| 教程目录： ├──01_人工智能开发及远景介绍（预科） │ ├──1_何为机器学习.rar │ ├──2_人工智能与机器学习关系.rar │ ├──3_人工智能应用与价值.rar │ ├──4_有监督机器学习训练流程.rar │ ├──5_Python机器学习库Scikit-Learn介绍.rar │ └──6_理解线性与回归.rar ├──02_线性回归深入和代码实现 │ ├──01.视频 │ │ ├──01_机器学习是什么.rar │ │ ├──02_怎么做线性回归.rar │ │ ├──03_理解回归_最大似然函数.rar │ │ └──04_应用正太分布概率密度函数_对数总似然.rar │ ├──02.代码.rar │ ├──03.软件.rar │ └──04.资料.rar ├──03_梯度下降和过拟合和归一化 │ ├──01.视频 │ │ ├──01_梯度下降法思路_导函数有什么用.rar │ │ ├──02_推导线性回归损失函数导函数_以及代码实现批量梯度下降.rar │ │ ├──03_随机梯度下降_及代码实现_mini-batchGD_调整学习率.rar │ │ ├──04_梯度下降做归一化的必要性.rar │ │ ├──05_最大值最小值归一化_sklearn官网介绍_防止过拟合W越少越小.rar │ │ ├──06_过拟合的总结.rar │ │ └──07_岭回归_以及代码调用.rar │ ├──02.代码.rar │ └──03.资料.rar ├──04_逻辑回归详解和应用 │ ├──01.视频 │ │ ├──01_Lasso_ElasticNet_PolynomialFeatures.rar │ │ ├──02_多项式回归代码_保险案例数据说明.rar │ │ ├──03_相关系数_逻辑回归介绍.rar │ │ ├──04_逻辑回归的损失函数_交叉熵_逻辑回归对比多元线性回归.rar │ │ ├──05_逻辑回归sklearn处理鸢尾花数据集.rar │ │ └──06_逻辑回归多分类转成多个二分类详解.rar │ ├──02.代码.rar │ └──03.资料.rar ├──05_分类器项目案例和神经网络算法 │ ├──01.视频 │ │ ├──01_理解维度_音乐分类器数据介绍.rar │ │ ├──02_傅里叶变化原理_傅里叶代码应用_傅里叶优缺点.rar │ │ ├──03_逻辑回归训练音乐分类器代码_测试代码.rar │ │ ├──04_人工神经网络开始.rar │ │ ├──05_神经网络隐藏层的必要性.rar │ │ └──06_神经网络案例_sklearn_concrete.rar │ ├──02.代码.rar │ └──03.资料.rar ├──06_多分类、决策树分类、随机森林分类 │ ├──01.视频 │ │ ├──00_机器学习有监督无监督.rar │ │ ├──01_逻辑回归多分类图示理解_逻辑回归和Softmax区别.rar │ │ ├──02_Softmax图示详解_梯度下降法整体调参.rar │ │ ├──03_评估指标_K折交叉验证.rar │ │ ├──04_决策树介绍.rar │ │ ├──05_随机森林_优缺点_对比逻辑回归_剪枝.rar │ │ └──06_决策树_随机森林_sklearn代码调用.rar │ ├──02代码.rar │ └──03.资料.rar ├──07_分类评估、聚类 │ ├──01.视频 │ │ ├──01_评估指标.rar │ │ ├──02_监督学习评估指标代码调用.rar │ │ ├──03_相似度测量.rar │ │ ├──04_K-Means聚类.rar │ │ └──05_KMeans聚类的应用.rar │ ├──02.代码.rar │ └──03.资料.rar ├──08_密度聚类、谱聚类 │ ├──01.视频 │ │ ├──01_聚类的评估_metrics代码.rar │ │ ├──02_密度聚类_代码实现.rar │ │ └──03_谱聚类.rar │ ├──02.代码.rar │ └──03.资料.rar ├──09_深度学习、TensorFlow安装和实现线性回归 │ ├──01.视频 │ │ ├──00_pip安装源设置.rar │ │ ├──01_TensorFlow介绍与安装.rar │ │ ├──02_TensorFlow CUDA GPU安装说明_TF使用介绍.rar │ │ ├──03_TensorFlow代码初始_解析解多元线性回归实现.rar │ │ └──04_tensorflow来代码实现线性回归_梯度下降优化.rar │ ├──02.代码.rar │ └──03.资料.rar ├──10_TensorFlow深入、TensorBoard可视化 │ ├──01.视频 │ │ ├──01_placeholder代码详解_TF构建Softmax回归计算图.rar │ │ ├──02_TF对Softmax回归训练_评估代码实现.rar │ │ ├──03_TF的模型持久化_重新加载.rar │ │ └──04_模块化.rar │ ├──02.代码.rar │ └──03.资料.rar ├──11_DNN深度神经网络手写图片识别 │ ├──01.视频 │ │ ├──01_深度学习DNN是什么.rar │ │ └──02_TF训练2层DNN来进行手写数字识别.rar │ ├──02.代码.rar │ └──03.资料.rar ├──12_TensorBoard可视化 │ ├──01.视频 │ │ ├──01_TensorBoard代码.rar │ │ └──02_TensorBoard启动以及页面.rar │ └──02.代码.rar ├──13_卷积神经网络、CNN识别图片 │ ├──01.视频 │ │ ├──01_卷积1个通道的计算__垂直水平fiter图片.rar │ │ ├──01_图释对比原始图片和卷积FeatureMap.rar │ │ ├──02_三通道卷积_池化层的意思.rar │ │ ├──03_CNN架构图LeNet5架构.rar │ │ ├──04_CNN来对MNIST进行图片识别代码实现.rar │ │ └──05_TF使用CNN来做Cifar10数据集分类任务.rar │ ├──02.代码.rar │ └──03.资料.rar ├──14_卷积神经网络深入、AlexNet模型实现 │ ├──01.视频 │ │ ├──01_解决梯度消失的三个思路.rar │ │ ├──02_反向传播计算W对应的梯度.rar │ │ └──03_AlexNet五层卷积benchmark代码实现.rar │ ├──02.代码.rar │ └──03.资料.rar └──15_Keras深度学习框架 ├──01.视频 │ ├──01_Keras开篇.rar │ ├──02_Keras构建模型_Keras使用MNIST数据集训练CNN.rar │ ├──03_Keras调用VGG16来训练.rar │ └──04_深度学习更种优化算法.rar ├──02.代码.rar └──03.资料.rar |
| 欢迎光临 IT视频教程资源网 (http://buyallchip.top/) | Powered by Discuz! X3.2 |