 U/ J: [+ O7 @    │      6 - 5 - 5 - Otsus Segmentation with Demo - Duration 1425.mp4! P/ y5 l, l& Q" \4 C' n" @6 w  Y
    │      6 - 5 - 5 - Otsus Segmentation with Demo - Duration 1425.srt+ s% @/ f9 @) Q# i7 u
    │      6 - 5 - 5 - Otsus Segmentation with Demo - Duration 1425.txt+ E! @  @4 u8 ~0 C# a% Y
    │      6 - 6 - 6 - Congratulations - Duration 0017.mp4
1 n3 V* g+ C6 X+ R) u- t# c* P1 D1 H    │      6 - 6 - 6 - Congratulations - Duration 0017.srt& k8 C( w. D* ?" q- C, d
    │      6 - 6 - 6 - Congratulations - Duration 0017.txt( q0 q! O5 m2 q( e) v) m
    │      6 - 7 - 7 - Interactive Image Segmentation - Duration 2113.mp4
- ~# e4 d' T5 x    │      6 - 7 - 7 - Interactive Image Segmentation - Duration 2113.srt
7 |, M) Q' Z3 E( w* I: P    │      6 - 7 - 7 - Interactive Image Segmentation - Duration 2113.txt
2 f; }9 _) }6 B$ v& k/ |    │      6 - 8 - 8 - Graph Cuts and Ms Office - Duration 0934.mp4. F, y! o5 }+ ^8 _4 s
    │      6 - 8 - 8 - Graph Cuts and Ms Office - Duration 0934.srt
/ {1 j& Y. M4 a! y& n# ]    │      6 - 8 - 8 - Graph Cuts and Ms Office - Duration 0934.txt
$ J6 G& I0 d0 p2 L6 j' {    │      6 - 9 - 9 - Mumford-Shah - Duration 0550.mp4% |) S/ i9 B0 t$ R* e
    │      6 - 9 - 9 - Mumford-Shah - Duration 0550.srt, X( Y2 z1 m4 |8 \+ ~, F: N
    │      6 - 9 - 9 - Mumford-Shah - Duration 0550.txt
8 g( A' P2 |* B    │      7 - 1 - 1 - Introduction to PDEs in Image and Video Processing - Duration 1022.mp4, W1 p& F1 s! _& p; E
    │      7 - 1 - 1 - Introduction to PDEs in Image and Video Processing - Duration 1022.srt
% ]+ M% e& s2 W- _$ `2 _. ^    │      7 - 1 - 1 - Introduction to PDEs in Image and Video Processing - Duration 1022.txt
; Z" T% U4 x% Q% D- H8 x( Q% j    │      7 - 2 - 2 - Planar Differential Geometry - Duration 3833 - Optional breaks at 1246 2103 and 2941.mp40 h. j1 V: p( _5 g. D6 r
    │      7 - 2 - 2 - Planar Differential Geometry - Duration 3833 - Optional breaks at 1246 2103 and 2941.srt
7 V& i: m' O. [& d& {- ~    │      7 - 2 - 2 - Planar Differential Geometry - Duration 3833 - Optional breaks at 1246 2103 and 2941.txt
8 ~, q4 \3 Q2 z' Z    │      7 - 3 - 3 - Surface Differential Geometry - Duration 1143.mp4) {3 w: B5 E0 p9 a
    │      7 - 3 - 3 - Surface Differential Geometry - Duration 1143.srt" l8 i9 Q, @7 V% `
    │      7 - 3 - 3 - Surface Differential Geometry - Duration 1143.txt
" j: C0 R* `2 E+ H' C$ _% ^2 }    │      7 - 4 - 4 - Curve Evolution - Duration 3110 - Optional breaks at 0850 1925 and 2422.mp41 e1 i2 L; B$ A. w; s1 O
    │      7 - 4 - 4 - Curve Evolution - Duration 3110 - Optional breaks at 0850 1925 and 2422.srt
' G8 N( [0 m, c' {- d$ g2 o    │      7 - 4 - 4 - Curve Evolution - Duration 3110 - Optional breaks at 0850 1925 and 2422.txt  k5 G  j) C$ U. j: O$ ^1 k' D0 a
    │      7 - 5 - 5 - Level Sets and Curve Evolution - Duration 2534 - Optional break at 1430.mp4
4 w, W: z2 I' n4 W( j0 I    │      7 - 5 - 5 - Level Sets and Curve Evolution - Duration 2534 - Optional break at 1430.srt/ j. s" }" b9 U: [! e4 v
    │      7 - 5 - 5 - Level Sets and Curve Evolution - Duration 2534 - Optional break at 1430.txt$ W# D" x- m7 g. ^. v
    │      7 - 6 - 6 - Calculus of Variations - Duration 1403 - Optional break at 0623.mp40 l% _1 j1 [' q. t( a5 z
    │      7 - 6 - 6 - Calculus of Variations - Duration 1403 - Optional break at 0623.srt
' p2 y5 A! N! C4 l9 w    │      7 - 6 - 6 - Calculus of Variations - Duration 1403 - Optional break at 0623.txt
7 {- Y2 Z( w" {) F    │      7 - 7 - 7 - Anisotropic Diffusion - Duration 1117.mp4
. ]  a1 [4 K$ o! T# u$ g7 B4 D    │      7 - 7 - 7 - Anisotropic Diffusion - Duration 1117.srt- @3 m5 y" I& p" F. t' P' V
    │      7 - 7 - 7 - Anisotropic Diffusion - Duration 1117.txt
: s1 n  D! }! I; L* F: P    │      7 - 8 - 8 - Active Contours - Duration 1657 - Optional break at 0623.mp4
5 [7 e9 E9 L1 z+ h. v8 B! B    │      7 - 8 - 8 - Active Contours - Duration 1657 - Optional break at 0623.srt
+ t9 D4 p0 d* C5 q& D7 x1 Y    │      7 - 8 - 8 - Active Contours - Duration 1657 - Optional break at 0623.txt
. ^; v: X3 f& W: F4 R    │      7 - 9 - 9 - Bonus Cool Contrast Enhancement via PDEs - Duration 0832.mp4- A+ c; ~5 f" }
    │      7 - 9 - 9 - Bonus Cool Contrast Enhancement via PDEs - Duration 0832.srt( F; W3 }8 r5 B& \* @( f: m/ r
    │      7 - 9 - 9 - Bonus Cool Contrast Enhancement via PDEs - Duration 0832.txt4 C% [4 n2 Q* j7 y5 P
    │      8 - 1 - 1 - Introduction to Image Inpainting - Duration 0816.mp4
: m% d- S8 Q; k3 o5 K- ]' B+ I    │      8 - 1 - 1 - Introduction to Image Inpainting - Duration 0816.srt1 n9 |5 O) a" H5 g
    │      8 - 1 - 1 - Introduction to Image Inpainting - Duration 0816.txt- r8 _1 o0 B  s- X8 _
    │      8 - 2 - 2 - Inpainting in Nature - Duration 0501.mp4$ Z) O8 i( M! b' K; ]; {& z7 Z
    │      8 - 2 - 2 - Inpainting in Nature - Duration 0501.srt  y8 p4 F/ b' i# |, m+ G. m, ?$ a
    │      8 - 2 - 2 - Inpainting in Nature - Duration 0501.txt, s4 I# `0 O! X& x3 u: `- c* [4 l
    │      8 - 3 - 3 - PDEs and Inpainting - Duration 2159 - Optional break at 1331.mp4+ j0 }9 w+ N# b. f
    │      8 - 3 - 3 - PDEs and Inpainting - Duration 2159 - Optional break at 1331.srt
. D& z# M9 R) q3 c; a1 N8 [    │      8 - 3 - 3 - PDEs and Inpainting - Duration 2159 - Optional break at 1331.txt
% M0 l& c3 m) R+ {1 e2 R    │      8 - 4 - 4 - Inpainting via Calculus of Variations - Duration 1532 - Optional break at 1006.mp4
* |: W- s5 c5 O  |    │      8 - 4 - 4 - Inpainting via Calculus of Variations - Duration 1532 - Optional break at 1006.srt
. |" m! b' F% ~1 e    │      8 - 4 - 4 - Inpainting via Calculus of Variations - Duration 1532 - Optional break at 1006.txt5 Z7 T) q0 B- z% O! x: A# ~
    │      8 - 5 - 5 - Smart Cut and Paste - Duration 0751.mp44 q- C0 O+ `! I- D) w) k( c
    │      8 - 5 - 5 - Smart Cut and Paste - Duration 0751.srt
: o9 |9 e: I: y1 e    │      8 - 5 - 5 - Smart Cut and Paste - Duration 0751.txt
- ]2 u  D% r8 F$ f; c/ b0 j/ _    │      8 - 6 - 6 - Demo - Photoshop Inpainting Healing Brush - Duration 0231.mp43 S: Y  T& k0 x# L; I/ P& F
    │      8 - 6 - 6 - Demo - Photoshop Inpainting Healing Brush - Duration 0231.srt& e: H' X4 H8 K- ^& w+ g' @
    │      8 - 6 - 6 - Demo - Photoshop Inpainting Healing Brush - Duration 0231.txt6 N5 P0 M/ G  I* w
    │      8 - 7 - 7 - Video Inpainting and Conclusions - Duration 0513.mp4
2 j1 Q) ?& v! H5 u, v* g    │      8 - 7 - 7 - Video Inpainting and Conclusions - Duration 0513.srt
$ v6 L2 Q4 s! B    │      8 - 7 - 7 - Video Inpainting and Conclusions - Duration 0513.txt1 Z8 T% y$ J. B" n
    │      9 - 1 - 1 - Introduction to Sparse Modeling - Part 1 - Duration 1039 .mp4
3 u1 i7 p; |' }. X6 k# X    │      9 - 1 - 1 - Introduction to Sparse Modeling - Part 1 - Duration 1039.mp4
* Y" i+ v, M/ Q. j8 a" `    │      9 - 1 - 1 - Introduction to Sparse Modeling - Part 1 - Duration 1039.srt- e+ u# N+ o: }& ?7 G/ V1 c: I
    │      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

7 V: w9 a: [4 {9 i7 e, i  [    │      9 - 2 - 2 - Introduction to Sparse Modeling - Part 2 - Duration 1816.mp4- n% |- t$ O+ F6 |
    │      9 - 2 - 2 - Introduction to Sparse Modeling - Part 2 - Duration 1816.srt
+ i7 o6 B0 p, |    │      9 - 2 - 2 - Introduction to Sparse Modeling - Part 2 - Duration 1816.txt! ?: |" n+ U5 @/ p/ N' \0 _& c
    │      9 - 3 - 3 - Sparse Modeling - Implementation - Duration 2430 - Optional break at 1158.mp4* D& k/ j8 K5 J, p6 x  C1 Y
    │      9 - 3 - 3 - Sparse Modeling - Implementation - Duration 2430 - Optional break at 1158.srt) n, k* S. }  e6 K) J$ C, v
    │      9 - 3 - 3 - Sparse Modeling - Implementation - Duration 2430 - Optional break at 1158.txt
9 B  |' G' p% r) O7 `3 t7 N/ o    │      9 - 4 - 4 - Dictionary Learning - Duration 1713 - Optional break at 0603.mp4% R) c( A# x0 `3 g
    │      9 - 4 - 4 - Dictionary Learning - Duration 1713 - Optional break at 0603.srt/ e) ?  c+ M! [: R, V
    │      9 - 4 - 4 - Dictionary Learning - Duration 1713 - Optional break at 0603.txt; o0 H" l9 M( L+ {4 u5 G1 A
    │      9 - 5 - 5 - Sparse Modeling Image Processing Examples - Duration 2057 - Optional break at 0925.mp4
& [# U, R7 n* h* A, C0 I, O    │      9 - 5 - 5 - Sparse Modeling Image Processing Examples - Duration 2057 - Optional break at 0925.srt) {, O+ D0 ^  K; W  k
    │      9 - 5 - 5 - Sparse Modeling Image Processing Examples - Duration 2057 - Optional break at 0925.txt& ~- I8 [# R( b3 c# B( P/ Z
    │      9 - 6 - 6 - A Note on Compressed Sensing - Duration 0510.mp4
4 i& i' \! S0 T    │      9 - 6 - 6 - A Note on Compressed Sensing - Duration 0510.srt# d5 q6 S. v  v( i9 C$ N1 b& l
    │      9 - 6 - 6 - A Note on Compressed Sensing - Duration 0510.txt. r3 F# H" t& o1 n& G
    │      9 - 7 - 7 - GMM and Structured Sparsity - Duration 1540.mp4+ O; A  f( z$ |, R7 L! y
    │      9 - 7 - 7 - GMM and Structured Sparsity - Duration 1540.srt, L: c+ T5 Y% q- Q
    │      9 - 7 - 7 - GMM and Structured Sparsity - Duration 1540.txt- l1 {& N) o) D& l
    │      9 - 8 - 8 - Bonus Sparse Modeling and Classification - Activity Recognition - Duration 1510.mp4+ i! a3 f& W$ @2 e9 r+ p% t9 B
    │      9 - 8 - 8 - Bonus Sparse Modeling and Classification - Activity Recognition - Duration 1510.srt
; y+ a! a" _3 C7 q" T$ D" m    │      9 - 8 - 8 - Bonus Sparse Modeling and Classification - Activity Recognition - Duration 1510.txt( B' P/ w# ]; M: K9 @
    │      下载说明.txt
- a7 Y$ q; a4 F+ ^6 v    │      关注我们.png( h( d/ K7 |( P
    │      攻城狮论坛=网络技术+编程视频.url  _) d5 X1 W6 j( ]0 d
    │      解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt9 [! d* X% X- m/ H( M
    │      ' h! `/ P  @* o* v1 B( K$ ^
    ├─Udacity
' o% m+ {. N# e5 c, ]% r    │  │  下载说明.txt; i, {9 t# Q1 k; [
    │  │  关注我们.png
% P$ _: W) K/ c& l, X* E    │  │  攻城狮论坛=网络技术+编程视频.url: P" I; |4 d+ p
    │  │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt4 i4 Q6 h* r+ `; ]! y
    │  │  ( I/ t2 }2 ^6 }& h% U2 `; G
    │  ├─CS046 Introduction to Programming in Java Learning Java
0 q/ y! c/ M; D2 H% S8 H    │  │      Lesson_1_-_Introduction.zip  w' J8 d8 z, t2 I
    │  │      Lesson_2_-_Objects.zip- n! S& i" F0 [5 l
    │  │      Lesson_3_-_Classes.zip9 x, d3 f$ Z9 M. i
    │  │      Lesson_4_-_Fundamental_Data_Types.zip) i" n) Q0 S  a, n1 n9 b
    │  │      Lesson_5.1_-_Decisions.zip
8 ]9 p  X4 M) R' j% `( m    │  │      Lesson_5.2_-_Decisions.zip
8 `- P# ~! m, X" q/ g- G    │  │      Lesson_6.1_-_Loops.zip7 _; y: H; k, R
    │  │      Lesson_6.2_-_Loops.zip
7 s0 H3 S% t2 Z, K    │  │      Lesson_7.1_-_ArrayLists_and_Arrays.zip& p6 ]8 i) [. V# `
    │  │      Lesson_7.2_-_ArrayLists_and_Arrays.zip3 M# w* L& w& x& C& i/ ?. P
    │  │      Lesson_7.3_-_ArrayLists_and_Arrays.zip; ^. d3 ]- v$ ]; o0 g3 `- p$ ?
    │  │      Lesson_8.zip
  j- E: R& ]7 V5 y6 c# s4 g    │  │      Lesson_8_-_More_About_Classes.zip% L$ m( G9 V3 j& n
    │  │      Lesson_9_-_Interfaces_and_Inheritance.zip
* n5 E5 Q6 W$ E2 s; |    │  │      7 E# f6 c( u" X0 d& z1 O: j
    │  ├─CS101 Intro to Computer Science Building a Search Engine$ y, o' b( A; @7 z2 u
    │  │      Exam_Part_2_Starred-subtitles.en.zip
$ {% C5 F3 c4 q6 }    │  │      Lesson_10_Inheritance.zip& X% H+ B8 T3 U: N5 ^
    │  │      Lesson_11_Files,_IO,_and_Exceptions.zip% M! ]3 g, p* q3 V. h& `
    │  │      Lesson_1_How_to_Get_Started.zip+ v, y3 g9 K2 w+ q, N9 G
    │  │      Lesson_1_Problem_Set.zip
' J6 C6 U6 O4 ]/ J( {7 e    │  │      Lesson_2.5_How_To_Solve_Problems.zip
  p2 T$ W: J# k* w    │  │      Lesson_2_How_to_Repeat.zip" l2 P) G; z+ `$ k8 H/ s
    │  │      Lesson_2_Problem_Set.zip3 J" L; I! i! F* L; M
    │  │      Lesson_3_How_to_Manage_Data.zip
% A9 M+ j2 B# S& h. K' @, `' \    │  │      Lesson_3_Problem_Set.zip5 j# C0 E1 d$ Z2 M; w/ x- R
    │  │      Lesson_4_Problem_Set.zip2 V( K6 c' f4 U7 t9 R% Y
    │  │      Lesson_4_Responding_to_Queries.zip
  L3 B$ z  M  Q    │  │      Lesson_5_How_Programs_Run.zip' x+ _' E! J6 I2 b  V- m+ Q
    │  │      Lesson_5_Problem_Set.zip
2 I% c6 [6 ~; H+ Z. m    │  │      Lesson_6_How_to_Have_Infinite_Power.zip
0 f' X) [$ E- F. \# N( |' J    │  │      Lesson_6_Problem_Set.zip
& X6 ^& Y; U+ G$ r3 r    │  │      Lesson_7_Past,_Present,_and_Future_of_Computing.zip
* ]: Q% y  v& ?    │  │      Lesson_8_Learning_New_Things.zip6 P' s; L3 |+ I+ g! T
    │  │      Lesson_9_Modules_and_Classes.zip
6 i" C) E' J0 A' a    │  │      Problem_Set_1-subtitles.en.zip% ~; |7 S. H( R
    │  │      Problem_Set_1.zip$ J5 {+ }% K0 ]  z0 z' A" G8 X
    │  │      Problem_Set_2-subtitles.en.zip9 _9 s! j- X5 V1 c' g1 H* i1 @
    │  │      Problem_Set_2.zip
+ B0 j9 v+ m& m& ?    │  │      Problem_Set_3-subtitles.en.zip
  c6 A& a1 d& V2 Y    │  │      Problem_Set_3.zip" {' K: y. n$ D0 d& ]! s
    │  │      Problem_Set_4-subtitles.en.zip
1 W/ q- s6 U$ Z9 v    │  │      Problem_Set_4.zip: w. B0 }+ H9 c7 ^9 A$ V& |
    │  │      Problem_Set_5-subtitles.en.zip+ N' S; V% t% |! w& v; G
    │  │      Problem_Set_5.zip9 T" z, I1 {( }9 N
    │  │      Problem_Set_6-subtitles.en.zip. `; W- L  w  p
    │  │      Problem_Set_6.zip& b- E1 l; H9 H& i3 c
    │  │      Problem_Set_61_Starred-subtitles.en.zip
% o9 ]# o9 y* `: v) i    │  │      Problem_Set_61_Starred.zip( V& c- q& i" Z) g
    │  │      Q&A_1-subtitles.en.zip  ?! ^* C, ^* d, Q2 n4 T, d
    │  │      Q&A_1.zip
2 Q0 i4 o+ @* {! V& R; B    │  │      Q&A_2-subtitles.en.zip' w& N  H( S! y9 `- ]4 ~) r3 A
    │  │      Q&A_2.zip
0 C) O+ b9 g0 T1 X; k    │  │      Q&A_5-subtitles.en.zip
+ K6 I, r9 T) e6 ^    │  │      Q&A_5.zip
: h. I% R  n5 X1 {    │  │      Q&A_6-subtitles.en.zip+ R: X( ~) y6 Q* e0 i% i# Z
    │  │      Q&A_6.zip0 _  y/ I6 ?- x8 {
    │  │      Unit_1-subtitles.en.zip
0 `  y$ [" d, m/ i) ^/ n    │  │      Unit_2-subtitles.en.zip
: h) z" n- [5 b; B' b7 r    │  │      Unit_3-subtitles.en.zip/ Q8 C! F6 N8 E- `
    │  │      Unit_4-subtitles.en.zip2 o# h$ V( }( k5 a8 A. d
    │  │      Unit_5-subtitles.en.zip
4 _( I1 |4 w3 E7 t: m; ~% E    │  │      Unit_6-subtitles.en.zip
6 D  y6 o' c6 f; e* y% b; S: }6 O    │  │      Unit_7-subtitles.en.zip
, c) X7 m$ ~' c* k0 o2 v    │  │      Unit_8_Optional-subtitles.en.zip. `6 A) v/ y" P5 x5 U  T
    │  │      
$ V; }6 u6 T5 w- s5 s+ @4 [' t7 e    │  ├─CS212 Design of Computer Programs Programming Principles' N8 a/ I) G+ n/ O
    │  │      Andy's_Corner_1.zip
% [$ r+ x- [5 M0 x8 k( ^    │  │      Andys_Corner_1-subtitles.en.zip- f+ ?8 k1 K3 h3 x0 E, K3 \( q. {
    │  │      Bonus_Shuffling-subtitles.en.zip
- s5 d  F1 |8 X3 s    │  │      Bonus_Shuffling.zip7 l9 X2 R) u, ~
    │  │      Bonus_Weekly_Tournament!.zip( Y* V% ~# V. d; S5 a; a
    │  │      Exam-subtitles.en.zip$ s, |* F1 Q4 C6 I% G
    │  │      Exam.zip
0 W8 \7 `% w) U) ^2 J8 @: T    │  │      Office_Hours_1-subtitles.en.zip
  J5 r( n) i" y- j2 s6 [    │  │      Office_Hours_1.zip* j' a2 q3 ~' J" a7 J
    │  │      Office_Hours_2-subtitles.en.zip1 B$ [2 v8 |1 ^
    │  │      Office_Hours_2.zip" o7 |7 a; T. a9 O) z
    │  │      Office_Hours_3-subtitles.en.zip
) m# P; F5 {4 p6 \8 ^    │  │      Office_Hours_3.zip6 j9 }  P2 o. l
    │  │      Office_Hours_4-subtitles.en.zip- n0 |% l9 L' t( x
    │  │      Office_Hours_4.zip
" e) M& V5 }; l8 g# Y& b& m    │  │      Office_Hours_5-subtitles.en.zip
3 s# H" [6 m9 M6 `+ \+ T    │  │      Office_Hours_5.zip7 t: w, F& T8 |- n4 g
    │  │      Office_Hours_6-subtitles.en.zip
. Z" X+ c& e5 l8 Y3 [2 h    │  │      Office_Hours_6.zip$ f2 {1 P  C$ M7 D- L3 x; H7 a
    │  │      Problem_Set_1-subtitles.en_2.zip  t# u- H' ^! J$ O7 p
    │  │      Problem_Set_1_2.zip, n* O7 c2 V! h
    │  │      Problem_Set_2-subtitles.en_2.zip
* B5 E* P+ T' E5 y  r; [2 D4 b5 Y    │  │      Problem_Set_2_2.zip
/ t# ?- f/ _/ o* m    │  │      Problem_Set_3-subtitles.en_2.zip  z3 O1 _& g; v" D5 @$ B9 t
    │  │      Problem_Set_3_2.zip
: Q% @5 f8 p- w) \* b( S6 s    │  │      Problem_Set_4-subtitles.en_2.zip( c& |+ Q# c6 [. ~9 Z
    │  │      Problem_Set_4_2.zip6 X4 T. i6 z; ^! C) q
    │  │      Problem_Set_5-subtitles.en_2.zip" {( o4 G) X( a" m+ n' M
    │  │      Problem_Set_5_2.zip
* D/ P- Z+ q! L4 A3 O7 y/ c& C    │  │      Problem_Set_6-subtitles.en_2.zip( v* c, ~1 R% g7 I
    │  │      Problem_Set_6_2.zip) }6 C! T& l% M3 l  G
    │  │      Python_Glossary-subtitles.en.zip" S+ c8 k5 R& ?" {% w* f& c
    │  │      Python_Glossary.zip) S- [4 @' V  D4 E% U0 c
    │  │      Unit_1-subtitles.en_2.zip6 W$ a# R+ D/ B8 U8 F
    │  │      Unit_1.zip
, K0 R* V# |; t& Y$ H" k, e    │  │      Unit_2-subtitles.en_2.zip. |# I/ T0 J8 E/ s6 p4 N, |
    │  │      Unit_2.zip
$ x% q- k% K; J8 l    │  │      Unit_3-subtitles.en_2.zip
5 t* _& g5 E& ?2 |7 E6 M    │  │      Unit_3.zip
0 `' q4 s, z3 P( D# x9 B6 L    │  │      Unit_4-subtitles.en_2.zip  h6 t4 L" {  J2 u, \  \6 m! ?: T
    │  │      Unit_4.zip
- o" C8 ?/ j. ~- i5 g( V7 p    │  │      Unit_5-subtitles.en_2.zip9 u& R0 Z. H1 D; H( F7 k! z2 x
    │  │      Unit_5.zip, F  M3 w  R7 E$ g+ D, v
    │  │      Unit_6-subtitles.en_2.zip
% O/ G7 Z; ]+ P    │  │      Unit_6.zip
3 q& I! u3 L6 |2 |% _  Q  f& [    │  │      Unit_7-subtitles.en_2.zip
& D" p1 Z+ P5 e# b8 K    │  │      Unit_7.zip5 @% I7 R" Q% W7 b% }
    │  │      / R: U. I$ v0 ^! ~& h, g) H5 V! E2 B
    │  ├─CS215 Algorithms Crunching Social Networks. M8 e/ ?# t! D% D% |% ^
    │  │      Extra_Challenge_Problems-subtitles.en.zip
# t5 O5 `  U8 x' {" _: l    │  │      Extra_Challenge_Problems.zip
+ \0 @+ [: F  t6 y2 C1 A  m$ N    │  │      Problem_Set_1-subtitles.en.zip5 B4 Z) Y0 c& b# e
    │  │      Problem_Set_1.zip: _$ _+ Z$ \! n1 B1 r2 s
    │  │      Problem_Set_2-subtitles.en.zip& {4 }$ I3 J4 b
    │  │      Problem_Set_2.zip
) Q3 j! G( ?3 F: o: {' v' p    │  │      Problem_Set_2_Solutions-subtitles.en.zip1 }; P* b7 q$ {3 R9 \: p* ]7 h
    │  │      Problem_Set_2_Solutions.zip
1 z% q2 @2 O6 e2 e) P8 W& C8 z3 o; I    │  │      Problem_Set_3-subtitles.en.zip
5 ^, g. J4 j  L  b9 G& b& v    │  │      Problem_Set_3.zip8 m+ y% M0 y6 H/ d/ G
    │  │      Problem_Set_3_Solutions-subtitles.en.zip
! L- y: C! W3 W0 V/ p' k    │  │      Problem_Set_3_Solutions.zip) A1 o2 [' q, e+ w/ q4 C0 e
    │  │      Problem_Set_4-subtitles.en.zip0 ^1 q1 D, B$ m1 h/ ]# d
    │  │      Problem_Set_4.zip
% L% ?( W' w+ X0 R5 T6 q    │  │      Problem_Set_4_Solutions-subtitles.en.zip
0 r! S1 O8 L" ]1 `- G    │  │      Problem_Set_4_Solutions.zip
# z1 Q6 p6 F! q: ^; K- C( b    │  │      Unit_1_A_Social_Network_Magic_Trick-subtitles.en.zip3 K  L+ p( `6 {5 H* j5 R5 B( l" m7 n$ h; c
    │  │      Unit_1_A_Social_Network_Magic_Trick.zip: i: Z$ D+ M. M; \' C* `
    │  │      Unit_2_Growth_Rates_in_Social_Networks-subtitles.en.zip; }& o+ s% S/ n  o, |8 ?7 z0 q
    │  │      Unit_2_Growth_Rates_in_Social_Networks.zip* V1 q, c& T" E3 u" f
    │  │      Unit_3_Basic_Graph_Algorithms-subtitles.en.zip! z& A! L: h# ^6 C0 k$ o
    │  │      Unit_3_Basic_Graph_Algorithms.zip& G) l* I, u5 C& h2 `5 w, h7 W
    │  │      Unit_4_Its_Who_You_Know-subtitles.en.zip' v  w* b9 e" N0 d6 i0 L
    │  │      Unit_4_Its_Who_You_Know.zip) S' Q- U0 ~' s6 V2 [% C$ }
    │  │      Unit_5_Strong_and_Weak_Bonds-subtitles.en.zip% C, p& }! F- `/ P3 a
    │  │      Unit_5_Strong_and_Weak_Bonds.zip- Q0 Z, r/ e8 _2 |$ \
    │  │      Unit_6_Hardness_of_Network_Problems-subtitles.en.zip9 i3 k1 j' P4 `  ?" h% L
    │  │      Unit_6_Hardness_of_Network_Problems.zip/ o) S' w5 f; l4 z' y" i" K
    │  │      Unit_7-subtitles.en.zip
! s5 L; [, f6 r0 N$ _9 B: T  b    │  │      Unit_7_2.zip# A+ {! w- {0 ^$ T2 o5 u+ A$ M* c
    │  │      
3 |+ P' E  a3 H! `9 D7 A5 g    │  ├─CS222 Differential Equations Making Math Matter: Q( ]! U  e3 j8 Y9 A
    │  │      Final_Exam-subtitles.en.zip: T3 ^- Z" G5 L# c8 S
    │  │      Final_Exam.zip' d' j: \! M# P; j, v. i1 D
    │  │      Problem_Set_1-subtitles.en_2.zip
' I" u. c7 u! Y4 V2 S! d+ [    │  │      Problem_Set_1_2.zip
9 q5 y/ H  {  _0 H5 w% R7 d    │  │      Problem_Set_2-subtitles.en_2.zip
8 f" O  f$ O) S; L# ~5 h    │  │      Problem_Set_2_2.zip
. j2 `. D- [" \2 L8 Z% ?1 V. l4 R: E+ q    │  │      Problem_Set_3-subtitles.en_2.zip
0 C, C& M% t1 j5 d( |, k8 L    │  │      Problem_Set_3_2.zip+ y! Z2 t' x+ l3 ^( _" a
    │  │      Problem_Set_4-subtitles.en_2.zip6 t2 m7 P# c. }! f
    │  │      Problem_Set_4_2.zip! r  E4 m8 f3 _
    │  │      Problem_Set_5-subtitles.en.zip
8 ~7 r7 h4 o5 r7 A4 C. z    │  │      Problem_Set_5.zip
; p3 N2 W& B+ N: h    │  │      Problem_Set_6-subtitles.en.zip
" d+ A4 b% n% o+ q8 K2 ~, r    │  │      Problem_Set_6.zip( ?3 q2 n8 I) ~7 R4 G  P1 u) s
    │  │      Unit_1_-_Houston_We_Have_a_Problem-subtitles.en.zip; f! O* n$ I' x8 c
    │  │      Unit_1_-_Houston_We_Have_a_Problem.zip) K7 `5 _, c$ K( G% W  I( j
    │  │      Unit_2_-_Houston_We_Have_a_Solution-subtitles.en.zip
6 Q1 c% w+ V- e+ _+ Z, P9 \    │  │      Unit_2_-_Houston_We_Have_a_Solution.zip5 g8 E: D: D% X1 l; N: I* z! v2 m
    │  │      Unit_3_-_Contagion-subtitles.en.zip
7 M' U1 z% x5 K8 M& M8 {    │  │      Unit_3_-_Contagion.zip
/ N$ C6 @' ~4 Q: y* z% N/ c. K+ J    │  │      Unit_4_-_Responsible_Fishing-subtitles.en.zip4 B( F! w' t/ G' i, {3 A4 s+ i
    │  │      Unit_4_-_Responsible_Fishing.zip
$ b% \2 |2 Z, X& }* j, t% u9 [    │  │      Unit_5_-_Antilock_Braking_Systems-subtitles.en.zip
! M. T" U6 `$ {& @' }5 Z3 u    │  │      Unit_5_-_Antilock_Braking_Systems.zip9 l  i* Z2 s" P
    │  │      Unit_6_-_Wildfire-subtitles.en.zip
/ {8 N3 a) I+ U" [0 Y7 J$ }    │  │      Unit_6_-_Wildfire.zip$ ?' s/ D7 O4 j' Z
    │  │      Unit_7_-_Advanced_Applications_of_Numerical_Methods-subtitles.en.zip
. `0 e/ X: C2 c/ i- z    │  │      Unit_7_-_Advanced_Applications_of_Numerical_Methods.zip( F2 ~! f  c6 p; F) w
    │  │      1 B& Q) N. M+ T7 Q0 s6 j
    │  ├─CS253 Web Application Engineering How to Build a Blog
; j' o3 W* Q. p$ T4 J0 g% Q    │  │      Final.zip
* i3 [; [7 }* p# `( t' Z    │  │      Office_Hours_1-subtitles.en.zip
  J) l: C& j) w5 s2 n    │  │      Office_Hours_1.zip9 O: T0 p/ Y& k4 y8 [$ [
    │  │      Office_Hours_2-subtitles.en.zip
* R1 U8 f: C6 u* Q. F    │  │      Office_Hours_2.zip. `( K7 {; a1 J$ h0 e7 z% M* J) H
    │  │      Office_Hours_3-subtitles.en.zip% I& C! r$ v7 I- j* Y* o! R
    │  │      Office_Hours_3.zip) s, Z. W. H6 z5 F2 I. s5 L
    │  │      Office_Hours_4-subtitles.en.zip
* L& n2 D& ]6 S! U. e    │  │      Office_Hours_4.zip4 d& S0 L7 J, o" g: `: X
    │  │      Office_Hours_5-subtitles.en.zip
2 [1 f+ C+ g1 W, |    │  │      Office_Hours_5.zip
3 L, Y1 W% S: g/ \0 x    │  │      Problem_Set_1-subtitles.en.zip
' z7 c( K1 n+ }7 s% ]    │  │      Problem_Set_1.zip9 G$ w3 n  j+ N# C5 y
    │  │      Problem_Set_1_Help-subtitles.en.zip$ t( J& n$ ]7 @7 c* V
    │  │      Problem_Set_1_Help.zip- h, {" [) h: J3 P  ^
    │  │      Problem_Set_2-subtitles.en.zip
/ ?% L' r% d" r' V    │  │      Problem_Set_2.zip9 a0 O, c6 [" o. I8 ?6 b5 x
    │  │      Problem_Set_3-subtitles.en.zip, a% ]5 ~# a9 w
    │  │      Problem_Set_3.zip
- u; _- a0 W. Q0 D    │  │      Problem_Set_4-subtitles.en.zip; _9 \9 a7 W" X0 A- f( s$ ~
    │  │      Problem_Set_4.zip
0 D  S/ f! j7 N( G    │  │      Problem_Set_5-subtitles.en.zip
; I0 f" T  S6 `: c    │  │      Problem_Set_5.zip
" T! O: @# Y: N5 Y; G! m" B    │  │      Problem_Set_6-subtitles.en.zip
6 V7 j- p; f6 `2 _    │  │      Problem_Set_6.zip) I' \2 i9 [% N1 s7 Y; c
    │  │      Unit_1-subtitles.en.zip
- p; O* m& ^$ ~0 ^( c' v    │  │      Unit_1.zip  ], h. p8 v! ?; ^- C1 L; T1 b" |
    │  │      Unit_2-subtitles.en.zip
3 D& T/ u& N: F* p2 G0 B    │  │      Unit_2.zip" _& v, A' d0 ^% y: M
    │  │      Unit_3-subtitles.en.zip& }3 t! |" w% R  Q
    │  │      Unit_3.zip8 k6 q0 h1 [  U% L9 t, T
    │  │      Unit_4-subtitles.en.zip
: m+ g$ |# C& Q  N  P" Y1 H    │  │      Unit_4.zip2 ^  }; |- z  D3 \5 U+ o) J& o
    │  │      Unit_5-subtitles.en.zip+ {+ D; H5 s- H+ e" ]1 R% w0 W
    │  │      Unit_5.zip* S! p" G( G8 \5 r( v7 N2 G
    │  │      Unit_6-subtitles.en.zip
! s8 m- [4 E8 D- G5 B8 e    │  │      Unit_6.zip- ]( I+ r% L- ~4 w' L& G
    │  │      Unit_7-subtitles.en.zip
6 x9 H6 X' Y; I1 Z) M    │  │      Unit_7.zip
0 R7 z. k& {4 S- ?" u* U    │  │      Wrap__Up_Questions-subtitles.en.zip  `0 w; `2 {6 U
    │  │      Wrap__Up_Questions.zip  A% R, V' z0 M  ?1 t' i
    │  │      
6 s8 {6 ?% x* b. R    │  ├─CS255 HTML5 Game Development Building High Performance Web Applications
4 n0 A  N" P2 I1 o8 N7 O# w    │  │      Asset_Loading.zip& q: B! o& z9 t9 O
    │  │      Atlases.zip% e6 K( l% N1 t5 [
    │  │      Canvas-subtitles.en.zip
2 l+ Y0 \9 l* c& E5 W- N    │  │      Canvas.zip
$ E" f5 t4 E4 e; ^8 L: \- O. q    │  │      Entities.zip
: Y; _7 M- G' Q' g( u0 u4 F# n    │  │      Foreword.zip+ k3 k. V* g1 s4 D3 X
    │  │      Input.zip* H- Z% T: u& [  s: O  V
    │  │      Optional_Javascript_Crash_Course-subtitles.en.zip
6 k: _2 g5 W- a$ E& M/ Z$ ^$ t    │  │      Optional_Javascript_Crash_Course.zip
4 ]3 E3 f4 G9 _  Q    │  │      Physics.zip# |& l  v5 H9 D
    │  │      Sound.zip
' i+ \0 R; q- S0 _    │  │        a' H" |& u4 n* q1 ~+ p: {; Z
    │  ├─CS259 Software Debugging Automating the Boring Tasks! k* W7 d$ _. W8 O4 }2 ~
    │  │      0._Introduction-subtitles.en.zip$ S8 i8 N9 O6 N/ F0 n: y! \
    │  │      0._Introduction.zip
) P: k' x4 E$ a8 }7 I) A    │  │      1._How_Debuggers_Work-subtitles.en.zip' ~1 I9 M/ O. k+ u& @  F7 c' ?2 Q
    │  │      1._How_Debuggers_Work.zip$ f8 H4 b" m6 W* ~, L. m& [
    │  │      2._Assertions-subtitles.en.zip
( E; Z) {3 \3 T" |" F  c, M. ^    │  │      2._Assertions.zip
2 Z5 W$ ^5 l: \* M) k3 p    │  │      3._Simplifying_Failures-subtitles.en.zip2 T2 p+ L3 J( u
    │  │      3._Simplifying_Failures.zip8 K( L# R) W) B& a6 z5 B
    │  │      4._Tracking_Origins-subtitles.en.zip7 p3 V/ C3 ?9 G( G- ~, _- U5 |
    │  │      4._Tracking_Origins.zip
  }9 l. y3 q5 O. A+ ?    │  │      5._Reproducing_Failures-subtitles.en.zip
8 T( w( y8 h: q1 i* {+ B    │  │      5._Reproducing_Failures.zip
3 q$ x# |% o' S$ ^( \    │  │      6._Learning_from_Mistakes-subtitles.en.zip
# R& C; R- V, Z4 N& h    │  │      6._Learning_from_Mistakes.zip
5 Q5 Q& A5 s; T+ E" W8 t# V    │  │      7._Recap_and_more_stories-subtitles.en.zip5 a# ]4 }$ X& t; I7 [3 y' M/ \% Y
    │  │      7._Recap_and_more_stories.zip
5 N7 }4 O7 w7 _/ e    │  │      Problem_Set_1-subtitles.en.zip
( j. t, \  ?( _. U/ \    │  │      Problem_Set_1.zip
, {8 G" m; f$ J    │  │      Problem_Set_2-subtitles.en.zip
9 I1 E7 g- X' g* T2 _4 V    │  │      Problem_Set_2.zip
7 c  ]7 ~  C5 `) {    │  │      Problem_Set_3-subtitles.en.zip
% w: \8 ^" n5 I2 O" h    │  │      Problem_Set_3.zip
9 U/ }* @7 `; G5 }8 c) V! w3 f    │  │      Problem_Set_4-subtitles.en.zip# m& G# P1 e0 H$ b4 s' W  s; s
    │  │      Problem_Set_4.zip
! ~/ j. |( `3 E' I% ?! G6 u. ~! A    │  │      Problem_Set_5-subtitles.en.zip+ n6 y% k, G/ _# c( D7 e
    │  │      Problem_Set_5.zip
& X5 A7 W4 L! K, h8 z3 I    │  │      Problem_Set_6.zip
$ S; K8 N2 z) g) }/ k- v    │  │      & V% J2 D$ ~# k+ f( Z' ^
    │  ├─CS262 Programming Languages Building a Web Browser: d! _* P7 M9 C) H# J% q
    │  │      Homework_4.zip
/ t" ^. w: ]) O! |8 N. {    │  │      Homework_5.zip( A+ I: Y' q% f  Y5 d/ o
    │  │      Make_The_World_A_Better_Place-subtitles.en.zip* l' ?1 z0 n2 j* \- H
    │  │      Office_Hours_1-subtitles.en.zip
- X" p  e  Y4 p4 d    │  │      Office_Hours_1.zip
( ?3 S' V; h% p5 u( \+ W% _    │  │      Office_Hours_2-subtitles.en.zip3 w. B/ `# M: |+ t+ n
    │  │      Office_Hours_2.zip0 I0 O3 Q' e5 d+ T; [" D# E! J6 K
    │  │      Office_Hours_3-subtitles.en.zip
5 |' q0 ^# T) W5 ^/ _3 E+ u    │  │      Office_Hours_3.zip
0 I" E- }7 H, t3 P+ R, [    │  │      Office_Hours_4-subtitles.en.zip
& _5 \4 V% n8 x7 m5 T2 @    │  │      Office_Hours_4.zip
0 V* ~- y: g( r* s# ~1 Q    │  │      Office_Hours_5-subtitles.en.zip
5 |) }) N$ R3 L' m* e, m+ i5 w    │  │      Office_Hours_5.zip
6 K9 L+ [( Z5 ^: H    │  │      Office_Hours_6-subtitles.en.zip+ g  a" M8 U$ D3 d- a
    │  │      Office_Hours_6.zip
) Z1 l1 k( f, [8 y' p* W9 l' x    │  │      Problem_Set_1-subtitles.en_2.zip
/ ]9 d" E1 n* @& x/ x    │  │      Problem_Set_1_2.zip
9 p. ]% j1 ?  k" d; D% E9 {: h    │  │      Problem_Set_2-subtitles.en_2.zip
7 Y: ~' T0 B: W# x+ p1 @( B# `    │  │      Problem_Set_2_2.zip
/ [3 S& ]6 Q( ?5 S0 w/ @    │  │      Problem_Set_2_Challenge-subtitles.en.zip
& ~( J- K& F8 J2 D    │  │      Problem_Set_2_Challenge.zip
; k- K. s" ?# @    │  │      Problem_Set_3-subtitles.en_2.zip
6 u/ y9 U3 D3 `0 |$ j6 C% }$ }3 Q    │  │      Problem_Set_3_2.zip( p, K# r4 s3 T8 x. `8 I7 m! `1 p
    │  │      Problem_Set_4-subtitles.en_2.zip
' {! i  d! `( Q, z5 R1 s3 k" X    │  │      Problem_Set_4_Challenge-subtitles.en.zip
1 S% n% x; g# X' C    │  │      Problem_Set_4_Challenge.zip; k0 r* ~% E# e5 i! u- n8 |
    │  │      Problem_Set_5-subtitles.en_2.zip
' j3 ?) R4 x0 u" f  ]    │  │      Problem_Set_6-subtitles.en.zip+ M4 _# F6 q2 M$ i0 M
    │  │      Problem_Set_6_2.zip
' z2 ^. m  Q" C6 s! S5 g, b& [; K, f  r/ [    │  │      Problem_Set_6_Challenge-subtitles.en.zip" P  {+ W  o( I5 I& Y
    │  │      Problem_Set_6_Challenge.zip
% S/ s( x& C# e! v  a+ I% m    │  │      Programming_Practice.zip
/ B% U7 p6 }. I! t    │  │      Programming_Practice_-_Find_Max-subtitles.en.zip
# l( o8 D( S! G    │  │      Programming_Practice_-_Find_Max.zip( b( T, ]2 x/ C
    │  │      Programming_Practice_-_Subsets-subtitles.en.zip
" K5 J7 g# k; A# Q& v0 {    │  │      Programming_Practice_-_Subsets.zip# X) _% n* @7 q5 H9 {1 I  g0 q
    │  │      Programming_Practice_-_Trees-subtitles.en.zip- s+ B1 s& F1 n$ r" x3 G' b9 S0 h
    │  │      Programming_Practice_-_Trees.zip
" X& j; g, p' t" \: T    │  │      Unit_1-subtitles.en.zip
4 X* d! G1 O; k  f: l5 P$ g5 Z    │  │      Unit_1.zip
# x1 X8 Z$ K8 v$ y: }8 T- W: Z    │  │      Unit_2-subtitles.en.zip% h, m' v: D" e: [" e3 M- S
    │  │      Unit_2.zip
4 s" A  J* }7 ?+ G9 U4 a( g1 b    │  │      Unit_3-subtitles.en.zip
; D$ C) G# a, t2 `4 H6 S/ l. s    │  │      Unit_3.zip
' {' ~' \; E2 u% N% b    │  │      Unit_4-subtitles.en.zip
, X% t5 d- R) `" U4 @  q" ^# }    │  │      Unit_4.zip% o  J  G- f( M; ]! p; n5 I
    │  │      Unit_5-subtitles.en.zip
5 H: L* Q: l$ _% O+ K" F8 e- U. g# H    │  │      Unit_5.zip7 n( y( e* F0 l1 Z) F. s
    │  │      Unit_6-subtitles.en.zip
* e; `6 [( K! s9 e. `1 r    │  │      Unit_6.zip" u$ d, u8 ~' R4 S' H
    │  │      Unit_7-subtitles.en.zip
1 Y  t) R1 P# |4 q( s7 S9 R1 z( _    │  │      Unit_7.zip+ t+ u+ S9 T' _5 I
    │  │      
  e' P7 A& i3 Q% g    │  ├─CS271 Introduction to Artificial Intelligence AI Class- g" }3 `9 ]9 d& y! C, H
    │  │      1._Welcome_to_AI-subtitles.en.zip* F! s( u5 g: r: x2 i6 `! X7 {9 U) F+ w
    │  │      1._Welcome_to_AI.zip
4 b- X9 o0 _2 G% }* T2 X1 r# h5 H* }    │  │      10._Reinforcement_Learning-subtitles.en.zip: q$ E6 y9 o9 m% o( n7 k$ G
    │  │      10._Reinforcement_Learning.zip/ c. v) Y& K  p: k+ q
    │  │      11._HMMs_and_Filters-subtitles.en.zip
3 m2 X2 s! ]% e9 O    │  │      11._HMMs_and_Filters.zip9 Z& Q% O( k" g7 J  {2 _2 |
    │  │      12._MDP_Review-subtitles.en.zip- Q' w* D5 ?) K  k4 e% v; n
    │  │      12._MDP_Review.zip( |4 ]/ P, _! K
    │  │      13._Games-subtitles.en.zip
; g, d" L7 G4 ]' L, A9 D. ^  \    │  │      13._Games.zip! v' m, }" E4 v* m6 k+ f
    │  │      14._Game_Theory-subtitles.en.zip; z" R2 n( p0 D% a) g* Y0 P
    │  │      14._Game_Theory.zip4 W" g( O6 X+ g* C
    │  │      15._Advanced_Planning-subtitles.en.zip
* f3 ?0 y  r- |7 K% W    │  │      15._Advanced_Planning.zip
3 U: k4 d. H; J8 |% ~' O1 H    │  │      16._Computer_Vision_I-subtitles.en.zip
1 |* K( i9 t( t; E    │  │      16._Computer_Vision_I.zip
$ t, A" c* K# X; V. l, \1 |; J    │  │      17._Computer_Vision_II-subtitles.en.zip: v6 M  A! u: p
    │  │      17._Computer_Vision_II.zip
, A% S( x2 n7 P2 v- p    │  │      18._Computer_Vision_III-subtitles.en.zip, q7 z6 w/ O& j2 {( ^
    │  │      18._Computer_Vision_III.zip
6 N2 G9 t2 E* O9 {* C* X* M    │  │      19._Robotics_I-subtitles.en.zip
: k6 ]: u5 Y& t# R! f! j, d! }9 G    │  │      19._Robotics_I.zip6 j! K* c  C" n# F3 ]9 O1 e% i2 [- A
    │  │      2._Problem_Solving-subtitles.en.zip
! r% ^7 x* e( ^' t2 e; [    │  │      2._Problem_Solving.zip
* z! C, }# I, j+ W    │  │      20._Robotics_II-subtitles.en.zip( b' y& p3 m, Q
    │  │      20._Robotics_II.zip
6 L% \% A% N6 y( k( T( B    │  │      21._Natural_Language_Processing-subtitles.en.zip
. r( Y; ^) o$ P5 ^" w+ w1 \    │  │      21._Natural_Language_Processing.zip9 c* S2 ^" N& P
    │  │      22._Natural_Language_Processing_II.zip- R$ q& I9 E) P0 j7 L& Y
    │  │      3._Probability_in_AI-subtitles.en.zip
! {9 d" ^  \9 b5 O: D3 t$ F    │  │      3._Probability_in_AI.zip1 m: U6 A  i# a
    │  │      4._Probabilistic_Inference-subtitles.en.zip. Y% A3 h% T+ @1 s0 C7 n7 C
    │  │      4._Probabilistic_Inference.zip7 @  W! R; q/ w
    │  │      5._Machine_Learning-subtitles.en.zip; y$ P: [( n2 D/ H+ G2 _7 e: |
    │  │      5._Machine_Learning.zip( k/ x. L5 {+ B0 i+ h
    │  │      6._Unsupervised_Learning-subtitles.en.zip
& [0 e) W9 }1 n    │  │      6._Unsupervised_Learning.zip
5 ?$ G4 j0 W2 M- r( o' F% f    │  │      7._Representation_with_Logic-subtitles.en.zip
9 K* z) J( G3 `$ r$ L, ?6 x- T    │  │      7._Representation_with_Logic.zip2 W0 W0 X% p! k
    │  │      8._Planning-subtitles.en.zip
; ^. j+ ]( c: x; [/ n6 D% G    │  │      8._Planning.zip
7 _" {7 w( I& z3 y0 B. q0 u0 c; d" g    │  │      9._Planning_under_Uncertainty-subtitles.en.zip
8 _# z6 t) e2 m- d    │  │      9._Planning_under_Uncertainty.zip
! u2 r! Z' f" `. T8 b/ \- n    │  │      Office_Hours.zip
+ h& }  r! K2 \! W( ]- ]3 j( q: `# W    │  │      printable_final.pdf
: H9 {! t6 H" A) f) j8 P    │  │      printable_midterm.pdf, G% E/ u! y* q& ~
    │  │      Problem_Set_1-subtitles.en.zip
: R& Z; ]7 Y& U) A    │  │      Problem_Set_1.zip
/ h5 J/ t) H  V    │  │      Problem_Set_2-subtitles.en.zip
4 s; n) t) c: }, k- A1 X    │  │      Problem_Set_2.zip
: D; L8 l; C1 i3 C  ?, A    │  │      Problem_Set_3-subtitles.en.zip' ?$ z8 U2 x% m4 \
    │  │      Problem_Set_3.zip
" W" `! {* i) Z2 Q    │  │      Problem_Set_4-subtitles.en.zip" N* t3 W5 V: T& s
    │  │      Problem_Set_4.zip
* E0 R4 Q4 Z* S4 ^    │  │      Problem_Set_5-subtitles.en.zip8 a9 g5 {3 G2 Z
    │  │      Problem_Set_5.zip* H2 s6 G8 p* {3 m: o; m
    │  │      Problem_Set_6-subtitles.en_2.zip$ @( e" L% s( ~- m' {+ b
    │  │      Problem_Set_6.zip
' k6 x8 Y( J- K7 B5 T3 R    │  │      Problem_Set_7-subtitles.en.zip
- h' w) \# L. t1 Q+ h: ]- L7 _    │  │      Problem_Set_7.zip
/ ~& y. b0 U  p" W  z    │  │      Problem_Set_8-subtitles.en.zip5 C% {4 p% j, N2 i7 v
    │  │      Problem_Set_8.zip
3 m* }6 v' j( P1 U; t    │  │      " P2 r5 h" ]* W2 [
    │  ├─CS291 Interactive 3D Graphics Creating Virtual Worlds
; w* Z, R6 v/ r2 S    │  │      Final_Exam-subtitles.en.zip. E1 Z7 f2 W8 l9 w: O! h0 C/ f
    │  │      Final_Exam.zip
' A  a# y$ ]( F( i) f    │  │      Interview_3D_Modelling_and_Printing-subtitles.en.zip4 l; m: L* \8 c( Z" l  }! g
    │  │      Interview_3D_Modelling_and_Printing.zip! Y8 c0 t6 Q% B6 {" c- w5 V
    │  │      Interview_Modeling_in_Real_World-subtitles.en.zip
7 Q5 z4 ]  ]' H+ J5 G3 ^) k    │  │      Interview_Modeling_in_Real_World.zip
5 z- P. v. n0 s6 V    │  │      Lesson_10_Interaction_and_Animation-subtitles.en.zip
( L/ I9 B" o$ ~) ~    │  │      Lesson_10_Interaction_and_Animation.zip
8 y# p% V0 ^# r& [    │  │      Lesson_1_Introduction-subtitles.en.zip6 y. K1 R1 S7 e4 ]
    │  │      Lesson_1_Introduction.zip
2 p. N! G) C: y2 ^4 L8 N    │  │      Lesson_1_Problem_Set-subtitles.en.zip. k: P; r! W9 Q: l; D4 r$ K7 `; D8 a
    │  │      Lesson_1_Problem_Set.zip
3 L& J& n* x& m2 d  ^( U8 o, |    │  │      Lesson_2_Points,_Vectors,_and_Meshes-subtitles.en.zip
2 R2 q/ G. W, n" C    │  │      Lesson_2_Points,_Vectors,_and_Meshes.zip$ |6 Y: E* z9 r
    │  │      Lesson_2_Problem_Set-subtitles.en.zip, P( K! G4 j7 J# T/ k
    │  │      Lesson_2_Problem_Set.zip0 K4 a% x4 c5 `9 t: s+ T5 Z$ \
    │  │      Lesson_3_Colors_and_Materials-subtitles.en.zip
6 g0 t+ o* {, }- a; K% ~  M% n, O    │  │      Lesson_3_Colors_and_Materials.zip
% W' C" K3 R; G) n1 |& `; C" Q1 `    │  │      Lesson_3_Problem_Set-subtitles.en.zip
) [' H4 n1 O3 [5 w    │  │      Lesson_3_Problem_Set.zip1 e5 c9 p" W: o1 d  X* Z$ T5 p
    │  │      Lesson_4_Problem_Set-subtitles.en.zip
- _1 ]4 I, B, Z6 }    │  │      Lesson_4_Problem_Set.zip/ q; v! q% A& y
    │  │      Lesson_4_Transforms-subtitles.en.zip' p: h- s9 b9 H$ O# P) [1 [
    │  │      Lesson_4_Transforms.zip1 H) {2 A9 z% O( Q+ I% R& |
    │  │      Lesson_5_Matrices-subtitles.en.zip
6 e% K- E% l- u  ^# @: [/ \    │  │      Lesson_5_Matrices.zip
( Z( z3 N+ q# A+ S    │  │      Lesson_5_Problem_Set-subtitles.en.zip
3 @0 n- {& v/ c) y4 ~* U    │  │      Lesson_5_Problem_Set.zip
  P6 S. [2 E, C    │  │      Lesson_6_Lights-subtitles.en.zip" _( T, A/ B4 z$ |& h2 P% V
    │  │      Lesson_6_Lights.zip
; h  ]7 r1 n+ ?2 M* T) P" l    │  │      Lesson_6_Problem_Set-subtitles.en.zip
4 ]- L; J! @. `' U: [* U2 w8 U: v    │  │      Lesson_6_Problem_Set.zip8 @' C1 X" W) j2 o. x
    │  │      Lesson_7_Cameras-subtitles.en.zip# v2 Y( V7 Y$ I3 q) K) \& k' t2 o
    │  │      Lesson_7_Cameras.zip
; j/ f1 M# z& i1 b    │  │      Lesson_7_Problem_Set-subtitles.en.zip( u! ]& o' k4 @; E$ o$ p5 X% ?
    │  │      Lesson_7_Problem_Set.zip
( |! M) G! j5 e- Q8 u: l9 I2 E    │  │      Lesson_8_Problem_Set-subtitles.en.zip  ]: s% V/ V# H. J% T' U! F# b% G
    │  │      Lesson_8_Problem_Set.zip
+ N2 C9 W) C+ U% [% y4 K' i    │  │      Lesson_8_Textures_and_Reflections-subtitles.en.zip# a, \7 r/ \; H5 |- p9 v9 `( ^
    │  │      Lesson_8_Textures_and_Reflections.zip1 j$ `3 p0 K) d3 R4 z* g5 t
    │  │      Lesson_9_Problem_Set-subtitles.en.zip
# y+ h  }0 Z7 q5 n" Q    │  │      Lesson_9_Problem_Set.zip
) x& ~  E1 O1 Z) G: S, R    │  │      Lesson_9_Shader_Programming-subtitles.en.zip7 c  p2 _; w. j2 y( k7 e
    │  │      Lesson_9_Shader_Programming.zip
; P) K) u: j! X* {* v    │  │      0 T* L: a! d8 q$ O( X' t: y; w
    │  ├─CS313 Introduction to Theoretical Computer Science
2 n6 }  ?. u" u0 u1 p4 k' B1 g+ U    │  │      Exam-subtitles.en.zip# z- m8 `- ^. E& W( L. e; @0 d# Q
    │  │      Exam.zip
5 m2 V4 O  }; r# j  b1 X& m    │  │      Problem_Set_1-subtitles.en.zip7 U1 D" ^! N( Y" o
    │  │      Problem_Set_1.zip
% T; [1 g6 i3 ^$ |: U$ j" h    │  │      Problem_Set_2-subtitles.en.zip. b! o3 J+ k2 V  r, W
    │  │      Problem_Set_2.zip
# v' W* [  n1 L: {- E    │  │      Problem_Set_3-subtitles.en.zip8 `5 ^) {4 o- ~
    │  │      Problem_Set_3.zip
7 o' f& P. {/ o    │  │      Problem_Set_4-subtitles.en.zip" o& R  l( W5 D
    │  │      Problem_Set_4.zip
) }  j8 S& O7 Z- l+ P( c    │  │      Problem_Set_5-subtitles.en.zip9 q. r7 U7 {( {/ \
    │  │      Problem_Set_5.zip0 X0 j! M" F- |6 z
    │  │      Problem_Set_6-subtitles.en.zip% V, Z* G& ^" C
    │  │      Problem_Set_6.zip
) S$ o: y1 z; q: h3 N' F# v    │  │      Problem_Set_7-subtitles.en.zip
/ ]# P- d  ~4 v    │  │      Problem_Set_7.zip( q: k7 R. a8 _. O! y
    │  │      Unit_1.1_-_Challenging_Problems-subtitles.en.zip
& X5 O0 H- q; G6 |    │  │      Unit_1.1_-_Challenging_Problems.zip
5 ]& n2 Q' E- p3 `    │  │      Unit_1.2_-_Algorithm_Analysis_and_the_RAM-subtitles.en.zip  H& m7 @: p6 I* [% y5 i( h' ?
    │  │      Unit_1.2_-_Algorithm_Analysis_and_the_RAM.zip
5 r, R& ~3 O; c4 K3 `: X3 {    │  │      Unit_1.3_-_Big_O_(Optional)-subtitles.en.zip! }3 x7 |6 Q# r
    │  │      Unit_1.3_-_Big_O_(Optional).zip9 P" Q. W5 c; u7 A: @# B3 C
    │  │      Unit_1.4_-_Connecting_Similar_Problems-subtitles.en.zip6 G) b' V- B4 T4 G7 d0 m9 ~4 O! h/ z
    │  │      Unit_1.4_-_Connecting_Similar_Problems.zip
" l# a0 K( L4 O2 [" i    │  │      Unit_2.1_-_Many_Solutions_and_Intractability-subtitles.en.zip3 j4 t8 S, e' T; G6 i( w6 G
    │  │      Unit_2.1_-_Many_Solutions_and_Intractability.zip# Z5 D( @6 v2 K
    │  │      Unit_2.2_-_Non-deterministic_RAM-subtitles.en.zip) y! |1 L/ a+ {2 n
    │  │      Unit_2.2_-_Non-deterministic_RAM.zip# b7 M/ v1 q- {, O
    │  │      Unit_2.3_-_SAT-subtitles.en.zip
2 R6 a' @  N4 d' ?4 C, m7 K/ a& }    │  │      Unit_2.3_-_SAT.zip
5 ?) Z2 p' B0 k& P/ C; N- d    │  │      Unit_2.4_-_Proof_of_SAT_(Optional)-subtitles.en.zip
+ ^6 k2 X4 C0 I  P, o' L/ a    │  │      Unit_2.4_-_Proof_of_SAT_(Optional).zip0 E0 Z- X6 I  k8 V) l
    │  │      Unit_2.5_-_NP-Completeness_Via_Reductions-subtitles.en.zip
7 \. r8 O9 M; C8 h    │  │      Unit_2.5_-_NP-Completeness_Via_Reductions.zip, ^' H* k: X3 F, }9 z4 W# H
    │  │      Unit_3_-_Solving_NP-Complete_Problems-subtitles.en.zip( o0 `0 J$ t' z6 @5 o. ~( U
    │  │      Unit_3_-_Solving_NP-Complete_Problems.zip1 {) i9 y/ A5 E6 F4 b) N/ o
    │  │      Unit_4.1_-_Pruning_the_Input-subtitles.en.zip
0 }- u* i# r* X, k    │  │      Unit_4.1_-_Pruning_the_Input.zip
9 e, d5 A7 ?) \. S    │  │      Unit_4.2_-_Preprocessing-subtitles.en.zip
5 l3 ~8 ]" s# N    │  │      Unit_4.2_-_Preprocessing.zip
- I1 [$ C# ?7 ?: n% T" W! S    │  │      Unit_4.3_-_Measuring_Hardness-subtitles.en.zip* w- n+ j' ~  W$ j1 f7 b# I$ ]
    │  │      Unit_4.3_-_Measuring_Hardness.zip9 P  g& M) @, U1 f9 J, B
    │  │      Unit_5.1_-__Approximation_Factor-subtitles.en.zip
  N1 W* t  J, d8 W, B    │  │      Unit_5.1_-__Approximation_Factor.zip+ b' I6 Q9 X1 B+ Q$ [  ~9 L
    │  │      Unit_5.2_-_Shortest_Tour-subtitles.en.zip
- H8 c8 [4 g+ R8 _( Q1 Q1 K    │  │      Unit_5.2_-_Shortest_Tour.zip& x# Z. |: ]' N+ c
    │  │      Unit_5.3_-_Reductions_&_Approx._Factors-subtitles.en.zip0 y8 P2 p- W0 S$ d) ~. }
    │  │      Unit_5.3_-_Reductions_&_Approx._Factors.zip7 N  v# x7 l6 q6 ~& J1 v2 ^' k
    │  │      Unit_5.4_-_PTAS-subtitles.en.zip& y! K$ @* ]; C, m; u# N
    │  │      Unit_5.4_-_PTAS.zip* A! d0 S" I2 i6 d* @/ y! \4 }; A
    │  │      Unit_6.1_-_Randomization-subtitles.en.zip6 f0 h' I' ^8 y* `: n/ @" z, n
    │  │      Unit_6.1_-_Randomization.zip* i0 j( m; G8 d0 x  o
    │  │      Unit_6.2_-_What_Youve_Learnt-subtitles.en.zip, T, Z8 L9 v) Z  Z$ `, W
    │  │      Unit_6.2_-_What_Youve_Learnt.zip
& u% {: z# Z' p+ l+ ]( x+ Q2 e    │  │      Unit_7.1_-_Limits_of_Computation-subtitles.en.zip
3 ?' {6 L# \( n9 ~  I    │  │      Unit_7.1_-_Limits_of_Computation.zip( r& S  }: E0 R! J# L- x
    │  │      Unit_7.2__-_More_Undecidability-subtitles.en.zip. c) a) U! P2 x3 a- u% E) \: A& A" K
    │  │      Unit_7.2__-_More_Undecidability.zip
3 o  N+ e& i  O! }. S+ c    │  │      # n) Z  h' L: F$ n1 b
    │  ├─CS344 Intro To Parallel Programming Using CUDA to Harness the Power of GPUs
' L$ @: c! h, r2 a7 K7 I) z. D    │  │      Lesson_1_-_Bill_Dally_Interview-subtitles.en.zip* F9 t! ], a5 j1 b8 ]4 M- s# M
    │  │      Lesson_1_-_Bill_Dally_Interview.zip
7 g# d6 m% l( B2 c9 v, Y9 H    │  │      Lesson_1_-_The_GPU_Programming_Model-subtitles.en.zip6 q& ~. U7 x$ b, e+ F0 n# P3 M
    │  │      Lesson_1_-_The_GPU_Programming_Model.zip, V, w# \. P7 X
    │  │      Lesson_2_-_GPU_Hardware_and_Parallel_Communication_Patterns-subtitles.en.zip( o3 f7 ?5 n6 o; k( B# T
    │  │      Lesson_2_-_GPU_Hardware_and_Parallel_Communication_Patterns.zip: w: N5 k4 }8 `1 L# b) p- b
    │  │      Lesson_3_-_Fundamental_GPU_Algorithms_(Reduce,_Scan,_Histogram).zip
. G. R/ R! W, {* _    │  │      Lesson_4_-_Fundamental_GPU_Algorithms_(Applications_of_Sort_and_Scan).zip
# b1 h; V* r" ]* b% @    │  │      Lesson_4_-_Ian_Buck_Interview-subtitles.en.zip: y; G. w3 L, u9 E
    │  │      Lesson_4_-_Ian_Buck_Interview.zip- W5 M. @  V! T6 W$ Q; N. h6 b3 m
    │  │      Lesson_5_-_Optimizing_GPU_Programs-subtitles.en.zip
+ C1 N# ?; x+ [- D  p* O    │  │      Lesson_5_-_Optimizing_GPU_Programs.zip9 r; Z$ p3 L, G( p5 w' g$ H0 F
    │  │      Lesson_6.1_-_Parallel_Computing_Patterns_Part_A-subtitles.en.zip
5 w# P4 r$ w5 M% N3 K    │  │      Lesson_6.1_-_Parallel_Computing_Patterns_Part_A.zip- M# z& {4 d# S
    │  │      Lesson_6.2_-_Parallel_Computing_Patterns_Part_B-subtitles.en.zip. ^" [/ |* m" a
    │  │      Lesson_6.2_-_Parallel_Computing_Patterns_Part_B.zip
+ W: v1 p- Z7 z8 c$ j    │  │      Lesson_7.1_-_Additional_Parallel_Computing_Topics-subtitles.en.zip) B  m9 `/ Z6 F" l* r
    │  │      Lesson_7.1_-_Additional_Parallel_Computing_Topics.zip
4 c/ h) j% `1 W8 m( P* `0 c: H    │  │      Lesson_7.2_-_Dynamic_Parallelism-subtitles.en.zip
9 ~7 [5 F4 b% E    │  │      Lesson_7.2_-_Dynamic_Parallelism.zip
, c3 ~3 E1 m& o- {% h7 Q    │  │      Lesson_7.3_-_Stephen_Jones_Interview-subtitles.en.zip
8 ^9 X: T! ]7 I2 Y8 E8 D" I' m$ C$ r    │  │      Lesson_7.3_-_Stephen_Jones_Interview.zip
( }* R0 `4 B/ E' V( g    │  │      zh-cn-subtitles.zip% O8 T9 a1 Y+ N. w) @
    │  │      ; D& }+ o. o0 F; t5 z; Y( }! W
    │  ├─CS348 Functional Hardware Verification How to Verify Chips and Eliminate Bugs
" b1 f* ]. N: z5 g$ H4 I& e# x4 E    │  │      Lesson_1_Introduction_to_Hardware_Verification-subtitles.en.zip
, n: p. q7 |2 h, Z# \! y    │  │      Lesson_1_Introduction_to_Hardware_Verification.zip
! Z8 j! D5 {2 l# K* o# Z    │  │      Lesson_2_Basic_stimulus_modeling_and_generation-subtitles.en.zip
/ y) `+ B$ t1 H3 d9 P" l    │  │      Lesson_2_Basic_stimulus_modeling_and_generation.zip  c. {0 S( e" u& u1 @- k* g
    │  │      Lesson_3_Interfacing_to_the_Hardware_Model-subtitles.en.zip
4 i, W* }. D/ M! S6 k& H$ |    │  │      Lesson_3_Interfacing_to_the_Hardware_Model.zip- `( ^0 r. i8 }; z- F* \& F
    │  │      Lesson_4_Monitoring_and_Functional_Coverage-subtitles.en.zip
* y6 _9 B0 M  F0 o+ Z  f    │  │      Lesson_4_Monitoring_and_Functional_Coverage.zip- N: U" |, T* {) t
    │  │      Lesson_5_Checking-subtitles.en.zip
1 Y* V: ]  g0 X) W3 ]1 W/ B  V    │  │      Lesson_5_Checking.zip
9 |7 H' L3 U# {! J  \  Q    │  │      Lesson_6_Aspect_Oriented_Programming-subtitles.en.zip
) O+ l: p; \) q( n+ b    │  │      Lesson_6_Aspect_Oriented_Programming.zip
( k1 ]; f9 J7 N, \    │  │      Lesson_7_Reuse_Methodology-subtitles.en.zip
1 K4 Q" r! T+ V; `" O# B    │  │      Lesson_7_Reuse_Methodology.zip% w  |( o  N: ~2 b( H: ~/ X3 D; r! I
    │  │      Lesson_8__Debugging-subtitles.en.zip
5 J7 i" N4 b* f; }! t& Q, k    │  │      Lesson_8__Debugging.zip
; `5 R  D  W. e) N, h    │  │      Lesson_9_Conclusion_and_Exam-subtitles.en.zip; Q% u" }8 h* o5 i
    │  │      Lesson_9_Conclusion_and_Exam.zip
& p& O/ v$ j$ v    │  │      ' P  v: q% B$ J  H5 k
    │  ├─CS373 Artificial Intelligence for Robotics Programming a Robotic Car
  S6 u* _) p% a! h$ i4 `    │  │      Problem_Set_1-subtitles.en.zip
0 ~0 V2 H8 S) ]5 M    │  │      Problem_Set_1.zip' \8 X' C: L& H. z/ `$ l4 ^& A
    │  │      Problem_Set_2-subtitles.en.zip( S( w) r9 v0 q% z
    │  │      Problem_Set_2.zip" [0 s% r7 N0 B8 \, K
    │  │      Problem_Set_2_Help-subtitles.en.zip  `# `: E, Z) {8 }1 {" {. @3 \
    │  │      Problem_Set_2_Help.zip
- S  w: R; J$ V3 z7 a' a- _/ E3 u    │  │      Problem_Set_3-subtitles.en.zip
" a. w. x4 e. x+ D    │  │      Problem_Set_3.zip2 U( ~* G) Q; {
    │  │      Problem_Set_3_Help-subtitles.en.zip: I& B( D+ i0 U" c$ j
    │  │      Problem_Set_3_Help.zip6 K% o0 z% ]- e5 d
    │  │      Problem_Set_4-subtitles.en.zip4 P3 h( F+ V8 U- r* I
    │  │      Problem_Set_4.zip
, l* V8 H+ ?! ]3 R    │  │      Problem_Set_5-subtitles.en.zip% m% c# j8 `; z
    │  │      Problem_Set_5.zip
1 r5 a6 ^" L. E! t    │  │      Problem_Set_5_Help-subtitles.en.zip
6 Z# N  B# d" R6 o7 E2 m    │  │      Problem_Set_5_Help.zip
/ g1 C/ ~$ S! u+ h4 A4 l- \    │  │      Problem_Set_6-subtitles.en.zip
3 q' {2 a3 L  q5 |, g5 v    │  │      Problem_Set_6.zip% i  A: v: o9 P1 Z1 Y1 o1 A! Y
    │  │      Q&A_1-subtitles.en.zip
4 m9 H9 Z" j, N4 w: O    │  │      Q&A_1.zip7 @7 W2 o9 K5 J, X8 ?. t
    │  │      Q&A_2-subtitles.en.zip
) ~: M9 t1 v0 H$ z1 O& I. P9 K    │  │      Q&A_2.zip( H: Y# U+ y2 A! d
    │  │      Q&A_3-subtitles.en.zip* v& A5 k/ E2 c( W) l3 c2 X' y
    │  │      Q&A_3.zip
) T8 m% x: R. z! t) c( b    │  │      Q&A_4-subtitles.en.zip) r# F/ r" u+ K: \+ ^
    │  │      Q&A_4.zip
& F6 x& d7 `* z/ }' e+ M    │  │      Q&A_5-subtitles.en.zip* M- T* n8 U% s: d& W2 D
    │  │      Q&A_5.zip. M% p" B/ s" F# v' L2 t$ f
    │  │      Q&A_6-subtitles.en.zip
9 C' f- [' c' F1 m" Z" u) |    │  │      Q&A_6.zip
7 G; W* K: j" `    │  │      Unit_1_-_Localization-subtitles.en.zip% R, Z0 u8 C4 c' p: R3 J
    │  │      Unit_1_-_Localization.zip
9 G$ I2 {  z; |    │  │      Unit_2_-_Kalman_Filters-subtitles.en.zip# O" q5 D$ i6 }' e2 S
    │  │      Unit_2_-_Kalman_Filters.zip
: D4 [" h4 s8 j, O    │  │      Unit_3_-_Particle_Filters-subtitles.en.zip; M  @( p* |* s3 E- z
    │  │      Unit_3_-_Particle_Filters.zip" A) ^# P8 U$ e4 k8 g! y/ U+ x4 Y
    │  │      Unit_4_-_Search-subtitles.en.zip
7 V4 i8 n2 o, K9 P" g& p    │  │      Unit_4_-_Search.zip
( B' z9 a2 g. J% }    │  │      Unit_5_-_PID_controll-subtitles.en.zip
* A0 [" k; U; k; i) W    │  │      Unit_5_-_PID_controll.zip- \3 J. ~% p7 p7 E) q& P
    │  │      Unit_6_-_SLAM-subtitles.en.zip% P9 X$ f) l" z
    │  │      Unit_6_-_SLAM.zip/ N( r0 I' _; _8 Z/ C0 X* b8 W
    │  │      - J/ r, x) ]* q0 W
    │  ├─CS387 Applied Cryptography The Science of Secrets. d' I$ X7 F7 R) h+ b
    │  │      Exam-subtitles.en.zip- d9 }+ y' P' ]8 P
    │  │      Exam.zip
& T. l+ E2 a# x+ ^: C- N$ h    │  │      Interview_on_GSM_Cracking-subtitles.en.zip3 U8 g( v) W8 v  _" W
    │  │      Interview_on_GSM_Cracking.zip
+ R' i3 R' o+ Y& ]9 R! h) N    │  │      Problem_Set_1-subtitles.en_2.zip# ?) o# p) j# n$ f
    │  │      Problem_Set_1_2.zip
2 @' E* x9 ]- Z  E( x2 D8 A( l    │  │      Problem_Set_2-subtitles.en_2.zip: l/ b5 ?' c, n" F4 z
    │  │      Problem_Set_2_2.zip. R, o, ^6 L6 L, w. p8 L
    │  │      Problem_Set_3-subtitles.en_2.zip
1 r+ y5 K5 b  O, K" B8 ^' a    │  │      Problem_Set_3_2.zip
: D" A7 u' O' S4 t4 l" A( m- q; I3 ~    │  │      Problem_Set_4-subtitles.en_2.zip
2 r8 t8 g, H2 c$ ?* H% w; K    │  │      Problem_Set_4_2.zip7 U* \9 Z! j1 b5 W0 d- w2 s
    │  │      Problem_Set_5-subtitles.en_2.zip% b. r1 `9 w7 N2 x  f! y& l
    │  │      Problem_Set_5_2.zip
5 |3 ?, `+ X0 w7 T' y$ K1 k  y    │  │      Problem_Set_6-subtitles.en_2.zip1 S$ n! h2 L: m+ O* q
    │  │      Problem_Set_6_2.zip  h$ z; l" z* b7 Y% R& D
    │  │      Problem_Set_6_Solutions-subtitles.en.zip
9 M* t' I" ]" y4 |8 b    │  │      Problem_Set_6_Solutions.zip3 L; O8 y% Y1 {) U/ x
    │  │      Q_&_A_Session_1-subtitles.en.zip- @4 k9 M; ^4 |$ X/ l; w
    │  │      Q_&_A_Session_1.zip
. F" H/ p* d, g1 R4 E# Y    │  │      Q_&_A_Session_2-subtitles.en.zip
9 j1 {5 R) U; `' O% C* b. o' h* @8 m    │  │      Q_&_A_Session_2.zip
1 K& s' o( ~" g3 P  ~    │  │      Q_&_A_Session__3-subtitles.en.zip
2 `( r( n, H& E    │  │      Q_&_A_Session__3.zip
" n. @$ }# p/ e5 G- U1 _    │  │      Unit_1-subtitles.en.zip
! _9 g9 {6 N# y$ [) T6 Q$ T    │  │      Unit_1.zip/ q( L2 y: F/ n$ G/ l7 a' z" ~
    │  │      Unit_2-subtitles.en.zip5 j4 w2 x+ o8 x0 ]$ h! r
    │  │      Unit_2.zip
$ A% d% A. \( I, u: p! W9 b/ q* x    │  │      Unit_3-subtitles.en.zip
3 r, w5 y# \* v) J' B    │  │      Unit_3.zip
" I( ~' p% t( l0 E    │  │      Unit_4-subtitles.en.zip2 T6 Z: h' x8 j& H/ }: c) @) I
    │  │      Unit_4.zip2 ^4 {) [. m8 V; u9 \8 R
    │  │      Unit_5-subtitles.en.zip
% l5 Q# R, ?3 ^( s" E; ]8 X    │  │      Unit_5.zip! Y% ?$ R3 D4 i8 [; y3 G7 i
    │  │      Unit_6-subtitles.en.zip/ t% d$ ^6 H: L1 k8 x
    │  │      Unit_6.zip3 p) o2 I5 s: Q
    │  │      Unit_7-subtitles.en.zip/ n$ @% f+ k6 V- u* b# r$ A
    │  │      Unit_7.zip, `. p2 p1 ^3 U5 ~5 c/ f/ `
    │  │      " ^1 [& ], G+ H  Y7 j6 U
    │  ├─EP245 How to Build a Startup The Lean LaunchPad
+ s* X, Z- R/ E: ^    │  │      Lecture_0_Before_You_Get_Started-subtitles.en.zip
' _2 }( r& B$ Y0 ^! p$ _    │  │      Lecture_0_Before_You_Get_Started.zip
& r3 R2 D+ T' D+ y# p, D    │  │      Lecture_1.5A_Business_Models_and_Customer_Development-subtitles.en.zip3 v9 d0 y5 H- m3 j5 [9 [- l
    │  │      Lecture_1.5A_Business_Models_and_Customer_Development.zip6 }2 _! I" h1 u8 N! b( z; d
    │  │      Lecture_1.5B_Business_Models_and_Customer_Development-subtitles.en.zip8 |: }* ]1 j. d9 p
    │  │      Lecture_1.5B_Business_Models_and_Customer_Development.zip
2 a! H. Y4 H: x0 Q    │  │      Lecture_1_What_We_Now_Know-subtitles.en.zip# p! `) b: T4 u9 E! o0 L3 y; |+ H; y5 |5 V5 Z
    │  │      Lecture_1_What_We_Now_Know.zip! v) S: T. f" S* k+ \6 n
    │  │      Lecture_2_Value_Proposition-subtitles.en.zip/ X" Z4 I! j/ ?. O
    │  │      Lecture_2_Value_Proposition.zip6 y# N5 W! E( U
    │  │      Lecture_3_Customer_Segments-subtitles.en.zip/ `. Y. S% J9 [7 n7 E3 {# }
    │  │      Lecture_3_Customer_Segments.zip
5 T4 K" ?7 u$ e. U* k    │  │      Lecture_4_Channels-subtitles.en.zip
: L$ u8 U( S: ?. T    │  │      Lecture_4_Channels.zip6 u* m$ x; W6 k3 s
    │  │      Lecture_5_Customer_Relationships-subtitles.en.zip
4 I, U7 U: E6 g& |: |2 ]4 _6 H, W    │  │      Lecture_5_Customer_Relationships.zip1 g( i0 q% f' V3 w( u+ O
    │  │      Lecture_6_Revenue_Model-subtitles.en.zip' c5 o, S* [- f. t
    │  │      Lecture_6_Revenue_Model.zip! f9 b1 i9 i1 A6 M; T! H+ D$ R1 Y& Q
    │  │      Lecture_7_Partners-subtitles.en.zip
& H& f& `0 r% T* k1 C    │  │      Lecture_7_Partners.zip
  [& h5 p! u: f& n0 e7 d8 T6 x6 I    │  │      Lecture_8_Resources,_Activities_&_Costs-subtitles.en.zip
$ O5 f3 c3 g8 Q& n/ S! q6 ^    │  │      Lecture_8_Resources,_Activities_&_Costs.zip
' h/ O2 _  f0 T" `. C  R    │  │      Secret_Notes_for_InstructorsCoaches-subtitles.en.zip4 \  ]" c9 b8 H, B' m
    │  │      Secret_Notes_for_InstructorsCoaches.zip* g  N" s# z, p; p( o9 F2 p
    │  │      - U( [5 c3 _1 b  F% ?
    │  ├─MA004 Introductory Algebra Review
+ ?% _% |7 z0 L2 T* C4 F' J. {: \    │  │      1.1_Intro_to_Integers.zip
, ]3 w7 b7 f& k& a6 b. l. I0 ?    │  │      1.2_Order_of_Operations.zip
; i+ ]# Y0 ]3 n6 y    │  │      1.3_Area_and_Perimeter.zip9 V) D5 Q0 s; f" u
    │  │      2.1_Fractions.zip7 j4 H/ ?% H6 [: j6 a" n
    │  │      2.2_Decimals_and_Applications.zip5 t6 F: z, h! C2 t$ A0 m3 N! v1 J( ~, n, i2 w
    │  │      2.3_Fraction_to_Decimal_Conversion.zip
' m: c$ k; d- t6 Y    │  │      2.4_Scientific_Notation.zip; o; u+ Y$ O# m& e1 U) l5 T7 P
    │  │      3.1_Rates.zip
- D+ @3 }2 [& p9 U    │  │      3.2_Ratios.zip
2 W: }' ?  U) S4 n* y  _- |5 G    │  │      3.3_Unit_Conversion.zip  v8 g: x7 X" c' E; u
    │  │      3.4_Decimals_and_Percents.zip
: N: \9 F' g9 i0 g3 N$ l    │  │      4.1_Algebraic_expressions.zip
) x" A. K9 q. s    │  │      4.2_Linear_equations.zip
7 R8 z) T  o$ l    │  │      4.3_Algebraic_Proportions_&_Similar_Triangles.zip& j! n0 c4 z% r0 v; ~/ d
    │  │      4.4_Pythagorean_Theorem.zip- S' G9 W6 Y& q
    │  │      5.1_Introduction_to_Graphing.zip/ [7 I2 b! k! I5 G! G5 K. V2 `
    │  │      5.2_Slope.zip3 p* c2 e4 p$ p, S
    │  │      5.3_Writing_Linear_Equations.zip0 m) b6 @4 m0 g
    │  │      6 g3 _% R" _  X& J, `6 y6 v$ C
    │  ├─MA006 Visualizing Algebra Problems and Patterns
$ V- e" d1 r- k& F    │  │      1.1a_Equivalent_Fractions-subtitles.en.zip
3 |# G+ j' n  P7 F; H    │  │      1.1a_Equivalent_Fractions.zip
  P+ m$ V, Q" m, P    │  │      1.1b_Multiply_Fractions-subtitles.en.zip4 x2 n% `. R# `  R  W( W+ G' s
    │  │      1.1b_Multiply_Fractions.zip
4 a$ G7 _3 n5 q3 b1 ?2 \" t0 N4 C    │  │      1.1c_Divide_Fractions-subtitles.en.zip
# U, f. o  P* ?' b& ~0 n# y$ L% b" ]    │  │      1.1c_Divide_Fractions.zip( R; K) I) f' ]; Y8 Z  e/ d
    │  │      1.1d_Add_and_Subtract_Fractions-subtitles.en.zip4 L+ D7 m. p) C8 R+ x( s2 S
    │  │      1.1d_Add_and_Subtract_Fractions.zip
+ ]- v: X$ S$ x+ ?9 B$ U    │  │      1.2_Exponents-subtitles.en.zip
4 s/ q% z2 m. X4 y6 p; g. Z9 O    │  │      1.2_Exponents.zip
7 E5 x8 B) t% j, g- d# m7 c4 _    │  │      1.3a_Scientific_Notation-subtitles.en.zip
2 J. P) G9 ?0 w    │  │      1.3a_Scientific_Notation.zip
' e' d9 b! ~; Y; H6 ?* _* Y1 b. N& [    │  │      1.3b_Decimals_and_Percents-subtitles.en.zip
7 j) a2 @$ v7 a& g! C8 P    │  │      1.3b_Decimals_and_Percents.zip1 Z( f9 i  R/ e) p( o6 J
    │  │      1.4_Order_of_Operations-subtitles.en.zip8 K6 ?! Q! ^3 d& ?1 n
    │  │      1.4_Order_of_Operations.zip  J# r  d# @; A2 r
    │  │      1.5_Evaluating_Expressions-subtitles.en.zip
! E, D* m- t5 Z/ e! Z! Z    │  │      1.5_Evaluating_Expressions.zip
( {9 ]3 W. [( }4 w3 [+ |: O    │  │      1.6_Absolute_Value-subtitles.en.zip
6 g# |# W' l5 `: h3 B3 A    │  │      1.6_Absolute_Value.zip, W9 p" c, ]$ C& A
    │  │      10.1_Solving_Equations_with_Radical_Expressions.zip2 H0 @9 s$ k  @: B0 L
    │  │      10.2_Radical_Equations_that_lead_to_Factorable_Quadratics.zip
  b3 h1 X$ X- j( O, J    │  │      10.3_The_Substitution_Method.zip. ~( M& P) c% p" m. r
    │  │      10.4_Geometry_Applications_(Area_and_Perimeter).zip
3 }4 W( e& o9 s5 c1 `$ c1 v* P; j    │  │      10.5_Motion_Problems.zip
  k; i+ [* f' ~    │  │      10.6_Motion_Problems_with_a_Current.zip
' E  |0 Q& `0 I, L4 ~/ i7 j  Q+ J4 Y    │  │      10.7_Work_Problems.zip# {: a! ~3 w& {" N$ W" ~
    │  │      11.1_Pythagorean_Theorem.zip
! N2 K) J- Y+ Z1 X+ W    │  │      11.2_The_Distance_Between_Two_Points.zip0 @  E: x4 i5 f2 [, t& T  v$ m4 s$ ~
    │  │      11.3_Circles.zip
; L/ c3 \9 `- s( e* m    │  │      11.4_Ellipses.zip0 Q2 R4 r# n2 |& U0 |* j
    │  │      11.5_Hyperbolas.zip
9 d9 J1 A% G; J    │  │      11.6_Parabolas.zip
8 m: l7 O( y, v' l/ k1 ^3 J: W+ f    │  │      11.7_Conic_Sections.zip7 X- q9 ~& C/ X( n5 Z
    │  │      12.1_Inverses_of_Functions.zip
+ F* t+ f5 {0 {* u3 L) E    │  │      12.2_Function_Algebra.zip
7 A4 j- z& r; V& V: x! k" P% ]    │  │      12.3_Exponential_Equations.zip' W* S2 h/ o* g# t
    │  │      12.4_Logarithmic_Notation.zip
6 l3 D- S& U# H6 u' d- p    │  │      12.5_Properties_of_Logarithms.zip
3 ^% H' [$ ~# G; }6 {( q    │  │      12.6_Equations_with_Logarithms.zip
/ O1 @2 D( t9 J& [' M- h    │  │      2.0_Math_Quill-subtitles.en.zip  Z6 P; R" n  j" W2 e
    │  │      2.0_Math_Quill.zip
- O4 J$ _% Q$ D/ h, U+ i9 S    │  │      2.1_Equations_and_Inequalities-subtitles.en.zip
1 u  |" h  _4 r5 `! f    │  │      2.1_Equations_and_Inequalities.zip
: |( `9 p' [; _) Z/ {    │  │      2.2_Problem_Solving-subtitles.en.zip0 h8 d7 j$ U+ ]5 B9 w
    │  │      2.2_Problem_Solving.zip6 Y* Q- y% j1 ], q
    │  │      2.3_Solving_Inequalities-subtitles.en.zip
3 q9 l8 z) H$ A7 N5 I! P7 }    │  │      2.3_Solving_Inequalities.zip
3 o! J/ M1 [) o' W* \    │  │      2.4_Sets-subtitles.en.zip" b) F! s- a2 u( X' N! V7 v
    │  │      2.4_Sets.zip
2 d$ m! o; y) a    │  │      2.5_Compound_Inequalities-subtitles.en.zip
6 r" w2 F. e' {! }* @5 y4 o1 V9 P    │  │      2.5_Compound_Inequalities.zip
% s& l; K1 C1 y0 V0 J  {    │  │      2.6_Absolute_Value_Equations_and_Inequalities-subtitles.en.zip! E7 O8 s8 z5 K7 c. N: G$ d9 u
    │  │      2.6_Absolute_Value_Equations_and_Inequalities.zip7 a( D  T5 M' K
    │  │      3.0_Math_Quill.zip
/ C' V$ d& p8 M3 a* A) T' k    │  │      3.1_Cartesian_Plane.zip
7 ^5 F; u, M: p    │  │      3.2_Slopes_of_Lines.zip* J$ g/ ~  T( K
    │  │      3.3_Graphing_Linear_Equations.zip
7 A* [  B1 s5 V3 A# z    │  │      3.4_Equations_of_Lines.zip) {5 T0 o3 }& W
    │  │      3.5_Graphs_of_Linear_Inequalities.zip
, q% n. p5 o5 e1 @, N    │  │      3.6_Functions.zip
* C, q7 T8 @4 R: k    │  │      4.1_Types_of_Systems_of_Equations.zip8 X) x. R! A, L; x- o4 u( B% Q  O
    │  │      4.2_Solving_Systems_using_Substitution.zip
% W  L! [8 c' w+ Z4 d    │  │      4.3_Solving_Systems_using_Elimination.zip
" U9 E$ Q- {$ R: L    │  │      4.4_Applications_of_Systems.zip) V2 F# M- s+ D1 l% P8 }' s
    │  │      5.1_Properties_of_Exponents.zip5 X$ _; k+ H( u# m4 {# I
    │  │      5.2_Calculations_with_Scientific_Notation.zip
: p3 }. q4 M1 R  d6 }; Y6 F    │  │      5.3_Add_and_Subtract_Polynomials.zip. o( t& I: ^# k) I4 i
    │  │      5.4_Multiply_Polynomials.zip
, [  C0 A( H1 L' ?* T% |' c: z    │  │      5.5_Divide_Polynomials.zip7 Y/ m8 {1 b/ q& T- \  Z3 g$ a7 S0 b+ u
    │  │      6.1_Factoring_the_Greatest_Common_Factor.zip
# v7 C) R& B' p  Z" `    │  │      6.2_Factoring_by_Grouping.zip& H- T7 p6 S0 p, `0 ?
    │  │      6.3_Factoring_by_Patterns.zip" H! }+ o0 ^% ~4 f; R5 k
    │  │      6.4_Factoring_Expressions.zip& `  H/ M4 c$ r8 q
    │  │      6.5_Solving_Quadratic_Equations_by_Factoring.zip
5 t' z6 f! R( T+ `7 u" E, B    │  │      7.1_Simplify_Rational_Expressions.zip
5 s" w% {: U: G/ |# D7 M& x0 u/ [    │  │      7.2_Multiply_and_Divide_Rational_Expressions.zip
9 ^9 L. l7 @% ~3 W    │  │      7.3_Add_and_Subtract_Rational_Expressions.zip
; l6 @. C/ i3 t4 `$ m    │  │      7.4_Complex_Fractions.zip
% R9 M" t9 R3 F; B    │  │      7.5_Solving_Equations_with_Rational_Expressions.zip/ f* J# n, H! J% K
    │  │      7.6_Solving_for_Variables_in_Variable_Equations.zip
6 B. Q: @$ D6 [& A3 I. O8 N    │  │      7.7_Variation.zip
/ x: R( D' W3 C; R9 w$ W    │  │      8.1_Rational_Exponents.zip
7 c7 \+ ?) J$ `& r6 N6 @    │  │      8.2_Simplifying_Radicals.zip1 D) \. _( o5 {& P. @8 Z8 H
    │  │      8.3_Complex_Numbers.zip, D+ _# C& y! @5 |) E4 Q
    │  │      8.4_Add_and_Subtract_Radicals_and_Complex_Numbers.zip
! O* x0 d( f8 D) t& L& x6 e/ x% y; I    │  │      8.5_Multiply_Radicals.zip
# I' }# Q# ]% N0 h4 D3 W, P    │  │      8.6_Divide_Radicals.zip
; U9 B; V; ~7 T& u1 C    │  │      9.1_Review_of_Factorable_Quadratics.zip  F5 q+ c  S( P+ y- D. S0 g
    │  │      9.2_Solving_Quadratic_Equations_using_the_Square_Root_Method.zip3 V1 V6 E  E4 s- o1 E
    │  │      9.3_Solving_Quadratic_Equations_by_Completing_the_Square.zip
$ N. A' m6 d; V: R7 ^5 C    │  │      9.4_Solving_Quadratic_Equations_using_the_Quadratic_Formula.zip4 u! Y; j' p; K' t% r, ~4 j
    │  │      9.5_Quadratic_Inequalities.zip
, @4 t4 u" \! ^. ]+ m    │  │      
, o3 R" t2 _, j0 i    │  ├─MA008 College Algebra Animals, Architecture, and Innovation' q1 ]2 N' w7 w) x1 i' q# n
    │  │      Lesson_10__Parabolas.zip9 |; Y: v% g2 s8 B. y" w
    │  │      Lesson_11_Factoring.zip
$ B+ j. ^  m( k: t7 B. R! n  z% M/ v    │  │      Lesson_12_Quadratic_and_Rational_Inequalities.zip2 D) ^$ v( U. P& a( P- C3 o1 i
    │  │      Lesson_13__Parabolas.zip
" Q: r* |# ^1 q$ I    │  │      Lesson_14_Completing_the_Square.zip
, f* ^9 b9 [! B& U& ]3 x/ ~    │  │      Lesson_15_Quadratic_Formula.zip
8 `1 j# V  c; B8 I0 a" x4 s    │  │      Lesson_16__Complex_Numbers.zip
' ~8 g9 A3 M( g9 P7 U# D0 B6 B$ o0 _    │  │      Lesson_17_Functions.zip
# ?5 i: X: w9 `    │  │      Lesson_18_Domain_and_Range.zip3 r9 _% C8 b6 n+ ?
    │  │      Lesson_19_Behavior_of_Functions.zip
( n9 K" D0 X, c9 e  w, s    │  │      Lesson_1_Number-subtitles.en.zip: I; j& _/ C! a. c! I
    │  │      Lesson_1_Number.zip) x3 n6 k& K5 y' Y  }9 Z. F9 W9 U
    │  │      Lesson_20_Factor_Theorem.zip
1 G. r' e' \: `  k3 C    │  │      Lesson_21_Rational_Zero_Test.zip5 ^; z7 ~4 G. [" L' t* G" _
    │  │      Lesson_22__Intermediate_Value_Theorem.zip, R8 M. N  \* P1 V
    │  │      Lesson_23_Piecewise_and_Rational_Functions.zip
  m. G2 W5 l. c/ c; \    │  │      Lesson_24_Asymptotes.zip
; Y, q8 Y0 X8 P( n) W" r& g    │  │      Lesson_25_Slant_Asymptotes.zip& K! Z2 b3 w5 @- Q7 ^4 j7 Y0 k6 X
    │  │      Lesson_26_Transformations.zip$ M6 o1 k, n& f0 d* J
    │  │      Lesson_27_Combining_Functions.zip
' U- W' R3 P7 H    │  │      Lesson_28_Inverses.zip
; n" X( T+ P* ]0 `: ]6 {1 D( R5 o    │  │      Lesson_29_Exponential_Functions.zip
# f9 w0 h# b% o+ Y4 H% E" C    │  │      Lesson_2_Expressions-subtitles.en.zip
) T( n1 e  G( K$ w) {2 l    │  │      Lesson_2_Expressions.zip
* l9 O1 J& @) `  g+ |1 T. V    │  │      Lesson_30_Scientific_Notation.zip
  Y8 _2 r3 n8 f/ D' T; ]6 {: X6 ?$ S    │  │      Lesson_31_Logarithmic_Functions.zip2 g4 k1 d: t! b5 Q8 n
    │  │      Lesson_32_Log_Properties.zip4 m- Y# C) b' [! |/ W! t/ y
    │  │      Lesson_3_Polynomials-subtitles.en.zip
1 ~+ O+ n+ N1 C3 m  c    │  │      Lesson_3_Polynomials.zip% F# y! d& ~; o/ p9 q0 W
    │  │      Lesson_4_Equations-subtitles.en.zip0 Y4 p2 I7 Z2 L5 \! ~6 W; e$ q
    │  │      Lesson_4_Equations.zip% t$ p8 U4 W/ Z: Z# _5 O+ g2 m
    │  │      Lesson_5-1_Coordinates-subtitles.en.zip; q8 x1 n- [+ o: C5 Z
    │  │      Lesson_5-1_Coordinates.zip
3 j6 {' Z& r, e4 e) o% @7 t* d% f    │  │      Lesson_5-2_Distance-subtitles.en.zip+ g% L' ~# |/ [, X# Q2 b. T6 Z( M
    │  │      Lesson_5-2_Distance.zip
$ e3 l" u) F- c1 ^& L    │  │      Lesson_5-3_Midpoints_And_Slope-subtitles.en.zip
" X# c5 b. y" f1 \    │  │      Lesson_5-3_Midpoints_And_Slope.zip
9 ]- R" |1 k8 _1 @& {- g    │  │      Lesson_6-1_Slope_And_Equations.zip
% Z1 q3 r2 E+ f' ]8 \    │  │      Lesson_6-2_Points.zip
! I; o- P& @2 b7 _    │  │      Lesson_6-2__Points-subtitles.en.zip; O  n1 O7 E+ e0 ^- V) U' ?
    │  │      Lesson_6-2__Points.zip7 w5 Q2 y9 G2 v& _) f( R5 U
    │  │      Lesson_6_-1_Slope_And_Equations-subtitles.en.zip
# T0 r7 ?% w1 g$ i    │  │      Lesson_7_Forms_of_the_Equation_of_a_Line.zip
- S. b' \; K0 O7 B! A    │  │      Lesson_8_Inequalities_And_Absolute_Value.zip
. P: O$ |5 A4 y( a    │  │      Lesson_9_More_Inequalities_And_Equations.zip
/ h9 _8 o0 p  D) h7 f) ~$ Z    │  │      Progress_Assessment_(Lessons_17-26).zip( B) w* `. I; `! y' e9 ]
    │  │      Review_1-subtitles.en.zip# X! ~; }# M5 T% \8 r* T. Z3 T
    │  │      Review_1.zip+ u" v3 o  u9 `% ^& |5 t
    │  │      Review_1_(Lessons_1_-_3).zip
, i; C( j' c+ t# n    │  │      Review_1_(Lessons_3_-_5).zip
1 G" k; t9 q& K  R& Q    │  │      Review_2-subtitles.en.zip0 n+ v* Z' h/ a, D- u$ L8 o1 I
    │  │      Review_2.zip5 C7 B* _" M- N$ f9 Q+ w
    │  │      Review_2_(Lessons_4_-_6).zip
9 P, z+ j9 ~" ~$ A0 r4 M    │  │      Review_3_(Lessons_7_-_9).zip+ R, D8 N+ r8 l( ]" S
    │  │      Review_4_(Lessons_10-12).zip
% z) x0 z' O8 Y1 t0 m    │  │      Review_5_(Lessons_13-15).zip
) T6 o) Y0 F7 J: l    │  │      Review_6_(lessons_1-16).zip
1 R& V8 O; A+ `5 Y    │  │      Review_7_(Lessons_17-19).zip$ W: ^, [, y9 ?4 F/ p7 D$ A
    │  │      Review_8_(Lesson_20-22).zip
. G  S7 B& T" w  {$ r# @# w0 x    │  │      Review_9_(Lessons_23-25).zip# h8 \5 X' ?  W, g- B% O; `3 {( U
    │  │      5 N7 X- _5 w; `. u3 d, \
    │  ├─PH100 Intro to Physics Landmarks in Physics
0 _& S3 x& z% j% W    │  │      Bonus_-_Simple_Harmonic_Branches-subtitles.en.zip8 r- R" f- L/ `( i3 Z
    │  │      Bonus_-_Windows_on_Planes-subtitles.en.zip
, }. y  y2 u; Q) x% \! B    │  │      Final_Exam-subtitles.en.zip( f' N- L" ?0 p- [- p- S3 w
    │  │      Final_Exam.zip
8 Z0 \1 X; c& G: r$ c) j7 C1 }    │  │      Problem_Set_1-subtitles.en.zip
6 {/ d( x( R& {( R* }, _/ H$ t    │  │      Problem_Set_1.zip
) F' ~' Q. V+ d& n9 I, P' g    │  │      Problem_Set_2-subtitles.en.zip
/ P4 i1 z" K7 ?. L# r% Z    │  │      Problem_Set_2.zip
9 T# ]# z* u& c4 `    │  │      Problem_Set_3-subtitles.en.zip
% N3 P. O: `0 |2 H, j3 _% P    │  │      Problem_Set_3.zip0 X+ Z% Q. K3 P' Q' p9 ~) {  A1 v
    │  │      Problem_Set_4-subtitles.en.zip
) ~2 h9 R, t" u4 K    │  │      Problem_Set_4.zip
/ f# b) g/ _7 c# {7 s" q& [    │  │      Problem_Set_5-subtitles.en.zip
) T9 e& A+ J4 g- ^, v    │  │      Problem_Set_5.zip0 k9 g) X, A3 a, n6 T
    │  │      Problem_Set_6-subtitles.en.zip# l3 [$ I. ~1 ?$ T' n& u( {) f
    │  │      Problem_Set_6.zip
* M! y5 o( a, |6 B5 b6 u    │  │      Unit_1a_-_Circumference_of_the_Earth-subtitles.en.zip
+ C) T) {5 X6 u# w7 i! p    │  │      Unit_1a_-_Circumference_of_the_Earth.zip
- D  m8 W2 a. A5 M# u9 t" G$ ?. X    │  │      Unit_1b_-_Bonus_-_Error_Analysis-subtitles.en.zip
" ?: {( I% f* u$ O% U    │  │      Unit_1b_-_Bonus_-_Error_Analysis.zip
5 p) Q1 y/ g- n9 v0 o* B" o( I    │  │      Unit_2a_-_What_is_Motion-subtitles.en.zip
. m2 g- J- m8 ]1 T% Z    │  │      Unit_2a_-_What_is_Motion.zip
$ Z* ^! Z) i; U% W. ~    │  │      Unit_2b_-_Motion_in_Two_Dimensions-subtitles.en.zip
5 f/ }% E7 X- K* o7 r: v    │  │      Unit_2b_-_Motion_in_Two_Dimensions.zip0 L/ s6 m3 v- A' D7 k% e9 ]# S
    │  │      Unit_3_-_What_Causes_Motion-subtitles.en.zip& b2 z- B& J8 S, i" j, C; u5 y; t0 w
    │  │      Unit_3_-_What_Causes_Motion.zip) r* o, ]1 q2 P: U% {9 E& a2 F
    │  │      Unit_4_-_Keeping_Holland_Dry-subtitles.en.zip" B) }$ N+ r0 P
    │  │      Unit_4_-_Keeping_Holland_Dry.zip5 O. k, j; \" V" i0 C
    │  │      Unit_5_-_Lost_at_Sea-subtitles.en.zip
7 l% j6 B% j% c7 T: O7 Y    │  │      Unit_5_-_Lost_at_Sea.zip
+ v3 S; w- Q% b0 w! B( \- E2 ?    │  │      Unit_6_-_Lightning_Strikes-subtitles.en.zip
* y, \) c6 N) l3 X    │  │      Unit_6_-_Lightning_Strikes.zip2 Y& q3 G) a: d4 ?: F  l/ p+ r& ^2 A
    │  │      Unit_7_-_Special_Relativity-subtitles.en.zip
2 T+ o& Z! a. J7 I4 O' c    │  │      Unit_7_-_Special_Relativity.zip3 g  F' J- p$ ~/ m% `
    │  │      " K) X* R3 L, _& C5 b7 v, E9 ?
    │  ├─PS001 Introduction to Psychology The Science of Thought and Behavior6 |) D7 }  U/ e; b
    │  │      Lesson_01_What_Is_Psychology.zip
8 G% D2 v# f8 v( a4 o1 i    │  │      Lesson_02_Research_Methods.zip8 j0 e; m! d2 o" [8 a  G! ~- O$ `' ?
    │  │      Lesson_03_Biology_of_Behavior.zip9 ?2 G* q" G0 z: U" ]# |
    │  │      Lesson_04_Sensation_and_Perception.zip6 z* v+ K$ z/ ^. t0 X
    │  │      Lesson_05_Development.zip
' p) p8 {; K7 M5 S! Z; V  t3 s    │  │      Lesson_06_Consciousness.zip' r% O+ T; H9 k8 ~2 ~- k& Y4 ~& E
    │  │      Lesson_07_Learning.zip
, a7 ]: U; m0 Q4 G9 f) h/ [0 `    │  │      Lesson_08_Memory.zip. J9 ]1 _# Z- ~: P
    │  │      Lesson_09_Language_and_Thought.zip
$ S1 n2 H( p4 N+ ?! Q5 N    │  │      Lesson_10_Intelligence.zip* e# q, n3 s6 z! X. i: j! J
    │  │      Lesson_11_Motivation_and_Emotion.zip
# M. `! G1 E  o7 f! X6 }1 Y    │  │      Lesson_12_Stress_and_Health.zip
! Z  v$ J2 d  ]' [  Q  \& f    │  │      Lesson_13_Personality.zip
: q8 o; u0 x7 G    │  │      Lesson_14_Social.zip
7 K' K( h6 v) a( u: t    │  │      Lesson_15_Psychological_Disorders.zip. T2 b# X. A" ]2 ?8 w( u1 x
    │  │      Lesson_16_Treatments_for_Psychological_Disorders.zip
' P0 l7 K9 b4 j5 m0 @6 \7 w. U, t# G    │  │      
: G( F: C" N. M! q/ H    │  ├─ST095 Statistics The Science of Decisions# d# X% A  E# |  b" {+ x* u& u
    │  │      Google_Spreadsheet_Tutorial.zip. G1 t! a  ~& i; z  x
    │  │      Lesson_1-subtitles.en.zip$ c7 d" g7 ~! _$ y1 E) Q7 A
    │  │      Lesson_10_t-Tests.zip6 R8 F2 m1 r* y8 W5 p$ v+ b3 L! @2 |
    │  │      Lesson_11_t-Tests_continued.zip1 M2 t' y4 O' C4 _, |1 L
    │  │      Lesson_12_One-way_ANOVA.zip
4 W3 |4 I- o3 k$ B2 R; b. U    │  │      Lesson_13_ANOVA_continued.zip
4 \# n8 G( Z+ u# u6 G& X6 n    │  │      Lesson_14_Correlation.zip
- H1 O' r: B9 _0 Y    │  │      Lesson_15_Regression.zip
6 x  x" a7 E# z$ Z' G    │  │      Lesson_16_Chi-Squared_tests.zip7 |# p, x3 r$ [! q
    │  │      Lesson_1_Intro_to_statistical_research_methods.zip
; `  P! S0 Q; L; _7 L    │  │      Lesson_2-subtitles.en.zip
' L( U4 ^" q; g* O5 t( C( g    │  │      Lesson_2_Visualizing_data.zip
. ^6 V0 \+ ]) n# L3 P    │  │      Lesson_3_Central_tendency.zip
  D) E4 Z+ B" p: U* A+ ~+ s    │  │      Lesson_4_Variability.zip
5 d. r/ \. I' E% V- D: m    │  │      Lesson_5_Standardizing.zip( t6 Q& S8 O4 O+ ]
    │  │      Lesson_6_Normal_Distribution.zip( _8 t! b7 p0 i5 H$ [
    │  │      Lesson_7_Sampling_Distributions.zip
( l; M: ]" H7 Q    │  │      Lesson_8_Estimation.zip
0 n% d7 ]# C9 O4 p    │  │      Lesson_9_Hypothesis_testing.zip& s9 h, u. y1 Y* _2 {; ~5 h
    │  │      Orientation!.zip5 K; g) Y/ W0 R- n. y
    │  │      Problem_Set_1-subtitles.en.zip+ ^) R8 M' ^- x, S
    │  │      Problem_Set_1.zip8 U3 {, u, V) b% ]$ c' t
    │  │      Problem_Set_2-subtitles.en.zip
' _1 F: Q. c* _    │  │      Problem_Set_2.zip/ g" [- ~3 T$ j8 B
    │  │      ' ^% |$ ^& W% o3 T: T# a# \0 L5 _
    │  └─ST101 Intro to Statistics Making Decisions Based on Data9 b) j% {5 g- p$ p* Q7 a' t
    │          1._Teaser-subtitles.en.zip
. a9 \# W0 o$ O+ B% _+ {    │          1._Teaser.zip6 T% q2 j" g2 B5 ^" A( [. v' K
    │          10._Bayes_Rule-subtitles.en.zip
4 ]/ _4 Y# o4 L6 G$ F    │          10._Bayes_Rule.zip
( |! b% @+ t' Y# d7 v8 T- |    │          11._Programming_Bayes_Rule_(Optional)-subtitles.en.zip
1 [& D: i+ i! a1 \  o' V    │          11._Programming_Bayes_Rule_(Optional).zip
2 S# |2 J' @+ \: a4 C    │          11A._Probability_Distributions-subtitles.en.zip9 g8 y) h/ c0 G- n3 B& h
    │          11A._Probability_Distributions.zip
9 ^5 g1 k% |+ _9 ?    │          12._Correlation_vs._Causation-subtitles.en.zip
. p3 T$ ^9 g% g    │          12._Correlation_vs._Causation.zip
/ N+ E' v; Z$ b! M    │          13._Estimation-subtitles.en.zip
1 U1 @! }& d) u    │          13._Estimation.zip
  ?# G% U$ I7 Z6 _! y, O. @    │          14._Averages-subtitles.en.zip% r; y. H  R/ g0 I6 d' K
    │          14._Averages.zip
3 p1 ^$ ^3 u, X# C1 ]  }    │          15._Variance-subtitles.en.zip
% p5 i" u% f  m+ u/ {6 e" H7 ~    │          15._Variance.zip, {6 S. a4 M+ f$ P$ R8 l
    │          16._Programming_Estimators_(Optional)-subtitles.en.zip$ g$ {, B' h/ E+ V6 y# P
    │          16._Programming_Estimators_(Optional).zip& G2 X! i4 w# v* z+ O
    │          17._Outliers-subtitles.en.zip
( D; [! Q( c) E# }! C8 l. b    │          17._Outliers.zip) B5 }+ r# c! [4 N( G3 P/ _
    │          18._Binomial_Distribution-subtitles.en.zip9 J# S. N" ?, c) d% |. r! y3 F
    │          18._Binomial_Distribution.zip( E6 p. a# z$ s' x
    │          19._Central_Limit_Theorem_Programming_(Optional)-subtitles.en.zip- L; o6 n" ?. V+ C& c, A
    │          19._Central_Limit_Theorem_Programming_(Optional).zip
" Z; P0 S# ^; ^& X+ ^( F' g# k    │          19A._Central_Limit_Theorem-subtitles.en.zip$ K7 ^) n6 p' z/ B0 }5 ]" b
    │          19A._Central_Limit_Theorem.zip
1 ]+ B, Y* r) t4 ~" f    │          2._Looking_at_Data-subtitles.en.zip
' H* p, q9 C! |( Q: K) h    │          2._Looking_at_Data.zip
6 Q4 i: B$ S( Q6 x& U! ?& h" m    │          20._The_Normal_Distribution-subtitles.en.zip
1 @5 D* r7 B6 B& T+ J: t    │          20._The_Normal_Distribution.zip
3 P2 U; ]! ~7 ^    │          21._Manipulating_Normals-subtitles.en.zip, ?; o) F0 a) T
    │          21._Manipulating_Normals.zip
, ~8 L! G. \- G6 o2 r    │          22._Most_Better_than_Average-subtitles.en.zip
: P0 a1 b2 d8 t+ L  A+ j8 `9 R! Q    │          22._Most_Better_than_Average.zip% e  H5 t" x, U) {% z1 N
    │          23._Sebastian's_Weight_and_Proofs_(Optional).zip/ m8 {5 P3 _$ J0 V1 U: `
    │          23._Sebastians_Weight_and_Proofs_(Optional)-subtitles.en.zip
5 N6 S% c  Y! a3 L    │          24._Confidence_Intervals-subtitles.en.zip
5 X" |; V2 I, M4 \/ `1 o6 k    │          24._Confidence_Intervals.zip
9 o, i; f; ^! M4 T; @    │          25._Normal_Quantiles-subtitles.en.zip% ~7 s( D, l' `4 i
    │          25._Normal_Quantiles.zip
4 d! P$ p- C2 r    │          26._Hypothesis_Test-subtitles.en.zip
2 C- X3 |- n1 ~3 e, R" {    │          26._Hypothesis_Test.zip* B/ ~0 }- ?. k/ E) S
    │          27._Hypothesis_Test_2-subtitles.en.zip, A8 v: p. ~9 L+ D
    │          27._Hypothesis_Test_2.zip
  P) t* x/ C& M$ v" L5 b    │          28._Programming_Tests_and_Intervals_(Optional)-subtitles.en.zip
1 h9 @" |' K) D6 I    │          28._Programming_Tests_and_Intervals_(Optional).zip8 U+ ^% ?  S( L/ e: f
    │          29._Regression-subtitles.en.zip* M+ x$ {% u0 X/ I$ T
    │          29._Regression.zip; B9 O  l) K. U9 D4 B
    │          3._Scatter_Plots-subtitles.en.zip: d* U8 q2 x# w  {$ g" j* ]
    │          3._Scatter_Plots.zip
3 G" S$ G3 d6 A$ l$ O    │          30._Correlation-subtitles.en.zip5 R6 n1 N9 f! E2 Q( p
    │          30._Correlation.zip" ~% w/ ]: i) V& F0 D" G. _: g
    │          31._Monty_Hall_Problem_(Optional)-subtitles.en.zip4 M' _, c6 d% A; l' B$ \, B! j6 B5 q
    │          31._Monty_Hall_Problem_(Optional).zip5 X" U9 @- B9 l
    │          32._Weight_Case_Studies-subtitles.en.zip
2 g  M' N6 \1 _& Y    │          32._Weight_Case_Studies.zip
# `* Q/ w7 @( j' f    │          33._Flash_Crash_Example-subtitles.en.zip, N6 |3 W/ J7 P, C
    │          33._Flash_Crash_Example.zip
% W" k& v& L0 w8 V+ a# j    │          34._Challenger_Example-subtitles.en.zip
# Q( N# U7 f6 P  ~0 _    │          34._Challenger_Example.zip0 L) u. K: ?& o' k
    │          4._Bar_Charts-subtitles.en.zip
8 @- _5 k% f' D2 y4 X* A    │          4._Bar_Charts.zip( x; `! ^+ l* H. q$ C" u$ @
    │          5._Pie_Charts-subtitles.en.zip1 q: y# R) B5 P$ L
    │          5._Pie_Charts.zip
/ U- V6 d6 U7 O8 i! ~    │          6._Programming_Charts_(Optional)-subtitles.en.zip6 n* t  Q0 Q/ D4 d2 p
    │          6._Programming_Charts_(Optional).zip  }( p0 {8 v! D# F9 t+ s
    │          7._Admissions_Case_Study-subtitles.en.zip% T/ U5 L3 T2 q$ I) e4 H, w
    │          7._Admissions_Case_Study.zip, w0 i( n% h4 e
    │          8._Probability-subtitles.en.zip: y8 y" {4 l* N' m
    │          8._Probability.zip  e1 |9 r9 S, F: f
    │          9._Conditional_Probability-subtitles.en.zip6 y* |# u+ A; p* t: t8 R
    │          9._Conditional_Probability.zip
' g3 N) |2 E9 }' z4 N    │          Final_Exam-subtitles.en_2.zip9 g6 ^) U% ]5 p
    │          Final_Exam_2.zip" H$ ^  [$ h  v: |7 H( W6 u% {
    │          Problem_Set_1_Visualization-subtitles.en.zip% K" q( S0 A" i5 z! T
    │          Problem_Set_1_Visualization.zip1 o8 U/ Z7 W  \+ i8 P! Z
    │          Problem_Set_2_Probability-subtitles.en.zip
# h2 Z, r. E" C4 o7 g    │          Problem_Set_2_Probability.zip3 t$ o3 w9 ^/ E" T% N
    │          Problem_Set_3_Estimators-subtitles.en.zip* ^' I& P5 I8 B, t
    │          Problem_Set_3_Estimators.zip
. J3 k3 v( D) g' d( N& O    │          Problem_Set_4-subtitles.en_2.zip) `8 Y* d8 ?! I
    │          Problem_Set_4_2.zip
  z# L( X" R! i9 v5 k. {2 L9 r, O    │          Problem_Set_5_Inference-subtitles.en.zip2 Y6 v8 v& R5 _9 {) [
    │          Problem_Set_5_Inference.zip3 _# D0 T, s" ?2 _
    │          Problem_Set_6_Regression_and_Correlation-subtitles.en.zip
+ a/ J6 x9 J' h" h  W    │          Problem_Set_6_Regression_and_Correlation.zip
( `9 o* K1 B8 t5 ?    │          : z2 m( B# p2 d! ^
    ├─斯坦福大学-机器学习课程4 F3 F4 A, d. j& W
    │  └─斯坦福大学-机器学习课程
9 \- q5 I6 A( R: q8 a- X    │      │  cs229-lecture01.mp4
& t/ X' [. A7 U" Y8 A    │      │  cs229-lecture02.mp4
# _, {( o* U/ \# v0 A+ L5 Q6 Y    │      │  cs229-lecture03.mp49 @4 F2 M9 Y3 t3 g+ D: U
    │      │  cs229-lecture04.mp4
& a, h2 R6 U+ H# |9 `# `" u, f9 f    │      │  cs229-lecture05.mp4
. o# p. F$ J1 m5 r- P+ Q2 E+ c; c& e    │      │  cs229-lecture06.mp4, @- q/ |5 k/ L$ l1 v; Q7 ^0 O3 o
    │      │  cs229-lecture07.mp4
5 v& Y7 ?. u" U! w    │      │  cs229-lecture08.mp4
# E6 k  P9 z6 r1 M- C    │      │  cs229-lecture09.mp4
0 N1 V+ d! K7 O$ E: {& G7 Z$ L    │      │  cs229-lecture10.mp4
+ Y3 {5 r7 F% r. ^* n$ _    │      │  cs229-lecture11.mp4
* P; s1 ?, w8 \8 E5 Z: F& Z# h    │      │  cs229-lecture12.mp4
& ~9 e/ v7 O# P7 X' H    │      │  cs229-lecture13.mp4
5 {% u3 z3 H* ~; J' J, \4 W8 M- `    │      │  cs229-lecture14.mp4, L5 l4 e6 s. Z1 G: M
    │      │  cs229-lecture15.mp4$ b( F8 O" q- ?  d
    │      │  cs229-lecture16.mp49 f% \+ O0 \: a9 g
    │      │  cs229-lecture17.mp4
$ {& ]2 M+ I& M    │      │  cs229-lecture18.mp4
3 g+ f% J9 O, V+ V% f4 _    │      │  cs229-lecture19.mp4
( F  v1 u! j: \9 y0 L* I* z    │      │  cs229-lecture20.mp4
$ W/ \0 D$ \4 ~) B2 z7 r( I/ `    │      │  下载说明.txt
) a+ c3 S  a" Z) v    │      │  关注我们.png
( ?. ]3 @5 z6 ?9 C. |    │      │  攻城狮论坛=网络技术+编程视频.url% ?% w! w' i/ `# q- d
    │      │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt2 Z, B  u1 C" I$ }3 H6 L* U3 a
    │      │  
% o: H7 R2 t0 N5 A& |' q    │      └─[斯坦福大学-机器学习课程].materials
% H. {$ O! J9 v    │          └─materials
" z7 l/ d  g* `9 b8 `8 A* }. E    │              │  Click_index_to_start.txt
- F* W" M) M' j. D. d9 f    │              │  index.html
% `& F1 I* ~6 M  x    │              │  lecturelist.html
( P! {7 D5 R1 X8 g    │              │  8 p  X5 J  p0 f0 h7 Y! t
    │              ├─css
% |5 ~/ b3 G" `" }    │              │      base.css
3 s; M) z4 W) C% [, K    │              │      OpenCourse.css! d% b; m& \; s
    │              │      
6 F7 [% a' }4 y% _% F    │              ├─images6 y2 D6 h; O! I6 a5 q
    │              │      14.gif
2 O0 ~- f- u2 Z6 O    │              │      15.gif
. Z/ u; a; j, N; N5 X    │              │      ayn.jpg2 E0 Y# j- z2 t
    │              │      boyd.jpg
; x7 ?* `: K' e    │              │      cain.gif
( w$ v5 V; X+ I; P* H    │              │      clear.gif; p# U6 H: o5 u# V  l) ]9 R
    │              │      CS106A.jpg5 h4 `, c' Q. A/ {% G
    │              │      CS106B.jpg
: i* V& }3 ]: k* X* Z- Z& ^    │              │      CS107.jpg
. L* F5 Q4 X* V7 s  Y    │              │      CS223A.jpg
" [" h1 }- p( L6 v) `    │              │      CS224N.jpg" K" a0 g9 o' W& z! v- w7 K
    │              │      CS229.jpg
8 m2 G- F9 c, b4 t  z3 k* W    │              │      EE261.jpg
" A- Q2 }' t6 r3 K    │              │      EE263.jpg
' ], ^; o' |5 A- z8 L    │              │      EE364A.jpg
( w  K6 U' l2 W  _; ~4 O    │              │      EE364B.jpg: k; G. Y% I  }6 y1 E' ]
    │              │      faculty_photo_bg.gif
5 p& v( D0 ]. T# \* o, I' H! V6 o    │              │      GATES.JPG
. I0 x1 N* z9 q6 E    │              │      hw2a.gif/ `& \  z) H' h" E0 c0 P
    │              │      hw2b.gif/ r( b7 v+ p$ W# n3 ^
    │              │      hw2c.gif) r/ d$ J) i6 Z4 n- q
    │              │      hw2d.gif
: I5 ^; p- [6 o9 \, ]4 }, |    │              │      hw2e.gif
+ ]# U7 m( Y: G    │              │      hw4a.gif
' Z' s. C/ a: _6 I! a5 X    │              │      hw4b.gif& K- n+ I; ?, I! G
    │              │      khatib.jpg
7 E& @& J' n6 P$ p# p2 u    │              │      manning.jpg/ @% P% K, @. }$ F2 X- K) o! y; M
    │              │      nav.jpg
) @$ }3 _, H2 V    │              │      navtop.gif- @5 b, i/ K) y
    │              │      nav_bottom.gif
: Q/ a6 ?: h- P* \' F    │              │      osgood.jpg
6 x" `* _  g' K% T, e! G7 Z0 B    │              │      sahami.jpg1 Z0 U6 d; O6 t  Q8 [4 n
    │              │      SEEglobe.jpg+ A  A! M) l/ m+ C
    │              │      zelenski.jpg, A! [! {" h, \: b
    │              │      + A& @- B: C6 h& d9 g5 f; w
    │              └─materials+ [9 a1 E! d  U5 B% o% b& M
    │                  └─aimlcs229, y, k" ]0 }7 r: t: p: c0 J
    │                      │  AI-classes.pdf
, \( H0 t% T; B5 @" h- a, [    │                      │  assignments.html9 P# F$ r3 S3 w! f$ e
    │                      │  compute_kernel_matrix.txt# P" z+ G4 S( n) _7 r; B
    │                      │  cs229-cvxopt.pdf
- r7 J+ z' c% X  X    │                      │  cs229-cvxopt2.pdf
1 R: Q8 d& \$ A  Z/ B& n    │                      │  cs229-gp.pdf
) j+ u& u2 h5 ~0 O$ [3 [    │                      │  cs229-hmm.pdf1 {  b& W4 D7 i3 A# T
    │                      │  cs229-linalg.pdf3 V9 [. t: F0 Y% r# z% I6 V3 i
    │                      │  cs229-notes1.pdf1 R7 i9 \+ a0 I' r1 N
    │                      │  cs229-notes10.pdf
4 d- P$ [1 `7 X' Q4 {    │                      │  cs229-notes11.pdf
$ H+ d* e5 n8 {2 |+ b    │                      │  cs229-notes12.pdf
& |8 e; t( x: `3 _    │                      │  cs229-notes2.pdf1 l- P! g0 |* d! o* w- i
    │                      │  cs229-notes3.pdf/ g3 u/ Z; @: C4 `8 Y2 @" x: ?
    │                      │  cs229-notes4.pdf# p) C  z$ ~2 D# K+ w
    │                      │  cs229-notes5.pdf/ l  y% b' y- p1 I
    │                      │  cs229-notes6.pdf
/ {2 j3 q$ U! N- F' r6 Y$ Q6 _; X    │                      │  cs229-notes7a.pdf6 c% N9 B1 Q+ K# r- z) Q! t/ O
    │                      │  cs229-notes7b.pdf
, |: F, ]8 j5 ^% @    │                      │  cs229-notes8.pdf
1 ^% {2 B6 L/ a- g- V' G+ R    │                      │  cs229-notes9.pdf/ R1 L. y2 T8 J, x' R' [/ b8 u$ n
    │                      │  cs229-prob.pdf
& L$ v- h: z" f2 W; N    │                      │  emacs.txt
7 V" y& {+ x. q' E$ h0 S# t    │                      │  gp_demo.txt
% B% F, ]3 }  v: b0 z    │                      │  handouts.html  `& w2 f3 q1 d
    │                      │  info.pdf
: d6 t" I8 H+ g    │                      │  logistic_grad_ascent.txt' G) g+ I+ p; T
    │                      │  matlab_el.txt8 X- |. @+ o( G0 t2 ~/ ~! d3 J
    │                      │  matlab_session.txt
6 L2 `( @3 e, @7 `. [    │                      │  ML-advice.pdf
7 c! F& K9 r3 S    │                      │  practice-midterm.pdf  g( F! c$ U- `; K) f5 t" B
    │                      │  problemset1.pdf! _2 y9 f" J5 }2 z2 r
    │                      │  problemset2.pdf
; J4 q* a: i  ~, o9 ~    │                      │  problemset3.pdf
+ h/ D4 V' V9 J3 B    │                      │  problemset4.pdf
, O* L: X/ \$ j+ t    │                      │  projectGuidelines.pdf
) p( ?3 L# t/ g! o0 I0 J    │                      │  PS1-data.zip! {! X* a8 r* ?" _% a
    │                      │  ps1_solution-data.zip
( @4 k) e! J* }) E' W    │                      │  ps1_solution.pdf8 M; k9 m/ `; I
    │                      │  PS2-data.zip8 s) j6 E1 c2 _  ?. d1 R
    │                      │  ps2_solution.pdf
$ ^4 h+ o0 o" Y    │                      │  PS3-data.zip* V: e7 m9 g$ D
    │                      │  ps3_solution-data.zip
5 {2 I+ f( m" X. e) D. \. m9 g% ?    │                      │  ps3_solution.pdf* E6 M/ k) }# }& ]
    │                      │  PS4-data.zip
0 `+ c0 N5 }; A1 Q; M* t0 N    │                      │  ps4_solution-data.zip
1 P- e2 p# n1 J; \2 D' T+ A# e    │                      │  ps4_solution.pdf, g' ~4 A+ m, ]* J8 ]7 I
    │                      │  resources.html" J% I7 _! Z: t# r7 ^% {# d1 s5 W8 r
    │                      │  sample_gp_prior.txt% b% U# w- k- L: a  N% q9 w8 A
    │                      │  schedule.pdf' Y0 p0 m0 j( Z
    │                      │  sigmoid.txt
8 A' i2 G8 d9 b# Z    │                      │  
" J" ^4 ^' @$ k  A/ ~    │                      └─transcripts
- Z! \$ z9 K4 d3 y: Z. u    │                              MachineLearning-Lecture01.html
: A& X7 [  F& E5 t    │                              MachineLearning-Lecture01.pdf
: w2 @4 |8 F: e" ~6 t    │                              MachineLearning-Lecture02.html: v1 b! r! x3 Z6 {
    │                              MachineLearning-Lecture02.pdf+ K# w- _, v3 d6 j# N
    │                              MachineLearning-Lecture03.html
3 I6 @& [- ~, P( M5 c( S    │                              MachineLearning-Lecture03.pdf+ b  Y9 l) m: T3 l  b. t$ m4 n, U# a
    │                              MachineLearning-Lecture04.html4 m  I7 N$ l, q: F$ Z7 ?
    │                              MachineLearning-Lecture04.pdf* H8 F1 E" c1 T  R
    │                              MachineLearning-Lecture05.html
: J5 h5 N& Y7 s4 e1 `0 T- i0 F5 i    │                              MachineLearning-Lecture05.pdf) f2 V9 }0 x8 Z% G) [
    │                              MachineLearning-Lecture06.html
, p# M* r, K) Q2 n4 |    │                              MachineLearning-Lecture06.pdf
! p4 ~. ]. b. _7 K. q6 Q) ]    │                              MachineLearning-Lecture07.html& h7 W5 L& D7 t: L& a9 }6 C( c( k
    │                              MachineLearning-Lecture07.pdf
% C, S  c' _& z# ^    │                              MachineLearning-Lecture08.html) N9 h- w. e8 k3 O- ?& X! D) \
    │                              MachineLearning-Lecture08.pdf
- p2 X2 {4 \. |0 a    │                              MachineLearning-Lecture09.html
, y$ d7 m: f6 s2 @, W0 U  z0 D$ ~* P    │                              MachineLearning-Lecture09.pdf
$ w) @1 I, k4 _8 ~5 _% w1 z4 ]    │                              MachineLearning-Lecture10.html/ U% @. i; \" F2 @! U9 y
    │                              MachineLearning-Lecture10.pdf2 L+ E0 I6 d& ]& h$ Y8 f4 i+ u
    │                              MachineLearning-Lecture11.html  o' k8 b' {7 z; b
    │                              MachineLearning-Lecture11.pdf
3 W# ^% x( A& L2 c# D$ o    │                              MachineLearning-Lecture12.html
9 p8 O+ ^' }2 y7 y) b+ _' I- t  d: [    │                              MachineLearning-Lecture12.pdf
2 D7 y$ h( p& a& V& t: r    │                              MachineLearning-Lecture13.html
+ e& B: ~! k2 m% H: j- M' U    │                              MachineLearning-Lecture13.pdf3 v$ e/ x) T& [/ K, @! X, e
    │                              MachineLearning-Lecture14.html+ |* n) l" D5 \2 ?; N% ^
    │                              MachineLearning-Lecture14.pdf$ s8 G; q* o9 c5 @9 L7 @
    │                              MachineLearning-Lecture15.html/ x6 Z- n; h2 _* Z  N' O1 X  b
    │                              MachineLearning-Lecture15.pdf) a/ l/ L) |  `9 N
    │                              MachineLearning-Lecture16.html
- k% q; B: p( n) d0 g- r5 p    │                              MachineLearning-Lecture16.pdf
1 P0 r" e/ h$ H- G    │                              MachineLearning-Lecture17.html( Q$ F" h! |5 t* @! A& r) X5 I
    │                              MachineLearning-Lecture17.pdf
- V$ B& o1 g7 J; c- C  r    │                              MachineLearning-Lecture18.html
% R8 v. R4 m0 y7 R: a7 J    │                              MachineLearning-Lecture18.pdf
8 U* G4 g: w: x    │                              MachineLearning-Lecture19.html
5 \! a6 G8 h4 _" f+ d( @    │                              MachineLearning-Lecture19.pdf0 U4 S& U5 B* m9 w# g
    │                              MachineLearning-Lecture20.html
2 m# Z0 \# Q0 T0 g9 V. l% e; W4 U' f    │                              MachineLearning-Lecture20.pdf" `( t5 E0 y( Q
    │                              
1 q, C" {# |" @3 B/ j! b2 t8 B% u    ├─机器学习书
& ~5 g$ u0 z0 \1 |9 f- ?    │  │  An Introduction to Statistical Learning.pdf
7 m" I* i+ C" ~; ?+ w" a    │  │  Bayesian methods for hackers.pdf
+ p+ p6 A# c% |' [# l    │  │  Deep Learning Tutorial.pdf
" f  }- o5 R7 {8 h/ V2 U+ V0 X    │  │  Mining of Massive Datasets.pdf
7 {7 `2 l- M: |  N, U: Y    │  │  PRML中文版.pdf
0 n# z7 U2 }6 R, d. ~. t5 g! Z    │  │  understanding-machine-learning-theory-algorithms.pdf; j7 o9 J7 i% l- I; g/ e3 ?
    │  │  凸优化.pdf
: @1 u( ?4 [" l* y! D( D    │  │  图解机器学习.pdf( m, |& r( C* `3 O1 C
    │  │  机器学习_周志华.pdf
0 e7 n( ?4 G9 ]9 `1 m    │  │  机器学习〔中文版〕.pdf
. G( p( ]% j4 S+ |( a    │  │  机器学习个人笔记完整版2.5.pdf2 N/ z6 x% c+ G# t( e4 v5 O, x1 ~
    │  │  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.pdf8 K  i" H9 m* `* T1 g( E/ }+ n
    │  │  机器学习实战.pdf4 L2 n1 U; D1 U" k' U: i3 a6 v
    │  │  机器学习实践指南++案例应用解析+麦好.pdf
. A7 [/ A, R! C! o$ `& K2 W    │  │  机器学习导论 原书 第2版.pdf
7 ~* o  x' x/ Z9 ?/ k* S9 y    │  │  
$ B3 W1 n* O4 N1 }( \3 O    │  └─stanford machine learning
4 Q1 ]* D2 `: `    │      ├─Lecture Notes$ M% J  q+ l( u, @( U
    │      │      cs229-notes1.pdf- U! F; v$ S! ]4 n/ v
    │      │      cs229-notes10.pdf6 D  ~+ U5 Z$ z. ?) s& {
    │      │      cs229-notes11.pdf; \9 n6 ?! ?( z$ p; N/ b1 V
    │      │      cs229-notes12.pdf9 ^( f+ [2 n: A0 Y9 b
    │      │      cs229-notes2.pdf
& c- P7 F- y  I$ ~    │      │      cs229-notes3.pdf# s) ~- J( S4 c  V6 n
    │      │      cs229-notes4.pdf. g, H8 n& m* Q9 g
    │      │      cs229-notes5.pdf) ~. t. z! b$ H" J0 m8 |
    │      │      cs229-notes6.pdf, n0 e" ^; M/ H0 v3 Z8 \
    │      │      cs229-notes7a.pdf6 ]5 {: B/ W$ J+ Q3 @
    │      │      cs229-notes7b.pdf' x; _4 ]7 q5 S3 D. t4 @1 B
    │      │      cs229-notes8.pdf
; v  u& T/ X9 g2 o: R- v    │      │      cs229-notes9.pdf' n$ |& N! V" z- F1 G; p" p
    │      │      
* R/ D! A9 X$ e    │      ├─Section Notes
7 o3 w) o" }0 o( {    │      │      cs229-cvxopt.pdf
  O; `2 |  k6 Z! A) Z, h& z4 y( X    │      │      cs229-cvxopt2.pdf
+ d2 z: W* E+ U. r    │      │      cs229-gaussian_processes.pdf
; L' J/ e: q' m; Q2 m7 g. Z    │      │      cs229-hmm.pdf7 a3 w3 c7 c2 r* x
    │      │      cs229-linalg.pdf
) o( A: R9 G9 m0 r& F: f" l    │      │      cs229-prob.pdf
" D! d) L8 H! Y" }; W    │      │      gaussians.pdf
9 O! A3 t2 M, q$ E( p* W    │      │      MATLAB_Session.pdf
% O, q& Z/ n1 I/ \! D" |6 _    │      │      more_on_gaussians.pdf
: X4 T6 D! T! c- G    │      │      
/ M9 O! W! s* w8 @    │      └─Supplemental Notes6 p; N/ y' P- J# V
    │              boosting.pdf8 m( ^+ [/ s/ M; u
    │              boosting_example.m
# f) x  m/ Y: l    │              hoeffding.pdf
2 h  T! _/ R6 }" n    │              loss-functions.pdf+ I" G: |3 y% b8 K5 m
    │              representer-function.pdf% m( h5 ?% ~; |, ~! m
    │              
8 m  Z/ h, G/ v7 N    ├─机器学习方向(经典书籍及教材资料)$ g' ?4 j' _5 L" ^) g/ T' I
    │      2012.李航.统计学习方法.pdf
' S" Q3 n. y8 ?    │      cs229 stanford machine learning(所有的lectures).rar
7 N7 p. V0 o* K/ ~- M: P    │      Ensemble Machine Learning.Methods and Applications.2013.pdf( A: e8 t5 r1 W7 T6 i( S
    │      evaluating-machine-learning-models.pdf
/ N  x  ^6 S. v" G1 U. B    │      Machine Learning A Probabilistic Perspective(1).pdf% E0 g5 S8 i6 Z' Q4 l" \& ?
    │      Machine Learning A Probabilistic Perspective.pdf! T7 ]9 |) b/ z* ?5 a
    │      Machine Learning in Python (2015).pdf0 g5 R, o& S$ J% `& w. q6 _
    │      Mastering Machine Learning With scikit-learn.pdf
0 B, e* ^, M6 z* L( G. q9 N    │      Mathematics for Computer Science.pdf
+ e% L5 {$ E# x; q, V( W+ `8 G    │      PRML.pdf
( ^" |; C8 x9 k+ w, u, b, f, \    │      PRML中文版.pdf
( i4 b$ Y/ R3 g0 A" K4 ~2 S( H    │      PRML中文翻译版.pdf
& M1 u  B1 g4 V( r/ Y    │      Probability and Statistics for Engineers and Scientists.pdf% s, O( q. R' Z: q# Q
    │      Python_Machine_Learning.pdf2 j! ?& P  C$ q$ ~8 S; s
    │      PYTHON自然语言处理中文翻译 NLTK 中文版.pdf9 W3 ]% h* A  |, G; G
    │      tempFile
, u, E$ X8 _, e  [5 ?3 h    │      The Elements of Statistical Learning(1).pdf
3 T3 ?+ o. t5 w) V2 w7 A    │      The Elements of Statistical Learning.pdf  z7 f) \4 v6 C3 u6 ]4 V
    │      word2vec_lstm_talk.pdf& Z+ v8 T0 {2 w" r
    │      【官方文档】TensorFlow Python API documentation.pdf
& W2 y0 B5 L5 i    │      下载说明.txt1 h% p4 U1 B# y* A
    │      关注我们.png
. H8 `, R; B, a% ?1 G" w! E    │      利用Python进行数据分析.pdf
' Z+ P; n, z) @, l) A    │      攻城狮论坛=网络技术+编程视频.url7 G/ X8 g5 D# V; a
    │      机器学习-实用案例解析.pdf6 E+ _( G5 L$ e' V
    │      机器学习个人笔记完整版v4.21.docx' `; v* V. c. X/ @0 ]
    │      机器学习个人笔记完整版v4.21.pdf- Q$ \" N) h" v1 N$ b
    │      机器学习(周).pdf1 U# p( ?5 v/ U! C( e6 b9 z3 u) X
    │      机器学习:实用案例解析(中文版,带完整书签).pdf
. H+ p6 e4 W' U$ m$ f# v    │      模式分类 Richard O.Duda 中译本.pdf
8 f/ F9 [1 g4 F/ q+ B    │      解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt5 Y' h- O4 S5 C& n( B& f& n3 j
    │      & S3 r" H3 ^+ n9 w* r
    └─机器学习经典论文" \1 t  k$ N( R! z; E
        │  下载说明.txt$ n7 p# l3 N5 o' ~
        │  关注我们.png# Y: y9 a) u1 z9 ~7 x7 L8 C
        │  攻城狮论坛=网络技术+编程视频.url
0 t  f6 o1 W6 i6 }+ @        │  解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt
& i+ a+ t5 W6 r9 A8 Q        │  
. v  s4 S. l9 h        ├─active learning! U" I' X, H1 I3 B. n
        │      Active Learning Literature Survey, Settles, 2010.pdf
# o7 F! a  g+ a" C2 C        │      Two Faces of Active Learning, Dasgupta, 2011.pdf& V9 i: D0 ]" C- `: R2 v9 }/ d! c
        │      1 ^( _/ ?. p+ d
        ├─Applications! `& l+ B5 D* U& B
        │      A Survey of Emerging Approaches to Spam Filtering, Caruana, 2012.pdf
) i, A# }" I  @8 Q        │      A Survey of Online Failure Prediction Methods.pdf, s+ h4 {$ M3 e/ u
        │      Ambient Intelligence_ A Survey.pdf& ]* H# o; |' z, q% q: |5 K9 i
        │      Anomaly Detection_ A Survey.pdf$ t1 x) ~! N0 U1 m
        │      Mining Data Streams_ A Review.pdf
/ C: i2 H, t- }: G( d6 z        │      Workflow Mining_ A Survey of Issues and Approaches.pdf
3 H* K4 W6 V+ d% A; q        │      
7 v. m, s3 R" m        ├─Biology. G& {) l& Y5 |) J! w
        │      A Review of Feature Selection in Bioinformatics.pdf6 {6 P" Q+ U8 ?
        │      Bioinformatics - An Introduction for Computer Scientists.pdf. |2 F9 N4 `' z% {6 y0 ]2 d
        │      Chemoinformatics - An Introduction for Computer Scientists.pdf* B, ?2 K- l" D7 F. K5 `. i
        │      Computational Challenges in Systems Biology.pdf7 k6 K. e) T: m
        │      Computational Epigenetics.pdf
0 l2 W/ m0 l" X3 u( {        │      Computational Systems Biology.pdf
8 `  m8 l6 |/ F: g6 |' I1 |6 v        │      Machine Learning in Bioinformatics_ A Brief Survey and Recommendations for Practitioners.pdf) w+ P9 W2 D0 d8 T3 T
        │      Molecular Biology for Computer Scientists.pdf
: v3 P9 j, l' k. @9 L# W$ b( u        │      Progress and Challenges in Protein Structure Prediction.pdf! _; X- F" U6 I
        │      Protein Structure Prediction and Structural Genomics.pdf
" I- P) r# D: \, }; k7 D, j& O        │      Recent Developments and Future Directions in Computational Genomics.pdf
4 |) E8 N3 ^3 X3 `) {$ M        │      Support Vector Machines in Bioinformatics_ a Survey.pdf2 z9 ?8 B6 Q" B7 j
        │      
9 M) n. _9 H1 P* _: x8 `) _        ├─Classification( A3 K: z6 U# g, E. F
        │      Supervised Machine Learning_ A Review of Classification Techniques.pdf
* a, j5 P& }% `! a, P        │      8 @' Y) J% |( g; k* ]7 l/ k# s
        ├─Clustering
2 n# i) W3 s8 ~: B) Q        │      A Survey of Fuzzy Clustering.pdf7 U) G+ J7 B* V( M. V
        │      A Survey_ Clustering Ensembles Techniques.pdf
# y8 z" F# x5 i; x* r7 n        │      A Tutorial on Spectral Clustering.pdf
5 x$ m2 n8 F; `$ t: F; r        │      Clustering in Life Sciences.pdf
. `: k" c' U1 n9 U* h  q        │      Clustering Methods.pdf8 \. H  ]- H! m% [: |* J7 _
        │      Clustering of Time Series Data - A Survey.pdf9 o4 e2 W5 p8 V3 I+ K
        │      Clustering Stability_ An Overview.pdf6 \2 \6 Q+ I* V
        │      Computational Epigenetics_ The New Scientific Paradigm.pdf
$ X7 ?6 r/ F1 \3 z( n% z        │      Data Clustering_ 50 Years Beyond K-Means.pdf. A4 {& p+ U% c3 w5 L. _# R
        │      Data Clustering_ A Review.pdf
: k+ T, P- U. A        │      On Clustering Validation Techniques.pdf" U! a0 }8 {; `4 X  |$ [
        │      Parallel Clustering Algorithms_ A Survey.pdf; O& |3 ]4 F  t+ \( V$ v1 e0 S
        │      Recent Advances in Clustering_ A Brief Survey.pdf/ ?' Z8 b4 `- D, Q
        │      Subspace Clustering for High Dimensional Data_ A Review.pdf
8 ]& W# a/ S& k& J# V0 l        │      Survey of Clustering Algorithms.pdf
* y9 u7 B5 A: _  G        │      Survey of Clustering Data Mining Techniques.pdf% t/ Z" w: \  L
        │      Unsupervised and Semi-supervised Clustering_ a Brief Survey.pdf
; z! V% x1 b; s+ E- E" I1 \' N        │      XML Data Clustering_ An Overview.pdf
6 g1 C5 M1 u+ D1 {. R( B! J        │      6 W# Z5 a: Z& D0 W0 M! X0 w2 l
        ├─Computer Vision+ v4 P7 j7 q- U5 q( Q, ]
        │      A Comparative Study of Palmprint Recognition Algorithms.pdf
- ?: I" P3 B! W& z9 y  X' u+ l        │      Context Based Object Categorization_ A Critical Survey.pdf
: v# s1 h3 x8 a. L7 w2 t        │      Detecting Faces in Images_ A Survey.pdf! G3 [& m6 ?8 F' A7 z, f/ K
        │      Human Activity Analysis_ A Review.pdf
% b1 `1 a. i# K3 G" S' k        │      Object tracking_ A Survey.pdf  }3 Z3 k1 g  _6 n1 E% u  m
        │      Pedestrian Detection_ An Evaluation of the State of the Art.pdf
& _; X& C" r! ], c: ^& x/ Q        │      Subspace Methods for Face Recognition.pdf# X' B4 x! _9 L  s: r- k
        │      
5 O, Q( ^5 C: A1 s/ J6 j        ├─Databases
& x( {' @' W' T        │      A Survey of Schema-based Matching Approaches.pdf4 G8 a" ^, ^2 `$ o. t9 O
        │      Data Fusion.pdf
7 F0 q" ?3 r, a' b6 R        │      Duplicate Record Detection_ A Survey.pdf
" b( D% @5 a+ Z: G& s) \- C        │      Overview of Record Linkage and Current Research Directions.pdf
5 W) Z# w* e% F* ?+ G! n        │      
7 A/ V$ Z6 q- Z  _0 M7 h( ]        ├─deep learning
  k7 j7 W3 Z$ @; E! }; t' s        │      Representation Learning_ A Review and New Perspectives.pdf- V5 K! C# P% H- E1 p, I
        │      
; p+ A; d7 A# T  u1 S        ├─Dimension Reduction
5 T/ {; N1 Z- v6 m: g8 D        │      A Survey of Dimension Reduction Techniques.pdf2 i4 _8 A1 i) K! @) B
        │      A Survey of Manifold-Based Learning Methods.pdf& T$ {) t6 F% `, G% d  r5 D5 Z
        │      An Introduction to Variable and Feature Selection.pdf4 f- H" t. D) s- S
        │      Dimension Reduction_ A Guided Tour.pdf
/ G) E" J1 G: k# K0 M' Z' _5 l" P        │      Dimensionality Reduction_ A Comparative Review.pdf0 Y: U9 m% e* l" Z' Q
        │      Toward Integrating Feature Selection Algorithms for Classification and Clustering.pdf7 l; p, c( L' P+ C- W
        │      
7 w+ E1 ^) s0 O. A$ w! V' T% k        ├─Economics( Z0 s4 N1 q/ `3 ]& T/ Q8 j( T% \) ~
        │      Auctions and Bidding_ A Guide for Computer Scientists.pdf' F4 ]' Z( Q! J2 R1 r! q  y4 a+ ]) g
        │      Computational Finance.pdf
# c7 g4 f" U5 T' j" s+ y1 f* t        │      Computational Sustainability.pdf; L% ]( b3 K$ k. Q( u6 i( G
        │      
( w. E5 t, ~, K$ K3 a$ B' ~        ├─Game Theory+ a' Y0 Z! U# V: H! ^: l
        │      Computer Poker_ A Review.pdf
; n5 g. l$ [+ ?# I3 t  ]! L        │      ; C8 }; M/ t6 b1 M: ?; \) f9 v
        ├─Graphical Models
! H* R# i# p% H        │      An Introduction to Variational Methods for Graphical Models.pdf
# e' {, Y1 V) I        │      . o" p- B& E8 f2 h. {+ e
        ├─kernel methods0 B' K; d4 h9 h3 X
        │      Kernels for Vector-Valued Functions_ a Review.pdf
5 y3 l0 m$ G6 P) B        │      ! |7 J9 @" m' P" z8 x
        ├─Learning Theory9 u/ s- D6 P3 A& Z5 t  F
        │      Introduction to Statistical Learning Theory.pdf
9 C( B; y* V( u3 @/ R6 j/ L        │      0 u; }$ L' u* Z) ?% x$ O' Z+ Z
        ├─Machine Learning
% l5 C5 a) ]0 V% V        │      A Few Useful Things to Know about Machine Learning.pdf
+ G, \5 D1 o; O+ a/ M; q        │      A Survey of Interestingness Measures for Knowledge Discovery.pdf
. X7 f# O" y$ K, J4 c        │      A Survey on Wavelet Applications in Data Mining.pdf- `! U' i  S& t, G7 d8 U* T
        │      A Tutorial on Bayesian Nonparametric Models.pdf/ [" g  J3 z9 w2 T' A1 n' f) O
        │      A Tutorial on the Cross-Entropy Method.pdf, M2 i9 S( K: V1 U0 `, m, \
        │      Decision Forests for Classification, Regression, Density Estimation, Manifold Learning and Semi-Supervised Learning.pdf
: r8 q$ \; ^1 L% t& e; b8 {) Z        │      Interestingness Measures for Data Mining_ A Survey.pdf
8 e: e- ?( u& m0 G- F        │      Semi-Supervised Learning Literature Survey.pdf5 E( C( f, a7 p
        │      Survey on Frequent Pattern Mining.pdf
( V5 G! U! D0 q+ \8 a4 u        │      The Boosting Approach to Machine Learning_ An Overview.pdf/ y; b: I& M- W' M- X
        │      Top 10 Algorithms in Data Mining.pdf
1 @0 P( b  g+ B+ |/ v        │      
! X) |  t+ }$ K; N( \& ~* P$ v        ├─Mathematics
8 @% }- ]- H: M' S' ]8 m        │      Topology and Data.pdf6 h9 ]" D) _0 K/ z$ M8 x3 D, k, @
        │      * n  {/ ~7 |7 D
        ├─Multi-armed Bandit! x* }2 N3 b3 ]
        │      Regret Analysis of Stochastic and Nonstochastic Multi-armed Bandit Problems.pdf4 r. k( y) Z* O" ^% r( I) ?
        │      # E6 J, U( D3 y5 g
        ├─Natural Computing
* z/ d3 E- k$ u+ h4 B  V  b. i        │      A Survey of Evolutionary Algorithms for Data Mining and Knowledge Discovery.pdf
' k3 N' `/ }8 N) ^        │      Artificial Immune Systems.pdf, `  t9 R' c* D$ o! L
        │      Data Mining in Soft Computing Framework_ A Survey.pdf
# i; w- S; s4 T& V; H( n. S        │      Neural Networks for Classification_ A Survey.pdf- c  @8 {( d% [$ v0 ~  ^3 [; T
        │      Reservoir Computing Approaches to Recurrent Neural Network Training.pdf
; x, G! h+ F. k+ q* ~        │      
6 g. g% {* s" U* i- c1 }) x, j6 [        ├─Natural Language Processing" J5 h& @- @" s; X' p6 ]
        │      A Survey of Named Entity Recognition and Classification.pdf' `- f( p, C! U# b2 R3 U
        │      A Survey on Sentiment Detection of Reviews.pdf) x2 x& s) r6 y7 X3 f2 F- \
        │      Adaptive Information Extraction.pdf6 p( Z3 D$ |8 f2 H5 ~( a
        │      Comprehensive Review of Opinion Summarization.pdf1 m+ l* ^* w3 u8 S
        │      Information Extraction.pdf
2 h( ^: ^9 \$ ~( c        │      Machine Learning in Automated Text Categorization.pdf% o: C4 n) D/ [0 T6 V+ @% F0 g
        │      Machine Transliteration Survey.pdf3 a- J: j. [+ W
        │      Ontology Learning From Text_ A Look Back And Into The Future.pdf
, c# g/ h! b' a: I        │      Opinion Mining and Sentiment Analysis.pdf
. l1 t# z$ q* W! L( \) B        │      Probabilistic Topic Models.pdf8 z1 H  _0 Y3 @. @4 {' h
        │      Statistical Machine Translation.pdf) u' r# A# K9 K! a; d5 D: h
        │      Survey of Text Clustering.pdf
7 L8 {7 z9 X8 l. Q3 p- x& s* _; Y        │      Topic Models.pdf" u8 q8 C1 q" v$ {& _) F6 ?
        │      Translation Techniques in Cross-Language Information Retrieval.pdf' \, h% p7 i3 C5 W& F- N  n) i
        │      Web Mining Research_ A Survey.pdf9 L% @* u: v/ I+ q8 X! p
        │      Word Sense Desambiguation_ A Survey.pdf3 f- I0 Q! T: M- G2 ?
        │      
8 f: }0 U% i1 S        ├─Networks
9 A9 ]; u3 P- Q% G/ {) E& j. a        │      A Survey of Statistical Network Models.pdf
, k* J( _* \9 o/ Y( j, r9 \! x) C        │      Communities in Networks.pdf' ]7 s- E& I8 C) s# @
        │      Community Detection in Graphs.pdf
* B+ A+ C# b& g% }/ |        │      Comparing Community Structure Identification.pdf
/ o2 i3 `8 Y0 c. k! u5 M        │      Detecting Community Structure in Networks.pdf5 S$ h0 {! W4 C
        │      Graph Clustering.pdf1 `4 C* d2 I' d1 B0 A4 P
        │      Graph Mining_ Laws, Generators, and Algorithms.pdf, v/ r' l6 k5 k* i2 @$ b) K' k
        │      Link Mining_ A New Data Mining Challenge.pdf
7 C5 |- ^; E# v) ?! [4 ]2 l' Q' I' [        │      Link Mining_ A Survey.pdf, Q+ R6 F$ i/ R# g" T
        │      ; c2 n. k' Z7 H
        ├─On-Line Learning
4 ^$ y) B; H' [( Y        │      On-Line Algorithms in Machine Learning.pdf
$ l1 V6 ]7 c1 ?) C9 [# X& d6 R& e        │        m5 v8 A7 G2 {- v# o
        ├─Others* M3 F. \# C2 s% m' A$ q2 W$ G; s0 E- Z
        │      A Survey of Very Large-Scale Neighborhood Search Techniques.pdf
9 Y8 p4 d# q6 }; j9 r        │      
) u! D* F" ^- E" e: w+ C        ├─Planning and Scheduling
2 J$ \6 P+ o# r& M; {1 L: P        │      A Review of Machine Learning for Automated Planning.pdf
: M$ R9 y0 p3 F# a# y! m: g        │      2 L; c' A# O9 J1 o  G4 j
        ├─Probabilistic
5 I) l" N( l4 j) [7 P$ v        │      An Introduction to MCMC for Machine Learning.pdf
4 x, b" p! t8 O2 e' l9 d7 f1 r" b, U        │      Approximate Policy Iteration_ A Survey and Some New Methods.pdf
8 K3 Q6 {* n1 }6 f( I6 S0 ^        │      6 s6 J; N1 c: T- x. j* O$ h7 c6 p) b
        ├─Probabilistic Models
' J- Z1 Q) T, I4 E1 {" Z        │      An Introduction to Conditional Random Fields.pdf
& Z7 }. }  g4 V3 Z+ u6 P2 @        │      , ]8 S! o( h& q, E, ^: I
        ├─Randomized Algorithms, D  i% K1 v2 l$ Q7 H6 ?; b
        │      Randomized Algorithms for Matrices and Data.pdf
, ]+ K) N% J  `% v* e" A, o1 o. d        │      - F) h0 V3 L/ T0 P" [
        ├─Recommender Systems
6 p  ^+ j( Q5 B3 a$ Z0 K$ |9 M" r        │      A Survey of Collaborative Filtering Techniques.pdf
9 f& p" D1 Q% y8 q        │      Matrix Factorization Techniques for Recommender Systems.pdf, ~$ k4 u0 t8 Y( `& X. N# F
        │      Recent advances in Personalized Recommender Systems.pdf* Q* o# g/ J3 t! O# c
        │      
6 z# o# e) G- [0 _# t4 G        ├─Regression% e' O8 T3 Y2 }9 o  U; A
        │      Ensemble Approaches for Regression_ a Survey.pdf
3 i9 R0 X$ Z8 R, D5 P2 k  m! ~        │      
; n; X% H6 X! q' x# g7 w        ├─Reinforcement Learning# {" B5 d# [' ?" y1 w  ?. C- |, a+ ^
        │      A Survey of Reinforcement Learning in Relational Domains.pdf
. \) {8 A# [" H+ D" q. P( b4 b        │      Reinforcement Learning_ A Survey.pdf- I  a" I. C& }
        │      
. c9 D- y, ^! O" Z        ├─Rule Learning# a5 l+ `0 m6 o! i. G' G
        │      Algorithms for Association Rule Mining - A General Survey and Comparison.pdf
) i/ K+ q1 k* o. Z% n; G        │      Association Mining.pdf
$ z' O: Q6 N: w9 Q, \9 P5 N. U6 f        │      ! b* V3 H! i8 H3 G) H" [
        ├─Testing
: u/ I3 T. u- ^/ j        │      Controlled Experiments on the Web_ Survey and Practical Guide.pdf
1 C# Y  o0 }& G5 a        │      & G) ~" P! ?0 I- _! o. u
        ├─Time Series3 t2 m- ]7 m( F
        │      A Review on Time Series Data Mining.pdf
6 A% v, }. k* r& ]        │      Discrete Wavelet Transform-Based Time Series Analysis and Mining.pdf
6 B0 r/ f5 ?% y        │      Time-Series Data Mining.pdf
& Z) A( v) J( R( l4 c& P        │      
+ ~: J+ e& G+ Y2 \9 I        ├─Transfer Learning% @7 C9 Q% t* q( T$ r1 q
        │      A Survey on Transfer Learning.pdf' D/ E3 m! b  l
        │      2 L6 s# ]* ^' l( K2 h7 N
        └─Web Mining
% `2 [9 H  n  E. n1 Y4 d+ ]# P, s                A Survey of Web Clustering Engines.pdf4 z" ^/ e+ u5 V. e! ?1 T2 E4 A
                A Survey of Web Metrics.pdf
2 P0 K" m' z4 ]# L+ \, _4 B                A Taxonomy of Sequential Pattern Mining Algorithms.pdf3 |- V0 D7 B5 a/ x
                An Overview of Web Data Clustering Practices.pdf0 N3 D0 k; l7 ]: }, R
                Data Mining for Hypertext_ A Tutorial Survey.pdf' K) u6 ]$ j" W
                Mining Interesting Knowledge from Weblogs_ A Survey.pdf
. U* J2 L5 {" d$ d; P' U; z                Web Page Classification_ Features and Algorithms.pdf
回复 支持 反对

使用道具 举报

james_lai100 [Lv9 无所不能] 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 [Lv8 技术精悍] 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, 2023-11-29 23:45 , Processed in 0.261266 second(s), 22 queries , Gzip On, MemCache On.

Powered by Discuz! X3.4 © 2001-2013 Comsenz Inc.

Designed by ARTERY.cn