课程目录：
人工智能训练营├──人工智能5天入门训练营
| └──视频
| | ├──01_人工智能就业前景与薪资 .mp4 49.38M
| | ├──02_人工智能适合人群与必备技能 .mkv 47.37M
| | ├──03_人工智能时代是发展的必然 .mp4 25.61M
| | ├──04_人工智能在各领域的应用 .mp4 61.77M
| | ├──05_人工智能常见流程 .mkv 83.88M
| | ├──06_机器学习不同的学习方式 .mkv 72.54M
| | ├──07_深度学习比传统机器学习有优势 .mkv 75.32M
| | ├──08_有监督机器学习任务与本质 .mp4 37.24M
| | ├──09_无监督机器学习任务与本质 .mp4 48.91M
| | ├──10_理解简单线性回归 .mp4 27.98M
| | ├──11_最优解_损失函数_MSE .mp4 34.83M
| | ├──12_扩展到多元线性回归 .mp4 26.65M
| | ├──13_理解多元线性回归表达式几种写法的原因 .mp4 37.58M
| | ├──14_理解维度这个概念 .mp4 37.11M
| | ├──15_理解回归一词_中心极限定理_正太分布和做预测 .mp4 61.53M
| | ├──16_假设误差服从正太分布_最大似然估计MLE .mp4 42.35M
| | ├──17_引入正太分布的概率密度函数 .mp4 26.36M
| | ├──18_明确目标通过最大总似然求解θ .mp4 25.88M
| | ├──19_对数似然函数_推导出损失函数MSE .mp4 39.75M
| | ├──20_把目标函数按照线性代数的方式去表达 .mp4 22.09M
| | ├──21_推导出目标函数的导函数形式 .mp4 39.83M
| | ├──22_θ解析解的公式_是否要考虑损失函数是凸函数 .mp4 58.01M
| | ├──23_Python开发环境版本的选择及下载 .mp4 46.00M
| | ├──24_Anaconda环境安装_Pycharm环境安装 .mp4 64.55M
| | ├──25_Pycharm创建脚本并测试python开发环境 .mp4 26.27M
| | ├──26_解析解的方式求解多元线性回归_数据Xy .mp4 30.66M
| | ├──27_解析解的方式求解多元线性回归_求解模型_使用模型_绘制图形 .mp4 39.16M
| | ├──28_解析解的方式求解多元线性回归_扩展随机种子概念_增加维度代码的变换 .mp4 30.05M
| | ├──29_Scikit-learn模块的介绍 .mp4 29.99M
| | ├──30_调用Scikit-learn中的多元线性回归求解模型(上) .mp4 24.35M
| | ├──31_调用Scikit-learn中的多元线性回归求解模型(下) .mp4 34.52M
| | ├──32_梯度下降法产生的目的和原因以及思想 .mp4 53.73M
| | ├──33_梯度下降法公式 .mp4 50.85M
| | ├──34_学习率设置的学问_全局最优解 .mp4 47.99M
| | ├──35_梯度下降法迭代流程总结 .mp4 24.60M
| | ├──36_多元线性回归下的梯度下降法 .mp4 38.45M
| | ├──37_全量梯度下降 .mp4 59.04M
| | ├──38_随机梯度下降_小批量梯度下降 .mp4 43.98M
| | ├──39_对应梯度下降法的问题和挑战 .mp4 42.22M
| | ├──40_轮次和批次 .mp4 50.90M
| | ├──41_代码实现全量梯度下降第1步和第2步 .mp4 20.15M
| | ├──42_代码实现全量梯度下降第3步和第4步 .mp4 26.11M
| | ├──43_代码实现随机梯度下降 .mp4 21.62M
| | ├──44_代码实现小批量梯度下降 .mp4 22.83M
| | ├──45_代码改进保证训练数据全都能被随机取到 .mp4 23.94M
| | └──46_代码改进实现随着迭代增加动态调整学习率 .mp4 34.35M
├──人工智能之快速入门与线性回归
| └──视频
| | ├──01_五天实训的内容_人工智能应用 .mp4 181.00M
| | ├──02_AI的流程_ML和DL关系_回归、分类、聚类、降维的本质 .mp4 164.27M
| | ├──03_线性回归的表达式_损失函数MSE .mp4 127.19M
| | ├──04_推导出多元线性回归的损失函数 .mp4 203.15M
| | ├──05_从MSE到θ的解析解形式 .mp4 83.50M
| | ├──06_安装Anaconda和PyCharm运行和开发软件 .mp4 70.53M
| | ├──07_python代码实现多元线性回归解析解的求解方法 .mp4 77.19M
| | ├──08_梯度下降法的步骤_公式 .mp4 119.11M
| | └──09_根据损失函数MSE推导梯度的公式 .mp4 70.57M
├──人工智能之人脸识别与目标检测、语义分割
| └──视频
| | ├──01_作业的讲解_知识的回顾 .mp4 65.84M
| | ├──02_人脸识别的架构流程分析 .mp4 120.48M
| | ├──03_FaceNet论文_架构_三元组损失 .mp4 258.24M
| | ├──04_MTCNN论文_架构_损失函数 .mp4 130.11M
| | ├──05_facenet-master项目的下载和导入 .mp4 76.42M
| | ├──06_人脸识别项目代码_实操作业要求 .mp4 372.07M
| | ├──07_FasterRCNN目标检测口罩项目展示_图片标注工具labelimg的使用 .mp4 178.23M
| | ├──08_FasterRCNN论文_架构_思想 .mp4 353.63M
| | └──09_MaskRCNN的架构_思想_蒙版弹幕项目效果 .mp4 163.40M
├──人工智能之神经网络与TensorFlow
| └──视频
| | ├──01_作业讲解_回顾昨日知识 .mp4 88.83M
| | ├──02_打鸡血_聊一下图像算法工程师就业薪资水平 .mp4 154.82M
| | ├──03_NN神经元_常用的3种激活函数_NN理解LR做多分类 .mp4 103.06M
| | ├──04_讲解Softmax回归算法 .mp4 111.03M
| | ├──05_多层神经网络的好处_隐藏层的激活函数必须是非线性的原因 .mp4 90.54M
| | ├──06_TensorFlow对于CPU版本的安装 .mp4 62.85M
| | ├──07_TensorFlow对于GPU版本的安装 .mp4 109.37M
| | ├──08_TensorFlow实现多元线性回归预测房价 .mp4 198.36M
| | └──09_TensorFlow实现Softmax回归分类MNIST手写数字识别 .mp4 123.55M
├──人工智能之图像识别与图像分割
| └──视频
| | ├──01_TensorFlow实现DNN分类MNIST手写数字识别 .mp4 223.46M
| | ├──02_卷积神经网络卷积层_卷积的计算 .mp4 112.61M
| | ├──03_池化的计算_SAME和VALID模式_经典CNN结构 .mp4 78.50M
| | ├──04_TensorFlow实训CNN分类MNIST手写数字识别 .mp4 179.12M
| | ├──05_VGG16网络模型_数据增强_COVID19医疗图片的识别 .mp4 224.21M
| | ├──06_U-Net网络模型_细胞核数据的读取 .mp4 206.51M
| | └──07_U-Net网络进行细胞核切分的训练代码 .mp4 97.14M
└──人工智能之线性回归优化与逻辑回归
| └──视频
| | ├──01_利用GD来求解多元线性回归的最优解 .mp4 106.63M
| | ├──02_归一化 .mp4 219.45M
| | ├──03_正则化 .mp4 137.35M
| | ├──04_ScikitLearn介绍_岭回归的本质_Lasso回归的本质 .mp4 104.90M
| | ├──05_多项式回归_保险花销预测案例 .mp4 250.14M
| | ├──06_基于保险案例进行更多的数据的EDA .mp4 80.69M
| | ├──07_逻辑回归表达式的推导_逻辑回归损失函数的推导 .mp4 116.54M
| | └──08_逻辑回归代码实战Iris二分类和多分类任务 .mp4 92.65M
本站资料仅供个人学习和研究使用 若本帖作者内容侵犯了原著者的合法权益请提供相应证明材料本站审核通过后将即予以处理
评论0