第一章：统计学习的数学基础

• 1. 线性代数1 15:46
• 2. 线性代数2 15:50
• 3. 线性代数3 8:06
• 4. 概率论1 14:40
• 5. 概率论2 15:50
• 6. 概率论3 14:24
• 7. 概率论4 12:52
• 8. 统计学习概述及最大熵模型1 15:52
• 9. 统计学习概述及最大熵模型2 14:53

第二章：Python编程语言基础

• 01. 如何运行程序1 11:18
• 02. 如何运行程序2 11:47
• 03. 常用对象类型1 15:18
• 04. 常用对象类型2 14:03
• 05. 语句和语法1 14:00
• 06. 语句和语法2 15:52
• 07. 语句和语法3 15:16
• 08. 语句和语法4 15:40
• 09. 使用Jupyter Notebook1 15:32
• 10. 使用Jupyter Notebook2 8:44
• 11. 使用Jupyter Notebook3 12:10
• 12. 使用Jupyter Notebook4 14:19
• 13. 科学计算常用包Numpy1 13:02
• 14. 科学计算常用包Numpy2 14:34
• 15. 科学计算常用包Numpy3 14:25
• 16. 科学计算常用包Numpy4 13:59

第三章：深度学习初步

• 01. 神经网络 1 16:52
• 02. 神经网络 2 15:45
• 03. 梯度下降 1 13:04
• 04. 梯度下降 2 14:12
• 05. 梯度下降 3 14:37
• 06. 梯度下降 4 13:41
• 07. 反向传播 1 13:27
• 08. 反向传播 2 8:55
• 09. 反向传播 3 12:38
• 10. 反向传播 4 15:37
• 11. 损失函数 1 14:52
• 12. 损失函数 2 14:24
• 13. tensorflow 1 15:11
• 14. tensorflow 2 13:22
• 15. tensorflow 3 11:42
• 16. tensorflow 4 14:05
• 17. 案例实战 1 16:44
• 18. 案例实战 2 12:42
• 19. 案例实战 3 12:37
• 20. 案例实战 4 13:06

第四章：深度学习深化

• 1. 神经网络全连接层 待上传视频
• 2. 损失函数性能评价 待上传视频
• 3. 随机梯度下降 待上传视频
• 4. 学习率调节方法对比 待上传视频
• 5. 神经网络超参数调节 待上传视频
• 6. 循环神经网络原理 待上传视频
• 7. LSTM优化神经网络 待上传视频
• 8. 循环神经网络案例实战 待上传视频
• 9. 迁移学习与BERT模型 待上传视频

第五章：智能问答模型实践

• 1. 语言模型及词向量概述 待上传视频
• 2. 搜索引擎及开源框架ElasticSearch 待上传视频
• 3. 词袋模型及Word2vec详述 待上传视频
• 4. 中文分词之HMM算法和CRF算法 待上传视频
• 5. 基于MITIE框架实现意图识别和命名实体标识 待上传视频
• 6. 循环神经网络完成问答对话 待上传视频
• 7. 深度学习实现任务型对话之SLU 待上传视频
• 8. 机器阅读理解介绍及实战 待上传视频