课程目录
├──5天人工智能入门训练营
| └──视频
| | ├──01_人工智能就业前景及薪资.mp4 49.38M
| | ├──02_人工智能适合人群和必要的技能.mkv 47.37M
| | ├──03_人工智能时代是发展的必然.mp4 25.61M
| | ├──04_人工智能应用于各个领域.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法.mkv 72.54M
| | ├──与传统机器学习相比，深度学习具有优势.mkv 75.32M
| | ├──08_监督机器学习任务和本质.mp4 37.24M
| | ├──09_无监督机器学习任务和本质.mp4 48.91M
| | ├──10_理解简单的线性回归.mp4 27.98M
| | ├──11_最优解_损失函数_损失函数_MSE.mp4 34.83M
| | ├──12_扩展到多元线性回归.mp4 26.65M
| | ├──13_理解多线性回归表达式多种写法的原因.mp4 37.58M
| | ├──14_理解维度的概念.mp4 37.11M
| | ├──15_理解回归词_中心极限定理_正太分布和预测.mp4 61.53M
| | ├──16_假设误差服从正太分布_最大似乎估计MLE.mp4 42.35M
| | ├──17_引入正太分布的概率密度函数.mp4 26.36M
| | ├──18_通过最大总似解明确目标θ.mp4 25.88M
| | ├──19_对数似然函数_推导出损失函数MSE.mp4 39.75M
| | ├──20_按线性代数表达目标函数.mp4 22.09M
| | ├──21_推导出目标函数的导函数形式.mp4 39.83M
| | ├──22_θ分析公式_是否应考虑损失函数是凸函数.mp4 58.01M
| | ├──23_Python开发环境版的选择和下载.mp4 46.00M
| | ├──24_Anaconda环境安装_Pycharm环境安装.mp4 64.55M
| | ├──25_Pycharm创建脚本，亲自测试python开发环境.mp4 26.27M
| | ├──26_解析方法求解多线性回归_数据Xy.mp4 30.66M
| | ├──27_解析解多元线性回归_解析模型_使用模型_绘制图形.mp4 39.16M
| | ├──28_解析解多元线性回归_扩展随机种子概念_增加维度代码的转换.mp4 30.05M
| | ├──29_Scikit-learn模块介绍.mp4 29.99M
| | ├──30_在Scikit-learn中调用多元线性回归求解模型(上).mp4 24.35M
| | ├──31_在Scikit-learn中调用多元线性回归求解模型(下).mp4 34.52M
| | ├──32_梯度下降法的目的和原因及思想.mp4 53.73M
| | ├──33_梯度下降法公式.mp4 50.85M
| | ├──34_学习率设置的知识_全局最优解.mp4 47.99M
| | ├──35_梯度下降法迭代过程总结.mp4 24.60M
| | ├──36_多线性回归下梯度下降法.mp4 38.45M
| | ├──37_全梯度下降.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_代码实现了全梯度下降的第一步和第二步.mp4 20.15M
| | ├──42_代码实现了全梯度下降的第三步和第四步.mp4 26.11M
| | ├──代码实现了随机梯度的下降.mp4 21.62M
| | ├──44_代码实现小批量梯度的下降.mp4 22.83M
| | ├──45_代码改进保证了所有的训练数据都能随机获取.mp4 23.94M
| | └──46_代码改进随着迭代的增加而动态调整学习率.mp4 34.35M
├──人工智能的快速入门和线性回归
| └──视频
| | ├──01_五天培训内容_人工智能应用.mp4 181.00M
| | ├──02_AI流程_ML与DL关系_回归、分类、聚类、降维的本质.mp4 164.27M
| | ├──03_线性回归表达式_丢失函数MSE.mp4 127.19M
| | ├──04_导出多元线性回归的损失函数.mp4 203.15M
| | ├──从MSE到05_θ分析形式.mp4 83.50M
| | ├──安装Anaconda和Pycharm操作和开发软件.mp4 70.53M
| | ├──07_python代码实现多线性回归分析的求解方法.mp4 77.19M
| | ├──08_梯度下降法步骤_公式.mp4 119.11M
| | └──09_MSE根据损失函数推导梯度的公式.mp4 70.57M
├──人工智能人脸识别与目标检测、语义分割
| └──视频
| | ├──01_作业讲解_知识回顾.mp4 65.84M
| | ├──02_人脸识别架构过程分析.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-下载和导入master项目.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_使用图片标记工具labelimg.mp4 178.23M
| | ├──08_FasterRCNN论文_架构_思想_.mp4 353.63M
| | └──09_MaskrCNN架构_思想_蒙版弹幕项目效果.mp4 163.40M
├──人工智能神经网络和Tensorflow
| └──视频
| | ├──01_作业讲解_回顾昨天的知识.mp4 88.83M
| | ├──02_打鸡血_谈谈图像算法工程师的就业工资水平.mp4 154.82M
| | ├──03_NN神经元_常用的三种激活函数_NN理解LR做多分类.mp4 103.06M
| | ├──解释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原因.mp4 90.54M
| | ├──06_TensorFlow安装CPU版本.mp4 62.85M
| | ├──07_TensorFlow安装GPU版本.mp4 109.37M
| | ├──08_Tensorflow实现多元线性回归预测房价.mp4 198.36M
| | └──09_TensorFlow实现MNIST手写数字识别Softmax回归分类.mp4 123.55M
├──人工智能的图像识别和图像分割
| └──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_卷积计算.mp4 112.61M
| | ├──03_池化计算_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医疗图片识别.mp4 224.21M
| | ├──06_U-Net网络模型_细胞核数据读取.mp4 206.51M
| | └──07_U-Net网络用于细胞核切分的训练代码.mp4 97.14M
└──人工智能的线性回归优化和逻辑回归
| └──视频
| | ├──01_利用GD解决多元线性回归的最佳解决方案.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_Laso回归的本质.mp4 104.90M
| | ├──05_多项式回报_保险费用预测案例.mp4 250.14M
| | ├──06_EDA基于保险案例的更多数据.mp4 80.69M
| | ├──07_逻辑回归表达式推导_逻辑回归损失函数推导.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
[我要扒资料]
