本课程由浙江大学提供，专为研究生设计，全面覆盖机器学习的基础理论与前沿技术。课程内容包括支持向量机、人工神经网络、深度学习、强化学习等核心算法，以及人工智能的哲学探讨。通过详细的视频讲解和实际案例分析，学员将深入理解机器学习的数学原理和应用技巧，掌握从数据预处理到模型优化的全流程技能。适合希望深化机器学习知识、提升技术应用能力的研究生和专业人士。
以下云资源目录树快照生成于[11个月前]，该学习资料由夸克云用户[心旷*怡的青蛙]分享（只展示大部分文件和目录）
浙江大学研究生机器学习课程：从基础到前沿技术全解析9.44 GB(mp4视频61节；)
9.机器学习课程-9.支持向量机(非线性模型)优化目标函数和限制条件.mp483.95MB8.机器学习课程-8.支持向量机（线性模型）的图像展示.mp46.06MB7.机器学习课程（七）支持向量机（线性模型）数学描述.mp4303.92MB61.机器学习课程 61 人工智能中的哲学未来展望.mp436.12MB60.机器学习课程-60.人工智能中的哲学-道德难题.mp471.75MB6.机器学习课程（六）支持向量机（线性模型）问题.mp4163.48MB59.机器学习课程-59.人工智能中的哲学-生成对抗网络.mp490.57MB58.机器学习课程 58人工智能中的哲学 创造力和洞穴理论.mp485.71MB57.机器学习课程 57人工智能中的哲学 中文屋子假想试验.mp446.54MB56.机器学习课程 56人工智能中的哲学 世界是否有规律.mp437.06MB55.机器学习课程 55人工智能中的哲学 图灵测试.mp428.65MB54.机器学习课程 54人工智能中的哲学 意识问题.mp480.12MB53.机器学习课程 53人工智能中的哲学 缸中之脑.mp462.92MB52.机器学习课程 52循环神经网络（RNN）和LSTM.mp4151.06MB51.机器学习课程 51 大词汇量连续语音识别介绍.mp4213.39MB50.机器学习课程 50 隐含马尔科夫过程.mp4839.45MB5.机器学习课程（五）没有免费午餐定理.mp4150.28MB49.机器学习课程 49语音识别概述.mp469.23MB48.机器学习课程-48.EM算法（收敛性证明）.mp4248.99MB47.机器学习课程-47.高斯混合模型在说话人识别方面的应用.mp4115.89MB46.机器学习课程-46.K-均值算法在图像压缩方面的应用.mp427.88MB45.机器学习课程-45.EM算法（高斯混合模型和K-均值算法）.mp4301.54MB44.机器学习课程-44.概率密度估计 – 高斯混合模型.mp432.77MB43.机器学习课程-43.概率密度估计 – 高斯密度函数.mp4194.09MB42.机器学习课程-42.概率密度估计 – 朴素贝叶斯分类器.mp4101.37MB41.机器学习课程-41.概率分类法概述.mp4121.14MB40.机器学习课程-40.目标检测 （RCNN和FCN）.mp4161.46MB4.机器学习课程（四）这门课程的内容概述.mp455.18MB39.机器学习课程-39.特征选择 – 自适应提升（AdaBoost）.mp4286.64MB38.机器学习课程-38.特征提取 – 主成分分析（PCA）.mp4354.95MB37.机器学习课程_37__增强学习_(AlphaGo).mp449.6MB36.机器学习课程-36.强化学习(policy gradience).mp474.95MB35.机器学习课程-35.强化学习Q-learningl.mp4329.89MB34.机器学习课程-34.AlphaGo (围棋有必胜策略的证明)..mp473.94MB33.机器学习课程_33_AlphaGo围棋规则.mp437.74MB32.机器学习课程-32.深度学习 – 卷积神经网络的应用.qsv..mp452.12MB31.机器学习课程-31.深度学习 – 近年来流行的网络结构.mp4111.38MB30.机器学习课程-30.深度学习 – 编程工具（Caffe和Tensorflow）.mp479.55MB3.机器学习课程（三）概念介绍.mp427.27MB29.机器学习课程-29.深度学习 – 卷积神经网络（AlexNet）.mp4113.74MB28.机器学习课程 28 深度学习 卷积神经网络LeNet.qsv..mp4372.84MB27.机器学习课程 27 深度学习自编码器.mp4107.13MB26.机器学习课程 26 深度学习数据库准备.mp439.77MB25.机器学习课程-25.人工神经网络 – 参数设置.mp4225.91MB24.机器学习课程-24.人工神经网络—后向传播算法.mp4994.65MB23.机器学习课程-23.人工神经网络—三层神经网络可以模拟任意决策面.mp459.82MB22.机器学习课程-22.人工神经网络 – 多层神经网络.mp4130.52MB21.机器学习课程-21.人工神经网络 – 人工智能的第一次寒冬.q.mp4138.77MB20.机器学习课程-20.人工神经网络 – 感知器算法.mp4431.96MB2.机器学习课程（二）成绩安排.mp464.89MB19.机器学习课程-19.人工神经网络 – 神经元的数学模型.mp474.96MB18.机器学习课程-18.支持向量机 – 处理多类问题.mp4118.9MB17.机器学习课程-17.ROC曲线.mp4160.6MB16.机器学习课程-16.支持向量机的应用 – 兵王问题 （测试结果）.mp416.67MB15.机器学习课程-15.支持向量机的应用 – 兵王问题 （参数设置）.mp4147.25MB14.机器学习课程-14.支持向量机的应用 -- 兵王问题（规则介绍）.mp455.65MB13.机器学习课程-13.支持向量机 – 核函数介绍.mp473.24MB12.机器学习课程-12.支持向量机-将支持向量机原问题转化为对偶问.mp4475.43MB11.机器学习课程-11.支持向量机（非线性模型）原问题和对偶问题..mp4257.89MB10.机器学习课程-10.支持向量机（非线性模型） 低维到高维映射..mp4233.62MB1.机器学习课程（一）教科书介绍.mp414.22MB
