人工智能AI深度学习机器学习视频教程和源码17套
相关资讯
  • 暂时没有相关内容
文件列表:
  • 课时1课程介绍(主题与大纲.flv (75.20mb)
  • 课时2AI时代首选Python.flv (19.98mb)
  • 课时3Python我该怎么学.flv (10.54mb)
  • 课时4人工智能的核心-机器学习.flv (21.82mb)
  • 课时5机器学习怎么学?.mp4 (26.64mb)
  • 课时6算法推导与案例.mp4 (27.37mb)
  • 课时10Numpy基础结构.mp4 (38.47mb)
  • 课时11Numpy矩阵基础.mp4 (24.00mb)
  • 课时12Numpy常用函数.mp4 (49.64mb)
  • 课时13矩阵常用操作.mp4 (36.97mb)
  • 课时14不同复制操作对比.mp4 (38.22mb)
  • 课时7使用Anaconda安装python环境(Python新手先看这个).flv (102.85mb)
  • 课时8课程数据,代码,PPT.txt (0.05 kb)
  • 课时9科学计算库Numpy.mp4 (48.70mb)
  • 课时15Pandas数据读取.mp4 (72.81mb)
  • 课时16Pandas索引与计算.mp4 (56.46mb)
  • 课时17Pandas数据预处理实例.mp4 (58.04mb)
  • 课时18Pandas常用预处理方法.mp4 (43.95mb)
  • 课时19Pandas自定义函数.mp4 (41.13mb)
  • 课时20Series结构.mp4 (84.30mb)
  • 课时21折线图绘制.mp4 (43.41mb)
  • 课时22子图操作.mp4 (69.73mb)
  • 课时23条形图与散点图.mp4 (59.75mb)
  • 课时24柱形图与盒图.mp4 (49.23mb)
  • 课时25细节设置.mp4 (50.01mb)
  • 课时26Seaborn简介.mp4 (9.65mb)
  • 课时27整体布局风格设置.mp4 (47.78mb)
  • 课时28风格细节设置.mp4 (50.69mb)
  • 课时29调色板.mp4 (39.01mb)
  • 课时30调色板颜色设置.mp4 (37.50mb)
  • 课时31单变量分析绘图.mp4 (47.76mb)
  • 课时32回归分析绘图.mp4 (51.20mb)
  • 课时33多变量分析绘图.mp4 (46.52mb)
  • 课时34分类属性绘图.mp4 (50.96mb)
  • 课时35Facetgrid使用方法.mp4 (35.20mb)
  • 课时36Facetgrid绘制多变量.mp4 (54.56mb)
  • 课时37热度图绘制.mp4 (76.17mb)
  • 课时38线性回归算法概述.mp4 (39.71mb)
  • 课时39误差项分析.mp4 (34.42mb)
  • 课时40似然函数求解.mp4 (24.85mb)
  • 课时41目标函数推导.mp4 (25.79mb)
  • 课时42线性回归求解.mp4 (30.27mb)
  • 课时43梯度下降原理.mp4 (36.99mb)
  • 课时44梯度下降方法对比.mp4 (22.34mb)
  • 课时45学习率对结果的影响.mp4 (17.43mb)
  • 课时46逻辑回归算法原理推导.mp4 (31.26mb)
  • 课时47逻辑回归求解.mp4 (44.53mb)
  • 课时48Python实现逻辑回归任务概述.mp4 (33.22mb)
  • 课时49完成梯度下降模块.mp4 (56.34mb)
  • 课时50停止策略与梯度下降案例.mp4 (51.85mb)
  • 课时51实验对比效果.mp4 (66.61mb)
  • 课时52案例背景和目标.mp4 (38.79mb)
  • 课时53样本不均衡解决方案.mp4 (47.35mb)
  • 课时54下采样策略.mp4 (31.20mb)
  • 课时55交叉验证.mp4 (44.53mb)
  • 课时56模型评估方法.mp4 (41.93mb)
  • 课时57正则化惩罚.mp4 (26.86mb)
  • 课时58逻辑回归模型.mp4 (39.63mb)
  • 课时59混淆矩阵.mp4 (51.98mb)
  • 课时60逻辑回归阈值对结果的影响.mp4 (46.37mb)
  • 课时61SMOTE样本生成策略.mp4 (103.95mb)
  • 课时62决策树原理概述.mp4 (34.93mb)
  • 课时63衡量标准-熵.mp4 (35.22mb)
  • 课时64决策树构造实例.mp4 (30.47mb)
  • 课时65信息增益率.mp4 (16.62mb)
  • 课时66决策树剪枝策略.mp4 (49.13mb)
  • 课时67决策树复习.mp4 (27.24mb)
  • 课时68决策树涉及参数.mp4 (80.14mb)
  • 课时69树可视化与sklearn库简介.mp4 (164.33mb)
  • 课时70sklearn参数选择.mp4 (59.21mb)
  • 课时71集成算法-随机森林.mp4 (35.32mb)
  • 课时72特征重要性衡量.mp4 (34.57mb)
  • 课时73提升模型.mp4 (33.51mb)
  • 课时74堆叠模型.mp4 (19.56mb)
  • 课时75船员数据分析.mp4 (48.06mb)
  • 课时76数据预处理.mp4 (52.54mb)
  • 课时77使用回归算法进行预测.mp4 (54.19mb)
  • 课时78使用随机森林改进模型.mp4 (62.91mb)
  • 课时79随机森林特征重要性分析.mp4 (71.36mb)
  • 课时80贝叶斯算法概述.mp4 (19.15mb)
  • 课时81贝叶斯推导实例.mp4 (20.65mb)
  • 课时82贝叶斯拼写纠错实例.mp4 (30.86mb)
  • 课时83垃圾邮件过滤实例.mp4 (38.85mb)
  • 课时84贝叶斯实现拼写检查器.mp4 (84.05mb)
  • 课时85文本分析与关键词提取.mp4 (32.99mb)
  • 课时86相似度计算.mp4 (34.53mb)
  • 课时87新闻数据与任务简介.mp4 (78.70mb)
  • 课时88TF-IDF关键词提取.mp4 (117.57mb)
  • 课时89LDA建模.mp4 (69.60mb)
  • 课时90基于贝叶斯算法进行新闻分类.mp4 (124.03mb)
  • 课时91支持向量机要解决的问题.mp4 (27.20mb)
  • 课时92距离与数据的定义.mp4 (28.16mb)
  • 课时93目标函数.mp4 (27.00mb)
  • 课时94目标函数求解.mp4 (29.93mb)
  • 课时95SVM求解实例.mp4 (38.09mb)
  • 课时96支持向量的作用.mp4 (32.91mb)
  • 课时97软间隔问题.mp4 (17.87mb)
  • 课时98SVM核变换.mp4 (62.89mb)
  • 课时100SVM参数选择.mp4 (86.65mb)
  • 课时99sklearn求解支持向量机.mp4 (62.76mb)
  • 课时101KMEANS算法概述.mp4 (32.29mb)
  • 课时102KMEANS工作流程.mp4 (25.30mb)
  • 课时103KMEANS迭代可视化展示.mp4 (54.50mb)
  • 课时104使用Kmeans进行图像压缩.mp4 (33.50mb)
  • 课时105DBSCAN聚类算法.mp4 (34.57mb)
  • 课时106DBSCAN工作流程.mp4 (51.28mb)
  • 课时107DBSCAN可视化展示.mp4 (54.30mb)
  • 课时108多种聚类算法概述.mp4 (11.88mb)
  • 课时109聚类案例实战.mp4 (134.02mb)
  • 课时110PCA降维概述.mp4 (21.91mb)
  • 课时111PCA要优化的目标.mp4 (37.35mb)
  • 课时112PCA求解.mp4 (31.97mb)
  • 课时113PCA实例.mp4 (49.20mb)
  • 课时114初识神经网络.mp4 (43.76mb)
  • 课时115计算机视觉所面临的挑战.mp4 (31.05mb)
  • 课时116K近邻尝试图像分类.mp4 (29.09mb)
  • 课时117超参数的作用.mp4 (30.15mb)
  • 课时118线性分类原理.mp4 (23.09mb)
  • 课时119神经网络-损失函数.mp4 (25.81mb)
  • 课时120神经网络-正则化惩罚项.mp4 (18.94mb)
  • 课时121神经网络-softmax分类器.mp4 (34.64mb)
  • 课时122神经网络-最优化形象解读.mp4 (20.16mb)
  • 课时123神经网络-梯度下降细节问题.mp4 (30.45mb)
  • 课时124神经网络-反向传播.mp4 (40.67mb)
  • 课时125神经网络架构.mp4 (26.55mb)
  • 课时126神经网络实例演示.mp4 (109.07mb)
  • 课时127神经网络过拟合解决方案.mp4 (42.99mb)
  • 课时128感受神经网络的强大.mp4 (48.43mb)
  • 课时129集成算法思想.mp4 (14.33mb)
  • 课时130xgboost基本原理.mp4 (27.73mb)
  • 课时131xgboost目标函数推导.mp4 (32.96mb)
  • 课时132xgboost求解实例.mp4 (36.56mb)
  • 课时133xgboost安装.mp4 (16.66mb)
  • 课时134xgboost实战演示.mp4 (77.96mb)
  • 课时135Adaboost算法概述.mp4 (39.18mb)
  • 课时136自然语言处理与深度学习.mp4 (32.62mb)
  • 课时137语言模型.mp4 (14.27mb)
  • 课时138-N-gram模型.mp4 (23.48mb)
  • 课时139词向量.mp4 (22.63mb)
  • 课时140神经网络模型.mp4 (27.48mb)
  • 课时141Hierarchical Softmax-课时142CBOW模型实例.mp4 (59.23mb)
  • 课时143CBOW求解目标.mp4 (15.60mb)
  • 课时144梯度上升求解.mp4 (27.90mb)
  • 课时145负采样模型.mp4 (17.54mb)
  • 课时146使用Gensim库构造词向量.mp4 (37.84mb)
  • 课时147维基百科中文数据处理.mp4 (86.86mb)
  • 课时148Gensim构造word2vec模型.mp4 (43.58mb)
  • 课时149测试模型相似度结果.mp4 (41.09mb)
  • 课时150使用python库分析汽车油耗效率.mp4 (60.27mb)
  • 课时151使用scikit-learn库建立回归模型.mp4 (50.13mb)
  • 课时152使用逻辑回归改进模型效果.mp4 (48.29mb)
  • 课时153 模型效果衡量标准.mp4 (74.23mb)
  • 课时154ROC指标与测试集的价值.mp4 (70.13mb)
  • 课时155交叉验证.mp4 (69.86mb)
  • 课时156多类别问题.mp4 (64.21mb)
  • 课时157Kobe Bryan生涯数据读取与简介.mp4 (39.63mb)
  • 课时158特征数据可视化展示.mp4 (64.22mb)
  • 课时159数据预处理.mp4 (57.64mb)
  • 课时160使用Scikit-learn建立模型.mp4 (53.12mb)
  • 课时161章节简介.mp4 (5.17mb)
  • 课时162Pandas生成时间序列.mp4 (62.49mb)
  • 课时163Pandas数据重采样.mp4 (42.44mb)
  • 课时164Pandas滑动窗口.mp4 (29.75mb)
  • 课时165数据平稳性与差分法.mp4 (40.29mb)
  • 课时166ARIMA模型.mp4 (27.52mb)
  • 课时167相关函数评估方法.mp4 (45.67mb)
  • 课时168建立ARIMA模型.mp4 (41.42mb)
  • 课时169参数选择.mp4 (72.48mb)
  • 课时170股票预测案例.mp4 (61.95mb)
  • 课时171使用tsfresh库进行分类任务.mp4 (120.60mb)
  • 课时172维基百科词条EDA.mp4 (111.43mb)
  • 课时173数据清洗过滤无用特征.mp4 (93.11mb)
  • 课时174数据预处理.mp4 (85.51mb)
  • 课时175获得最大利润的条件与做法.mp4 (50.32mb)
  • 课时176预测结果并解决样本不均衡问题.mp4 (67.89mb)
  • 课时177数据背景介绍.mp4 (39.32mb)
  • 课时178数据预处理.mp4 (45.27mb)
  • 课时179尝试多种分类器效果.mp4 (33.25mb)
  • 课时180结果衡量指标的意义.mp4 (60.58mb)
  • 课时181应用阈值得出结果.mp4 (34.44mb)
  • 课时182内容简介.mp4 (9.56mb)
  • 课时183数据背景介绍.mp4 (61.63mb)
  • 课时184数据读取与预处理.mp4 (92.37mb)
  • 课时185数据切分模块.mp4 (85.53mb)
  • 课时186缺失值可视化分析.mp4 (115.00mb)
  • 课时187特征可视化展示.mp4 (73.14mb)
  • 课时188多特征之间关系分析.mp4 (68.36mb)
  • 课时189报表可视化分析.mp4 (69.24mb)
  • 课时190红牌和肤色的关系.mp4 (150.79mb)
  • 课时191数据背景简介.mp4 (75.52mb)
  • 课时192数据切片分析.mp4 (121.54mb)
  • 课时193单变量分析.mp4 (118.81mb)
  • 课时194峰度与偏度.mp4 (54.83mb)
  • 课时195数据对数变换.mp4 (46.26mb)
  • 课时196数据分析维度.mp4 (49.30mb)
  • 课时197变量关系可视化展示.mp4 (105.19mb)
  • 课时198建立特征工程.mp4 (75.25mb)
  • 课时199特征数据预处理.mp4 (59.30mb)
  • 课时200应用聚类算法得出异常ip点.mp4 (70.46mb)
  • numpy_1-checkpoint.ipynb (6.43 kb)
  • numpy_2-checkpoint.ipynb (6.88 kb)
  • NUMPY_3-checkpoint.ipynb (0.07 kb)
  • numpy_4-checkpoint.ipynb (0.07 kb)
  • numpy_5-checkpoint.ipynb (0.07 kb)
  • Untitled-checkpoint.ipynb (0.07 kb)
  • Untitled1-checkpoint.ipynb (0.07 kb)
  • numpy_1.ipynb (7.13 kb)
  • numpy_2.ipynb (7.94 kb)
  • NUMPY_3.ipynb (10.98 kb)
  • numpy_4.ipynb (5.40 kb)
  • numpy_5.ipynb (2.60 kb)
  • Untitled.ipynb (7.97 kb)
  • Untitled1.ipynb (10.95 kb)
  • world_alcohol.csv (8.64 kb)
  • world_alcohol.txt (37.26 kb)
  • padas_3-checkpoint.ipynb (0.07 kb)
  • pandas_1-checkpoint.ipynb (0.07 kb)
  • pandas_2-checkpoint.ipynb (0.07 kb)
  • pandas_4-checkpoint.ipynb (0.07 kb)
  • pandas_5-checkpoint.ipynb (0.07 kb)
  • pandas_6-checkpoint.ipynb (0.07 kb)
  • fandango_score_comparison.csv (14.79 kb)
  • fandango_score_comparison.csv (14.79 kb)
  • food_info.csv (1.45mb)
  • padas_3.ipynb (22.52 kb)
  • pandas_1.ipynb (11.07 kb)
  • pandas_2.ipynb (9.19 kb)
  • pandas_4.ipynb (22.10 kb)
  • pandas_5.ipynb (18.17 kb)
  • pandas_6.ipynb (1.17 kb)
  • thanksgiving-2015-poll-data.csv (376.41 kb)
  • titanic_train.csv (59.76 kb)
  • plt_1-checkpoint.ipynb (0.07 kb)
  • plt_2-checkpoint.ipynb (0.07 kb)
  • plt_3-checkpoint.ipynb (0.07 kb)
  • plt_4-checkpoint.ipynb (0.07 kb)
  • plt_5-checkpoint.ipynb (0.07 kb)
  • plt_6-checkpoint.ipynb (0.07 kb)
  • plt_7-checkpoint.ipynb (0.07 kb)
  • fandango_scores.csv (14.79 kb)
  • jg_Awebex_Acom_Acn,jg,532830847,-197360242,MC,0-0,SDJTSwAAAAJZj_O_c3zEt1qzFj8abfdSRxWUuIFax_xQ09nC6c9OwA2_webex.exe (276.94 kb)
  • percent-bachelors-degrees-women-usa.csv (5.55 kb)
  • plt_1.ipynb (120.08 kb)
  • plt_2.ipynb (224.06 kb)
  • plt_3.ipynb (136.59 kb)
  • plt_4.ipynb (86.04 kb)
  • plt_5.ipynb (323.95 kb)
  • plt_6.ipynb (372.34 kb)
  • plt_7.ipynb (2.49 kb)
  • train.csv (59.76 kb)
  • UNRATE.csv (12.90 kb)
  • 数据和代码.zip (940.74 kb)
  • 4-REG.ipynb (771.56 kb)
  • 5-category.ipynb (658.21 kb)
  • 6-FacetGrid.ipynb (839.22 kb)
  • 7-Heatmap.ipynb (326.68 kb)
  • f1.png (141.53 kb)
  • iris.data (4.59 kb)
  • Seaborn-1Style.ipynb (1.54mb)
  • Seaborn-2Color.ipynb (169.10 kb)
  • Seaborn-3Var.ipynb (315.82 kb)
  • Untitled.ipynb (489.91 kb)
  • 第一章:Python基础.zip (22.53 kb)
  • 1-AI入学指南.pdf (658.64 kb)
  • 10-EM算法.pdf (811.45 kb)
  • 11-神经网络.pdf (11.70mb)
  • 12-word2vec.pdf (2.37mb)
  • 2-回归算法.pdf (1.20mb)
  • 3-决策树与集成算法.pdf (1.00mb)
  • 4-聚类算法.pdf (788.33 kb)
  • 5-贝叶斯算法.pdf (539.46 kb)
  • 6-支持向量机.pdf (1.29mb)
  • 7-推荐系统.pdf (1.97mb)
  • 8-xgboost.pdf (932.12 kb)
  • 9-LDA与PCA算法.pdf (1.04mb)
  • 文本分析.pdf (522.20 kb)
  • 时间序列分析.pdf (767.26 kb)
  • GMM聚类.zip (1.25mb)
  • Python文本分析.pdf (522.22 kb)
  • Python文本分析.zip (19.39mb)
  • test.txt (18.29mb)
  • train.txt (86.82mb)
  • val.txt (9.49mb)
  • 贝叶斯算法.pdf (506.56 kb)
  • Python时间序列.zip (109.99mb)
  • 时间序列分析.pdf (767.23 kb)
  • Gensim-代码.zip (4.59mb)
  • gensim训练model.zip (2.08gb)
  • tensorflow-word2vec.zip (1.85mb)
  • word2vec.pdf (2.33mb)
  • word2vec.zip (84.58mb)
  • 维基百科中文数据.zip (2.54gb)
  • Xgboost调参.zip (26.06mb)
  • 决策树.zip (138.04 kb)
  • 探索性数据分析.zip (35.06mb)
  • 推荐系统.pdf (2.13mb)
  • 推荐系统.zip (19.56mb)
  • 支持向量机.zip (2.25mb)
  • 数据预处理.zip (227.72 kb)
  • 梯度下降求解逻辑回归.zip (681.70 kb)
  • taitannike.ipynb (46.97 kb)
  • test.csv (27.96 kb)
  • titanic_train.csv (59.76 kb)
  • 感受神经网络的强大代码.rar (2.97 kb)
  • 神经网络cifar代码.rar (11.16 kb)
  • (cifar分类可能遇到的错误更正).docx (32.30 kb)
  • 科比数据.zip (1.28mb)
  • 聚类算法.zip (611.79 kb)
  • 贝叶斯-拼写检查器.zip (2.37mb)
  • 贝叶斯-新闻分类.zip (9.91mb)
  • 逻辑回归-信用卡欺诈检测.zip (66.12mb)
  • 降维算法.zip (443.73 kb)
  • codebook_test.npy (0.45 kb)
  • compressed_test.jpg (8.33 kb)
  • compressed_tiger.png (431.67 kb)
  • test.jpg (24.84 kb)
  • test2.jpg (4.55 kb)
  • tiger.png (1.72mb)
  • Untitled.ipynb (151.27 kb)
  • PCA.zip (119.60 kb)
  • ml_1_introduce-checkpoint.ipynb (0.07 kb)
  • ml_2_logistic-regression-checkpoint.ipynb (0.07 kb)
  • ml_3_logisticRes-checkpoint.ipynb (0.07 kb)
  • ml_4_Cross-validation-checkpoint.ipynb (16.28 kb)
  • ml_5_kcross-checkpoint.ipynb (6.61 kb)
  • ml_6_clustering-checkpoint.ipynb (0.07 kb)
  • ml_7_mulabel-checkpoint.ipynb (10.71 kb)
  • ml_8_overfit-checkpoint.ipynb (0.07 kb)
  • ml_9_k-means-checkpoint.ipynb (0.07 kb)
  • ml_9_KMEANS-checkpoint.ipynb (0.07 kb)
  • ml_buildDecisionTree-checkpoint.ipynb (0.07 kb)
  • ml_decisionTree-checkpoint.ipynb (18.11 kb)
  • ml_DTandRandmoF_scikieLearn-checkpoint.ipynb (16.03 kb)
  • ml_GradientDescent-checkpoint.ipynb (213.00 kb)
  • ml_kmeans_nba-checkpoint.ipynb (112.09 kb)
  • ml_loanProject-checkpoint.ipynb (31.47 kb)
  • ml_neuralnetwork-checkpoint.ipynb (96.05 kb)
  • ml_randomForest-checkpoint.ipynb (0.07 kb)
  • Untitled-checkpoint.ipynb (0.07 kb)
  • 114_congress.csv (4.39 kb)
  • admissions.csv (24.78 kb)
  • auto-mpg.data (29.58 kb)
  • cleaned_loans2007.csv (4.45mb)
  • cleaned_loans_2007.csv (4.53mb)
  • filtered_loans_2007.csv (6.48mb)
  • income.csv (72.45 kb)
  • iris.csv (4.65 kb)
  • loans_2007.csv (14.79mb)
  • ml_1_introduce.ipynb (86.69 kb)
  • ml_2_logistic-regression.ipynb (63.54 kb)
  • ml_3_logisticRes.ipynb (5.30 kb)
  • ml_4_Cross-validation.ipynb (16.28 kb)
  • ml_5_kcross.ipynb (6.61 kb)
  • ml_6_clustering.ipynb (24.76 kb)
  • ml_7_mulabel.ipynb (10.71 kb)
  • ml_8_overfit.ipynb (21.56 kb)
  • ml_9_k-means.ipynb (0.50 kb)
  • ml_9_KMEANS.ipynb (7.02 kb)
  • ml_buildDecisionTree.ipynb (3.93 kb)
  • ml_decisionTree.ipynb (18.11 kb)
  • ml_DTandRandmoF_scikieLearn.ipynb (16.03 kb)
  • ml_GradientDescent.ipynb (213.00 kb)
  • ml_kmeans_nba.ipynb (112.09 kb)
  • ml_loanProject.ipynb (31.47 kb)
  • ml_neuralnetwork.ipynb (96.05 kb)
  • ml_randomForest.ipynb (4.42 kb)
  • nba_2013.csv (70.80 kb)
  • pga.csv (2.24 kb)
  • Untitled.ipynb (0.07 kb)
  • pima-indians-diabetes.csv (23.48 kb)
  • xgtest.ipynb (33.92 kb)
  • 决策树鸢尾花.zip (632.99 kb)
  • simple_svm.py (3.43 kb)
  • SVM.py (6.92 kb)
  • svmMLiA.py (13.97 kb)
  • testSet.txt (2.25 kb)
  • testSetRBF.txt (2.97 kb)
  • testSetRBF2.txt (2.98 kb)
  • Untitled.ipynb (95.25 kb)
  • 梯度下降求解逻辑回归.zip (341.88 kb)
  • 线性回归.pdf (1.20mb)
  • 机器学习算法课件.pdf (10.90mb)
  • churn.csv (427.64 kb)
  • churn.ipynb (14.21 kb)
  • kmeans-dbscan.zip (338.35 kb)
  • Combined_News_DJIA.csv (5.36mb)
  • 股价.ipynb (40.71 kb)
  • cleaned_loans2007.csv (4.45mb)
  • cleaned_loans_2007.csv (4.53mb)
  • filtered_loans_2007.csv (6.48mb)
  • loans_2007.csv (14.96mb)
  • LoanStats3a.csv (39.40mb)
  • ml_loanProject.ipynb (31.43 kb)
  • linear_regression.ipynb (19.88 kb)
  • ml_GradientDescent.ipynb (212.88 kb)
  • pga.csv (2.24 kb)
  • 10梯度下降算法原理.wmv (16.31mb)
  • 11反向传播.wmv (20.46mb)
  • 12神经网络整体架构.wmv (14.58mb)
  • 13神经网络模型实例演示.wmv (41.21mb)
  • 14过拟合问题解决方案.wmv (21.59mb)
  • 15Python环境搭建(推荐Anaconda方法).wmv (28.95mb)
  • 16Eclipse搭建python环境.wmv (12.98mb)
  • 17深度学习入门视频课程09 动手完成简单神经网络.wmv (47.61mb)
  • 18感受神经网络的强大.wmv (21.99mb)
  • 19神经网络案例-cifar分类任务.wmv (29.19mb)
  • 1深度学习与人工智能简介.wmv (19.20mb)
  • 20神经网络案例-分模块构造神经网络.wmv (28.53mb)
  • 21神经网络案例-训练神经网络完成分类任务.wmv (704.65 kb)
  • 2计算机视觉面临挑战与常规套路.wmv (14.40mb)
  • 3用K近邻来进行图像分类.wmv (15.09mb)
  • 4超参数与交叉验证.wmv (19.13mb)
  • 5线性分类.wmv (14.12mb)
  • 6损失函数.wmv (12.80mb)
  • 7正则化惩罚项.wmv (11.88mb)
  • 8softmax分类器.wmv (18.45mb)
  • 9最优化形象解读.wmv (11.11mb)
  • pack.zip (171.64mb)
  • 001、深度学习入门课程01 感受卷积神经网络的强大.mp4 (31.02mb)
  • 002、深度学习入门课程02 卷积层详解.mp4 (13.70mb)
  • 003、深度学习入门课程03 卷积计算流程.mp4 (19.70mb)
  • 004、深度学习入门课程04 卷积核参数分析.mp4 (20.04mb)
  • 005、深度学习入门课程05 卷积参数共享原则.mp4 (11.46mb)
  • 006、深度学习入门课程06 池化层(Pooling)原理.mp4 (11.28mb)
  • 007、深度学习入门课程07 卷积神经网络反向传播原理.mp4 (21.05mb)
  • 008、深度学习入门课程08 实现卷积层的前向传播与反向传播.mp4 (27.09mb)
  • 009、深度学习入门课程09 实现Pooling层的前向传播与反向传播.mp4 (44.06mb)
  • 010、深度学习入门课程10 经典卷及网络架构实例.mp4 (51.26mb)
  • 011、深度学习入门课程11 RNN网络结构.mp4 (9.42mb)
  • 012、RNN网络细节.mp4 (9.98mb)
  • 013、深度学习入门课程12 python实现RNN算法.mp4 (104.84mb)
  • 014、深度学习入门课程13 LSTM网络结构简介.mp4 (11.80mb)
  • 015、深度学习入门课程14 分类与回归(Location)任务应用详解.mp4 (42.53mb)
  • 016、深度学习入门额课程15 物体检测实例.mp4 (45.53mb)
  • 017、深度学习入门课程16 如何巧妙设计网络结构.mp4 (28.31mb)
  • 018、深度学习入门课程17 训练技巧之数据增强.mp4 (16.48mb)
  • 019、深度学习入门课程18 训练技巧之Transfer Learning.mp4 (13.70mb)
  • 020、深度学习入门课程19 深度学习框架Caffe简介.mp4 (43.33mb)
  • 021、深度学习入门课程20 深度学习框架Caffe训练过程.mp4 (172.98mb)
  • 022、深度学习入门课程21 深度学习框架Caffe接口使用实例.mp4 (42.85mb)
  • 001、Tensorflow案例实战视频课程01 课程简介.mp4 (1.04mb)
  • 002、Tensorflow案例实战视频课程02 Tensorflow安装.mp4 (20.65mb)
  • 003、Tensorflow案例实战视频课程03 基本计算单元-变量.mp4 (17.79mb)
  • 004、Tensorflow案例实战视频课程04 常用基本操作.mp4 (38.10mb)
  • 005、Tensorflow案例实战视频课程05 构造线性回归模型.mp4 (38.87mb)
  • 006、Tensorflow案例实战视频课程06 Mnist数据集简介.mp4 (35.47mb)
  • 007、Tensorflow案例实战视频课程07 逻辑回归框架.mp4 (26.27mb)
  • 008、Tensorflow案例实战视频课程08 迭代完成逻辑回归模型.mp4 (64.14mb)
  • 009、Tensorflow案例实战视频课程09 神经网络模型架构.mp4 (14.64mb)
  • 010、Tensorflow案例实战视频课程10 训练神经网络.mp4 (46.08mb)
  • 011、Tensorflow案例实战视频课程11 卷积神经网络模型架构.mp4 (23.85mb)
  • 012、Tensorflow案例实战视频课程12 卷积神经网络模型参数.mp4 (91.28mb)
  • 013、Tensorflow案例实战视频课程13 模型的保存和读取.mp4 (93.05mb)
  • 014、Tensorflow案例实战视频课程14 加载训练好的VGG网络模型.mp4 (29.57mb)
  • 015、Tensorflow案例实战视频课程15 使用VGG模型进行测试.mp4 (67.69mb)
  • 016、Tensorflow案例实战视频课程16 使用RNN处理Mnist数据集.mp4 (15.52mb)
  • 017、Tensorflow案例实战视频课程17 RNN网络模型.mp4 (43.96mb)
  • 018、Tensorflow案例实战视频课程18 训练RNN网络.mp4 (91.96mb)
  • 019、Tensorflow案例实战视频课程19 验证码数据生成.mp4 (34.07mb)
  • 020、Tensorflow案例实战视频课程20 构造网络的输入数据和标签.mp4 (30.14mb)
  • 021、Tensorflow案例实战视频课程21 卷积网络模型定义.mp4 (60.05mb)
  • 022、Tensorflow案例实战视频课程22 迭代及测试网络效果.mp4 (48.76mb)
  • imagenet-vgg-verydeep-19.mat (549.36mb)
  • mnist.zip (11.06mb)
  • tensorflow.pptx (792.83 kb)
  • tensorflow代码.zip (2.09mb)
  • 验证码识别.zip (156.92mb)
  • 1.wmv (29.81mb)
  • 10.wmv (47.37mb)
  • 11.wmv (47.03mb)
  • 12.wmv (83.85mb)
  • 2.wmv (48.52mb)
  • 3.wmv (63.48mb)
  • 4.wmv (62.14mb)
  • 5.wmv (104.42mb)
  • 6.wmv (76.18mb)
  • 7.wmv (66.07mb)
  • 8.wmv (79.99mb)
  • 9.wmv (37.67mb)
  • 1.wmv (4.87mb)
  • 10.wmv (67.30mb)
  • 11.wmv (58.06mb)
  • 12.wmv (36.80mb)
  • 13.wmv (38.62mb)
  • 14.wmv (39.85mb)
  • 15.wmv (23.20mb)
  • 16.wmv (39.56mb)
  • 2.wmv (42.72mb)
  • 3.wmv (40.02mb)
  • 4.wmv (44.57mb)
  • 5.wmv (27.67mb)
  • 6.wmv (38.19mb)
  • 7.wmv (37.02mb)
  • 8.wmv (36.59mb)
  • 9.wmv (41.21mb)
  • 人脸检测.docx (491.26 kb)
  • 001、深度学习项目实战01 人脸关键点检测算法框架.mp4 (18.79mb)
  • 002、深度学习项目实战02 多标签数据源制作以及标签坐标转换.mp4 (105.36mb)
  • 003、深度学习项目实战03 对原始数据进行数据增强.mp4 (37.15mb)
  • 004、深度学习项目实战04 完成第一阶段HDF5数据源制作.mp4 (68.85mb)
  • 005、深度学习项目实战05 第一阶段网络训练.mp4 (40.15mb)
  • 006、深度学习项目实战06 第二三阶段网络数据源制作.mp4 (120.61mb)
  • 007、深度学习项目实战07 第二三阶段网络模型训练.mp4 (46.76mb)
  • 008、深度学习项目实战08 网络模型参数初始化.mp4 (48.80mb)
  • 009、深度学习项目实战09 完成全部测试结果.mp4 (53.81mb)
  • 010、深度学习项目实战10 人脸关键点检测效果.mp4 (46.82mb)
  • 011、深度学习项目实战11 项目总结分析.mp4 (30.32mb)
  • 012、深度学习项目实战12 算法框架分析.mp4 (35.68mb)
  • deep_landmark.zip (586.03mb)
  • code.zip (21.35 kb)
  • 1.wmv (35.16mb)
  • 2.wmv (72.20mb)
  • 3.wmv (40.24mb)
  • 4.wmv (37.33mb)
  • 1.wmv (14.63mb)
  • 10.wmv (22.27mb)
  • 11.wmv (13.97mb)
  • 2.wmv (26.60mb)
  • 3.wmv (10.91mb)
  • 4.wmv (20.49mb)
  • 5.wmv (16.37mb)
  • 6.wmv (24.12mb)
  • 7.wmv (20.39mb)
  • 8.wmv (28.46mb)
  • 9.wmv (13.17mb)
  • 1.wmv (15.13mb)
  • 2.wmv (45.95mb)
  • 3.wmv (38.54mb)
  • 4.wmv (33.46mb)
  • 5.wmv (44.05mb)
  • 6.wmv (44.83mb)
  • 7.wmv (42.82mb)
  • 1-1.强化学习简介.mp4 (72.15mb)
  • 1-10.求解流程详解.mp4 (101.21mb)
  • 1-2.强化学习基本概念.mp4 (48.35mb)
  • 1-3.马尔科夫决策过程.mp4 (38.43mb)
  • 1-4.Bellman方程.mp4 (58.54mb)
  • 1-5.值迭代求解.mp4 (58.57mb)
  • 1-6.代码实战求解过程.mp4 (78.80mb)
  • 1-7.Q-Learning基本原理.mp4 (38.21mb)
  • 1-8.Q-Learning迭代计算实例.mp4 (43.73mb)
  • 1-9.Q-Learning迭代效果.mp4 (41.65mb)
  • 2-1.Deep-Q-Network原理.mp4 (34.93mb)
  • 2-10.完整代码流程分析.mp4 (123.15mb)
  • 2-11.Deep Q-Learning效果演示.mp4 (45.06mb)
  • 2-2.Deep-Q-Learning网络细节.mp4 (53.81mb)
  • 2-3,Deep Q-Learning网络参数配置.mp4 (55.55mb)
  • 2-4.搭建Deep Q-Learning网络模型.mp4 (81.46mb)
  • 2-5.Deep Q Learning卷积操作定义.mp4 (74.78mb)
  • 2-6.数据预处理.mp4 (84.46mb)
  • 2-7.实现阶段数据存储.mp4 (59.47mb)
  • 2-8.实现训练模块.mp4 (76.00mb)
  • 2-9.Debug解读训练代码.mp4 (53.37mb)
  • bird.zip (125.74mb)
  • ValueIteration.py (2.42 kb)
  • 强化学习.pdf (2.17mb)
  • 1.wmv (6.36mb)
  • 10.wmv (66.02mb)
  • 11.wmv (58.92mb)
  • 12.wmv (66.96mb)
  • 13.wmv (64.49mb)
  • 14.wmv (35.89mb)
  • 15.wmv (50.71mb)
  • 2.wmv (9.55mb)
  • 3.wmv (16.27mb)
  • 4.wmv (28.63mb)
  • 5.wmv (61.24mb)
  • 6.wmv (52.58mb)
  • 7.wmv (56.41mb)
  • 8.wmv (52.22mb)
  • 9.wmv (52.92mb)
  • CNN文本分类.pptx (911.86 kb)
  • 中文邮件分类.zip (1.25mb)
  • 英文邮件分类.zip (494.93 kb)
  • 001、课程简介.mp4 (21.06mb)
  • 002、Tensorflow安装.mp4 (10.64mb)
  • 003、style-transfer基本原理.mp4 (24.00mb)
  • 004、风格生成网络结构原理.mp4 (13.91mb)
  • 005、风格生成网络细节.mp4 (21.55mb)
  • 006、风格转换效果展示.mp4 (27.84mb)
  • 007、风格转换参数配置.mp4 (56.89mb)
  • 008、数据读取操作.mp4 (37.44mb)
  • 009、VGG体征提取网络结构.mp4 (42.28mb)
  • 010、内容与风格特征提取.mp4 (37.95mb)
  • 011、生成网络结构定义.mp4 (9.62mb)
  • 012、生成网络计算操作.mp4 (44.17mb)
  • 013、参数初始化.mp4 (37.05mb)
  • 014、Content损失计算.mp4 (17.47mb)
  • 015、Style损失计算.mp4 (32.20mb)
  • 016、完成训练模块.mp4 (38.38mb)
  • 017、模型保存与打印结果.mp4 (32.48mb)
  • 018、完成测试代码.mp4 (56.79mb)
  • style-transfer代码.zip (84.03mb)
  • 数据下载地址.txt (0.22 kb)
  • 文件放哪.png (12.82 kb)
  • 4166643538787b5802a551e0f477a5ee0a76aa.pdf (5.10mb)
  • 61991ea3586e3039a1f35302945da0e62ed276.pdf (800.18 kb)
  • 83f2b0137888ff19f7d3236cfac42ffbee5685.pdf (4.64mb)
  • c2da8f6984015ae113e2401190107a348be42c.pdf (2.90mb)
  • d9a9027182bae247583555443e5015383b2c29.pdf (6.49mb)
  • 第七课.wmv (48.38mb)
  • 第三课.wmv (130.41mb)
  • 第九课.wmv (26.67mb)
  • 第二课.wmv (205.63mb)
  • 第五课.wmv (50.40mb)
  • 第八课.wmv (22.54mb)
  • 第六课.wmv (82.95mb)
  • 第十一集.wmv (62.85mb)
  • 第十三课.avi (235.04mb)
  • 第十二课.mp4 (45.26mb)
  • 第十五课.wmv (173.88mb)
  • 第十六课.avi (222.78mb)
  • 第十四.avi (221.70mb)
  • 第十课.wmv (33.07mb)
  • 第四课.wmv (64.27mb)
  • 1.wmv (40.13mb)
  • 2.wmv (49.95mb)
  • 3.wmv (62.05mb)
  • 1.wmv (34.92mb)
  • 2.wmv (41.94mb)
  • 3.wmv (64.44mb)
  • 4.wmv (53.31mb)
  • 5.wmv (26.40mb)
  • 6.wmv (55.72mb)
  • 7.wmv (17.16mb)
  • 8.wmv (40.19mb)
  • imagenet-vgg-verydeep-19.mat (549.36mb)
  • mnist.zip (11.06mb)
  • tensorflow.pptx (792.83 kb)
  • tensorflow代码.zip (2.09mb)
  • 验证码识别.zip (156.92mb)
  • 1.wmv (3.45mb)
  • 2.wmv (22.78mb)
  • 3.wmv (18.94mb)
  • 4.wmv (18.40mb)
  • 1.补充.mp4 (432.13 kb)
  • 1.课程简介.mp4 (57.22mb)
  • 10.DCGAN的网络模型架构.mp4 (85.36mb)
  • 11.DCGAN项目实战:DIY你要生成的数据.mp4 (85.58mb)
  • 12.DCGAN项目实战:配置参数.mp4 (78.43mb)
  • 13.DCGAN项目实战:基于卷积的生成网络架构.mp4 (87.34mb)
  • 14.DCGAN项目实战:基于卷积的判别网络.mp4 (47.40mb)
  • 15.DCGAN项目实战:训练DCGAN网络.mp4 (45.50mb)
  • 2.对抗生成网络形象解释.mp4 (44.33mb)
  • 3.对抗生成网络工作原理.mp4 (43.29mb)
  • 4.案例实战对抗生成网络:环境配置.mp4 (49.50mb)
  • 5.案例实战对抗生成网络:构造判别网络模型.mp4 (59.75mb)
  • 6.案例实战对抗生成网络:构造生成网络模型.mp4 (52.73mb)
  • 7.案例实战对抗生成网络:构造损失函数.mp4 (44.07mb)
  • 8.案例实战对抗生成网络:训练对抗生成网络.mp4 (62.69mb)
  • 9.DCGAN基本原理.mp4 (61.99mb)
  • DCGAN.zip (284.63mb)
  • 人脸数据.zip (647.33mb)
  • 卡通图像.zip (274.83mb)
  • 1.wmv (7.36mb)
  • 2.wmv (14.41mb)
  • 3.wmv (14.01mb)
  • 4.wmv (24.74mb)
  • 5.wmv (26.50mb)
  • 1.wmv (27.84mb)
  • 2.wmv (39.25mb)
  • 3.wmv (47.96mb)
  • 4.wmv (51.69mb)
  • 5.wmv (48.24mb)
  • 1.wmv (50.10mb)
  • 2.wmv (48.30mb)
  • 3.wmv (50.95mb)
  • 4.wmv (76.73mb)
  • 01系列课程概述.mp4 (7.90mb)
  • 02推荐系统应用.mp4 (32.65mb)
  • 04推荐系统要完成的任务.mp4 (17.39mb)
  • 05相似度计算.mp4 (27.84mb)
  • 06基于用户的协同过滤.mp4 (24.03mb)
  • 07基于物品的协同过滤.mp4 (36.44mb)
  • 08隐语义模型.mp4 (19.86mb)
  • 09隐语义模型求解.mp4 (26.84mb)
  • 10模型评估标准.mp4 (17.48mb)
  • 11Surprise库与数据简介.mp4 (34.18mb)
  • 12Surprise库使用方法.mp4 (43.31mb)
  • 13得出推荐商品结果.mp4 (63.28mb)
  • 14使用Tensorflow构建隐语义模型.mp4 (46.65mb)
  • 15模型架构.mp4 (51.27mb)
  • 16损失函数定义.mp4 (51.75mb)
  • 17训练网络.mp4 (74.73mb)
  • imagenet-vgg-verydeep-19.mat (549.36mb)
  • mnist.zip (11.06mb)
  • tensorflow.pptx (792.83 kb)
  • tensorflow代码.zip (2.09mb)
  • 验证码识别.zip (156.92mb)
  • 课时01.课程简介.flv (26.86mb)
  • 机器学习经典案例.zip (168.79mb)
  • 课时03.使用Anaconda搭建python环境.flv (67.95mb)
  • 课时04.Kobe.Bryan生涯数据读取与简介.flv (32.20mb)
  • 课时05.特征数据可视化展示.flv (66.46mb)
  • 课时06.数据预处理.flv (52.21mb)
  • 课时07.使用scikit-learn建立分类模型.flv (47.91mb)
  • 课时08.数据简介及面临的挑战.flv (48.33mb)
  • 课时09.数据不平衡问题解决方案.flv (47.80mb)
  • 课时10.逻辑回归进行分类预测.flv (71.55mb)
  • 课时11.使用阈值来衡量预测标准.flv (90.82mb)
  • 课时12.使用数据生成策略.flv (82.62mb)
  • 课时13.数据简介与特征课时化展示.flv (62.30mb)
  • 课时14.不同特征的分布规则.flv (26.80mb)
  • 课时15.决策树模型参数详解.flv (43.23mb)
  • 课时16.决策树中参数的选择.flv (46.69mb)
  • 课时17.将建立好决策树可视化展示出来.flv (54.79mb)
  • 课时18.船员数据分析.flv (19.71mb)
  • 课时19.数据预处理.flv (50.04mb)
  • 课时20.使用回归算法进行预测.flv (66.51mb)
  • 课时21.使用随机森林改进模型.flv (61.34mb)
  • 课时22.随机森林特征重要性分析.flv (53.33mb)
  • 课时23.级联模型原理.flv (13.49mb)
  • 课时24.数据预处理与热度图.flv (51.49mb)
  • 课时25.二阶段输入特征制作.flv (16.32mb)
  • 课时26.使用级联模型进行预测.flv (100.08mb)
  • 课时27.数据简介与特征预处理.flv (63.14mb)
  • 课时28.员工不同属性指标对结果的影响.flv (67.80mb)
  • 课时29.数据预处理.flv (45.57mb)
  • 课时30.构建预测模型.flv (33.99mb)
  • 课时31.基于聚类模型的分析.flv (29.93mb)
  • 课时32.tensorflow框架的安装.flv (18.43mb)
  • 课时33.神经网络模型概述.flv (28.49mb)
  • 课时34.使用tensorflow设定基本参数.flv (34.88mb)
  • 课时35.卷积神经网络模型.flv (29.04mb)
  • 课时36.构建完整的神经网络模型.flv (51.09mb)
  • 课时37.训练神经网络模型.flv (81.23mb)
  • 课时38.PCA原理简介.flv (9.37mb)
  • 课时39.数据预处理.flv (31.18mb)
  • 课时40.协方差分析.flv (38.82mb)
  • 课时41.使用PCA进行降维.flv (32.64mb)
  • 课时42.数据简介与故事背景.flv (27.89mb)
  • 课时43.基于词频的特征提取.flv (52.70mb)
  • 课时44.改进特征选择方法.flv (64.62mb)
  • 课时45.数据清洗.flv (60.83mb)
  • 课时46.数据预处理.flv (69.77mb)
  • 课时47.盈利方法和模型评估.flv (42.48mb)
  • 课时48.预测结果.flv (60.14mb)
公众号:阿土古磁力搜索