首页
博客
源码
资源
博客
源码
写文章
发布博客
发布资源
登录
X
人工智能
相关资讯
热门
最新
人工智能
02-04 04:25
人工智能
人工智能深度学习入门课程
人工智能深度学习入门课程 教程介绍 课程内容主要包括:1.神经网络必备基础;2.神经网络整体架构分析;3.动手实现神经网络模型。旨在用最形象的讲解带领大家一步步攻克复杂的神经网络模型。整体风格通俗易懂,用接地气的方式带领大家入门深度学习。用通俗易懂的讲解,一步步的带大家入门深度学习这个当今世界非常火爆的深度学习领域。
577
人工智能
01-31 07:30
人工智能
机器学习+深度学习【11套课程】
机器学习+深度学习【11套课程】
617
人工智能
01-29 03:44
人工智能
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
464
人工智能
01-29 03:43
人工智能
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
460
人工智能
01-29 03:41
人工智能
优达学城机器学习纳米学位视频课程 英文版中文字幕
优达学城机器学习纳米学位视频课程 英文版中文字幕 课程目录: 1、非监督学习简介 2、聚类 3、更多聚类 4、聚类迷你项目 5、特征缩放 6、特征选择 7、PCA 8、PCA迷你项目 9、特征转换 10、结尾 11、项目
528
人工智能
01-29 03:04
人工智能
ApacheCN机器学习实战视频教程
ApacheCN机器学习实战视频教程 课程目录: ApacheCN_机器学习实战_第7章_集成方法-随机森林和AdaBoost【2.理论:随机森林】(2017-08-22 @片刻)- v2.0.0.mp4 ApacheCN_机器学习实战_第7章_集成方法-随机森林和AdaBoost【3.案例:随机森林】(2017-08-23 @片刻)- v2.0.0.mp4 ApacheCN_机器学习实战_第2章_k-近邻算法【3.项目:手写数字识别系统】(2017-08-16 @小瑶)- v2.0.0.mp4 ApacheCN_机器学习实战_第5章_Logistic回归【3.案例:从疝气病症预测病马的死亡率】(2017-09-14 @小瑶)- v2.0.0.mp4 ApacheCN_机器学习实战_第11章_使用Apriori算法进行关联分析【1.理论】(2017-09-19 @那伊抹微笑)- v2.0.0.mp4 ApacheCN_机器学习实战_第8章_回归-预测数值型数据【3.案例:简单数据集上进行局部加权线性回归】(2017-09-19 @小瑶)- v2.0.0.mp4 ApacheCN_机器学习实战_第14章_利用SVD简化数据【3.案例:餐馆菜肴推荐系统】(2017-09-08 @片刻)- v2.0.0.mp4 ApacheCN_机器学习实战_第1章_机器学习基础(2017-08-17 @片刻)- v2.0.0.mp4 ApacheCN_机器学习实战_第3章_决策树【2.案例:判定鱼类和非鱼类】(2017-08-23 @小瑶)- v2.0.0.mp4 ApacheCN_机器学习实战_第3章_决策树【3.案例:使用决策树预测隐形眼镜类型】(2017-08-23 @小瑶)- v2.0.0.mp4 ApacheCN_机器学习实战_第7章_集成方法-随机森林和AdaBoost【5.案例:AdaBoost】(2017-08-25 @片刻)- v2.0.0.mp4 ApacheCN_机器学习实战_第9章_树回归【1.回归树,理论+项目案例,在简单数据集上构造回归树】(2017-09-21 @小瑶)- v2.0.0.mp4 ApacheCN_机器学习实战_第6章_支持向量机SVM【2.案例:简单数据集分类】(2017-09-22 @片刻)- v2.0.0.mp4 ApacheCN_机器学习实战_第15章_大数据与MapReduce【2.理论:分布式SVM的Pegasos算法】(2017-09-15 @片刻)- v2.0.0.mp4 ApacheCN_机器学习实战_第5章_Logistic回归【1.理论】(2017-09-14 @小瑶)- v2.0.0.mp4 ApacheCN_机器学习实战_第9章_树回归【4.项目案例,回归树,模型树,线性模型在自行车数据集上的效果比较】(2017-09-21 @小瑶)- v2.0.0.mp4 ApacheCN_机器学习实战_第7章_集成方法-随机森林和AdaBoost【4.理论:AdaBoost】(2017-08-22 @片刻)- v2.0.0.mp4 ApacheCN_机器学习实战_第0章_前言【为什么我们要录制《机器学习教学版》】(2017-08-25 @小瑶)- v2.0.0.mp4 ApacheCN_机器学习实战_第3章_决策树【1.理论】(2017-08-22 @小瑶)- v2.0.0.mp4 ApacheCN_机器学习实战_第8章_回归-预测数值型数据【2.案例:简单数据集上进行线性回归】(2017-09-19 @小瑶)- v2.0.0.mp4 ApacheCN_机器学习实战_第9章_树回归【2.树剪枝,预剪枝和后剪枝】(2017-09-21 @小瑶)- v2.0.0.mp4 ApacheCN_机器学习实战_第6章_支持向量机SVM【1.理论】(2017-09-22 @片刻)- v2.0.0.mp4 ApacheCN_机器学习实战_第14章_利用SVD简化数据【4.案例:基于SVD的图像压缩】(2017-09-08 @片刻)- v2.0.0.mp4 ApacheCN_机器学习实战_第4章_朴素贝叶斯【3.案例:使用朴素贝叶斯过滤垃圾邮件】(2017-09-01 @小瑶)- v2.0.0.mp4 ApacheCN_机器学习实战_第2章_k-近邻算法【2.项目:优化约会网站的配对效果】(2017-08-16 @小瑶)- v2.0.0.mp4 ApacheCN_机器学习实战_第5章_Logistic回归【2.案例:使用 Logistic 回归在简单数据集上的分类】(2017-09-14 @小瑶)- v2.0.0.mp4 ApacheCN_机器学习实战_第6章_支持向量机SVM【3.案例:(核函数)手写数字识别的优化】(2017-09-22 @片刻)- v2.0.0.mp4 ApacheCN_机器学习实战_第13章_利用PCA来简化数据【2.案例:对半导体数据进行降维处理】(2017-08-29 @片刻)- v2.0.0.mp4 ApacheCN_机器学习实战_第12章_使用 FP-growth 算法来高效发现频繁项集【1.理论】(2017-09-25 @chengwei)- v2.0.0.mp4 ApacheCN_机器学习实战_第4章_朴素贝叶斯【1.理论】(2017-08-31 @小瑶)- v2.0.0.mp4 ApacheCN_机器学习实战_第10章_K-Means(K-均值)聚类算法【1.理论】(2017-09-08 @那伊抹微笑)- v2.0.0.mp4 ApacheCN_机器学习实战_第8章_回归-预测数值型数据【1.理论】(2017-09-19 @小瑶)- v2.0.0.mp4 ApacheCN_机器学习实战_第14章_利用SVD简化数据【2.理论:推荐系统】(2017-09-08 @片刻)- v2.0.0.mp4 ApacheCN_机器学习实战_第13章_利用PCA来简化数据【1.理论】(2017-08-29 @片刻)- v2.0.0.mp4 ApacheCN_机器学习实战_第2章_k-近邻算法【1.理论】(2017-08-16 @小瑶)- v2.0.0.mp4 ApacheCN_机器学习实战_第9章_树回归【3.模型树,理论+项目案例,在分段数据上构造模型树】(2017-09-21 @小瑶)- v2.0.0.mp4 ApacheCN_机器学习实战_第15章_大数据与MapReduce【1.理论】(2017-09-15 @片刻)- v2.0.0.mp4 ApacheCN_机器学习实战_第7章_集成方法-随机森林和AdaBoost【1.理论:集成方法】(2017-08-22 @片刻)- v2.0.0.mp4 ApacheCN_机器学习实战_第14章_利用SVD简化数据【1.理论:SVD】(2017-09-08 @片刻)- v2.0.0.mp4 ApacheCN_机器学习实战_第4章_朴素贝叶斯【2.案例:屏蔽社区留言板的侮辱性言论】(2017-09-01 @小瑶)- v2.0.0.mp4
527
人工智能
01-29 03:02
人工智能
机器学习进阶课程 深度学习视频教程 大神带你实战机器学习进阶课程 深度学习视频
机器学习进阶课程 深度学习视频教程 大神带你实战机器学习进阶课程 深度学习视频 ==========课程目录========== │ ├<第10课 更多框架> │ │ ├5月班第10课_framework.pdf │ │ └第10课 更多框架.avi │ ├<第1课 机器学习中数学基础> │ │ ├第1课 机器学习中数学基础.avi │ │ └五月班第一次课件:机器学习中数学基础 (1).pdf │ ├<第2课 高效计算基础与图像线性分类器> │ │ ├5月班第2课课件:高效计算基础与图像线性分类器.pdf │ │ ├image linear classification.zip │ │ ├numpy_operations.ipynb │ │ └第2课 高效计算基础与图像线性分类器.avi │ ├<第3课 梯度下降法与反向传播> │ │ ├5月班第3课课件:梯度下降法与反向传播 (1).pdf │ │ └第3课 梯度下降法与反向传播.avi │ ├<第4课 CNN与常用框架> │ │ ├5月深度学习班第4课--CNN,典型网络结构与常用框架.pdf │ │ └第4课 CNN与常用框架.avi │ ├<第5课 CNN训练注意事项与框架使用> │ │ ├5月班第5次课 - caffe TensorFlow使用与CNN训练注意事项.pdf │ │ └第5课 CNN训练注意事项与框架使用.avi │ ├<第6课 CNN推展案例> │ │ ├5月班第6次课 - CNN扩展 图像识别与定位 物体检测 NeuralStyle.pdf │ │ └第6课 CNN推展案例.avi │ ├<第7课 RNN介绍> │ │ ├5月班第7课课件_rnn_intrduction.pdf │ │ └第7课 RNN介绍.avi │ ├<第8课 RNN应用> │ │ ├5月班第8课_rnn_appliacation.pdf │ │ └第8课 RNN应用.avi │ ├<第9课 更多的网络类型> │ │ ├5月班第9次课课件_more_about_nn.pdf │ │ └第9课 更多的网络类型.avi
547
人工智能
01-29 02:56
人工智能
零基础实战机器学习(Python语言、算法、Numpy库、MatplotLib)
零基础实战机器学习(Python语言、算法、Numpy库、MatplotLib) 课程目录: 第一讲:机器学习的任务和方法 第二讲:Python语言基础 第三讲:Python语言基础2 第四讲:分类算法介绍 第五讲:k-临近算法 第六讲:决策树 第七讲:基于概率论的分类方法:朴素贝叶斯 第八讲:Logistic回归 第九讲:支持向量机 第十讲:利用AdaBoost元算法提高分类性能 第十一讲:利用回归预测数值型数据 第十二讲:树回归 第十三讲:无监督学习 第十四讲:利用K-均值聚类算法对未标注数据分组 第十五讲:使用Apriori算法进行关联分析 第十六讲:使用FP-growth算法来高效发现频分项集 第十七讲:利用PCA来简化数据 第十八讲:利用SVD简化数据 第十九讲:大数据与MapReduce 第二十讲:学习总结
671
人工智能
01-29 02:52
人工智能
深度学习实战项目-利用RNN与LSTM网络原理进行唐诗生成视频课程
深度学习实战项目-利用RNN与LSTM网络原理进行唐诗生成视频课程 课程目标: 掌握RNN与LSTM网络原理,熟练使用Tensorflow进行建模工作。 适用人群: 机器学习,深度学习,人工智能方向爱好者 课程简介: 课程首先讲解RNN与LSTM网络结构特点以及实例演示如何使用Tensorflow构造网络模型,基于唐诗数据集建立LSTM模型进行序列预测。代码示例演示如何使用Tensorflow从零开始训练唐诗生成网络模型。
472
人工智能
01-29 02:49
人工智能
NLP实践 TensorFlow打造聊天机器人 完整版
NLP实践 TensorFlow打造聊天机器人 完整版 第1章 课程导学 对课程章节、知识点、课程安排、适用人群、前提条件以及学习完成后达到的程度进行了介绍,让同学们对本课程有基本的认识。 1-1 课程导学 第2章 基础知识 介绍tensorflow的基础知识和原理,介绍tensorflow的基本训练方法和训练的注意点,介绍什么是Android系统及Android系统的四大基本组件,以及如何开发Android APP,开发工具用什么,环境如何搭建。 2-1 什么是TensorFlow 2-2 张量、图、会话 2-3 TensorFlow原理及模型训练 2-4 Android操作系统 2-5 Java安装 2-6 Java环境搭建 2-7 Android安装及运行 2-8 第一个Android程序 第3章 循环神经网络(RNN与LSTM) 本章主要讲解了循环神经网络的相关知识,并介绍了循环神经网络的衍生网络LSTM,并对sequence to sequence和神经网络训练过程中的梯度爆炸和梯度消失相关内容介绍了解决方法。 3-1 常用模型 3-2 BP神经网络 3-3 循环神经网络(1) 3-4 循环神经网络(2) 3-5 循环神经网络(双向RNN) 3-6 循环神经网络(梯度爆炸和梯度消失1) 3-7 循环神经网络(梯度爆炸和梯度消失2) 3-8 长短期记忆网络(LSTM) 第4章 NLP基础 介绍什么是RNN和LSTM,并介绍他们在NLP处理中如何去使用,介绍什么是NLP语言模型,以及常用的工作方式,介绍什么是word2vec,并进行详细解释; 4-1 NLP基础 4-2 分词技术 4-3 词性标注 4-4 命名实体识别 4-5 贝叶斯与朴素贝叶斯(1) 4-6 贝叶斯与朴素贝叶斯(2) 4-7 隐马尔科夫模型 4-8 隐马尔科夫模型实现命名实体识别 4-9 朴素贝叶斯例子(1) 4-10 朴素贝叶斯例子(2) 4-11 朴素贝叶斯例子(3) 第5章 文本处理方法 介绍如何建立语料库,以及可以通过什么方式去收集语料库,并介绍常用的语料库,以及介绍如何进行语料的处理和其处理思路等 5-1 语料的获取与处理 5-2 NLP中的语言模型 5-3 NLP中的语言模型 一元模型和二元模型 5-4 NLP中的语言模型 N元模型 5-5 词向量与Word2vec 5-6 文本处理方法 第6章 实战之聊天语料处理 结合上章节讲解的内容,本章主要针对我们在聊天机器人训练部分所使用的聊天语料进行处理,处理方法包括但不限于数据清洗、切词、训练语句划分、句子向量等 6-1 数据处理-环境搭建 6-2 聊天机器人语料处理流程介绍 6-3 数据处理-句子的构造和判断 6-4 数据处理-正则表达式 6-5 数据处理-句子编码化处理(字典定义及转换) 6-6 数据处理-句子编码化处理(训练字典) 6-7 数据处理-句子编码化处理(句子和向量之间的转换) 6-8 数据处理-训练语料库的解压处理 6-9 数据处理-训练语料问答对的处理(1) 6-10 数据处理-训练语料问答对的处理(2) 6-11 数据处理-数据模型打包处理 6-12 语料处理实战小结 第7章 聊天机器人原理 介绍什么是聊天机器人,以及聊天机器人的基本原理,并介绍如何将我们拿到的基础语料处理成我们想要的形式,最后整体阐述聊天机器人的架构设计及详细设计。 7-1 Seq2Seq模型 7-2 Seq2Seq模型(注意力机制) 7-3 聊天机器人模型(1) 7-4 聊天机器人模型(2) 第8章 聊天机器人训练-TensorFlow的模型前期处理 本章介绍了TensorFlow关于模型的处理部分的内容,其中包括GPU和CPU的选择,batch的操作等,这些方法是模型训练的基础,在模型训练过程中起着关键的作用。 8-1 线程处理(1) 8-2 线程处理(2) 8-3 TensorFlow环境搭建 8-4 TensorFlow相关信息操作 8-5 数据操作 转换长度 8-6 batch_flow(1) 8-7 batch_flow(2) 8-8 batch_flow(3) 8-9 batch_flow_bucket(1) 8-10 batch_flow_bucket(2) 8-11 batch_flow_bucket(3) 8-12 batch_flow_bucket(4)生成虚假数据 8-13 batch_flow_bucket(5)测试 第9章 聊天机器人训练-seq2seq的模型编写 本章使用TensorFlow来进行seq2seq模型训练,从头开始构建了一个seq2seq模型,并将这个模型在训练中进行使用。 9-1 基本流程介绍 9-2 基本参数保存,参数验证(1) 9-3 基本参数保存,参数验证(2) 9-4 基本参数保存,参数验证(3) 9-5 基本参数保存,参数验证(4) 9-6 构建模型(1) 9-7 构建模型(2) 9-8 构建一个单独的RNN cell 9-9 构建单独的编码器cell(1) 9-10 构建单独的编码器cell(2) 9-11 构建单独的编码器cell(3) 9-12 构建解码器(1) 9-13 构建解码器(2) 9-14 构建解码器(3) 9-15 构建解码器(4) 9-16 构建解码器(5) 9-17 构建解码器(6) 9-18 构建解码器(7) 9-19 构建解码器(8) 9-20 构建优化器(1) 9-21 构建优化器(2) 9-22 构建优化器(3) 9-23 输入检查 9-24 训练模型 9-25 预测模型 第10章 聊天机器人模型的训练和验证 本章讲解如何使用tensorflow来训练聊天机器人,并将训练好的聊天机器人进行验证 ,验证后打包成webservice接口进行发布,从而使前端可以进行调用。 10-1 第一种模型训练(1) 10-2 第一种模型训练(2) 10-3 第一种模型训练(3) 10-4 第一种模型训练(4) 10-5 第一种模型训练(5) 10-6 第二种模型训练(1) 10-7 第二种模型训练(2) 10-8 第二种模型训练(3) 10-9 利用flask发布成Webservice接口 第11章 Android的打包与发布 介绍开发好的Android应用程序如何进行打包部署,以及在是打包部署过程中的注意事项,并带领大家将聊天机器人应用进行发布。 11-1 新建项目 11-2 代码结构讲解 11-3 私有变量的定义 11-4 参数初始化 11-5 听写UI监听器 11-6 合成回调监听器 11-7 听写监听器 11-8 语音合成参数设置 11-9 完善项目 11-10 打包发布
489
«
1
2
3
4
5
6
7
8
9
»