人工智能

01-29 03:44

人工智能与大数据特训班视频课程包含基础理论和项目实战

人工智能与大数据特训班视频课程包含基础理论和项目实战课程介绍我们有幸站在时代的风口，目睹信息科技掀起的革命风暴，从AlphaGo到无人驾驶，人工智能结合大数据应用场景越来越多，现今每个人的工作都和数据息息相关，无论是大数据分析、机器学习、人工智能还是无人驾驶汽车，它们都将深刻改变我们的生活。课程内容宣传片复杂系统大数据与机器学习人工智能的三个阶段高等数学—元素和极限复杂网络经济学应用机器学习与监督算法阿尔法狗与强化学习算法高等数学—两个重要的极限定理高等数学—导数贝叶斯理论高等数学—泰勒展开高等数学—偏导数高等数学—积分高等数学—正态分布朴素贝叶斯和最大似然估计线性代数—线性空间和线性变换数据科学和统计学线性代数—矩阵、等价类和行列式 Python基础课程线性代数—特征值与特征向量监督学习框架 PCA、降维方法引入 Python操作数据库、 Python爬虫线性分类器 Python进阶 Scikit-Learn 熵、逻辑斯蒂回归、SVM引入决策树数据呈现基础云计算初步 D-Park实战第四范式分享决策树到随机森林数据呈现进阶强化学习 SVM和神经网络引入集成模型总结和GDBT理解及其衍生应用神经网络监督学习－回归与分类神经网络基础与卷积网络时间序列预测人工智能金融应用计算机视觉深度学习入门个性化推荐算法 Pig和Spark巩固人工智能与设计神经网络非线性动力学高频交易订单流模型区块链一场革命统计物理专题复杂网络简介 ABM简介及金融市场建模用伊辛模型理解复杂系统金融市场的复杂性广泛出现的幂律分布自然启发算法机器学习的方法模型可视化工程管理 Value Iteration Networks 最新回放非线性动力学系统自然语言处理导入复杂网络上的物理传输过程 RNN及LSTM 漫谈人工智能创业深度学习其他主题课程总结

458

01-29 03:43

深度学习项目实战视频课程-StyleTransfer(基于Tensorflow附代码讲义)

深度学习项目实战视频课程-StyleTransfer(基于Tensorflow附代码讲义) 课程介绍： Style-Transfer是深度学习的酷炫应用，课程从基本原理开始讲解，逐步分析如何构造网络模型以及面临的挑战和解决思路，详解如何使用卷积神经网络构造风格转移模型并基于最流行的Tensorflow框架从零开始分模块构造网络模型。课程目标：快速掌握风格转换原理以及如何使用Tensorflow实现网络模型和测试效果。适用人群：深度学习,人工智能,机器学习爱好者课程目录： 1 课程简介 2 Tensorflow安装 3 style-transfer基本原理 4 风格生成网络结构原理 5 风格生成网络细节 6 风格转换效果展示 7 风格转换参数配置 8 数据读取操作 9 VGG体征提取网络结构 10 内容与风格特征提取 11 生成网络结构定义 12 生成网络计算操作 13 参数初始化 14 Content损失计算 15 Style损失计算 16 完成训练模块 17 模型保存与打印结果 18 完成测试代码

455

04-13 07:01

Ai人工智能-刷脸技术实战课程打造人工神经网络实战人脸识别与一键美颜技术实战

===============课程目录=============== (1)\课程准备阶段 ├─(2) 1-1 课程准备.mp4 ├─(3) 2-1 课程内容.mp4 ├─(4) 2-10 案例4：像素读取写入.mp4 ├─(5) 2-11 tensorflow常量变量定义.mp4 ├─(6) 2-12 tensorflow运算原理.mp4 ├─(7) 2-13 常量变量四则运算.mp4 ├─(8) 2-14 矩阵基础1.mp4 ├─(9) 2-15 矩阵基础2.mp4 ├─(10) 2-16 矩阵基础3.mp4 ├─(11) 2-17 numpy模块使用.mp4 ├─(12) 2-18 matplotlib模块的使用.mp4 ├─(13) 2-19 小综合：人工神经网络逼近股票价格1.mp4 ├─(14) 2-2 Mac下一站式开发环境anaconda搭建.mp4 ├─(15) 2-20 小综合：人工神经网络逼近股票价格2.mp4 ├─(16) 2-21 小综合：人工神经网络逼近股票价格3.mp4 ├─(17) 2-22 小综合：人工神经网络逼近股票价格4.mp4 ├─(18) 2-3 Windows下一站式开发环境anaconda搭建.mp4 ├─(19) 2-4 测试案例helloWorld.mp4 ├─(20) 2-5 案例1：图片的读取和展示.mp4 ├─(21) 2-6 Opencv模块组织结构.mp4 ├─(22) 2-7 案例2：图片写入.mp4 ├─(23) 2-8 案例3：不同图片质量保存.mp4 ├─(24) 2-9 像素操作基础.mp4 ├─(25) 3-1 本章介绍.mp4 ├─(26) 3-10 图片缩放.mp4 ├─(27) 3-11 图片仿射变换.mp4 ├─(28) 3-12 图片旋转.mp4 ├─(29) 3-13 图片几何变换小结.mp4 ├─(30) 3-2 图片缩放1.mp4 ├─(31) 3-3 图片缩放2.mp4 ├─(32) 3-4 图片缩放3.mp4 ├─(33) 3-5 图片剪切.mp4 ├─(34) 3-6 图片位移1.mp4 ├─(35) 3-7 图片移位2.mp4 ├─(36) 3-8 图片移位3.mp4 ├─(37) 3-9 图片镜像.mp4 ├─(38) 4-1 图像特效介绍.mp4 ├─(39) 4-10 边缘检测2.mp4 ├─(40) 4-11 浮雕效果.mp4 ├─(41) 4-12 颜色映射.mp4 ├─(42) 4-13 油画特效.mp4 ├─(43) 4-14 图像特效小结.mp4 ├─(44) 4-15 线段绘制.mp4 ├─(45) 4-16 矩形圆形任意多边形绘制.mp4 ├─(46) 4-17 文字图片绘制.mp4 ├─(47) 4-2 图像灰度处理1.mp4 ├─(48) 4-3 图像灰度处理2.mp4 ├─(49) 4-4 算法优化.mp4 ├─(50) 4-5 颜色反转.mp4 ├─(51) 4-6 马赛克.mp4 ├─(52) 4-7 毛玻璃.mp4 ├─(53) 4-8 图片融合.mp4 ├─(54) 4-9 边缘检测1.mp4 ├─(55) 5-1 美化效果章节介绍.mp4 ├─(56) 5-10 磨皮美白.mp4 ├─(57) 5-11 高斯均值滤波.mp4 ├─(58) 5-12 中值滤波.mp4 ├─(59) 5-13 图像美化章节小结.mp4 ├─(60) 5-2 彩色图片直方图.mp4 ├─(61) 5-3 直方图均衡化.mp4 ├─(62) 5-4 图片修补.mp4 ├─(63) 5-5 灰度直方图源码.mp4 ├─(64) 5-6 彩色直方图源码.mp4 ├─(65) 5-7 灰度直方图均衡化.mp4 ├─(66) 5-8 彩色直方图均衡化.mp4 ├─(67) 5-9 亮度增强.mp4 ├─(68) 6-1 机器学习章节介绍.mp4 ├─(69) 6-10 SVM支持向量机1.mp4 ├─(70) 6-11 SVM支持向量机2.mp4 ├─(71) 6-12 SVM小结.mp4 ├─(72) 6-13 Hog特征1.mp4 ├─(73) 6-14 Hog特征2.mp4 ├─(74) 6-15 Hog特征3.mp4 ├─(75) 6-16 Hog特征4.mp4 ├─(76) 6-17 Hog小结.mp4 ├─(77) 6-18 Hog_SVM小狮子识别1.mp4 ├─(78) 6-19 Hog_SVM小狮子识别2.mp4 ├─(79) 6-2 视频分解图片.mp4 ├─(80) 6-20 Hog_SVM小狮子识别3.mp4 ├─(81) 6-21 Hog_SVM小狮子识别4.mp4 ├─(82) 6-22 Hog_SVM小狮子识别5.mp4 ├─(83) 6-23 机器学习小结.mp4 ├─(84) 6-3 图片合成视频.mp4 ├─(85) 6-4 Haar特征1.mp4 ├─(86) 6-5 Haar特征2.mp4 ├─(87) 6-6 Haar特征3.mp4 ├─(88) 6-7 adaboost分类器1.mp4 ├─(89) 6-8 adaboost分类器2.mp4 ├─(90) 6-9 Haar+adaboost人脸识别.mp4 ├─(91) 7-1 章节介绍.mp4 ├─(92) 7-10 knn数字识别8.mp4 ├─(93) 7-11 knn数字识别9.mp4 ├─(94) 7-12 knn数字识别10.mp4 ├─(95) 7-13 cnn实现手写数字识别1.mp4 ├─(96) 7-14 cnn实现手写数字识别2.mp4 ├─(97) 7-15 cnn实现手写数字识别3.mp4 ├─(98) 7-16 cnn实现手写数字识别4.mp4 ├─(99) 7-17 cnn实现手写数字识别5.mp4 ├─(100) 7-18 cnn实现手写数字识别6.mp4 ├─(101) 7-19 数字识别小结.mp4 ├─(102) 7-2 样本介绍.mp4 ├─(103) 7-3 knn数字识别1.mp4 ├─(104) 7-4 knn数字识别2.mp4 ├─(105) 7-5 knn数字识别3.mp4 ├─(106) 7-6 knn数字识别4.mp4 ├─(107) 7-7 knn数字识别5.mp4 ├─(108) 7-8 knn数字识别6.mp4 ├─(109) 7-9 knn数字识别7.mp4 ├─(110) 8-1 章节介绍.mp4 ├─(111) 8-2 最简单的图片爬虫.mp4 ├─(112) 8-3 ffmpeg初识_音频.mp4.mp4 ├─(113) 8-4 OpenCV预处理.mp4 ├─(114) 8-5 神经网络训练识别1.mp4 ├─(115) 8-6 神经网络训练识别2.mp4 ├─(116) 8-7 神经网络训练识别3.mp4 ├─(117) 8-8 神经网络训练识别4.mp4 ├─(118) 8-9 mp4 ├─(119) 9-1 所有课程收尾.mp4 课程配套源码.zip

451

01-29 02:45

Google工程师亲授 Tensorflow2.0－入门到进阶完整版

Google工程师亲授 Tensorflow2.0－入门到进阶完整版第1章 Tensorflow简介与环境搭建本门课程的入门章节，简要介绍了tensorflow是什么，详细介绍了Tensorflow历史版本变迁以及tensorflow的架构和强大特性。并在Tensorflow1.0、pytorch、Tensorflow2.0之间做了对比。最后通过实战讲解了在Google cloud和AWS两个平台上的环境配置。第2章 Tensorflow keras实战本门课程的基础章节，详细介绍了如何使用tf.keras进行模型的搭建以及大量的深度学习的理论知识。理论知识包括分类问题、回归问题、损失函数、神经网络、激活函数、dropout、批归一化、深度神经网络、Wide&Deep模型、密集特征、稀疏特征、超参数搜索等及其在图像分类、房价预测上的实现。... 第3章 Tensorflow基础API使用接上一节课中使用高级抽象的API tf.keras搭建模型，本节课则介绍了基础的API来方便大家更加灵活的定义和使用模型。课程内容包括tensorflow基础数据类型、自定义模型和损失函数、自定义求导、tf.function、图结构等以及其在图像分类、房价预测上的实现。... 第4章 Tensorflow dataset使用介绍Tensorflow dataset空间下API的使用，dataset API主要用于读取数据。本届课程通过在房价预测问题上的实战详细的介绍如何使用tf.dataset读取csv文件和tfrecord文件。第5章 Tensorflow Estimator使用与tf1.0 本节课分为两部分，第一部分介绍tensorflow中estimator和特征列的API的使用，estimator是和keras平级的用于模型抽象的高级API，会使用泰坦尼克生存预测项目来详细的讲解特征抽取和estimator使用。学习完以上的基础知识后，在第二部分中会讲解tf1.0的知识点来方便大家对比2.0与1.0的区别。... 第6章卷积神经网络本节课程依托图像分类与两个Kaggle数据集项目，主要讲解卷积神经网络，包括卷积、池化、卷积网络、数据增强、迁移学习等知识。详细的讲解了卷积操作的过程。同时还对如何使用Kaggle平台上的GPU进行的讲解。第7章循环神经网络本节课程依托文本分类和文本生成两个项目，对序列式问题、循环神经网络、LSTM、双向LSTM等模型进行了详细的讲解和实战。第8章 Tensorflow分布式本节课程依托图像分类项目，对tensorflow框架中的分布式原理和策略进行了详细的讲解，并在实战中予以实现。尤其是对参数服务器的分布式的并行架构进行详细的阐述。第9章 Tensorflow模型保存与部署本节课程依托图像分类项目，对tensorflow模型和部署进行了详细的讲解，包括普通的模型保存、tflite的使用、模型的android的部署、在js上的部署等以及对应的实战。第10章机器翻译与tensor2tensor使用本节课程依托机器翻译项目，对transformer模型进行了详细的讲解，包括可缩放点积注意力、多头注意力等知识。并对该模型进行了实现。同时，讲解了tensorflow中常用算法库tensor2tensor的使用，并使用tensor2tensor中已有的最新算法在图像分类和机器翻译上进行了最高效果的训练。.

448

05-09 12:48

AI领域实战的基石人工智能实战篇-自然语言处理顶尖专家真正专家级面授实战课程

AI领域实战的基石人工智能实战篇-自然语言处理顶尖专家真正专家级面授实战课程 ===============课程目录=============== (0)；目录中文件数:2个 ├─Deep Learning in Natural Language Processing.pdf ├─ZZU 自然语言理解（01）绪论.ppt (1)\自然语言理解-宗成庆课件 ├─(2) 统计机器翻译.pdf ├─(3) CASIA SMT系统与口语翻译.pdf ├─Chp-10.1.pdf ├─第一章引论.pdf ├─第七章语法理论.pdf ├─第三章形式语言与自动机.pdf ├─第九章：语义计算.pdf ├─第二章数学基础.pdf ├─第五章概率语法.pdf ├─第八章句法分析.pdf ├─第六章词法分析与词性标注.pdf ├─第十章(1)：机器翻译概论.pdf ├─第四章语料库与词汇知识库.pdf ├─附件3：课程作业.pdf ├─附录2：内容回顾.pdf (2)\自然语言理解_64_中科院(宗成庆) ├─01 绪论（一）.flv ├─02 绪论（二）.flv ├─03 绪论（三）.flv ├─04 数学基础（一）.flv ├─05 数学基础（二）.flv ├─06 数学基础（三）.flv ├─07 数学基础（四） .flv ├─08 数学基础（五）.flv ├─09 形式语言与自动机及其在NLP中的应用（一）.flv ├─10 形式语言与自动机及其在NLP中的应用（二）.flv ├─11 形式语言与自动机及其在NLP中的应用（三）.flv ├─12 形式语言与自动机及其在NLP中的应用（四）.flv ├─13 形式语言与自动机及其在NLP中的应用（五）.flv ├─14 形式语言与自动机及其在NLP中的应用（六）.flv ├─15 语料库与语言知识库（一）.flv ├─16 语料库与语言知识库（二） .flv ├─17 语料库与语言知识库（三）.flv ├─18 语料库与语言知识库（四）.flv ├─19 语料库与语言知识库（五）.flv ├─20 语言模型（一）.flv ├─21 语言模型（二）.flv ├─22 语言模型（三）.flv ├─23 语言模型（四）.flv ├─24 语言模型（五）.flv ├─25 隐马尔柯夫模型（一）.flv ├─26 隐马尔柯夫模型（二）.flv ├─27 隐马尔柯夫模型（三）.flv ├─28 隐马尔柯夫模型（四）.flv ├─29 隐马尔柯夫模型（五）.flv ├─30 隐马尔柯夫模型（六）.flv ├─31 词法分析与词性标注（一）.flv ├─32 词法分析与词性标注（二）.flv ├─33 词法分析与词性标注（三）.flv ├─34 词法分析与词性标注（四）.flv ├─35 词法分析与词性标注（五）.flv ├─36 语法理论（一）.flv ├─37 语法理论（二）.flv ├─38 语法理论（三）.flv ├─39 语法理论（四）.flv ├─40 句法分析（一）.flv ├─41 句法分析（二）.flv ├─42 句法分析（三）.flv ├─43 句法分析（四）.flv ├─44 句法分析（五）.flv ├─45 句法分析（六）.flv ├─46 句法分析（七）.flv ├─47 句法分析（八）.flv ├─48 句法分析（九）.flv ├─49 句法分析（十）.flv ├─50 句法分析（十一）.flv ├─51 语义计算（一）.flv ├─52 语义计算（二）.flv ├─53 语义计算（三）.flv ├─54 机器翻译（一）.flv ├─55 机器翻译（二）.flv ├─56 机器翻译（三）.flv ├─57 机器翻译（四）.flv ├─58 机器翻译（五）.flv ├─59 机器翻译（六）.flv ├─60 机器翻译（七）.flv ├─61 机器翻译（八）.flv ├─62 机器翻译（九）.flv ├─63 机器翻译（十）.flv ├─64 机器翻译（十一）.flv

438

02-10 10:25

Ai人工智能-刷脸技术实战课程打造人工神经网络实战人脸识别与一键美颜技术实战

Ai人工智能-刷脸技术实战课程打造人工神经网络实战人脸识别与一键美颜技术实战 ===============课程目录=============== (1)\课程准备阶段 ├─(2) 1-1 课程准备.mp4 ├─(3) 2-1 课程内容.mp4 ├─(4) 2-10 案例4：像素读取写入.mp4 ├─(5) 2-11 tensorflow常量变量定义.mp4 ├─(6) 2-12 tensorflow运算原理.mp4 ├─(7) 2-13 常量变量四则运算.mp4 ├─(8) 2-14 矩阵基础1.mp4 ├─(9) 2-15 矩阵基础2.mp4 ├─(10) 2-16 矩阵基础3.mp4 ├─(11) 2-17 numpy模块使用.mp4 ├─(12) 2-18 matplotlib模块的使用.mp4 ├─(13) 2-19 小综合：人工神经网络逼近股票价格1.mp4 ├─(14) 2-2 Mac下一站式开发环境anaconda搭建.mp4 ├─(15) 2-20 小综合：人工神经网络逼近股票价格2.mp4 ├─(16) 2-21 小综合：人工神经网络逼近股票价格3.mp4 ├─(17) 2-22 小综合：人工神经网络逼近股票价格4.mp4 ├─(18) 2-3 Windows下一站式开发环境anaconda搭建.mp4 ├─(19) 2-4 测试案例helloWorld.mp4 ├─(20) 2-5 案例1：图片的读取和展示.mp4 ├─(21) 2-6 Opencv模块组织结构.mp4 ├─(22) 2-7 案例2：图片写入.mp4 ├─(23) 2-8 案例3：不同图片质量保存.mp4 ├─(24) 2-9 像素操作基础.mp4 ├─(25) 3-1 本章介绍.mp4 ├─(26) 3-10 图片缩放.mp4 ├─(27) 3-11 图片仿射变换.mp4 ├─(28) 3-12 图片旋转.mp4 ├─(29) 3-13 图片几何变换小结.mp4 ├─(30) 3-2 图片缩放1.mp4 ├─(31) 3-3 图片缩放2.mp4 ├─(32) 3-4 图片缩放3.mp4 ├─(33) 3-5 图片剪切.mp4 ├─(34) 3-6 图片位移1.mp4 ├─(35) 3-7 图片移位2.mp4 ├─(36) 3-8 图片移位3.mp4 ├─(37) 3-9 图片镜像.mp4 ├─(38) 4-1 图像特效介绍.mp4 ├─(39) 4-10 边缘检测2.mp4 ├─(40) 4-11 浮雕效果.mp4 ├─(41) 4-12 颜色映射.mp4 ├─(42) 4-13 油画特效.mp4 ├─(43) 4-14 图像特效小结.mp4 ├─(44) 4-15 线段绘制.mp4 ├─(45) 4-16 矩形圆形任意多边形绘制.mp4 ├─(46) 4-17 文字图片绘制.mp4 ├─(47) 4-2 图像灰度处理1.mp4 ├─(48) 4-3 图像灰度处理2.mp4 ├─(49) 4-4 算法优化.mp4 ├─(50) 4-5 颜色反转.mp4 ├─(51) 4-6 马赛克.mp4 ├─(52) 4-7 毛玻璃.mp4 ├─(53) 4-8 图片融合.mp4 ├─(54) 4-9 边缘检测1.mp4 ├─(55) 5-1 美化效果章节介绍.mp4 ├─(56) 5-10 磨皮美白.mp4 ├─(57) 5-11 高斯均值滤波.mp4 ├─(58) 5-12 中值滤波.mp4 ├─(59) 5-13 图像美化章节小结.mp4 ├─(60) 5-2 彩色图片直方图.mp4 ├─(61) 5-3 直方图均衡化.mp4 ├─(62) 5-4 图片修补.mp4 ├─(63) 5-5 灰度直方图源码.mp4 ├─(64) 5-6 彩色直方图源码.mp4 ├─(65) 5-7 灰度直方图均衡化.mp4 ├─(66) 5-8 彩色直方图均衡化.mp4 ├─(67) 5-9 亮度增强.mp4 ├─(68) 6-1 机器学习章节介绍.mp4 ├─(69) 6-10 SVM支持向量机1.mp4 ├─(70) 6-11 SVM支持向量机2.mp4 ├─(71) 6-12 SVM小结.mp4 ├─(72) 6-13 Hog特征1.mp4 ├─(73) 6-14 Hog特征2.mp4 ├─(74) 6-15 Hog特征3.mp4 ├─(75) 6-16 Hog特征4.mp4 ├─(76) 6-17 Hog小结.mp4 ├─(77) 6-18 Hog_SVM小狮子识别1.mp4 ├─(78) 6-19 Hog_SVM小狮子识别2.mp4 ├─(79) 6-2 视频分解图片.mp4 ├─(80) 6-20 Hog_SVM小狮子识别3.mp4 ├─(81) 6-21 Hog_SVM小狮子识别4.mp4 ├─(82) 6-22 Hog_SVM小狮子识别5.mp4 ├─(83) 6-23 机器学习小结.mp4 ├─(84) 6-3 图片合成视频.mp4 ├─(85) 6-4 Haar特征1.mp4 ├─(86) 6-5 Haar特征2.mp4 ├─(87) 6-6 Haar特征3.mp4 ├─(88) 6-7 adaboost分类器1.mp4 ├─(89) 6-8 adaboost分类器2.mp4 ├─(90) 6-9 Haar+adaboost人脸识别.mp4 ├─(91) 7-1 章节介绍.mp4 ├─(92) 7-10 knn数字识别8.mp4 ├─(93) 7-11 knn数字识别9.mp4 ├─(94) 7-12 knn数字识别10.mp4 ├─(95) 7-13 cnn实现手写数字识别1.mp4 ├─(96) 7-14 cnn实现手写数字识别2.mp4 ├─(97) 7-15 cnn实现手写数字识别3.mp4 ├─(98) 7-16 cnn实现手写数字识别4.mp4 ├─(99) 7-17 cnn实现手写数字识别5.mp4 ├─(100) 7-18 cnn实现手写数字识别6.mp4 ├─(101) 7-19 数字识别小结.mp4 ├─(102) 7-2 样本介绍.mp4 ├─(103) 7-3 knn数字识别1.mp4 ├─(104) 7-4 knn数字识别2.mp4 ├─(105) 7-5 knn数字识别3.mp4 ├─(106) 7-6 knn数字识别4.mp4 ├─(107) 7-7 knn数字识别5.mp4 ├─(108) 7-8 knn数字识别6.mp4 ├─(109) 7-9 knn数字识别7.mp4 ├─(110) 8-1 章节介绍.mp4 ├─(111) 8-2 最简单的图片爬虫.mp4 ├─(112) 8-3 ffmpeg初识_音频.mp4.mp4 ├─(113) 8-4 OpenCV预处理.mp4 ├─(114) 8-5 神经网络训练识别1.mp4 ├─(115) 8-6 神经网络训练识别2.mp4 ├─(116) 8-7 神经网络训练识别3.mp4 ├─(117) 8-8 神经网络训练识别4.mp4 ├─(118) 8-9 mp4 ├─(119) 9-1 所有课程收尾.mp4 课程配套源码.zip

434

07-28 02:19

新硅谷专家讲解从人工智能到机器学习视频教程英语中文字幕 54课

新硅谷专家讲解从人工智能到机器学习视频教程英语中文字幕 54课本课程是硅谷技术专家授课，来自国外最出名的网站，中英文字幕。看看国际化领先人工智能技术的应用与发展。课程目录： 1-开始机器学习 2-人工智能简介 3-人工智能难题 4-人工智能问题的特点 5-人工智能和不确定性 6-有哪些人工智能问题??答案 6-有哪些人工智能问题? 7-人工智能的实际运用：Watson?答案 7-人工智能的实际运用：Watson 8-什么是基于知识的人工智能? 9-基础知识：人工智能的四个学派 10-什么是基于知识的人工智能??答案 10-什么是基于知识的人工智能?2 11-人工智能的四个学派?答案 11-人工智能的四个学派 12-贝叶斯公式入门 12-贝叶斯规则 13-贝叶斯网络?答案 13-贝叶斯网络 14-机器学习与数据科学 15-什么是数据科学家? 16-什么是数据科学家?II 17-数据科学家都做些什么? 18-Pi?Chuan?-?什么是数据科学? 19-数据科学家的基本技能 20-数据科学解决的问题 21-从人工智能到机器学习 22-简介?-?第?2?部分 22-简介 23-佐治亚理工学院机器学习课程 24-机器学习的定义 25-监督学习 25-强化学习 26-归纳法与演绎法 27-归纳法，演绎法与溯因法 28-非监督学习 29-机器学习的实际应用 30-Stanley?Darpa?超级挑战赛 31-医疗保健现在的问题 32-认知计算：现代应用 33-简介 34-基本要素 35-分类法 36-监督学习?答案 36-监督学习 37-垃圾邮件检测?答案 37-垃圾邮件检测 38-分类和回归?答案 38-分类和回归 39-线性回归?答案 39-线性回归 40-更多线性回归 41-基础知识总结

433

03-23 06:02

邹博机器学习升级版II附讲义、参考书与源码(数学 xgboost lda hmm svm)

机器学习是一门让计算机在非精确编程下進行活动的科学。在过去十年，机器学习促成了无人驾驶车、高效语音识别、精确网络搜索及人类基因组认知的大力发展。机器学习如此无孔不入，你可能已经在不知情的情况下利用过无数次。许多研究者认为，这种手段是达到人类水平AI的最佳方式。这门课程中，你将学习到高效的机器学习技巧，及学会如何利用它为你服务。重点是，你不仅能学到理论基础，更能知晓如何快速有效应用这些技巧到新的问题上。最后，你会接触到硅谷创新中几个优秀的涉及机器学习与AI的应用实例。此课程将广泛介绍机器学习、数据挖掘与统计模式识别的知识。主题包括： (i) 监督学习（参数/非参数算法、支持向量机、内核、神经网络）。 (ii) 非监督学习（聚类、降维、推荐系统、深度学习）。 (iii) 机器学习的优秀案例（偏差/方差理论；机器学习和人工智能的创新过程）课程将拮取案例研究与应用，学习如何将学习算法应用到智能机器人（观感，控制）、文字理解（网页搜索，防垃圾邮件）、计算机视觉、医学信息学、音频、数据挖掘及其他领域上。

431

07-28 02:38

北风网人工智能全面系统学习课程推荐系统+深度学习+机器学习三大阶段实战人工智能

北风网人工智能全面系统学习课程推荐系统+深度学习+机器学习三大阶段实战人工智能 =================课程目录================= (1)\\\\人工智能之机器学习；目录中文件数:23个 ├─(1) 第一章：Numpy前导介绍1-10.mp4 ├─(2) 第一章：Numpy前导介绍11.mp4 ├─(3) 第一章：Numpy前导介绍12.mp4 ├─(4) 第一章：Numpy前导介绍13-15.mp4 ├─(5) 第七章机器学习五-聚类分析+贝叶斯11.mp4 ├─(6) 第七章：机器学习五-聚类分析+贝叶斯1.mp4 ├─(7) 第七章：机器学习五-聚类分析+贝叶斯2-4.mp4 ├─(8) 第七章：机器学习五-聚类分析+贝叶斯5-7.mp4 ├─(9) 第七章：机器学习五-聚类分析+贝叶斯8.mp4 ├─(10) 第三章机器学习（一）1-7.mp4 ├─(11) 第二章：Pandas前导课程1-4.mp4 ├─(12) 第二章：Pandas前导课程5-7.mp4 ├─(13) 第二章：Pandas前导课程8-11.mp4 ├─(14) 第五章机器学习三-决策树1-7.mp4 ├─(15) 第八章机器学习六-EM-HMM-LDA-ML4-6.mp4 ├─(16) 第八章：机器学习六-EM-HMM-LDA-ML1.mp4 ├─(17) 第八章：机器学习六-EM-HMM-LDA-ML2-4.mp4 ├─(18) 第六章机器学习四-SVM支持向量机1-6.mp4 ├─(19) 第四章：机器学习（二）1.mp4 ├─(20) 第四章：机器学习（二）2.mp4 ├─(21) 第四章：机器学习（二）3-5.mp4 ├─(22) 第四章：机器学习（二）5-6.mp4 ├─(23) 第四章：机器学习（二）7.mp4 (2)\\\\人工智能之深度学习+推荐系统；目录中文件数:12个 ├─(24) 第三章 RNN循环神经网络1-3.mp4 ├─(25) 第一章：深度学习概述1-2.mp4 ├─(26) 第一章：深度学习概述3-4.mp4 ├─(27) 第一章：深度学习概述5-6.mp4 ├─(28) 第二章 CNN 卷积神经网络1-4.mp4 ├─(29) 第五章推荐系统1-6.mp4 ├─(30) 第五章推荐系统7-8.mp4 ├─(31) 第五章推荐系统9-15.mp4 ├─(32) 第六章推荐系统&数据挖掘&人工智能1-2.mp4 ├─(33) 第六章：推荐系统&数据挖掘&人工智能3-8.mp4 ├─(34) 第六章：推荐系统&数据挖掘&人工智能9-14.mp4 ├─(35) 第四章总结.mp4 (3)\\\\人工智能资料和作业；目录中文件数:0个 (4)\\\\人工智能资料和作业\\\\人工智能之机器学习；目录中文件数:0个 (5)\\\\人工智能资料和作业\\\\人工智能之深度学习+推荐系统；目录中文件数:2个 ├─(36) 必看.txt ├─(37) 更多关注威信公众号“集智小屋”.jpg (6)\\\\人工智能资料和作业\\\\人工智能之机器学习\\\\作业；目录中文件数:3个 ├─(38) iris.rar ├─(39) 第五章机器学习（二）.docx ├─(40) 第八章机器学习五-聚类分析+贝叶斯.docx (7)\\\\人工智能资料和作业\\\\人工智能之机器学习\\\\资料；目录中文件数:13个 ├─(41) 20170604代码.rar ├─(42) AI_数学基础.rar ├─(43) Numpy课程文档.zip ├─(44) Pandas.zip ├─(45) 代码资料.rar ├─(46) 作业.rar ├─(47) 决策树课程资料.rar ├─(48) 回归datas.rar ├─(49) 聚类代码%2b数据.rar ├─(50) 课件.zip ├─(51) 课程资料1.rar ├─(52) 课程资料2.rar ├─(53) 贝叶斯.rar (8)\\\\人工智能资料和作业\\\\人工智能之深度学习+推荐系统\\\\作业；目录中文件数:2个 ├─(54) xiaoshuo.zip ├─(55) 第四章总结.docx (9)\\\\人工智能资料和作业\\\\人工智能之深度学习+推荐系统\\\\资料；目录中文件数:15个 ├─(56) 01_随堂课件 (1).zip ├─(57) 01_随堂课件.zip ├─(58) 04_深度学习总结.zip ├─(59) 04_软件工具01.zip ├─(60) 04_软件工具02.zip ├─(61) 04_软件工具03.zip ├─(62) 04_软件工具04.zip ├─(63) 05_随堂代码 (1).zip ├─(64) 05_随堂代码.zip ├─(65) 06_参考资料 (1).zip ├─(66) 06_参考资料.zip ├─(67) CNN.zip ├─(68) pdf资料.zip ├─(69) RNN.zip ├─(70) 深度学习概述.zip

431

07-28 02:17

机器学习典藏课程机器学及其matlab实现—从基础到实践国内外其他机器学习课程包

机器学习典藏课程机器学及其matlab实现—从基础到实践国内外其他机器学习课程包 =========== ├<国外机器学习> │ ├ │ │ ├Hello World – Machine Learning Recipes #1.mp4 │ │ ├Let’s Write a Pipeline – Machine Learning Recipes #4.mp4 │ │ ├Machine Learning over Coffee with a Googler.mp4 │ │ ├Visualizing a Decision Tree – Machine Learning Recipes #2.mp4 │ │ ├What Makes a Good Feature- – Machine Learning Recipes #3.mp4 │ │ ├<英文字幕> │ │ │ ├Hello World – Machine Learning Recipes #1.srt │ │ │ ├Let us Write a Pipeline – Machine Learning Recipes #4.srt │ │ │ ├Machine Learning over Coffee with a Googler.srt │ │ │ ├Visualizing a Decision Tree – Machine Learning Recipes #2.srt │ │ │ └What Makes a Good Feature – Machine Learning Recipes #3.srt │ │ ├<中文字幕> │ │ │ └Hello World – Machine Learning Recipes #1_chs.srt │ ├ │ │ ├cs229-lecture01.mp4 │ │ ├cs229-lecture02.mp4 │ │ ├cs229-lecture03.mp4 │ │ ├cs229-lecture04.mp4 │ │ ├cs229-lecture05.mp4 │ │ ├cs229-lecture06.mp4 │ │ ├cs229-lecture07.mp4 │ │ ├cs229-lecture08.mp4 │ │ ├cs229-lecture09.mp4 │ │ ├cs229-lecture10.mp4 │ │ ├cs229-lecture11.mp4 │ │ ├cs229-lecture12.mp4 │ │ ├cs229-lecture13.mp4 │ │ ├cs229-lecture14.mp4 │ │ ├cs229-lecture15.mp4 │ │ ├cs229-lecture16.mp4 │ │ ├cs229-lecture17.mp4 │ │ ├cs229-lecture18.mp4 │ │ ├cs229-lecture19.mp4 │ │ ├cs229-lecture20.mp4 │ │ └MachineLearningAllMaterials.zip │ ├<斯坦福大学-机器学习课程-中英字幕> │ │ ├[斯坦福大学-机器学习课程].materials.rar │ │ ├10特征选择.mp4 │ │ ├11贝叶斯统计正则化.mp4 │ │ ├12K-means算法.mp4 │ │ ├13高斯混合模型.mp4 │ │ ├14主成分分析法.mp4 │ │ ├15奇异值分解.mp4 │ │ ├16马尔可夫决策过程.mp4 │ │ ├17离散与维数灾难.mp4 │ │ ├18线性二次型调节控制.mp4 │ │ ├19微分动态规划.mp4 │ │ ├1机器学习的动机与应用.mp4 │ │ ├20策略搜索.mp4 │ │ ├2监督学习应用.梯度下降.mp4 │ │ ├3欠拟合与过拟合的概念.mp4 │ │ ├4牛顿方法.mp4 │ │ ├5生成学习算法.mp4 │ │ ├6朴素贝叶斯算法.mp4 │ │ ├7最优间隔分类器问题.mp4 │ │ ├8顺序最小优化算法.mp4 │ │ └9经验风险最小化.mp4 ├<机器学及其matlab实现—从基础到实践> │ ├<第八周> │ │ ├Class_8.mp4 │ │ ├Class_8.pdf │ │ ├Class_8_Code.rar │ │ ├MacOS_precompiled-WITHOUT_SOURCE-v0.02.tar │ │ └Windows-Precompiled-RF_MexStandalone-v0.02-.zip │ ├<第二周> │ │ ├Class_2.mp4 │ │ ├Class_2.pdf │ │ └Class_2_Code.rar │ ├<第九周> │ │ ├Class_9.mp4 │ │ ├Class_9.pdf │ │ └Class_9_Code.rar │ ├<第六周> │ │ ├Class_6.mp4 │ │ ├Class_6.pdf │ │ └Class_6_Code.rar │ ├<第七周> │ │ ├Class_7.mp4 │ │ ├Class_7.pdf │ │ └Class_7_Code.rar │ ├<第三周> │ │ ├Class_3.mp4 │ │ ├Class_3.pdf │ │ ├Class_3_Code.rar │ │ └Homework_Dataset.rar │ ├<第十二周> │ │ ├Class_12.mp4 │ │ ├Class_12.pdf │ │ └Class_12_Code.rar │ ├<第十三周> │ │ ├Class_13.mkv │ │ ├Class_13.pdf │ │ ├Class_13_Code.rar │ │ └References.rar │ ├<第十一周> │ │ ├Class_11.mkv │ │ ├Class_11.pdf │ │ └Class_11_Code.rar │ ├<第十周> │ │ ├Class_10.mp4 │ │ ├Class_10.pdf │ │ └Class_10_Code.rar │ ├<第四周> │ │ ├Class_4.mp4 │ │ ├Class_4.pdf │ │ ├Class_4_Code.rar │ │ └Homework_Dataset.rar │ ├<第五周> │ │ ├Class_5.mp4 │ │ ├Class_5.pdf │ │ └Class_5_Code.rar │ ├<第一周> │ │ ├Class_1.mp4 │ │ ├Class_1.pdf │ │ ├Class_1_Code.rar │ │ └MATLAB揭秘.pdf ├<其他参考> │ ├<25种人工神经网络模型matlab源码> │ │ ├chapter12.png │ │ ├chapter12_01.png

423

«
1
2
3
4
5
6
7
8
9
»