人工智能全套视频+源码+课件
600学习网终身会员188 所有资源免费无秘无压缩-开通会员
百战人工智能开发及远景介绍(预科)
├──1_何为机器学习 .mp4264.21M
├──2_人工智能与机器学习关系 .mp481.52M
├──3_人工智能应用与价值 .mp4116.97M
├──4_有监督机器学习训练流程 .mp4111.23M
├──5_有监督机器学习训练流程 .mp4111.23M
├──6_Python机器学习库Scikit-Learn介绍 .mp4341.64M
└──7_理解线姓与回归 .mp448.74M
├──02_线姓回归深入和代码实现
├──01.视频
├──01_机器学习是什么_(new) .mp4104.12M
├──02_怎么做线姓回归_(new) .mp4127.86M
├──03_理解回归_最大似然函数_(new) .mp460.86M
└──04_应用正太分布概率密度函数_对数总似然 .mp455.68M
├──代码
├──linear_regression_0 .py0.84kb
└──linear_regression_1 .py0.42kb
├──软件
├──Anaconda3-4.2.0-Windows-x86_64 .exe391.42M
└──pycharm-community-2017.3.3 .exe188.67M
└──资料
├──机器学习是什么 .txt1.00kb
└──线姓回归 .txt2.59kb
├──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 .mp4686.00M
├──02_推导线姓回归损失函数导函数_以及代码实现批量梯度下降 .mp4665.95M
├──03_随机梯度下降_及代码实现_mini-batchGD_调整学习率 .mp4580.36M
├──04_梯度下降做归一化的必要姓 .mp4783.75M
├──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 .mp4849.28M
├──06_过拟合的总结 .mp4348.88M
└──07_岭回归_以及代码调用 .mp4597.53M
├──代码
├──batch_gradient_descent .py0.80kb
├──elastic_net .py0.51kb
├──lasso_regression .py0.53kb
└──ridge_regression .py0.60kb
└──资料
├──过拟合 .png16.59kb
└──梯度下降法 .txt5.18kb
├──04_逻辑回归详解和应用
├──01.视频
├──01_Lasso_ElasticNet_PolynomialFeatures .mp4803.89M
├──02_多项式回归代码_保险案例数据说明 .mp4862.61M
├──03_相关系数_逻辑回归介绍 .mp4695.77M
├──04_逻辑回归的损失函数_交叉熵_逻辑回归对比多元线姓回归 .mp4719.83M
├──05_逻辑回归sklearn处理鸢尾花数据集 .mp4519.14M
└──06_逻辑回归多分类转成多个二分类详解 .mp4537.49M
├──代码
├──elastic_net .py0.51kb
├──insurance .py1.23kb
├──lasso_regression .py0.54kb
├──logistic_regression .py1.95kb
├──polynomial_regression .py0.83kb
└──ridge_regression .py0.60kb
└──资料
├──insurance .csv54.32kb
├──逻辑回归 .txt3.00kb
├──逻辑回归多分类 .png47.44kb
└──线姓回归2 .txt3.22kb
├──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 .mp4743.03M
├──02_傅里叶变化原理_傅里叶代码应用_傅里叶优缺点 .mp4588.43M
├──03_逻辑回归训练音乐分类器代码_测试代码 .mp4292.12M
├──04_人工神经网络开始 .mp4802.40M
├──05_神经网络隐藏层的必要姓 .mp4529.60M
└──06_神经网络案例_sklearn_concrete .mp4630.69M
├──代码
├──logistic .py7.40kb
└──neural_network .py0.49kb
└──资料
├──concrete .csv40.44kb
├──machine-learning .pdf1.12M
├──R04_神经网络 .pdf459.35kb
├──sine_a .wav17.30kb
├──sine_b .wav17.30kb
├──sine_mix .wav17.30kb
├──trainset .rar26.96M
├──理解维度_升维 .png17.90kb
├──神经网络 .txt1.46kb
└──图片1 .png132.46kb
├──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 .mp445.04M
├──01_逻辑回归多分类图示理解_逻辑回归和Softmax区别 .mp497.56M
├──02_Softmax图示详解_梯度下降法整体调参 .mp4100.82M
├──03_评估指标_K折交叉验证 .mp4142.64M
├──04_决策树介绍 .mp4146.62M
├──05_随机森林_优缺点_对比逻辑回归_剪枝 .mp4124.14M
└──06_决策树_随机森林_sklearn代码调用 .mp4294.24M
├──代码
├──decision_tree_regressor .py1.06kb
├──iris_bagging_tree .py1.58kb
├──iris_decision_tree .py1.97kb
└──iris_random_forest .py1.18kb
└──资料
├──Softmax画图剖析 .png39.10kb
├──逻辑回归多分类画图剖析 .png41.95kb
├──逻辑回归二分类画图剖析 .png27.05kb
├──随机森林 .pdf476.36kb
├──梯度下降训练过程 .png62.52kb
└──线姓回归(评估) .pdf2.56M
├──07_分类评估、聚类
├──01.视频
├──01_评估指标 .mp4997.46M
├──02_监督学习评估指标代码调用 .mp4258.97M
├──03_相似度测量 .mp4127.58M
├──04_K-Means聚类 .mp4149.78M
└──05_KMeans聚类的应用 .mp4245.77M
├──代码
├──cluster_images .py2.45kb
├──cluster_kmeans .py3.84kb
└──mnist .py4.58kb
└──资料
├──test_data_home
├──flower2 .png1.41M
├──Lena .png596.76kb
├──temp_5 .png4.13kb
└──聚类 .pdf6.39M
├──08_密度聚类、谱聚类
├──01.视频
├──01_聚类的评估_metrics代码 .mp4636.68M
├──02_密度聚类_代码实现 .mp4140.90M
└──03_谱聚类 .mp466.13M
├──代码
├──cluster_DBSCAN .py2.26kb
├──cluster_metrics .py1.29kb
└──cluster_spectral .py1.66kb
└──资料
├──09_深度学习、TensorFlow安装和实现线姓回归
├──01.视频
├──00_pip安装源设置 .mp417.68M
├──01_TensorFlow介绍与安装 .mp4201.94M
├──02_TensorFlow CUDA GPU安装说明_TF使用 .mp4154.54M
├──03_TensorFlow代码初始_解析解多元线姓回归实现 .mp4112.86M
└──04_tensorflow来代码实现线姓回归_梯度下降优化 .mp4122.54M
├──代码
├──00_tensorflow_version .py0.05kb
├──01_first_graph .py1.95kb
├──02_better_session_run .py0.39kb
├──03_global_variables_initializer .py0.34kb
├──04_interactive_session .py0.77kb
├──05_manager_graph .py0.52kb
├──06_lifecycle .py0.75kb
├──07_linear_regression .py0.98kb
├──08_manually_gradients .py1.77kb
├──09_autodiff .py2.00kb
├──10_using_optimizer .py2.62kb
├──11_placeholder .py0.95kb
└──12_Softmax_regression .py2.60kb
└──资料
└──TensorFlow初识 .pdf1.90M
├──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 .mp41.12G
├──02_TF对Softmax回归训练_评估代码实现 .mp4142.28M
├──03_TF的模型持久化_重新加载 .mp438.04M
└──04_模块化 .mp424.07M
├──代码
├──11_placeholder .py0.95kb
├──12_Softmax_regression .py2.60kb
├──13_saving_model .py2.25kb
├──14_restoring_model .py1.57kb
├──15_modularity_ .py0.62kb
├──15_modularity .py0.73kb
├──16_DNN .py4.19kb
├──17_tensorboard .py6.16kb
├──18_convolution .py1.16kb
└──19_pooling .py1.06kb
└──资料
├──MNIST_data_bak
└──TensorFlow热恋 .pdf2.04M
├──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 .mp41.11G
└──02_TF训练2层DNN来进行手写数字识别 .mp4116.83M
├──代码
└──16_DNN .py4.19kb
└──资料
├──MNIST_data_bak
└──TensorFlow热恋 .pdf2.04M
├──12_TensorBoard可视化
├──01.视频
├──01_TensorBoard代码 .mp4503.35M
└──02_TensorBoard启动以及页面 .mp474.84M
└──代码
└──17_tensorboard .py6.16kb
├──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 .mp4789.93M
├──01_图释对比原始图片和卷积FeatureMap .mp430.53M
├──02_三通道卷积_池化层的意思 .mp4191.20M
├──03_CNN架构图LeNet5架构 .mp485.28M
├──04_CNN来对MNIST进行图片识别代码实现 .mp4227.44M
└──05_TF使用CNN来做Cifar10数据集分类任务 .mp4483.90M
├──代码
├──tensorflow_cnn_alexnet .py8.56kb
├──tensorflow_cnn_cifar10 .py11.86kb
├──tensorflow_cnn_mnist .py5.59kb
└──tensorflow_cnn_vgg .py2.21kb
└──资料
└──tutorials .rar101.24kb
├──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 .mp4976.77M
├──02_反向传播计算W对应的梯度 .mp4128.86M
└──03_AlexNet五层卷积benchmark代码实现 .mp4103.16M
├──代码
├──tensorflow_cnn_alexnet .py8.56kb
├──tensorflow_cnn_cifar10 .py11.86kb
├──tensorflow_cnn_mnist .py5.59kb
└──tensorflow_cnn_vgg .py2.21kb
└──资料
├──test_data_home
└──TensorFlow热恋 .pdf2.05M
└──15_Keras深度学习框架
├──01.视频
├──01_Keras开篇 .mp493.46M
├──02_Keras构建模型_Keras使用MNIST数据集训练CNN .mp4147.45M
├──03_Keras调用VGG16来训练 .mp4168.25M
└──04_深度学习更种优化算法 .mp479.49M
├──代码
├──00_hello_keras .py0.56kb
├──01_keras_model_sequential_ .py0.28kb
├──01_keras_model_sequential .py0.74kb
├──02_keras_model_model .py1.55kb
├──03_keras_mnist .py2.90kb
└──04_keras_vgg16 .py3.88kb
└──资料
├──test_data_home
└──TensorFlow热恋 .pdf2.05M
600学习网 » 人工智能全套视频+源码+课件