人工智能

01-27 03:58

Ai人工智能领域的最佳实践-打造智能机器人高级项目课程融合机器+深度+自然语言处理等

Ai人工智能领域的最佳实践-打造智能机器人高级项目课程融合机器+深度+自然语言处理等 ===============课程目录=============== │ 1-1 AI机器人入门篇.mp4 │ ├2-1 什么是TensorFlow.mp4 │ ├2-2 张量、图、会话.mp4 │ ├2-3 TensorFlow原理及模型训练.mp4 │ ├2-4 Android操作系统.mp4 │ ├2-5 Java安装.mp4 │ ├2-6 Java环境搭建.mp4 │ ├2-7 Android安装及运行.mp4 │ └2-8 第一个Android程序.mp4 │ ├3-1 常用模型.mp4 │ ├3-2 BP神经网络.mp4 │ ├3-3 循环神经网络（1）.mp4 │ ├3-4 循环神经网络（2）.mp4 │ ├3-5 循环神经网络（双向RNN）.mp4 │ ├3-6 循环神经网络（梯度爆炸和梯度消失1）.mp4 │ ├3-7 循环神经网络（梯度爆炸和梯度消失2）.mp4 │ └3-8 长短期记忆网络（LSTM）.mp4 │ ├4-1 NLP基础.mp4 │ ├4-10 朴素贝叶斯例子（2）.mp4 │ ├4-11 朴素贝叶斯例子（3）.mp4 │ ├4-2 分词技术.mp4 │ ├4-3 词性标注.mp4 │ ├4-4 命名实体识别.mp4 │ ├4-5 贝叶斯与朴素贝叶斯（1）.mp4 │ ├4-6 贝叶斯与朴素贝叶斯（2）.mp4 │ ├4-7 隐马尔科夫模型.mp4 │ ├4-8 隐马尔科夫模型实现命名实体识别.mp4 │ └4-9 朴素贝叶斯例子（1）.mp4 │ ├5-1 语料的获取与处理.mp4 │ ├5-2 NLP中的语言模型.mp4 │ ├5-3 NLP中的语言模型一元模型和二元模型.mp4 │ ├5-4 NLP中的语言模型 N元模型.mp4 │ ├5-5 词向量与Word2vec.mp4 │ └5-6 文本处理方法.mp4 │ ├6-1 数据处理-环境搭建.mp4 │ ├6-10 数据处理-训练语料问答对的处理（2）.mp4 │ ├6-11 数据处理-数据模型打包处理.mp4 │ ├6-12 语料处理实战小结.mp4 │ ├6-2 聊天机器人语料处理流程介绍.mp4 │ ├6-3 数据处理-句子的构造和判断.mp4 │ ├6-4 数据处理-正则表达式.mp4 │ ├6-5 数据处理-句子编码化处理（字典定义及转换）.mp4 │ ├6-6 数据处理-句子编码化处理（训练字典）.mp4 │ ├6-7 数据处理-句子编码化处理（句子和向量之间的转换）.mp4 │ ├6-8 数据处理-训练语料库的解压处理.mp4 │ └6-9 数据处理-训练语料问答对的处理（1）.mp4 │ ├7-1 Seq2Seq模型.mp4 │ ├7-2 Seq2Seq模型(注意力机制).mp4 │ ├7-3 聊天机器人模型（1）.mp4 │ └7-4 聊天机器人模型（2）.mp4 │ ├8-1 线程处理（1）.mp4 │ ├8-10 batch_flow_bucket（2）.mp4 │ ├8-11 batch_flow_bucket（3.mp4 │ ├8-12 batch_flow_bucket（4）生成虚假数据.mp4 │ ├8-13 batch_flow_bucket（5）测试.mp4 │ ├8-2 线程处理（2）.mp4 │ ├8-3 TensorFlow环境搭建.mp4 │ ├8-4 TensorFlow相关信息操作.mp4 │ ├8-5 数据操作转换长度.mp4 │ ├8-6 batch_flow（1）.mp4 │ ├8-7 batch_flow（2）.mp4 │ ├8-8 batch_flow（3）.mp4 │ └8-9 batch_flow_bucket（1）.mp4 │ ├9-1 基本流程介绍.mp4 │ ├9-10 构建单独的编码器cell（2）.mp4 │ ├9-11 构建单独的编码器cell（3）.mp4 │ ├9-12 构建解码器（1）.mp4 │ ├9-13 构建解码器（2）.mp4 │ ├9-14 构建解码器（3）.mp4 │ ├9-15 构建解码器（4）.mp4 │ ├9-16 构建解码器（5）.mp4 │ ├9-17 构建解码器（6）.mp4 │ ├9-18 构建解码器（7）.mp4 │ ├9-19 构建解码器（8）.mp4 │ ├9-2 基本参数保存，参数验证（1）.mp4 │ ├9-20 构建优化器（1）.mp4 │ ├9-21 构建优化器（2）.mp4 │ ├9-22 构建优化器（3）.mp4 │ ├9-23 输入检查.mp4 │ ├9-24 训练模型.mp4 │ ├9-25 预测模型.mp4 │ ├9-3 基本参数保存，参数验证（2）.mp4 │ ├9-4 基本参数保存，参数验证（3）.mp4 │ ├9-5 基本参数保存，参数验证（4）.mp4 │ ├9-6 构建模型（1）.mp4 │ ├9-7 构建模型（2）.mp4 │ ├9-8 构建一个单独的RNN cell.mp4 │ └9-9 构建单独的编码器cell（1）.mp4 │ ├10-1 第一种模型训练（1）.mp4 │ ├10-2 第一种模型训练（2）.mp4 │ ├10-3 第一种模型训练（3）.mp4 │ ├10-4 第一种模型训练（4）.mp4 │ ├10-5 第一种模型训练（5）.mp4 │ ├10-6 第二种模型训练（1）.mp4 │ ├10-7 第二种模型训练（2）.mp4 │ ├10-8 第二种模型训练（3）.mp4 │ └10-9 利用flask发布成Webservice接口.mp4 │ ├11-1 新建项目.mp4 │ ├11-10 打包发布.mp4 │ ├11-2 代码结构讲解.mp4 │ ├11-3 私有变量的定义.mp4 │ ├11-4 参数初始化.mp4 │ ├11-5 听写UI监听器.mp4 │ ├11-6 合成回调监听器.mp4 │ ├11-7 听写监听器.mp4 │ ├11-8 语音合成参数设置.mp4 │ └11-9 完善项目.mp4 ├<资料> │ ├coding-267-master.zip │ ├<chapter07.chat_robot> │ │ ├chatbot.pkl │ │ ├data_utils.py │ │ ├dgk_shooter_min.conv │ │ ├extract_conv.py │ │ ├fake_data.py │ │ ├params.json │ │ ├seq_to_seq.py │ │ ├test.py │ │ ├thread_generator.py │ │ ├train.py │ │ ├word_sequence.py │ │ └wx.pkl

737

08-04 12:13

机器学习西瓜书训练营视频教程完结 it视频教程

机器学习西瓜书训练营视频教程完结 it视频教程集数合计：44讲部分目录 ├─19 第六周：深度学习初探 ├─20 第六周：了解sklearn包中神经网络的使用 ├─21 第六周：学习任务简单总结 ├─22 第七周：经验误差与过拟合 ├─23 第七周：评估方法 ├─24 第七周：性能度量 ├─25 第七周：了解sklearn包中模型评估方 ├─26 第七周：学习任务简单总结 ├─27 第八周：特征降维 ├─28 第八周：特征选择 137zw.com ├─29 第八周：了解sklearn包中特征选择和降维算法的使用 ├─30 第八周：学习任务简单总结 ├─31 第九周：集成学习 ├─33 第九周：结合策略 ├─34 第九周：实验-lightGBM的使用 ├─35 第九周：学习任务简单总结 ├─36 第十周：聚类 ├─37 第十周：HMM ├─38 第十周：实验-sklearn-user guide 2.3.2 ├─40 第十周：学习任务简单总结+问题收集日 ├─41 第十一周：任务与奖赏 ├─42 第十一周：K-摇臂赌博机+直播答疑日 ├─43 第十一周：有无模型学习 └─44 第十一周：学习任务简单总结

734

01-28 08:24

北风网 – AI人工智能开发工程师【完整版】

北风网 – AI人工智能开发工程师【完整版】

729

08-24 02:40

人工智能全新干货半监督学习+规则学习+增强学习+稀疏学习+降维与度量学习+集成学习

课程的标题有点过度罗列，但是这次的人工智能Ai课程的确是新增了非常多已经运用于一线的实战技术。课程以人工智能机器学习为主线，在传统机器学习的基础上，为同学们扩展了集成学习、降维与度量学习、XGBOOST算法、特征选择与稀疏学习、计算学习理论、半监督学习、规则学习、增强学习等等全新的干货课程。这些技术内容都是已经在机器学习上经过不断演化而来，都是未来AI发展领域同学们不可错过的实战技术。 ===============课程目录=============== 统计章节目录基础部分：人工智能python基础基础部分：人工智能数学基础第1部分：开始之前第2部分：线性代数第3部分：概率论第4部分：机器学习上 1 简介 2 模型评估与选择 3 线性模型 4 决策树 5 神经网络 6 支持向量机 7 贝叶斯分类器 8 集成学习 9 聚类分析 10 降维与度量学习 11 XGBOOST 12 特征选择与稀疏学习 13 计算学习理论 14 半监督学习 15 概率图模型 16 规则学习 17 增强学习详细课程目录 (1)\西瓜书视频上半部分 (2)\西瓜书视频下半部分 (3)\西瓜书视频上半部分\基础部分：人工智能python基础 (4)\西瓜书视频上半部分\基础部分：人工智能数学基础 (5)\西瓜书视频上半部分\第1部分：开始之前 ├─(1) 1、开始之前.mp4 ├─(2) __0__ 开始之前.pptx (6)\西瓜书视频上半部分\第2部分：线性代数 ├─(3) __1__ 线性代数1.pptx ├─(4) __2__ 线性代数2_线性相关和子空间.pptx ├─(5) __3__ 线性代数3_范数.pptx ├─(6) __4.1__ 线性代数4_特殊矩阵.pptx ├─(7) __5__ 矩阵分解.pdf ├─(8) 第三讲：线性代数（二）.mp4 ├─(9) 第二讲：线性代数（一）.mp4 ├─(10) 第五讲：线性代数（四）.mp4 ├─(11) 第六讲：线性代数（五）.mp4 ├─(12) 第四讲：线性代数（三）.mp4 (7)\西瓜书视频上半部分\第3部分：概率论；目录中文件数:7个 ├─(13) __6__ 概率论.pdf ├─(14) __7__ 概率论.pdf ├─(15) __8__ 概率论.pdf ├─(16) 课程回放 – 第七讲：概率论（一）.mp4 ├─(17) 课程回放 – 第九讲：概率论（三）.mp4 ├─(18) 课程回放 – 第八讲：概率论（二）.mp4 ├─(19) 课程回放 – 第十讲：概率论（四）.mp4 (8)\西瓜书视频上半部分\第4部分：机器学习上；目录中文件数:0个 (9)\西瓜书视频下半部分\第4部分：机器学习；目录中文件数:0个 (10)\西瓜书视频上半部分\基础部分：人工智能python基础\第1部分；目录中文件数:3个 ├─(20) 1.1 为什么使用Python.mp4 ├─(21) 1.2 Python环境配置（Anaconda）.mp4 ├─(22) 机器学习与Python-第一章.zip (11)\西瓜书视频上半部分\基础部分：人工智能python基础\第2部分；目录中文件数:0个 (12)\西瓜书视频上半部分\基础部分：人工智能python基础\第3部分；目录中文件数:9个 ├─(23) 3.1 Python数据分析工具简介（Numpy，Scipy，Matplotlib，Pandas，Scikit-Learn）.mp4 ├─(24) 3.2 数据挖掘建模过程（定义挖掘目标，数据取样，数据探索，数据预处理，挖掘建模，模型评价）.mp4 ├─(25) 3.3 Python主要数据探索函数（基本统计特征函数，扩展统计特征函数，统计作图函数）.mp4 ├─(26) 3.4 Python主要数据预处理函数.mp4 ├─(27) 3.5 Python挖掘建模（Python分类预测模型，Python主要聚类分析算法，Python主要时序模型算法）.mp4 ├─(28) 3.6 MNIST手写体数字图片识别.mp4 ├─(29) 4-mnist.zip ├─(30) 机器学习与Python_第三章_1.zip ├─(31) 机器学习与Python_第三章_2.zip (13)\西瓜书视频上半部分\基础部分：人工智能数学基础\1、线代 ├─(32) 10.向量组的线性相关性2.ppt ├─(33) 11.向量组的线性相关性3.ppt ├─(34) 12.向量组的线性相关性4.ppt ├─(35) 13.相似矩阵及二次型.ppt ├─(36) 14. 范数.ppt ├─(37) 15.矩阵分解.pptx ├─(38) 16.主成分分析.ppt ├─(39) 1行列式1.ppt ├─(40) 2行列式2.pdf ├─(41) 2行列式2.ppt ├─(42) 3.矩阵及其运算1.ppt ├─(43) 4.矩阵及其运算2.ppt ├─(44) 5.矩阵的初等变换.ppt ├─(45) 6.矩阵的秩.ppt ├─(46) 7.线性方程组的解.ppt ├─(47) 8.习题课.ppt ├─(48) 9.向量组的线性相关性1.ppt ├─(49) 第10讲：一小时答疑.mp4 ├─(50) 第11讲：向量组的线性相关性（一）.mp4 ├─(51) 第12讲：向量组的线性相关性（二）.mp4 ├─(52) 第13讲：线性方程组的解的结构，向量空间.mp4 ├─(53) 第14讲：习题课.mp4 ├─(54) 第15讲：一小时答疑（Day3）.mp4 ├─(55) 第16讲：相似矩阵及二次型（一）.mp4 ├─(56) 第17讲：相似矩阵及二次型（二）.mp4 ├─(57) 第18讲：范数.mp4 ├─(58) 第19讲：矩阵分解.mp4 ├─(59) 第1讲：行列式（一）.mp4 ├─(60) 第20讲：主成分分析.mp4 ├─(61) 第21讲：一小时答疑（Day4）.mp4 ├─(62) 第2讲：行列式（二）.mp4 ├─(63) 第3讲：矩阵及其运算（一）.mp4 ├─(64) 第4讲：矩阵及其运算（二）.mp4 ├─(65) 第5讲：一小时答疑.mp4 ├─(66) 第6讲：矩阵的初等变换.mp4 ├─(67) 第7讲：矩阵的秩.mp4 ├─(68) 第8讲：线性方程组的解.mp4 ├─(69) 第9讲：习题课.mp4 (14)\西瓜书视频上半部分\基础部分：人工智能数学基础\2、概率论 ├─(70) 10、一小时答疑（Day6）.mp4 ├─(71) 11、随机向量（一）.mp4 ├─(72) 12、随机向量（二）.mp4 ├─(73) 13、随机变量的数字特征（一）.mp4 ├─(74) 14、随机变量的数字特征（二）.mp4 ├─(75) 15、一小时答疑（Day7）.mp4 ├─(76) 16、随机变量的数字特征（三）.mp4 ├─(77) 17、随机变量的数字特征（四）.mp4 ├─(78) 18、随机变量的数字特征（五）.mp4 ├─(79) 19、极限定理（一）.mp4 ├─(80) 1、概率论与数理统计（一）.mp4 ├─(81) 20、极限定理（二）.mp4 ├─(82) 21、一小时答疑（Day8）.mp4 ├─(83) 2、概率论与数理统计（二）.mp4 ├─(84) 3.随机向量-概率论与数理统计课件.ppt ├─(85) 3、概率论与数理统计（三）.mp4 ├─(86) 4.随机变量的数字特征-概率论与数理统计课件.ppt ├─(87) 4、习题课.mp4 ├─(88) 5.极限定理-概率论与数理统计课件.ppt ├─(89) 5、一小时答疑.mp4 ├─(90) 6、随机变量（一）.mp4 ├─(91) 7、随机变量（二）.mp4 ├─(92) 8、随机变量（三）.mp4 ├─(93) 9、习题课.mp4 ├─(94) 概率论1.ppt ├─(95) 概率论2.ppt ├─(96) 概率论3.ppt ├─(97) 概率论4.ppt ├─(98) 概率论5.ppt ├─(99) 概率论6.ppt ├─(100) 概率论7.ppt ├─(101) 概率论8.ppt (15)\西瓜书视频上半部分\第4部分：机器学习上\1 简介 ├─(102) 机器学习1.1.pdf ├─(103) 机器学习术语表.pdf ├─(104) 深度学习1.2.pdf ├─(105) 第1讲：引言、基本术语、假设空间.mp4 ├─(106) 第2讲：归纳偏好、发展历程、应用现状.mp4 (16)\西瓜书视频上半部分\第4部分：机器学习上\3 线性模型 ├─(107) 课程回放 – 第10讲：线性判别分析.mp4 ├─(108) 课程回放 – 第11讲：多分类学习，类别不平衡问题.mp4 ├─(109) 课程回放 – 第6讲：基本形式，线性回归.mp4 ├─(110) 课程回放 – 第7讲：对数几率回归（一）.mp4 ├─(111) 课程回放 – 第8讲：对数几率回归（二）.mp4 ├─(112) 课程回放 – 第9讲：一小时答疑.mp4 (17)\西瓜书视频上半部分\第4部分：机器学习上\5 神经网络 ├─(113) 1、神经元模型(1).zip ├─(114) 2、误差逆向传播.zip ├─(115) 3、CNN.zip ├─(116) 4、初识TensorFlow.zip ├─(117) 5.1 神经元模型.mp4 ├─(118) 5.10 一小时答疑.mp4 ├─(119) 5.2 感知机与多层网络.mp4 ├─(120) 5.3 误差逆传播算法.mp4 ├─(121) 5.4 一小时答疑.mp4 ├─(122) 5.5 其他常见神经网络（一）Boltzmann机、深度置信神经网络DBN.mp4 ├─(123) 5.6 卷积神经网络CNN.mp4 ├─(124) 5.7 一小时答疑.mp4 ├─(125) 5.8 初识TensorFlow（一）.mp4 ├─(126) 5.9 初识TensorFlow（二）.mp4 (18)\西瓜书视频上半部分\第4部分：机器学习上\7 贝叶斯分类器 ├─(127) 7.1 贝叶斯分类器—初识贝叶斯分类器.mp4 ├─(128) 7.10 一小时答疑.mp4 ├─(129) 7.2 贝叶斯分类器—最大似然估计和贝叶斯参数估计.mp4 ├─(130) 7.3 一小时答疑.mp4 ├─(131) 7.4 贝叶斯分类器—最大似然估计和贝叶斯参数估计（补充）.mp4 ├─(132) 7.5 朴素贝叶斯分类器，半朴素贝叶斯分类器.mp4 ├─(133) 7.6 贝叶斯网（结构，学习，推断）.mp4 ├─(134) 7.7 一小时答疑.mp4 ├─(135) 7.8 贝叶斯分类器 – EM算法.mp4 ├─(136) 7.9 贝叶斯分类器 – EM实战.mp4 ├─(137) ml_14_0825.zip ├─(138) ml_15_0901.zip ├─(139) ml_16_0908.zip (19)\西瓜书视频上半部分\第4部分：机器学习上\9 聚类分析 ├─(140) 9.1 聚类任务.mp4 ├─(141) 9.2 聚类任务、性能度量、距离计算 – 实战.mp4 ├─(142) 9.3 一小时答疑.mp4 ├─(143) 9.4 原型聚类（k均值算法、学习向量量化、高斯混合聚类）（一）.mp4 ├─(144) 9.5 原型聚类（k均值算法、学习向量量化、高斯混合聚类）（二）.mp4 ├─(145) 9.6 原型聚类（k均值算法、学习向量量化、高斯混合聚类） – 实战.mp4 ├─(146) 9.7 密度聚类.mp4 ├─(147) 9.8 层次聚类.mp4 ├─(148) ml_20_1005_clustering.ipynb ├─(149) ml_20_1005_聚类_聚类任务_性能度量_距离计算.ppt ├─(150) ml_21_1013_kmeans.ipynb ├─(151) ml_21_1013_聚类_原型聚类.ppt ├─(152) ml_22_1020_密度聚类_层次聚类.ppt (20)\西瓜书视频下半部分\第4部分：机器学习\10 降维与度量学习 ├─(153) 10.1 k近邻算法.mp4 ├─(154) 10.2 K-D Tree.mp4 ├─(155) 10.3 MDS.mp4 ├─(156) 10.4 PCA.mp4 ├─(157) 10.5 流形学习（一）.mp4 ├─(158) 10.6 流形学习（二）.mp4 ├─(159) 10.7 度量学习（一） .mp4 ├─(160) 10.8 度量学习（二）.mp4 ├─(161) ml_23_1027_K近邻算法.ppt ├─(162) ml_24_1103_MDS.pptx ├─(163) ml_24_1103_PCA.zip ├─(164) ml_26_1117_降维-度量学习.ppt ├─(165) 流形学习.ppt (21)\西瓜书视频下半部分\第4部分：机器学习\11 XGBOOST ├─(166) 11.1 XGBoost（一）.mp4 ├─(167) 11.2 XGBoost（二）.mp4 ├─(168) 11.3 XGBoost（三）.mp4 ├─(169) ml_27_1124_XGBoost.pptx (22)\西瓜书视频下半部分\第4部分：机器学习\12 特征选择与稀疏学习 ├─(170) 12.1 特征选择与稀疏学习（一）.mp4 ├─(171) 12.2 特征选择与稀疏学习（二）.mp4 ├─(172) ml_28_1201_特征选择与稀疏学习.pptx (23)\西瓜书视频下半部分\第4部分：机器学习\13 计算学习理论 ├─(173) 1. 计算学习理论.ppt ├─(174) 13.1 计算学习理论（一）.mp4 ├─(175) 13.2 计算学习理论（二）.mp4 (24)\西瓜书视频下半部分\第4部分：机器学习\14 半监督学习 ├─(176) 1.半监督学习.pptx ├─(177) 14.1 半监督学习（一）.mp4 ├─(178) 14.10 半监督学习（十）半监督聚类.mp4 ├─(179) 14.2 半监督学习（二）.mp4 ├─(180) 14.3 半监督学习（三）未标记样本.mp4 ├─(181) 14.4 半监督学习（四）生成式方法.mp4 ├─(182) 14.5 半监督学习（五）实战.mp4 ├─(183) 14.6 半监督学习（六）半监督SVM.mp4 ├─(184) 14.7 半监督学习（七）图半监督学习.mp4 ├─(185) 14.8 半监督（八）实战.mp4 ├─(186) 14.9 半监督学习（九）基于分歧的方法.mp4 ├─(187) 2.半监督学习(1).pptx ├─(188) 2.半监督学习.pptx ├─(189) 3.半监督学习(1).pptx ├─(190) 3.半监督学习.pptx ├─(191) e3 Label Propagation digits Demonstrating performance.rar ├─(192) semi.rar ├─(193) 半监督学习1_2.zip (25)\西瓜书视频下半部分\第4部分：机器学习\15 概率图模型 ├─(194) 1.概率图模型.pdf ├─(195) 15.1 HMM.rar ├─(196) 15.1 隐马尔科夫模型.mp4 ├─(197) 15.2 概率图模型-马尔克夫随机场.mp4 ├─(198) 15.3 精确推断.mp4 ├─(199) 15.4 近似推断.mp4 ├─(200) 15.5 概率计算问题直接计算算法前向算法.mp4 ├─(201) 15.6 概率计算问题前向算法.mp4 ├─(202) 15.7 概率计算问题后向算法.mp4 ├─(203) 15.8 概率计算问题学习算法.mp4 ├─(204) 15.8.学习问题预测问题.pdf ├─(205) 15.9 HMM.rar ├─(206) 15.9 概率计算问题预测问题 .mp4 ├─(207) 2.概率图模型.pdf ├─(208) 3.概率计算问题.pdf (26)\西瓜书视频下半部分\第4部分：机器学习\16 规则学习 ├─(209) 16.1 基本概念贯序覆盖.mp4 ├─(210) 16.1.规则学习.pptx ├─(211) 16.2 剪枝优化.mp4 ├─(212) 16.3 决策树.mp4 ├─(213) 16.3.决策树分类.ppt ├─(214) 16.4 一阶规则学习.mp4 ├─(215) 16.4.规则学习.pptx ├─(216) 16.5 归纳逻辑程序设计（最小一般泛化，逆归结）.mp4 ├─(217) 16.6 归纳逻辑程序设计（最小一般泛化，逆归结）.mp4 ├─(218) 2.规则学习-剪枝优化.flv (27)\西瓜书视频下半部分\第4部分：机器学习\17 增强学习 ├─(219) 17.1 强化学习 .ppt ├─(220) 17.1 强化学习引言、发展史.mp4 ├─(221) 17.2 强化学习 .ppt ├─(222) 17.2 强化学习简介.mp4 ├─(223) 17.3 强化学习 (1).ppt ├─(224) 17.3 强化学习方法.mp4 ├─(225) 17.4 强化学习算法分类 TD算法.mp4 ├─(226) 17.4.强化学习.ppt ├─(227) 17.5 Qlearning.mp4 ├─(228) 17.5 Q_learning.ipynb (28)\西瓜书视频下半部分\第4部分：机器学习\2 模型评估与选择 ├─(229) 第六讲：性能度量.mp4 ├─(230) 课程回放 – 第三讲：经验误差与过拟合.mp4 ├─(231) 课程回放 – 第五讲：性能度量（错误率与精度，查准率，查全率与F1，ROC与AUC，代价敏感错误率与代价曲线）.mp4 ├─(232) 课程回放 – 第四讲：评估方法（留出法，交叉验证法，自助法，调参与最终模型）.mp4 (29)\西瓜书视频下半部分\第4部分：机器学习\4 决策树 ├─(233) 第13讲.zip ├─(234) 第15讲.zip ├─(235) 课程回放 – 第一十三讲：划分选择（信息增益，增益率，基尼指数）.mp4 ├─(236) 课程回放 – 第一十二讲：基本流程.mp4 ├─(237) 课程回放 – 第一十五讲：连续与缺失值（连续值处理，缺失值处理）.mp4 ├─(238) 课程回放 – 第一十四讲：剪枝处理（预剪枝，后剪枝）.mp4 (30)\西瓜书视频下半部分\第4部分：机器学习\6 支持向量机 ├─(239) 6.1 支持向量机（一）.mp4 ├─(240) 6.2 支持向量机（二）.mp4 ├─(241) 6.3 一小时答疑.mp4 ├─(242) 6.4 支持向量机（三）.mp4 ├─(243) 6.5 支持向量机（四）.mp4 ├─(244) 6.6 一小时答疑.mp4 ├─(245) 6.7 支持向量机（五）.mp4 ├─(246) 6.8 支持向量机（六）.mp4 ├─(247) 6.9 一小时答疑.mp4 ├─(248) ml_11_0804.zip ├─(249) ml_12_0811.zip ├─(250) ml_13_0818_0.zip ├─(251) ml_13_0818_1.zip (31)\西瓜书视频下半部分\第4部分：机器学习\8 集成学习 ├─(252) 8.1 集成学习 – 第一部分 – 基础.mp4 ├─(253) 8.10 Bagging与随机森林实战.mp4 ├─(254) 8.2 集成学习 – 第一部分 – 实战.mp4 ├─(255) 8.3 一小时答疑.mp4 ├─(256) 8.4 Boosting.mp4 ├─(257) 8.5 Adaboost.mp4 ├─(258) 8.6 Boosting与Adaboost – 实战.mp4 ├─(259) 8.7 一小时答疑.mp4 ├─(260) 8.8 Bagging与随机森林.mp4 ├─(261) 8.9 分类与回归树.mp4 ├─(262) ml_17_9015.zip ├─(263) ml_18_0922_Adaboost.ipynb ├─(264) ml_18_0922_adaboost.ppt ├─(265) ml_18_0922_Boosting.ppt ├─(266) ml_19_0929_Bagging与随机森林.pptx ├─(267) ml_19_0929_code.zip ├─(268) ml_19_0929_分类与回归树.ppt (32)\西瓜书视频上半部分\基础部分 ├─(269) 2.8 Python文件输入输出.mp4 ├─(270) Python文件输入输出.zip (33)\西瓜书视频上半部分\基础部分： ├─(271) 2.9 Python基础综合实践.mp4 ├─(272) Python基础综合实践.zip (34)\西瓜书视频上半部分\基础部分： ├─(273) 机器学习与Python_第二章.pdf ├─(274) 第三讲预备知识与开始前的准备.mp4 (35)\西瓜书视频上半部分\基础部分： ├─(275) 1-Python演示.ipynb ├─(276) 第四讲 python基本语法.mp4 (36)\西瓜书视频上半部分\基础部分 ├─(277) Python数据类型.zip ├─(278) 第五讲.mp4 (37)\西瓜书视频上半部分\基础部分 ├─(279) Python数据运算.zip ├─(280) 第六讲：Python数据运算.mp4 (38)\西瓜书视频上半部分\基础部分 ├─(281) Python流程控制.zip ├─(282) 第七讲流程控制.mp4 (39)\西瓜书视频上半部分\基础部分 ├─(283) 2.6 Python函数设计.mp4 ├─(284) Python函数设计.zip (40)\西瓜书视频上半部分\基础部分 ├─(285) 2.7 Python编程库（包）的导入.mp4 ├─(286) Python编程库（包）的导入.zip (41)\西瓜书视频上半部分\第4部分 ├─(287) 第10讲.zip ├─(288) 第11讲.zip ├─(289) 第6讲.zip ├─(290) 第8讲.zip ├─(291) 第9讲.zip (42)\西瓜书视频下半部分\第4部分：机器学习\2 模型评估与选择\2 ├─(292) 3.回归分析.pdf ├─(293) LinearRegression1.ipynb ├─(294) pga.csv ├─(295) 梯度下降.ipynb (43)\西瓜书视频下半部分\第4部分：机器学习\2 模型评估与选择\资料 ├─(296) 模型评估与选择2.1-2.pdf ├─(297) 模型评估与选择2.1-2_code.rar (44)\西瓜书视频下半部分\第4部分：机器学习\4 决策树\第十三讲 ├─(298) 6.decision tree.ipynb ├─(299) 6.决策树分类.pdf ├─(300) watermelon_3a.csv (45)\西瓜书视频下半部分\第4部分：机器学习\4 决策树\第十五讲 ├─(301) 7c4.5.pdf ├─(302) cart.ipynb (46)\西瓜书视频下半部分\第4部分：机器学习\2 模型评估与选择\2\__MACOSX ├─(303) ._3.回归分析.pdf ├─(304) ._LinearRegression1.ipynb ├─(305) ._pga.csv ├─(306) ._梯度下降.ipynb (47)\西瓜书视频下半部分\第4部分：机器学习\4 决策树\第十五讲\__MACOSX ├─(307) ._7c4.5.pdf ├─(308) ._cart.ipynb

729

11-29 07:42

Ai云平台搭建与TensorFlow高级实战开发视频教程 TensorFlow智能生态圈开发课程

Ai云平台搭建与TensorFlow高级实战开发视频教程，课程基于TensorFlow技术设计讲授而来。TensorFlow在人工智能Ai开发领域有非常强大的应用，如果同学对TensorFlow及相关智能云平台的开发会很有帮助。课程内容的设计非常合理，从TensorFlow基础开发逐渐深入，到TensorFlow手写体数字识别，TensorFlow智能验证识别，TensorFlow的人脸识别技术实战，以及TensorFlow预测项目实战，很有学习参考意义。 ===============课程目录=============== (1)\番外篇：TensorFlow 社区参与指南；目录中文件数:7个 ├─(2) 60.番外篇内容介绍.ts ├─(3) 61.TensorFlow 社区介绍.ts ├─(4) 62.TensorFlow 生态-TFX.ts ├─(5) 63.TensorFlow 生态-Kubeflow.ts ├─(6) 64.如何参与 TensorFlow 社区开源贡献.ts ├─(7) 65.ML GDE 是 TensorFlow 社区与开发者的桥梁.ts ├─(8) 66.课程总结.ts (2)\第一章：TensorFlow初印象；目录中文件数:7个 ├─(9) 01.课程内容综述.mp4 ├─(10) 02.第一章内容概述.mp4 ├─(11) 03.TensorFlow产生的历史必然性.mp4 ├─(12) 04.TensorFlow与Jeff Dean的那些事.mp4 ├─(13) 05.TensorFlow的应用场景.mp4 ├─(14) 06.TensorFlow的落地应用.mp4 ├─(15) 07.TensorFlow的发展现状.mp4 (3)\第七章：实战 TensorFlow 人脸识别；目录中文件数:9个 ├─(16) 51.第七部分内容介绍.ts ├─(17) 52.人脸识别问题概述.ts ├─(18) 53.典型人脸相关数据集介绍.ts ├─(19) 54.人脸检测算法介绍.ts ├─(20) 55.人脸识别算法介绍.ts ├─(21) 56.人脸检测工具介绍.ts ├─(22) 57.解析 FaceNet 人脸识别模型.ts ├─(23) 58.实战 FaceNet 人脸识别模型.ts ├─(24) 59.测试与可视化分析.ts (4)\第三章：TensorFlow基本概念解析；目录中文件数:11个 ├─(25) 13.第三章内容概述.mp4 ├─(26) 14.TensorFlow模块与架构介绍.mp4 ├─(27) 15.TensorFlow数据流图介绍.mp4 ├─(28) 16.张量（Tensor）是什么（上）.ts ├─(29) 17.张量（Tensor）是什么（下）.ts ├─(30) 18.变量（Variable）是什么（上）.ts ├─(31) 19.变量（Variable）是什么（下）.ts ├─(32) 20.操作（Operation）是什么（上）.ts ├─(33) 21.操作（Operation）是什么（下）.ts ├─(34) 22.会话（Session）是什么.ts ├─(35) 23.优化器（Optimizer）是什么.ts (5)\第二章：TensorFlow初接触；目录中文件数:5个 ├─(36) 08.第二章内容概述.mp4 ├─(37) 09.搭建你的TensorFlow开发环境.mp4 ├─(38) 10.Hello TensorFlow.mp4 ├─(39) 11.在交互环境中使用TensorFlow.mp4 ├─(40) 12.在容器中使用TensorFlow.mp4 (6)\第五章：实战 TensorFlow手写体数字识别；目录中文件数:9个 ├─(41) 34.第五章内容概述.mp4 ├─(42) 35.手写体数字数据集 MNIST 介绍（上）.mp4 ├─(43) 36.手写体数字数据集 MNIST 介绍（下）.mp4 ├─(44) 37.MNIST Softmax 网络介绍（上）.mp4 ├─(45) 38.MNIST Softmax 网络介绍（下）.mp4 ├─(46) 39.实战MNIST Softmax网络（上）.mp4 ├─(47) 40.实战MNIST Softmax网络（下）.mp4 ├─(48) 41.MNIST CNN网络介绍.mp4 ├─(49) 42.实战MNIST CNN网络.mp4 (7)\第六章：实战 TensorFlow 验证码识别；目录中文件数:8个 ├─(50) 43.第六章内容概述.ts ├─(51) 44.准备模型开发环境.ts ├─(52) 45.生成验证码数据集.ts ├─(53) 46.输入与输出数据处理.ts ├─(54) 47.模型结构设计.ts ├─(55) 48.模型损失函数设计.ts ├─(56) 49.模型训练过程分析.ts ├─(57) 50.模型部署与效果演示.ts (8)\第四章：实战TensorFlow房价预测；目录中文件数:10个 ├─(58) 24.第四章内容概述.ts ├─(59) 25.房价预测模型的前置知识.ts ├─(60) 26.房价预测模型介绍.ts ├─(61) 27.房价预测模型之数据处理.ts ├─(62) 28.房价预测模型之创建与训练.ts ├─(63) 29.TensorBoard 可视化工具介绍.ts ├─(64) 30.使用 TensorBoard 可视化数据流图.ts ├─(65) 31.实战房价预测模型：数据分析与处理.ts ├─(66) 32.实战房价预测模型：创建与训练.ts ├─(67) 33.实战房价预测模型：可视化数据流图.ts

704

08-27 02:31

自动驾驶项目来了！基于Ai人工智能的舆情分析+面部识别+自动驾驶等高级项目课程

满满的人工智能Ai干货课程，课程可以认为分化为两个大的部分，后续会进行详细的介绍，但课程需要要求同学们有扎实的课程基础或者完成课程的前篇部分。课程深入的解读了图像识别处理基础—OpenCV，TensorFlow，神经网络，卷积神经网络与其应用，深度学习框架剖析，递归神经网络，马尔可夫决策过程，简单的蒙特卡洛等非常有深度的内容。在项目课程的实战部分，包考虑AI人工面部识别，汽车的自动驾驶技术，社会舆情分析等待，应用在一线的挑战项目。 ===============课程目录=============== (1)\PART1；目录中文件数:55个 ├─27、课程：商业社交媒体舆情分析.10、作用价值三：寻找接触点.mp4 ├─27、课程：商业社交媒体舆情分析.11、总结：营销领域的舆情分析应用.mp4 ├─27、课程：商业社交媒体舆情分析.12、答疑（一）.mp4 ├─27、课程：商业社交媒体舆情分析.13、答疑（二）.mp4 ├─27、课程：商业社交媒体舆情分析.6、作用价值一：获取市场的必要信息（二）.mp4 ├─27、课程：商业社交媒体舆情分析.7、如何通过舆情分析掌握时长状况.mp4 ├─27、课程：商业社交媒体舆情分析.8、作用价值二：提升决策敏感性.mp4 ├─27、课程：商业社交媒体舆情分析.9、有趣的营销发现.mp4 ├─28、课程：近期推荐系统概述.10、评估推荐系统结果.mp4 ├─28、课程：近期推荐系统概述.1、推荐系统应用场景（一）.mp4 ├─28、课程：近期推荐系统概述.2、推荐系统应用场景（二）.mp4 ├─28、课程：近期推荐系统概述.3、推荐系统算法概述（一）.mp4 ├─28、课程：近期推荐系统概述.4、推荐系统算法概述（二）.mp4 ├─28、课程：近期推荐系统概述.5、推荐系统算法概述（三）.mp4 ├─28、课程：近期推荐系统概述.6、推荐系统算法概述（四）(1).mp4 ├─28、课程：近期推荐系统概述.6、推荐系统算法概述（四）.mp4 ├─28、课程：近期推荐系统概述.7、CF+矩阵分解（一）.mp4 ├─28、课程：近期推荐系统概述.8、CF+矩阵分解（二）.mp4 ├─28、课程：近期推荐系统概述.9、基于图像的推荐.mp4 ├─29、课程：人工智能的江湖.10、今天的应用与影响（二）.mp4 ├─29、课程：人工智能的江湖.11、今天的应用与影响（三）.mp4 ├─29、课程：人工智能的江湖.1、达特茅斯会议与第一次AI大发展.mp4 ├─29、课程：人工智能的江湖.2、第一次AI寒冬（一）.mp4 ├─29、课程：人工智能的江湖.3、第一次AI寒冬（二）.mp4 ├─29、课程：人工智能的江湖.4、复苏与第二次AI寒冬.mp4 ├─29、课程：人工智能的江湖.5、再次复苏与神经网翻身.mp4 ├─29、课程：人工智能的江湖.6、瞻仰大神（一）.mp4 ├─29、课程：人工智能的江湖.7、瞻仰大神（二）.mp4 ├─29、课程：人工智能的江湖.8、瞻仰大神（三）.mp4 ├─29、课程：人工智能的江湖.9、今天的应用与影响（一）.mp4 ├─30、课程：机器学习在图像识别中的应用.10、机器学习总结.mp4 ├─30、课程：机器学习在图像识别中的应用.1、图像处理和机器学习有什么关系.mp4 ├─30、课程：机器学习在图像识别中的应用.2、什么是机器学习.mp4 ├─30、课程：机器学习在图像识别中的应用.3、什么是图像识别.mp4 ├─30、课程：机器学习在图像识别中的应用.4、图像识别的困难在哪里.mp4 ├─30、课程：机器学习在图像识别中的应用.5、图像识别的发展历史.mp4 ├─30、课程：机器学习在图像识别中的应用.6、机器学习对比深度学习.mp4 ├─30、课程：机器学习在图像识别中的应用.7、机器学习的工作方式.mp4 ├─30、课程：机器学习在图像识别中的应用.8、机器学习的算法（一）.mp4 ├─30、课程：机器学习在图像识别中的应用.9、机器学习的算法（二）.mp4 ├─31、课程：Pygame.1、学习框架梳理.mp4 ├─31、课程：Pygame.2、剩余课程安排.mp4 ├─31、课程：Pygame.3、Flappy bird基本背景图像（一）.mp4 ├─31、课程：Pygame.4、Flappy bird基本背景图像（二）.mp4 ├─31、课程：Pygame.5、键盘操作-小鸟左右移动.mp4 ├─31、课程：Pygame.6、扑腾扑腾翅膀（一）.mp4 ├─31、课程：Pygame.7、扑腾扑腾翅膀（二）.mp4 ├─31、课程：Pygame.8、柱子的移动.mp4 (2)\PART2；目录中文件数:59个 ├─31、课程：Pygame.10、让小鸟飞起来.mp4 ├─31、课程：Pygame.11、假如小鸟很聪明.mp4 ├─31、课程：Pygame.12、给小鸟计分.mp4 ├─31、课程：Pygame.9、生成一系列的柱子，并且移动.mp4 ├─32、课程：Python控制系统.10、Ctypes basic（一）.mp4 ├─32、课程：Python控制系统.11、Ctypes basic（二）.mp4 ├─32、课程：Python控制系统.12、Ctypes basic（三）.mp4 ├─32、课程：Python控制系统.1、The basic self-driving loop.mp4 ├─32、课程：Python控制系统.2、不同的数据存储和类型.mp4 ├─32、课程：Python控制系统.3、安装OpenCV.mp4 ├─32、课程：Python控制系统.4、OpenCV练习.mp4 ├─32、课程：Python控制系统.5、数据库基础review（一）.mp4 ├─32、课程：Python控制系统.6、数据库基础review（二）.mp4 ├─32、课程：Python控制系统.7、MYSQL的简单介绍(一).mp4 ├─32、课程：Python控制系统.8、MYSQL的简单介绍(二).mp4 ├─32、课程：Python控制系统.9、激光雷达.mp4 ├─33、课程：图像识别处理基础—OpenCV.10、几何变换.mp4 ├─33、课程：图像识别处理基础—OpenCV.11、图像处理：图像平滑.mp4 ├─33、课程：图像识别处理基础—OpenCV.12、图像处理：形态学变换.mp4 ├─33、课程：图像识别处理基础—OpenCV.1、读取图片（一）.mp4 ├─33、课程：图像识别处理基础—OpenCV.2、读取图片（二）.mp4 ├─33、课程：图像识别处理基础—OpenCV.3、读取图片（三）.mp4 ├─33、课程：图像识别处理基础—OpenCV.4、读取视频.mp4 ├─33、课程：图像识别处理基础—OpenCV.5、绘图函数.mp4 ├─33、课程：图像识别处理基础—OpenCV.6、OpenCV图像的基本操作（一）.mp4 ├─33、课程：图像识别处理基础—OpenCV.7、OpenCV图像的基本操作（二）.mp4 ├─33、课程：图像识别处理基础—OpenCV.8、图像处理：颜色空间转换（一）.mp4 ├─33、课程：图像识别处理基础—OpenCV.9、图像处理：颜色空间转换（二）.mp4 ├─34、课程：从游戏数据中提取feature.10、模型案例分析+OpenCV process（二）.mp4 ├─34、课程：从游戏数据中提取feature.11、模型案例分析+OpenCV process（三）.mp4 ├─34、课程：从游戏数据中提取feature.12、模型案例分析+OpenCV process（四）.mp4 ├─34、课程：从游戏数据中提取feature.13、模型案例分析+OpenCV process（五）.mp4 ├─34、课程：从游戏数据中提取feature.1、收集GTA5游戏数据（一）.mp4 ├─34、课程：从游戏数据中提取feature.2、收集GTA5游戏数据（二）.mp4 ├─34、课程：从游戏数据中提取feature.3、收集GTA5游戏数据（三）.mp4 ├─34、课程：从游戏数据中提取feature.4、Check Data和OpenCV（一）.mp4 ├─34、课程：从游戏数据中提取feature.5、Check Data和OpenCV（二）.mp4 ├─34、课程：从游戏数据中提取feature.6、模型加载插件.mp4 ├─34、课程：从游戏数据中提取feature.7、C++ review（一）.mp4 ├─34、课程：从游戏数据中提取feature.8、C++ review（二）.mp4 ├─34、课程：从游戏数据中提取feature.9、模型案例分析+OpenCV process（一）.mp4 ├─35、课程：GTA5自动驾驶项目.10、GTA游戏AI识别车道分割线（四）.mp4 ├─35、课程：GTA5自动驾驶项目.11、GTA游戏AI识别车道分割线（五）.mp4 ├─35、课程：GTA5自动驾驶项目.1、作业布置.mp4 ├─35、课程：GTA5自动驾驶项目.2、GTA5自动驾驶分解问题（一）.mp4 ├─35、课程：GTA5自动驾驶项目.3、GTA5自动驾驶分解问题（二）.mp4 ├─35、课程：GTA5自动驾驶项目.4、GTA5自动驾驶分解问题（三）.mp4 ├─35、课程：GTA5自动驾驶项目.5、GTA5自动驾驶分解问题（四）.mp4 ├─35、课程：GTA5自动驾驶项目.6、GTA5自动驾驶分解问题（五）.mp4 ├─35、课程：GTA5自动驾驶项目.7、GTA游戏AI识别车道分割线（一）.mp4 ├─35、课程：GTA5自动驾驶项目.8、GTA游戏AI识别车道分割线（二）.mp4 ├─35、课程：GTA5自动驾驶项目.9、GTA游戏AI识别车道分割线（三）.mp4 (3)\PART3；目录中文件数:70个 ├─200T史上最全的思科+华为+H3C+Juniper+Linux+Oracle等视频课程 .url ├─200T史上最全的编程开发+JAVA+C+安卓+IOS开发等各类编程教程.url ├─35、课程：GTA5自动驾驶项目.12、GTA游戏AI识别车道分割线（六）.mp4 ├─35、课程：GTA5自动驾驶项目.13、GTA游戏AI识别车道分割线（七）.mp4 ├─36、课程：TensorFlow的基本操作.10、Session和Constant.mp4 ├─36、课程：TensorFlow的基本操作.11、Variables和Placeholders.mp4 ├─36、课程：TensorFlow的基本操作.12、Example（一）.mp4 ├─36、课程：TensorFlow的基本操作.13、Example（二）.mp4 ├─36、课程：TensorFlow的基本操作.14、Example（三）.mp4 ├─36、课程：TensorFlow的基本操作.15、Example（四）.mp4 ├─36、课程：TensorFlow的基本操作.1、TensorFlow的基本概念.mp4 ├─36、课程：TensorFlow的基本操作.2、TensorFlow的具体使用（一）.mp4 ├─36、课程：TensorFlow的基本操作.3、TensorFlow的具体使用（二）.mp4 ├─36、课程：TensorFlow的基本操作.4、Tensor Shapes（一）.mp4 ├─36、课程：TensorFlow的基本操作.5、Tensor Shapes（二）.mp4 ├─36、课程：TensorFlow的基本操作.6、Tensor Operations.mp4 ├─36、课程：TensorFlow的基本操作.7、Tensor Slicing.mp4 ├─36、课程：TensorFlow的基本操作.8、Tensor Sequences.mp4 ├─36、课程：TensorFlow的基本操作.9、Graph.mp4 ├─37、课程：神经网络.10、神经网络代码实战（三）.mp4 ├─37、课程：神经网络.11、神经网络代码实战（四）.mp4 ├─37、课程：神经网络.1、神经网络.mp4 ├─37、课程：神经网络.2、深度神经网络.mp4 ├─37、课程：神经网络.3、反向传播算法.mp4 ├─37、课程：神经网络.4、激活函数.mp4 ├─37、课程：神经网络.5、优化算法（一）.mp4 ├─37、课程：神经网络.6、优化算法（二）.mp4 ├─37、课程：神经网络.7、正规化.mp4 ├─37、课程：神经网络.8、神经网络代码实战（一）.mp4 ├─37、课程：神经网络.9、神经网络代码实战（二）.mp4 ├─38、课程：卷积神经网络.10、深度卷积神经网络：Residual Network.mp4 ├─38、课程：卷积神经网络.11、深度卷积神经网络：DenseNet.mp4 ├─38、课程：卷积神经网络.1、卷积和卷积核（一）.mp4 ├─38、课程：卷积神经网络.2、卷积和卷积核（二）.mp4 ├─38、课程：卷积神经网络.3、卷积和卷积核（三）.mp4 ├─38、课程：卷积神经网络.4、填充和池化.mp4 ├─38、课程：卷积神经网络.5、深度卷积神经网络：LeNet-5.mp4 ├─38、课程：卷积神经网络.6、深度卷积神经网络：AlexNet.mp4 ├─38、课程：卷积神经网络.7、深度卷积神经网络：ZF-net.mp4 ├─38、课程：卷积神经网络.8、深度卷积神经网络：VGG-16.mp4 ├─38、课程：卷积神经网络.9、深度卷积神经网络：Inception Network.mp4 ├─39、课程：卷积神经网络的应用.10、代码实战（四）.mp4 ├─39、课程：卷积神经网络的应用.11、代码实战（五）.mp4 ├─39、课程：卷积神经网络的应用.1、卷积神经网络应用概述.mp4 ├─39、课程：卷积神经网络的应用.2、物体检测：RCNN和SPP-Net（一）.mp4 ├─39、课程：卷积神经网络的应用.3、物体检测：RCNN和SPP-Net（二）.mp4 ├─39、课程：卷积神经网络的应用.4、物体检测：Fast R-CNN.mp4 ├─39、课程：卷积神经网络的应用.5、物体检测：YOLO和SSD.mp4 ├─39、课程：卷积神经网络的应用.6、文档的归类.mp4 ├─39、课程：卷积神经网络的应用.7、代码实战（一）.mp4 ├─39、课程：卷积神经网络的应用.8、代码实战（二）.mp4 ├─39、课程：卷积神经网络的应用.9、代码实战（三）.mp4 ├─40、课程：深度学习框架剖析.10、Tensorflow tutorial example（一）.mp4 ├─40、课程：深度学习框架剖析.11、ensorflow tutorial example（二）.mp4 ├─40、课程：深度学习框架剖析.12、模型训练Tricks分享.mp4 ├─40、课程：深度学习框架剖析.13、DL优化方法分析以及相关TF API说明.mp4 ├─40、课程：深度学习框架剖析.1、深度学习系统的目标定位.mp4 ├─40、课程：深度学习框架剖析.2、典型深度学习系统框架.mp4 ├─40、课程：深度学习框架剖析.3、命令式编程与声明式编程等概念讲解.mp4 ├─40、课程：深度学习框架剖析.4、图优化、执行引擎.mp4 ├─40、课程：深度学习框架剖析.5、编程接口、分布式并行计算.mp4 ├─40、课程：深度学习框架剖析.6、TF多卡训练.mp4 ├─40、课程：深度学习框架剖析.7、TF多机训练.mp4 ├─40、课程：深度学习框架剖析.8、主流开源深度学习平台简析.mp4 ├─40、课程：深度学习框架剖析.9、答疑.mp4 (4)\PART4；目录中文件数:75个 ├─200T史上最全的思科+华为+H3C+Juniper+Linux+Oracle等视频课程 .url ├─200T史上最全的编程开发+JAVA+C+安卓+IOS开发等各类编程教程.url ├─40、课程：深度学习框架剖析.14、Tensorflow detection models.mp4 ├─40、课程：深度学习框架剖析.15、实际模型项目介绍（一）.mp4 ├─40、课程：深度学习框架剖析.16、实际模型项目介绍（二）.mp4 ├─41、课程：递归神经网络.1、递归神经网络—序列问题.mp4 ├─41、课程：递归神经网络.2、为什么递归.mp4 ├─41、课程：递归神经网络.3、递归神经网络（一）.mp4 ├─41、课程：递归神经网络.4、递归神经网络（二）.mp4 ├─41、课程：递归神经网络.5、双向递归神经网络.mp4 ├─41、课程：递归神经网络.6、沿时间反向传播.mp4 ├─41、课程：递归神经网络.7、梯度消失.mp4 ├─42、课程：长短记忆网络和递归神经网络代码操作.1、长短记忆网络（一）.mp4 ├─42、课程：长短记忆网络和递归神经网络代码操作.2、长短记忆网络（二）.mp4 ├─42、课程：长短记忆网络和递归神经网络代码操作.3、伪装曹雪芹（一）.mp4 ├─42、课程：长短记忆网络和递归神经网络代码操作.4、伪装曹雪芹（二）.mp4 ├─42、课程：长短记忆网络和递归神经网络代码操作.5、伪装曹雪芹（三）.mp4 ├─42、课程：长短记忆网络和递归神经网络代码操作.6、伪装曹雪芹（四）.mp4 ├─42、课程：长短记忆网络和递归神经网络代码操作.7、图像识别（一）.mp4 ├─42、课程：长短记忆网络和递归神经网络代码操作.8、图像识别（二）.mp4 ├─43、课程：线性代数与数值分析.10、特殊类型的矩阵和向量（二）.mp4 ├─43、课程：线性代数与数值分析.11、矩阵分解.mp4 ├─43、课程：线性代数与数值分析.12、矩阵微积分.mp4 ├─43、课程：线性代数与数值分析.13、矩阵计算（一）.mp4 ├─43、课程：线性代数与数值分析.14、矩阵计算（二）.mp4 ├─43、课程：线性代数与数值分析.15、范数、向量之间的夹角.mp4 ├─43、课程：线性代数与数值分析.16、对角矩阵、单位矩阵、转置矩阵和reshape.mp4 ├─43、课程：线性代数与数值分析.17、行列式、秩、迹以及SVD奇异值分解.mp4 ├─43、课程：线性代数与数值分析.1、线性代数与数值分析概述.mp4 ├─43、课程：线性代数与数值分析.2、线性代数的基础定义.mp4 ├─43、课程：线性代数与数值分析.3、矩阵乘积和转置.mp4 ├─43、课程：线性代数与数值分析.4、矩阵性质.mp4 ├─43、课程：线性代数与数值分析.5、矩阵行列式.mp4 ├─43、课程：线性代数与数值分析.6、矩阵的迹和秩.mp4 ├─43、课程：线性代数与数值分析.7、范数.mp4 ├─43、课程：线性代数与数值分析.8、矩阵的特征值和特征向量.mp4 ├─43、课程：线性代数与数值分析.9、特殊类型的矩阵和向量（一）.mp4 ├─44、课程：词嵌入表示.1、N-元模型回顾.mp4 ├─44、课程：词嵌入表示.2、神经语言模型.mp4 ├─44、课程：词嵌入表示.3、递归神经网络语言模型.mp4 ├─44、课程：词嵌入表示.4、词嵌入.mp4 ├─44、课程：词嵌入表示.5、哈夫曼树.mp4 ├─44、课程：词嵌入表示.6、连续词袋模型—分层Softmax.mp4 ├─44、课程：词嵌入表示.7、Skip-gram：分层Softmax.mp4 ├─44、课程：词嵌入表示.8、连续词袋模型：负采样.mp4 ├─44、课程：词嵌入表示.9、词向量：可视化.mp4 ├─45、课程：递归神经网络的应用.10、词嵌入表示—RNN for POS tagging（二）.mp4 ├─45、课程：递归神经网络的应用.1、文本生成和情绪分析.mp4 ├─45、课程：递归神经网络的应用.2、语音识别.mp4 ├─45、课程：递归神经网络的应用.3、机器翻译（一）.mp4 ├─45、课程：递归神经网络的应用.4、机器翻译（二）.mp4 ├─45、课程：递归神经网络的应用.5、视觉注意力机制.mp4 ├─45、课程：递归神经网络的应用.6、词嵌入表示—Word2Vec.mp4 ├─45、课程：递归神经网络的应用.7、词嵌入表示—RNN语言模型（一）.mp4 ├─45、课程：递归神经网络的应用.8、词嵌入表示—RNN语言模型（二）.mp4 ├─45、课程：递归神经网络的应用.9、词嵌入表示—RNN for POS tagging（一）.mp4 ├─46、课程：强化学习系列课程基本概念与方法总览.1、复习监督学习.mp4 ├─46、课程：强化学习系列课程基本概念与方法总览.2、强化学习基本概念（一）.mp4 ├─46、课程：强化学习系列课程基本概念与方法总览.3、强化学习基本概念（二）.mp4 ├─46、课程：强化学习系列课程基本概念与方法总览.4、策略与总价值（一）.mp4 ├─46、课程：强化学习系列课程基本概念与方法总览.5、策略与总价值（二）.mp4 ├─46、课程：强化学习系列课程基本概念与方法总览.6、强化学习系列方法总览（一）.mp4 ├─46、课程：强化学习系列课程基本概念与方法总览.7、强化学习系列方法总览（二）.mp4 ├─46、课程：强化学习系列课程基本概念与方法总览.8、强化学习系列方法总览（三）.mp4 ├─47、课程：马尔可夫决策过程.1、马尔可夫决策过程：Markov状态转移矩阵.mp4 ├─47、课程：马尔可夫决策过程.2、Markov Rewards Process.mp4 ├─47、课程：马尔可夫决策过程.3、状态价值state value.mp4 ├─47、课程：马尔可夫决策过程.4、Bellman方程（一）.mp4 ├─47、课程：马尔可夫决策过程.5、Bellman方程（二）.mp4 ├─47、课程：马尔可夫决策过程.6、Bellman方程（三）.mp4 (5)\PART5；目录中文件数:66个 ├─200T史上最全的思科+华为+H3C+Juniper+Linux+Oracle等视频课程 .url ├─200T史上最全的编程开发+JAVA+C+安卓+IOS开发等各类编程教程.url ├─47、课程：马尔可夫决策过程.10、最优总价值与最优动作价值（一）.mp4 ├─47、课程：马尔可夫决策过程.11、最优总价值与最优动作价值（二）.mp4 ├─47、课程：马尔可夫决策过程.12、Flappy bird的简单解决方法（一）.mp4 ├─47、课程：马尔可夫决策过程.13、Flappy bird的简单解决方法（二）.mp4 ├─47、课程：马尔可夫决策过程.7、Bellman方程（四）.mp4 ├─47、课程：马尔可夫决策过程.8、状态价值函数 v.s 动作价值函数（一）.mp4 ├─47、课程：马尔可夫决策过程.9、状态价值函数 v.s 动作价值函数（二）.mp4 ├─48、课程：强化学习：迭代法.10、迭代法求策略估值（三）.mp4 ├─48、课程：强化学习：迭代法.11、迭代法更新最佳策略（一）.mp4 ├─48、课程：强化学习：迭代法.12、迭代法更新最佳策略（二）.mp4 ├─48、课程：强化学习：迭代法.14、最长递增序列（一）.mp4 ├─48、课程：强化学习：迭代法.15、最长递增序列（二）.mp4 ├─48、课程：强化学习：迭代法.1、动态规划（一）.mp4 ├─48、课程：强化学习：迭代法.2、动态规划（二）.mp4 ├─48、课程：强化学习：迭代法.3、迭代法（一）.mp4 ├─48、课程：强化学习：迭代法.4、迭代法（二）.mp4 ├─48、课程：强化学习：迭代法.5、复习+Jacob方法（一）.mp4 ├─48、课程：强化学习：迭代法.6、复习+Jacob方法（二）.mp4 ├─48、课程：强化学习：迭代法.7、Gauss-Seidel迭代法.mp4 ├─48、课程：强化学习：迭代法.8、迭代法求策略估值（一）.mp4 ├─49、课程：简单的蒙特卡洛.10、队列存飞行路径（二）.mp4 ├─49、课程：简单的蒙特卡洛.11、队列存飞行路径（三）.mp4 ├─49、课程：简单的蒙特卡洛.12、队列存飞行路径（四）.mp4 ├─49、课程：简单的蒙特卡洛.13、答疑.mp4 ├─49、课程：简单的蒙特卡洛.1、蒙特卡洛模拟方法介绍.mp4 ├─49、课程：简单的蒙特卡洛.2、训练flappy bird 模型（一）.mp4 ├─49、课程：简单的蒙特卡洛.3、训练flappy bird 模型（二）.mp4 ├─49、课程：简单的蒙特卡洛.4、训练flappy bird 模型（三）.mp4 ├─49、课程：简单的蒙特卡洛.5、整理碰壁函数与reward函数.mp4 ├─49、课程：简单的蒙特卡洛.6、离散化环境状态.mp4 ├─49、课程：简单的蒙特卡洛.7、由状态环境选择飞行动作.mp4 ├─49、课程：简单的蒙特卡洛.8、处理碰壁函数与reward函数.mp4 ├─49、课程：简单的蒙特卡洛.9、队列存飞行路径（一）.mp4 ├─50、课程：云，计算，数据.10、阿里云介绍（二）.mp4 ├─50、课程：云，计算，数据.11、实例创建（一）.mp4 ├─50、课程：云，计算，数据.12、实例创建（二）.mp4 ├─50、课程：云，计算，数据.13、实例创建（三）.mp4 ├─50、课程：云，计算，数据.14、Logging模块的简单应用（一）.mp4 ├─50、课程：云，计算，数据.15、Logging模块的简单应用（二）.mp4 ├─50、课程：云，计算，数据.16、Logging模块的简单应用（三）.mp4 ├─50、课程：云，计算，数据.1、云计算的定义.mp4 ├─50、课程：云，计算，数据.2、NIST、云计算市场的发展条件.mp4 ├─50、课程：云，计算，数据.3、芯片设计的取舍、并行化.mp4 ├─50、课程：云，计算，数据.4、WSC（新型数据中心）的形成、概念、优点.mp4 ├─50、课程：云，计算，数据.5、虚拟化（一）.mp4 ├─50、课程：云，计算，数据.6、虚拟化（二）.mp4 ├─50、课程：云，计算，数据.7、云计算的商业模式.mp4 ├─50、课程：云，计算，数据.8、层级分类.mp4 ├─50、课程：云，计算，数据.9、阿里云介绍（一）.mp4 ├─51、课程：机器学习（上）.10、Model-Free Control（一）.mp4 ├─51、课程：机器学习（上）.11、Model-Free Control（二）.mp4 ├─51、课程：机器学习（上）.1、时间差分法公式.mp4 ├─51、课程：机器学习（上）.3、蒙特卡洛法（二）.mp4 ├─51、课程：机器学习（上）.4、TD（时间差分）的特点.mp4 ├─51、课程：机器学习（上）.5、课间答疑.mp4 ├─51、课程：机器学习（上）.6、MC与TD对比.mp4 ├─51、课程：机器学习（上）.7、无偏估计.mp4 ├─51、课程：机器学习（上）.8、收敛性质.mp4 ├─51、课程：机器学习（上）.9、MC与TD收敛差异.mp4 (6)\PART6；目录中文件数:54个 ├─200T史上最全的思科+华为+H3C+Juniper+Linux+Oracle等视频课程 .url ├─200T史上最全的编程开发+JAVA+C+安卓+IOS开发等各类编程教程.url ├─51、课程：机器学习（上）.12、Model-Free Control（三）.mp4 ├─51、课程：机器学习（上）.13、Model-Free Control（四）.mp4 ├─51、课程：机器学习（上）.14、Model-Free Control（五）.mp4 ├─52、课程：机器学习（下）.11、Flappy bird（六）.mp4 ├─52、课程：机器学习（下）.12、Flappy bird（七）.mp4 ├─52、课程：机器学习（下）.13、Flappy bird（八）.mp4 ├─52、课程：机器学习（下）.1、函数的近似方法（一）.mp4 ├─52、课程：机器学习（下）.2、函数的近似方法（二）.mp4 ├─52、课程：机器学习（下）.3、函数的近似方法（三）.mp4 ├─52、课程：机器学习（下）.4、DQN（一）.mp4 ├─52、课程：机器学习（下）.5、DQN（二）.mp4 ├─52、课程：机器学习（下）.6、Flappy bird（一）.mp4 ├─52、课程：机器学习（下）.7、Flappy bird（二）.mp4 ├─52、课程：机器学习（下）.8、Flappy bird（三）.mp4 ├─53、课程：软件工程师、数据工程师和数据科学家职业介绍.1、自我介绍及课程介绍.mp4 ├─53、课程：软件工程师、数据工程师和数据科学家职业介绍.2、Career Path Insight.mp4 ├─53、课程：软件工程师、数据工程师和数据科学家职业介绍.3、软件工程师之基础课程.mp4 ├─53、课程：软件工程师、数据工程师和数据科学家职业介绍.4、软件工程师之面试准备与技巧.mp4 ├─53、课程：软件工程师、数据工程师和数据科学家职业介绍.5、大数据之协同合作（一）.mp4 ├─53、课程：软件工程师、数据工程师和数据科学家职业介绍.6、大数据之协同合作（二）.mp4 ├─53、课程：软件工程师、数据工程师和数据科学家职业介绍.7、数据工程师和数据科学家.mp4 ├─53、课程：软件工程师、数据工程师和数据科学家职业介绍.8、答疑（一）.mp4 ├─53、课程：软件工程师、数据工程师和数据科学家职业介绍.9、答疑（二）.mp4 ├─54、课程：金融科技—数据科学在金融业的应用和前景.1、金融行业不同岗位对人才的需求.mp4 ├─54、课程：金融科技—数据科学在金融业的应用和前景.2、金融科技用到的数据科学.mp4 ├─54、课程：金融科技—数据科学在金融业的应用和前景.3、职位和机会.mp4 ├─54、课程：金融科技—数据科学在金融业的应用和前景.4、数字化财富管理行业.mp4 ├─54、课程：金融科技—数据科学在金融业的应用和前景.5、智能投顾创业公司的数据分析.mp4 ├─54、课程：金融科技—数据科学在金融业的应用和前景.6、答疑（一）.mp4 ├─54、课程：金融科技—数据科学在金融业的应用和前景.7、答疑（二）.mp4 ├─55、课程：深度学习经典网络分析基础.10、AlexNet.mp4 ├─55、课程：深度学习经典网络分析基础.11、VGG.mp4 ├─55、课程：深度学习经典网络分析基础.12、GoogleNet（一）.mp4 ├─55、课程：深度学习经典网络分析基础.13、GoogleNet（二）.mp4 ├─55、课程：深度学习经典网络分析基础.14、ResNet.mp4 ├─55、课程：深度学习经典网络分析基础.15、经典网络简单比较、网络设计考虑.mp4 ├─55、课程：深度学习经典网络分析基础.16、答疑（一）.mp4 ├─55、课程：深度学习经典网络分析基础.17、答疑（二）.mp4 ├─55、课程：深度学习经典网络分析基础.1、课程安排.mp4 ├─55、课程：深度学习经典网络分析基础.2、深度学习的两大基本问题.mp4 ├─55、课程：深度学习经典网络分析基础.3、反向传播算法简介.mp4 ├─55、课程：深度学习经典网络分析基础.4、深度学习网络模型回顾.mp4 ├─55、课程：深度学习经典网络分析基础.5、CNN架构发展简要流程.mp4 ├─55、课程：深度学习经典网络分析基础.6、LeNet.mp4 ├─55、课程：深度学习经典网络分析基础.7、答疑—人脸识别.mp4 ├─55、课程：深度学习经典网络分析基础.8、答疑—通用检测.mp4 ├─55、课程：深度学习经典网络分析基础.9、答疑—语音识别.mp4

700

07-15 12:33

人工智能时代的大数据与复杂系统一月特训班课程入门到精通视频教程

从Alpha—GO到无人驾驶，人工智能AI结合大数据发挥出惊人功效的场景越来越多。如何从零开始真正入门这个领域？人工智能、大数据与复杂系统一月特训班可以帮到您！人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。课程大纲目录 01-复杂系统 02-大数据与机器学习 03-人工智能的三个阶段 04-高等数学—元素和极限 05-复杂经济学应用 06-机器学习与监督算法 07-阿尔法狗与强化学习算法 08-高等数学—两个重要的极限定理 09-高等数学—导数 10-贝叶斯理论 11-高等数学—泰勒展开 12-高等数学—偏导数 13-高等数学—积分 14-高等数学—正态分布 15-朴素贝叶斯和最大似然估计 16-线 17-数据科学和统计学（上） 18-线代数—矩阵、等价类和行列式 19-Python基础课程（上） 20-线代数—特征值与特征向量 21-监督学习框架 22-Python基础课程（下） 23-PCA、降维方法引入 24-数据科学和统计学（下） 25-Python操作数据库、 Python爬虫 26-线分类器 27-Python进阶（上） 28-Scikit-Learn 29-熵、逻辑斯蒂回归、SVM引入 30-Python进阶（下） 31-决策树 32-数据呈现基础 33-云计算初步 34-D-Park实战 35-第四范式分享 36-决策树到随机森林 37-数据呈现进阶 38-强化学习（上） 39-强化学习（下） 40-SVM和网络引入 41-集成模型总结和GDBT理解及其衍生应用 42-网络 43-监督学习－回归 44-监督学习－分类 45-网络基础与卷积网络 46-时间序列预测 47-人工智能金融应用 48-计算机视觉深度学习入门目的篇 49-计算机视觉深度学习入门结构篇 50-计算机视觉学习入门优化篇 51-计算机视觉深度学习入门数据篇 52-计算机视觉深度学习入门工具篇 53-个化推荐算法 54-Pig和Spark巩固 55-人工智能与 56-网络 57-线动力学 58-订单流模型 59-区块链一场革命 60-统计物理专题（一） 61-统计物理专题（二） 62-复杂网络简介 63-ABM简介及金融市场建模 64-用伊辛模型理解复杂系统 65-金融市场的复杂性 66-广泛出现的幂律分布 67-自然启发算法 68-机器学习的方法 69-模型可视化工程管理 70-Value Iteration Networks 70-最新回放 71-线动力学系统（上） 72-线动力学系统（下） 73-自然语言处理导入 74-复杂网络上的物理传输过程 75-RNN及LSTM 76-漫谈人工智能创业 77-学习其他主题 78-课程总结

688

08-13 05:34

价值299 opencv+tensorflow入门人工智能图像处理

《价值299 opencv+tensorflow入门人工智能图像处理视频教程》AI的火爆程度可以说是“妇孺皆知”，无论是“美颜”还是AR识别，身边越来越多的AI元素出现在我们的生活中，让我们的生活更加丰富多彩。在这次课程中，我们就来通过丰富有趣的案例，来学习人工智能中的计算机视觉技术，迈上机器学习新台阶。第1章课程导学包括课程概述、课程安排、学习前提等方面的介绍，让同学们对计算机视觉有所理解第2章计算机视觉入门通过OpenCV以及TensorFlow两个方面介绍计算机入门的相关知识。OpenCV侧重点在于为大家补充图像处理的相关基础，如像素、文件封装格式、灰度等级、颜色通道等的概念。TensorFlow重点在于通过对常量、变量、矩阵等的介绍，学习并掌握TensorFlow的基本使用。… 第3章计算机视觉加强之几何变换本章节主要为大家介绍图像的几何变换。几何变换顾名思义就是对图片外形轮廓进行操作以适应不同的场景。如缩放、剪切、位移、镜像、旋转、仿射变换等。第4章计算机视觉加强之图像特效&线段文字绘制视频滤镜也是目前在计算机算法处理上比较火的一个方向之一，在本章节中将结合灰度、底板、马赛克、毛玻璃、边缘检测、油画效果等为大家介绍视频滤镜的使用第5章计算机视觉加强之图像美化每个人都有一个爱美的心，在这个章节中大家可以通过磨皮美白、亮度增强、直方图均衡化、图像滤波等方法自己美化自己的照片。第6章计算机视觉加强之机器学习本章节将结合haar+adaboost以及hog+svm分别实现人脸识别、卡通小狮子识别。将为大家介绍一个从训练到识别一个完整的机器学习案例。第7章手写数字识别通过knn、cnn两种方式，并结合每种方法的矩阵维度变化，深层次的讲解手写数字识别案例，讲述不一样的案例。第8章 “刷脸”识别在第六章的基础上，通过识别某个具体的人脸来达到“刷脸”的效果。该案例架构包含样本收集+图像预处理+神经网络训练识别。可以说是一个从样本到训练的完整项目。第9章课程总结对课程进行整体的回顾与总结

687

01-29 02:56

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

665

08-25 11:07

16套深度学习大数据数据分析包含决胜强化学习实战系列教程完整教程课件

16套深度学习大数据数据分析包含决胜强化学习实战系列教程完整教程课件课程目录：200集数-Python数据分析与机器学习实战 1.人工智能入门指南 2.Python科学计算库-Numpy 3.python数据分析处理库-Pandas 4.Python数据可视化库-Matplotlib 5.Python可视化库Seaborn 6.线性回归算法原理推导 7.梯度下降策略 8.逻辑回归算法 9.案例实战：Python实现逻辑回归与梯度下降策略 10.项目实战-交易数据异常检测 11.决策树算法 12.案例实战：使用sklearn构造决策树模型 13.集成算法与随机森林 14.案例实战：泰坦尼克获救预测 15.贝叶斯算法 16.Python文本数据分析：新闻分类任务 17.支持向量机 18.案例：SVM调参实例 19.聚类算法-Kmeans 20.聚类算法-DBSCAN 21.案例实战：聚类实践 22.降维算法-PCA主成分分析 23.神经网络 24.Xgboost集成算法 25.自然语言处理词向量模型-Word2Vec 26.使用Gensim库构造中文维基百度数据词向量模型 27.scikit-learn模型建立与评估 28.Python库分析科比生涯数据 29.Python时间序列分析 30.机器学习项目实战-贷款申请最大化利润 31.机器学习项目实战-用户流失预警 32.探索性数据分析-足球赛事数据集 33.探索性数据分析-农粮组织数据集 34.机器学习项目实战-HTTP日志聚类分析深度学习入门视频课程（上篇） 1.深度学习与人工智能简介 2.计算机视觉面临挑战与常规套路 3.用K近邻来进行图像分类 4.超参数与交叉验证 5.线性分类 6.损失函数 7.正则化惩罚项 8.softmax分类器 9.最优化形象解读 10.梯度下降算法原理 11.反向传播 12.神经网络整体架构 13.神经网络模型实例演示 14.过拟合问题解决方案 15.Python环境搭建（推荐Anaconda方法） 16.Eclipse搭建python环境 17.深度学习入门视频课程09 动手完成简单神经网络 18.感受神经网络的强大 19.神经网络案例-cifar分类任务 20.神经网络案例-分模块构造神经网络 21.神经网络案例-训练神经网络完成分类任务深度学习入门视频课程（下篇） 1.感受卷积神经网络的强大 2.卷积层详解 3.卷积计算流程 4.卷积核参数分析 5.卷积参数共享原则 6.池化层（Pooling）原理 7.卷积神经网络反向传播原理 8.实现卷积层的前向传播与反向传播 9.实现Pooling层的前向传播与反向传播 10.经典卷及网络架构实例 11.RNN网络结构 12.RNN网络细节 13.python实现RNN算法 14.LSTM网络结构简介 15.分类与回归（Location）任务应用详解 16.物体检测实例 17.如何巧妙设计网络结构 18.训练技巧之数据增强 19.训练技巧之Transfer Learning 20.深度学习框架Caffe简介 21.深度学习框架Caffe训练过程 22.深度学习框架Caffe接口使用实例深度学习框架-Tensorflow案例实战视频课程 1.课程简介 2.Tensorflow安装 3.基本计算单元-变量 4.常用基本操作 5.构造线性回归模型 6.Mnist数据集简介 7.逻辑回归框架 8.迭代完成逻辑回归模型 9.神经网络模型架构 10.训练神经网络 11.卷积神经网络模型架构 12.卷积神经网络模型参数 13.模型的保存和读取 14.加载训练好的VGG网络模型 15.使用VGG模型进行测试 16.使用RNN处理Mnist数据集 17.RNN网络模型 18.训练RNN网络 19.验证码数据生成 20.构造网络的输入数据和标签 21.卷积网络模型定义 22.迭代及测试网络效果深度学习框架Caffe使用案例视频课程深度学习项目实战视频课程-人脸检测大叔据-深度学习项目实战-关键点定位视频教程 01.人脸关键点检测算法框架 02.多标签数据源制作以及标签坐标转换 03.对原始数据进行数据增强 04.完成第一阶段HDF5数据源制作 05.第一阶段网络训练 06.第二三阶段网络数据源制作 07.第二三阶段网络模型训练 08.网络模型参数初始化 09.完成全部测试结果 10.人脸关键点检测效果 11.项目总结分析 12.算法框架分析自然语言处理-Word2Vec视频教程 1.Gensim构造词向量模型 2.word2vec 3.实战word2vec 决胜AI-强化学习实战系列视频课程 1-1.强化学习简介 1-2.强化学习基本概念 1-3.马尔科夫决策过程 1-4.Bellman方程 1-5.值迭代求解 1-6.代码实战求解过程 1-7.Q-Learning基本原理 1-8.Q-Learning迭代计算实例 1-9.Q-Learning迭代效果 1-10.求解流程详解 2-1.Deep-Q-Network原理 2-11.Deep Q-Learning效果演示 2-2.Deep-Q-Learning网络细节 2-3,Deep Q-Learning网络参数配置 2-4.搭建Deep Q-Learning网络模型 2-5.Deep Q Learning卷积操作定义 2-6.数据预处理 2-7.实现阶段数据存储 2-8.实现训练模块 2-9.Debug解读训练代码 2-10.完整代码流程分析 Tensorflow项目实战视频课程-文本分类深度学习项目实战视频课程-StyleTransfer(基于Tensorflow) 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 1.RNN手写字体识别（三课时） 2.TensorFlow打造唐诗生成网络（八课时） 3.递归神经网络原理(四课时) 4.Tensorflow课程代码深度学习项目实战视频课程-Seq2Seq序列生模型 1.seq2seq网络架构原理 2.文章摘要生成 3.序列排序生成 4.Seq2Seq网络深度学习顶级论文算法详解视频课程对抗生成网络 1.课程简介 2.对抗生成网络形象解释 3.对抗生成网络工作原理 4.案例实战对抗生成网络：环境配置 5.案例实战对抗生成网络：构造判别网络模型 6.案例实战对抗生成网络：构造生成网络模型 7.案例实战对抗生成网络：构造损失函数 8.案例实战对抗生成网络：训练对抗生成网络 9.DCGAN基本原理 10.DCGAN的网络模型架构 11.DCGAN项目实战：DIY你要生成的数据 12.DCGAN项目实战：配置参数 13.DCGAN项目实战：基于卷积的生成网络架构 14.DCGAN项目实战：基于卷积的判别网络 15.DCGAN项目实战：训练DCGAN网络 Python数据分析(机器学习)经典案例 1.课程简介 2.课程数据，代码下载 3.使用Anaconda搭建python环境 4.Kobe.Bryan生涯数据读取与简介 5.特征数据可视化展示 6.数据预处理 7.使用scikit-learn建立分类模型 8.数据简介及面临的挑战 9.数据不平衡问题解决方案 10.逻辑回归进行分类预测 11.使用阈值来衡量预测标准 12.使用数据生成策略 13.数据简介与特征课时化展示 14.不同特征的分布规则 15.决策树模型参数详解 16.决策树中参数的选择 17.将建立好决策树可视化展示出来 18.船员数据分析 19.数据预处理 20.使用回归算法进行预测 21.使用随机森林改进模型 22.随机森林特征重要性分析 23.级联模型原理 24.数据预处理与热度图 25.二阶段输入特征制作 26.使用级联模型进行预测 27.数据简介与特征预处理 28.员工不同属性指标对结果的影响 29.数据预处理 30.构建预测模型 31.基于聚类模型的分析 32.tensorflow框架的安装 33.神经网络模型概述 34.使用tensorflow设定基本参数 35.卷积神经网络模型 36.构建完整的神经网络模型 37.训练神经网络模型 38.PCA原理简介 39.数据预处理 40.协方差分析 41.使用PCA进行降维 42.数据简介与故事背景 43.基于词频的特征提取 44.改进特征选择方法 45.数据清洗 46.数据预处理 47.盈利方法和模型评估 48.预测结果

660

«
1
2
3
4
5
6
7
8
9
»