填补从传统机器学习到深度学习的断层

许多学习者在掌握 Scikit-learn 基础算法后，往往卡在如何向神经网络过渡的环节。本课程第一部分系统梳理了决策树、KNN、SVM 及线性/逻辑回归等经典算法，其核心目的并非重复基础，而是通过对比揭示传统模型在特征工程上的局限，从而自然引出对更深层次拟合需求。对于基础薄弱者，这部分是必要的热身；对于已有 ML 基础者，重点在于厘清单神经元与多层网络的本质差异，明确“为什么需要深度学习”这一关键认知缺口。

聚焦神经网络构建与实战应用

课程后半段深入神经网络底层逻辑，详细讲解 NN 算法原理及 SVM 的高级应用。这是本套资料的核心价值所在，旨在解决“懂概念但不会建模”的能力短板。建议学习者重点研读神经网络算法与应用模块，配合代码素材进行动手实践。资料包中的代码文件提供了完整的实现路径，读者应在观看理论视频后，自行复现代码并调整超参数，观察模型表现的变化，而非仅作为被动观看的观众。

学完后能独立解决什么类型的问题

完成本系列课程后，你应能独立构建并训练基础的多层感知机模型，理解反向传播的基本思想，并能针对分类与回归任务选择合适的算法策略。配套练习资料包含关键案例的代码实现，建议以“先跑通代码，再理解原理，最后修改优化”的顺序进行闭环训练。通过这种从理论到代码再到反思的学习路径，确保不仅知道算法长什么样，更清楚在实际业务场景中如何调用和调优，真正补齐从理论到落地的最后一块拼图。

课程目录

(Part One)深度学习基础
1.1课程介绍机器学习介绍上.mp4 50.56M
1.1课程介绍机器学习介绍下.mp4 9.95M
1.2深度学习介绍.mp4 52.68M
2基本概念.mp4 56.92M
3.1决策树算法.mp4 54.25M
3.2决策树应用.mp4 72.42M
4.1最邻近规则分类KNN算法.mp4 38.85M
4.2最邻近规则KNN分类应用.mp4 57.47M
5.1支持向量机SVM上.mp4 35.56M
5.1支持向量机SVM上应用.mp4 34.97M
6.2神经网络算法应用上.mp4 95.96M
6.3神经网络算法应用下.mp4 34.25M
7.1简单线性回归上.mp4 40.76M
7.2简单线性回归下.mp4 52.49M
7.3多元线性回归.mp4 42.22M
7.4多元线性回归应用.mp4 51.17M
7.5非线性回归 Logistic Regression.mp4 30.34M
7.6非线性回归应用.mp4 56.58M
7.7回归中的相关度和决定系数.mp4 38.05M
7.8回归中的相关性和R平方值应用.mp4 43.12M
8.1Kmeans算法.mp4 35.43M
8.2Kmeans应用.mp4 61.00M
8.3Hierarchical clustering 层次聚类.mp4 29.82M
8.4Hierarchical clustering 层次聚类应用.mp4 62.52M
神经网络NN算法.mp4 77.51M
支持向量机(SVM)算法(下)应用.mp4 55.15M
支持向量机(SVM)算法下.mp4 36.10M
总结.mp4 55.39M
代码与素材.rar 97.49M
(Part Three)深度学习深入与强化
5月班第10课_framework.pdf 22.02M
第10课 更多框架.avi 429.37M
第1课 机器学习中数学基础.avi 609.35M
五月班第一次课件：机器学习中数学基础 (1).pdf 1.29M
5月班第2课课件：高效计算基础与图像线性分类器.pdf 32.88M
image linear classification.zip 163.57M
第2课 高效计算基础与图像线性分类器.avi 677.91M
5月班第3课课件：梯度下降法与反向传播 (1).pdf 1.13M
第3课 梯度下降法与反向传播.avi 438.73M
5月深度学习班第4课--CNN，典型网络结构与常用框架.pdf 6.97M
第4课 CNN与常用框架.avi 650.80M
5月班第5次课 - caffe TensorFlow使用与CNN训练注意事项.pdf 17.48M
第5课 CNN训练注意事项与框架使用.avi 743.32M
5月班第6次课 - CNN扩展 图像识别与定位 物体检测 NeuralStyle.pdf 48.34M
第6课 CNN推展案例.avi 662.57M
5月班第7课课件_rnn_intrduction.pdf 8.48M
第7课 RNN介绍.avi 362.89M
5月班第8课_rnn_appliacation.pdf 22.52M
第8课 RNN应用.avi 531.08M
5月班第9次课课件_more_about_nn.pdf 4.18M
第9课 更多的网络类型.avi 483.73M
(Part Two)深度学习进阶
深度学习进阶课件.rar 3.27M
第10章 神经网络手写数字演示.mp4 107.29M
第11章 Backpropagation算法上.mp4 65.96M
第12章 Backpropagation算法下.mp4 61.54M
第13章 Backpropagation算法实现.mp4 64.12M
第14章 cross-entropy函数.mp4 49.72M
第15章 Softmax和Overfitting.mp4 75.90M
第16章 Regulization.mp4 37.48M
第17章 Regulazition和Dropout.mp4 50.49M
第18章 正态分布和初始化(修正版).mp4 28.78M
第19章 提高版本的手写数字识别实现.mp4 72.83M
第1章 基本概念清晰版.mp4 42.58M
第20章 神经网络参数hyper-parameters选择.mp4 54.96M
第21章 深度神经网络中的难点.mp4 76.06M
第22章 用ReL解决VanishingGradient问题.mp4 37.01M
第23章 ConvolutionNerualNetwork算法.mp4 64.74M
第24章 ConvolutionNeuralNetwork实现上.mp4 51.73M
第25章 ConvolutionNeuralNetwork实现下.mp4 78.28M
第26章 Restricted Boltzmann Machine.mp4 63.15M
第27章 Restricted Boltzmann Machine下.mp4 49.49M
第28章 Deep Brief Network 和 Autoencoder.mp4 47.36M
第2章 软件包安装和环境配置总述.mp4 80.20M
第3章 环境配置分部详解.mp4 77.09M
第4章 环境配置分部详解下.mp4 111.05M
第5章 手写数字识别.mp4 46.17M
第6章 神经网络基本结构及梯度下降算法.mp4 82.79M
第7章 随机梯度下降算法.mp4 20.57M
第8章 梯度下降算法实现上.mp4 50.19M
第9章 梯度下降算法实现下.mp4 69.03M
深度神经网络算法全套/
课件
1.2 深度学习(Deep Learning)介绍_files
3.1 决策树(de