人工智能

08-25 12:28

量化交易经典课程机器学习与金融量化交易项目视频教程大数据机器学习的实践课程

量化交易经典课程机器学习与金融量化交易项目视频教程大数据机器学习的实践课程 │ ├10策略优化与课程总结.mkv │ ├1自动化交易综述.mkv │ ├2量化交易系统综述.mkv │ ├3搭建自己的量化数据库.mkv │ ├4用python进行金融数据分析.mkv │ ├5策略建模综述.mkv │ ├6策略建模：基于机器学习的策略建模.mkv │ ├7模型评估与风险控制.mkv │ ├8自动交易系统的搭建.mkv │ └9 量化策略的实现.mkv │ ├机器学习和量化交易实战 Lecture 01.pdf │ ├机器学习和量化交易实战 Lecture 02.pdf │ ├机器学习和量化交易实战 Lecture 03.pdf │ ├机器学习和量化交易实战 Lecture 04.pdf │ ├机器学习和量化交易实战 Lecture 06.pdf │ ├机器学习和量化交易实战 Lecture 07.pptx │ ├机器学习和量化交易实战 Lecture 09.pptx │ └机器学习和量化交易实战 Lecture 10.pptx ├ │ ├ │ │ ├cadf.py │ │ ├insert_symbols.py │ │ ├price_retrieval.py │ │ ├quandl_data.py │ │ ├quantitative.sql │ │ ├retrieving_data.py │ │ └securities_master.sql │ ├ │ │ └code for lecture 4.ipynb │ ├ │ │ ├BB.py │ │ ├CCI.py │ │ ├evm.py │ │ ├FI.py │ │ ├forecast.py │ │ ├grid_search.py │ │ ├MA.py │ │ └ROC.py │ ├ │ │ ├backtest.py │ │ ├event.py │ │ ├mac.py │ │ └portfolio.py

655

08-13 05:38

人工智能技术最前沿-用户画像系统实战学习基于大数据的画像处理技术视频教程

大数据和人工智能非常前沿的地带，也是一个非常有大规模市场的应用技术。课程帮助同学们轻松的入门大数据画像技术，详细的介绍了用户分析技术与Hive数据处理，用户画像性别预测、用户活跃度、用户消费能力等。核心的随机森林模型、lookalike精华课程、Spark计算、画像数据处理与指标生成。还有非常有参考价值的大数据画像项目课程，多维度带领大家进行学习。 ===============课程目录=============== ├─dmp-01什么是画像结合阿里达摩盘讲解.wmv ├─dmp-02画像功能介绍.wmv ├─dmp-03腾讯画像dmp介绍.wmv ├─dmp-04画像课程目录和目标.wmv ├─dmp-05画像基础指标性别预测方案-补录.wmv ├─dmp-06生产用户行为日志以及导入hive和数据处理..wmv ├─dmp-07用户app安装应用数据处理以及特征组合.wmv ├─dmp-08用户交易数据mysql同步hive.wmv ├─dmp-09用户画像性别预测spark代码01.wmv ├─dmp-10用户画像性别预测-spark代码02.wmv ├─dmp-11用户分群活跃区分打标签kmeans聚类编写.wmv ├─dmp-12基于统计用户分群含时间衰减和hive窗口函数.wmv ├─dmp-13用户消费能力等级划分代码编写01.wmv ├─dmp-14用户消费能力等级划分代码编写02.wmv ├─dmp-15tf-idf算法介绍.wmv ├─dmp-16手写tf-idf,以及后续sparkapi调用.wmv ├─dmp-17利用tf-idf思想进行画像偏好计算.wmv ├─dmp-18实时模型信用评分架构介绍.wmv ├─dmp-19节视频补录-随机森林信息熵和信息增益算法介绍.wmv ├─dmp-20flume安装以及java代码rpc发送数据.wmv ├─dmp-21离线随机森林模型代码开发-随机森林算法介绍.wmv ├─dmp-22实时模型预测和实时画像总结.wmv ├─dmp-23lookalike几种常见方法介绍.wmv ├─dmp-24局部敏感哈希(lsh)和相似度计算几种常见方法.wmv ├─dmp-25spark计算lsh采用杰卡德相似度.wmv ├─dmp-26lookalike大赛介绍以及lr来做预测.wmv ├─dmp-27dmp功能介绍、以及架构设计-补录.wmv ├─dmp-28技术选型、以及elasticsearch介绍-先看下面27讲.wmv ├─dmp-29elasticsearch安装和elasticsearch-head和elasticsearch-sql安装.wmv ├─dmp-30（1）画像数据处理、画像指标合并成宽表.wmv ├─dmp-30（2）画像数据处理、画像指标合并成宽表.wmv ├─dmp-31画像的脚本调度编写.wmv ├─dmp-32利用es做下钻查询以及多维度分析mp4.wmv ├─dmp-32画像数据写入es代码编写.wmv ├─dmp-33项目总结.wmv ├─dmp-34面试总结、怎样打造你的简历mp4.wmv (1)\资料；目录中文件数:5个 ├─753fca54c6084de18fbb090d8c482f98 ├─第12节.第二阶段代码和资料02.zip ├─第18节.creditscoring.zip ├─第1节.课时01 – 副本.pptx ├─第9节.sexmodel.zip

653

01-28 08:22

2020最新芊锋修海_人工智能OpenCV人脸识别开发（前沿技术）

2020最新芊锋修海_人工智能OpenCV人脸识别开发（前沿技术）

651

08-25 11:14

实用数据挖掘与人工智能掌握硅谷前沿技术

实用数据挖掘与人工智能掌握硅谷前沿技术 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-复杂网络经济学应用 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 18-线代数—矩阵、等价类和行列式 19-Python基础课程 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 23-Python操作数据库、 Python爬虫 24-线分类器 25-Python进阶 26-Scikit-Learn 27-熵、逻辑斯蒂回归、SVM引入 28-决策树 29-数据呈现基础 30-云计算初步 31-D-Park实战 32-第四范式分享 33-决策树到随机森林 34-数据呈现进阶 35-强化学习 36-SVM和网络引入 37-集成模型总结和GDBT理解及其衍生应用 38-网络 39-监督学习－回归 40-监督学习－分类 41-网络基础与卷积网络 42-时间序列预测 43-人工智能金融应用 44-计算机视觉深度学习入门目的篇 45-计算机视觉深度学习入门结构篇 46-计算机视觉学习入门优化篇 47-计算机视觉深度学习入门数据篇 48-计算机视觉深度学习入门工具篇 49-个化推荐算法 50-Pig和Spark巩固 51-人工智能与设计 52-网络 53-线动力学 54-订单流模型 55-区块链一场革命 56-统计物理专题 57-复杂网络简介 58-ABM简介及金融市场建模 59-用伊辛模型理解复杂系统 60-金融市场的复杂性 61-广泛出现的幂律分布 62-自然启发算法 63-机器学习的方法 64-模型可视化工程管理 65-Value Iteration Networks 66-最新回放 67-线动力学系统 68-自然语言处理导入 69-复杂网络上的物理传输过程 70-RNN及LSTM 71-漫谈人工智能创业 72-学习其他主题 73-课程总结

645

08-13 05:40

机器学习高手全解最新扛鼎制作凝聚汗水的白板推导机器学习纯手工教学实战课程

机器学习高手最新扛鼎制作课程的最大优势，就是还原了课堂上课的真实感觉，加之讲师一流的技术水平以及清晰的逻辑和推导能力，让机器学习这个本身就难啃的硬骨头，软了不少。课程内容对机器学习进行了非常详细的拆解，除了常规的内容，还进行了包括高斯混合模型GMM，隐马尔可夫模型，变分推断，线性动态系统-卡曼滤波，受限玻尔兹曼机RBM，前馈神经网络等等前置的课程。如果觉得一般课程有难度的同学，可以来试试白板推导系列的课程，一定会有不一样的体验。 ===============课程目录=============== (1)\机器学习-白板推导系列（10）-EM算法；目录中文件数:6个 ├─EM算法（1）-EM算法公式以及算法收敛性证明.flv ├─EM算法（2）-EM算法公式导出之ELBO-KL Diver.flv ├─EM算法（3）-EM算法公式导出之ELBO-Jensen I.flv ├─EM算法（4）-EM算法再回首.flv ├─EM算法（5）-广义EM.flv ├─EM算法（6）-EM变种.flv (2)\机器学习-白板推导系列（11）-高斯混合模型GMM；目录中文件数:4个 ├─高斯混合模型（1）-模型介绍.flv ├─高斯混合模型（2）-极大似然.flv ├─高斯混合模型（3）-EM求解-E-Ste.flv ├─高斯混合模型（4）-EM求解-M-Ste.flv (3)\机器学习-白板推导系列（12）-变分推断；目录中文件数:5个 ├─变分推断1（背景介绍）.flv ├─变分推断2（公式推导).flv ├─变分推断3（再回首).flv ├─变分推断4（随机梯度变分推断-SGVI-1).flv ├─变分推断5（随机梯度变分推断-SGVI-2).flv (4)\机器学习-白板推导系列（13）-MCMC；目录中文件数:8个 ├─蒙特卡洛方法1.flv ├─蒙特卡洛方法2.flv ├─蒙特卡洛方法3.flv ├─蒙特卡洛方法4.flv ├─蒙特卡洛方法5-吉布斯采样.flv ├─蒙特卡洛方法6.flv ├─蒙特卡洛方法7.flv ├─蒙特卡洛方法8.flv (5)\机器学习-白板推导系列（14）-隐马尔可夫模型；目录中文件数:8个 ├─隐马尔可夫模型HMM（1）-背景介绍.flv ├─隐马尔可夫模型HMM（2）-背景介绍.flv ├─隐马尔可夫模型HMM（3）-前向算法.flv ├─隐马尔可夫模型HMM（4）-后向算法.flv ├─隐马尔可夫模型HMM（5）-Baum Welch算法.flv ├─隐马尔可夫模型HMM（6）-维特比算法.flv ├─隐马尔可夫模型HMM（7）-小结.flv ├─隐马尔可夫模型HMM（8）-小结.flv (6)\机器学习-白板推导系列（15）-线性动态系统-卡曼滤波；目录中文件数:3个 ├─线性动态系统1-KalmanFilter.flv ├─线性动态系统2-Filtering问题.flv ├─线性动态系统3-Filtering问题求解.flv (7)\机器学习-白板推导系列（16）-粒子滤波；目录中文件数:4个 ├─粒子滤波1-背景介绍.flv ├─粒子滤波2-重要性采样.flv ├─粒子滤波3-重采样.flv ├─粒子滤波4-SIR Filter.flv (8)\机器学习-白板推导系列（17）-条件随机场CRF；目录中文件数:8个 ├─条件随机场（1）-背景介绍.flv ├─条件随机场（2）-HMM VS MEM.flv ├─条件随机场（3）-MEMM VS CR.flv ├─条件随机场（4）-CRF模型-概率密度.flv ├─条件随机场（5）-CRF模型-概率密度.flv ├─条件随机场（6）-CRF模型-要解决的.flv ├─条件随机场（7）-CRF模型-Infe.flv ├─条件随机场（8）-CRF模型-Lear.flv (9)\机器学习-白板推导系列（18）-高斯网络；目录中文件数:3个 ├─高斯网络（1）-总体介绍.flv ├─高斯网络（2）-高斯贝叶斯网络.flv ├─高斯网络（3）-高斯马尔科夫随机场.flv (10)\机器学习-白板推导系列（19）-贝叶斯线性回归；目录中文件数:5个 ├─贝叶斯线性回归（1）-背景介绍.flv ├─贝叶斯线性回归（2）-推导介绍.flv ├─贝叶斯线性回归（3）-推导介绍.flv ├─贝叶斯线性回归（4）-推导预测.flv ├─贝叶斯线性回归（5）-小结.flv (11)\机器学习-白板推导系列（1）-开篇；目录中文件数:2个 ├─开篇（1）-频率派VS贝叶斯派.flv ├─开篇（2）-学习资料介绍.flv (12)\机器学习-白板推导系列（20）-高斯过程GP；目录中文件数:4个 ├─高斯过程GP（1）-简单介绍.flv ├─高斯过程GP（2）-权重空间角度.flv ├─高斯过程GP（3）-权重空间到函数空间.flv ├─高斯过程GP（4）-函数空间的角度.flv (13)\机器学习-白板推导系列（21）-受限玻尔兹曼机RBM；目录中文件数:6个 ├─受限玻尔兹曼机RBM（1）-背景介绍.flv ├─受限玻尔兹曼机RBM（2）-背景介绍.flv ├─受限玻尔兹曼机RBM（3）-模型表示.flv ├─受限玻尔兹曼机RBM（4）-模型表示.flv ├─受限玻尔兹曼机RBM（5）-模型推断.flv ├─受限玻尔兹曼机RBM（6）-模型推断.flv (14)\机器学习-白板推导系列（22）-谱聚类；目录中文件数:5个 ├─谱聚类（1）-背景介绍.flv ├─谱聚类（2）-模型介绍.flv ├─谱聚类（3）-模型的矩阵形式.flv ├─谱聚类（4）-模型的矩阵形式.flv ├─谱聚类（5）-模型的矩阵形式.flv (15)\机器学习-白板推导系列（23）-前馈神经网络；目录中文件数:3个 ├─前馈神经网络（1）-从机器学习到深度学习.flv ├─前馈神经网络（2）-从感知机到深度学习.flv ├─前馈神经网络（3）-非线性问题的三种解决方法.flv (16)\机器学习-白板推导系列（2）-数学基础；目录中文件数:7个 ├─数学基础（1）-高斯分布-极大似然估计.flv ├─数学基础（2）-高斯分布-极大似然估计（无偏估计VS有偏估计）).flv ├─数学基础（3）-高斯分布-从概率密度函数角度观察.flv ├─数学基础（4）-高斯分布-局限性.flv ├─数学基础（5）-高斯分布-已知联合概率求边缘概率及条件概率.flv ├─数学基础（6）-高斯分布-已知边缘和条件概率求联合概率分布.flv ├─数学基础（7）-不等式-杰森不等式.flv (17)\机器学习-白板推导系列（3）-线性回归；目录中文件数:4个 ├─线性回归1（最小二乘法及其几何意义）).flv ├─线性回归2（最小二乘法-概率视角-高斯噪声-MLE）).flv ├─线性回归3（正则化-岭回归）).flv ├─线性回归4（正则化-岭回归-概率角度-高斯噪声高斯先验-MAP）.flv (18)\机器学习-白板推导系列（4）-线性分类；目录中文件数:9个 ├─线性分类1-背景.flv ├─线性分类2-感知机（Perceptron).flv ├─线性分类3-线性判别分析（Fisher判别分析）-模型.flv ├─线性分类4-线性判别分析（Fisher判别分析）-模型.flv ├─线性分类5-逻辑回归.flv ├─线性分类6-高斯判别分析.flv ├─线性分类7-高斯判别分析.flv ├─线性分类8-高斯判别分析.flv ├─线性分类9-朴素贝叶斯分类器.flv (19)\机器学习-白板推导系列（5）-降维；目录中文件数:6个 ├─降维1-背景介绍.flv ├─降维2-样本均值&样本方差的矩阵表示.flv ├─降维3-主成分分析（PCA）-最大投影方差角度.flv ├─降维4-主成分分析（PCA）-最小重构代价角度.flv ├─降维5-主成分分析（PCA）-SVD角度.flv ├─降维6-主成分分析（PCA）-概率角度.flv (20)\机器学习-白板推导系列（6）-支持向量机SVM；目录中文件数:9个 ├─支持向量机1-硬间隔SVM-模型定义.flv ├─支持向量机2-硬间隔SVM-模型求解.flv ├─支持向量机3-硬间隔SVM-模型求解.flv ├─支持向量机4-软间隔SVM-模型定义.flv ├─支持向量机5-约束优化问题-弱对偶性证明.flv ├─支持向量机6-约束优化问题-对偶关系的几何解.flv ├─支持向量机7-约束优化问题-对偶关系之sla.flv ├─支持向量机8-约束优化问题-对偶关系之KKT.flv ├─支持向量机9-备份.flv (21)\机器学习-白板推导系列（7）-核方法；目录中文件数:4个 ├─核方法（1）-背景介绍.flv ├─核方法（2）-正定核的两个定义.flv ├─核方法（3）-正定核充要条件-必要性证明.flv ├─核方法（4）-备份.flv (22)\机器学习-白板推导系列（8）-指数族分布；目录中文件数:7个 ├─指数族分布1-背景.flv ├─指数族分布2-背景.flv ├─指数族分布3-高斯分布的指数族形式.flv ├─指数族分布4-对数配分函数与充分统.flv ├─指数族分布5-极大似然估计与充分统.flv ├─指数族分布6-最大熵角度.flv ├─指数族分布7-最大熵角度.flv (23)\机器学习-白板推导系列（9）-概率图模型基础；目录中文件数:15个 ├─概率图模型1-背景介绍.flv ├─概率图模型10-推断.flv ├─概率图模型11-推断.flv ├─概率图模型12-推断.flv ├─概率图模型13-推断.flv ├─概率图模型14-概念补充-道德图.flv ├─概率图模型15-概念补充-因子图.flv ├─概率图模型2-贝叶斯网络-Representation-条件独立性.flv ├─概率图模型3（补充解释）-贝叶斯网络-Representation-条件独立性).flv ├─概率图模型4-贝叶斯网络.flv ├─概率图模型5-贝叶斯网络.flv ├─概率图模型6-马尔可夫随机场.flv ├─概率图模型7-马尔可夫随机场.flv ├─概率图模型8-推断Inference.flv ├─概率图模型9-推断.flv

638

08-25 12:16

三个月教你从零入门人工智能-深度学习精华实践课程

三个月教你从零入门人工智能-深度学习精华实践课程规划全面：涵盖目前主流的深度学习领域，包括图像识别，图像检测，自然语言处理，GAN，分布式训练框架等等。掌握每一项技能都能在从事该领域迈进一步。重点突出：摒弃繁冗的数学证明，一切从实际出发，突出重点，短时间内掌握重点知识。实战演练：课程包含多个实际案例，并结合实际项目经验教你如何在企业中做深度学习的项目老师介绍：胡晓曼老师（Charlotte），高级算法工程师，博客专家；擅长用通俗易懂的方式讲解深度学习和机器学习算法，熟悉Tensorflow，PaddlePaddle等深度学习框架，负责过多个机器学习落地项目，如垃圾评论自动过滤，用户分级精准营销，分布式深度学习平台搭建等，都取了的不错的效果。博客专栏：https://www.cnblogs.com/charlotte77/ 课程大纲：第一章：什么是人工智能 1、人工智能背景介绍 2、前期环境准备第二章：深度学习入门基础 1、深度学习环境准备 2、Tensorflow快速入门一 ——基本概念和框架 3、Tensorflow快速入门二 ——实战演练和模型训练 4、Tensorflow快速入门三 ——技巧总结 5、深度学习数学知识一览表 6、作业：实例：用自己的数据训练一个二分类模型 7、作业讲解：如何制作自己的数据集第三章：传统神经网络与参数的理解 1、什么是多层感知机 2、激活函数的原理、类别与实现 3、损失函数的原理、类别与实现 4、梯度下降方法（一） 5、梯度下降方法（二） 6、学习率如何设定 7、正则化的方法（一） 8、正则化的方法（二） 9、实例：识别花的种类 10、作业：改变不同的参数，提高识别花种类的准确率 11、作业讲解：不同参数的改变对于准确率的变化原理第四章：前向传播与反向传播 1、前向传播的原理 2、前向传播的代码实现 3、反向传播的原理 4、反向传播的代码实现 5、实例：自己手写一个完整的BP 6、作业：写一个Autoencoder 7、作业讲解：如何写一个Autoencoder 第五章：自编码Autocoder的原理及应用 1、什么是Autoencoder 2、Autoencoder的原理与实现 3、Autoencoder与PCA的区别 4、Autoencoder的变种（一） 5、Autoencoder的变种（二） 6、实例：Autoencoder与聚类结合在预测用户偏好中的应用 7、作业：运用Autoencoder对海量数据进行降维 8、作业讲解：如何高效的运用Autoencoder降维第六章：经典卷积神经网络及图像分类 1、卷积神经网络的背景与原理 2、卷积神经网络的代码实现（一） 3、卷积神经网络的代码实现（二） 4、Le-Net5的网络结构及实现 5、AlexNet的网络结构及实现 6、Vgg的网络结构及实现 7、GoogLeNet的网络结构及实现 8、ResNet的网络结构及实现 9、实例：用经典卷积神经网络对cifar-10数据进行图像分类第七章：目标检测算法的原理及应用 1、目标检测算法的简介和种类 2、R-CNN相关算法的原理及实现（一） 3、R-CNN相关算法的原理及实现（二） 4、YOLO相关算法的原理及实现（一） 5、YOLO相关算法的原理及实现（二） 6、SSD相关算法的原理及实现（一） 7、SSD相关算法的原理及实现（二）第八章：迁移学习 1、迁移学习的简介 2、迁移学习的应用 3、迁移学习的方法 4、实例：常见的迁移学习案例分享第九章：循环神经网络RNN 1、循环神经网络RNN的简介与原理详解 2、循环神经网络RNN的代码实现 3、实例：用RNN来做情感分析第十章：自然语言处理 1、 LSTM的简介与原理详解 2、LSTM的代码实现 3、实例：用LSTM实现一个简单的聊天机器人第十一章：无监督学习：对抗网络GAN 1、GAN的背景与入门应用介绍 2、GAN的数学推导 3、GAN的变种及应用 4、实例：用GAN自动生成二次元萌妹子第十二章：深度学习的高性能计算 1、单机单卡的实现过程 2、单机多卡的实现过程 3、多机单卡的实现过程与部署 4、多级多卡的实现过程与部署 5、实例：分布式训练实例：基于docker的分布式训练框架的搭建第十三章：实战项目演练 1、实例：用户分群与偏好预测经典案例 2、实例：自动创作古诗词 3、实例：自动创造音乐

637

08-13 05:41

半个月入门人工智能AI产品经理视频教程

半个月入门人工智能AI产品经理视频教程 ─04.第三章几类典型AI产品经理的工作方法 │ 01.典型AI产品经理的工作方法.mp4 │ 02.如何善用AI供应商改造自有产品？.mp4 │ 03.如何从0开始做一款软硬协同型AI产品？.mp4 │ 04.以教育+AI为例，如何打造软硬协同型AI产品 .mp4 │ 05.AI+产品经理如何设计产品（行业赋能+自有产品）.mp4 │ 06.【图文】第三章小结（选修）.png │ 07.【试卷】第三章测试.png │ 08.【作业】第三章小作业.png │ ├─05.第四章 AI的行业落地应用 │ 01.AI+客服的行业落地应用 .mp4 │ 02.AI+新零售的行业落地应用 .mp4 │ 03.【图文】第四章小结（选修）.png │ 04.【试卷】第四章测试.png │ 05.【作业】第四章小作业.png │ javazx.com ├─06.第五章 AI不只是技术,更是种思维模式 │ 01.AI不只是技术，更是一种思维模式 .mp4 │ 02.【图文】第五章小结（选修）.png │ 03.【作业】第三至五章学习提问（选修）.png │ 04.【作业】第五章小作业.png │ └─07.课程总结 01.【作业】课程大作业.png 02.【作业】学习总结（选修）.png

633

09-08 03:50

人工智能主要方向-概率图模型（PGM）的多场景应用实战概率图模型体系架构系学视频

概率图模型（PGM）的人工智能Ai领域最主要的一个研究与和领域，从技术的角度来看，概率图模型技术包括贝叶斯网络、马尔可夫网络，隐马尔可夫网络，这同样的也是课程的最主要的三大课程内容。而通过课程的学习，我们可以清楚的了解到PGM很巧妙的结合了图论与概率论，这也就是PGM具有很强的应用型的原因。而课程省略了一些繁琐繁琐的内容，拆开来以学习实战+作业的方式进行教学实战，这样会更容易理解和消化。 ===============课程目录=============== (0)；目录中文件数:2个 ├─(1) PGM大作业.pdf ├─(2) 重录马尔科夫随机场.mp4 (1)\第1章概率图模型简介 (2)\第2章概率图模型的表示 (3)\第3章概率图模型的精确推理 (4)\第4章概率图模型的近似推理 (5)\第5章概率图模型的学习 ├─(3) 第五章作业.pdf (6)\第6章概率图模型的应用；目录中文件数:0个 (7)\第1章概率图模型简介\第一节PGM简介；目录中文件数:2个 ├─(4) PGM简介-1.1(0818).pptx ├─(5) 任务1-2：概率图模型简介.mp4 (8)\第2章概率图模型的表示\第一节概率论与图论基础；目录中文件数:2个 ├─(6) PGM表示-2.1(0818).pdf ├─(7) 任务3-2：概率论与图论基础知识.mp4 (9)\第2章概率图模型的表示\第三节马尔可夫随机场；目录中文件数:2个 ├─(8) 【课件】PGM表示-2.3马尔科夫随机场.pdf ├─(9) 任务5-2：马尔科夫随机场.mp4 (10)\第2章概率图模型的表示\第二章作业及说明；目录中文件数:1个 ├─(10) 任务2-2：第二章作业说明.mp4 (11)\第2章概率图模型的表示\第二节贝叶斯网络；目录中文件数:2个 ├─(11) PGM表示-2.2.pdf ├─(12) 任务4-2：贝叶斯网络.mp4 (12)\第2章概率图模型的表示\第四节因子图；目录中文件数:2个 ├─(13) 【课件】PGM表示-2.4因子图.pdf ├─(14) 任务6-2：因子图.mp4 (13)\第3章概率图模型的精确推理\作业及代码；目录中文件数:2个 ├─(15) code.zip ├─(16) 第三章作业说明.mp4 (14)\第3章概率图模型的精确推理\第一节推理问题分类&变量消元法；目录中文件数:2个 ├─(17) PGM精确推理3.1-3.2（0902）.pdf ├─(18) 任务8-2：推理问题分类&变量消元法.mp4 (15)\第3章概率图模型的精确推理\第三节信念传播算法（BP算法）；目录中文件数:2个 ├─(19) PGM精确推理3.4.pdf ├─(20) 任务10-2：信念传播算法（BP算法）.mp4 (16)\第3章概率图模型的精确推理\第二节团树传播算法；目录中文件数:2个 ├─(21) PGM精确推理3.3（0902）.pdf ├─(22) 任务9-2：团树传播算法.mp4 (17)\第3章概率图模型的精确推理\第四节二值图切法；目录中文件数:3个 ├─(23) PGM精确推理3.5.pdf ├─(24) 任务11-2：二值图切法 (2).mp4 ├─(25) 任务11-2：二值图切法.mp4 (18)\第4章概率图模型的近似推理\第一节：BP算法的能量最小化解释；目录中文件数:2个 ├─(26) PGM近似推理4-10921.pdf ├─(27) 任务12-2：BP算法的能量最小化解释.mp4 (19)\第4章概率图模型的近似推理\第二节：基于图切法的近似推理；目录中文件数:2个 ├─(28) kk -09-29 16-35-40.mp4 ├─(29) PGM近似推理4-20921.pdf (20)\第4章概率图模型的近似推理\第四章作业；目录中文件数:3个 ├─(30) code.zip ├─(31) to_compile_mf2.zip ├─(32) 第四章作业说明.mp4 (21)\第5章概率图模型的学习\第一节：参数学习；目录中文件数:2个 ├─(33) PGM学习-5.1（0928）.pdf ├─(34) 任务15-2：参数学习.mp4 (22)\第5章概率图模型的学习\第二节：结构学习；目录中文件数:2个 ├─(35) PGM学习-5.2（0928）.pdf ├─(36) 任务16-2：结构学习.mp4 (23)\第6章概率图模型的应用\第1节条件随机场在自然语言处理中的应用；目录中文件数:2个 ├─(37) PGM应用6.1（1016）.pdf ├─(38) 第1节条件随机场在自然语言处理中的应用.mp4 (24)\第6章概率图模型的应用\第2节概率图模型在医学图像中的应用；目录中文件数:2个 ├─(39) PGM应用6.2（1016）.pdf ├─(40) 第2节概率图模型在医学图像中的应用.mp4 (25)\第6章概率图模型的应用\第3节概率图模型在计算机视觉中的应用；目录中文件数:2个 ├─(41) 第3节概率图模型在计算机视觉中的应用.mp4 ├─(42) 第3节概率图模型在计算机视觉中的应用.pdf (26)\第2章概率图模型的表示\第二章作业及说明\HW第二章；目录中文件数:1个 ├─(43) PGM表示-hw(0825).pdf (27)\第2章概率图模型的表示\第二章作业及说明\HW第二章\PGM-hw1；目录中文件数:1个 ├─(44) A Comparative Study of Energy Minimization.pdf (28)\第2章概率图模型的表示\第二章作业及说明\HW第二章\PGM-hw1\code；目录中文件数:6个 ├─(45) AssignmentToIndex.m ├─(46) BN_Represent.m ├─(47) FactorMarginalization.m ├─(48) FactorProduct.m ├─(49) FactorTutorial.m ├─(50) IndexToAssignment.m

631

11-06 10:16

人工智能再深入！深度学习情感分析+高级黑科技深度学习极限训练拔高课程

深度学习情感分析与高级黑科技课程是人工智能领域的在一个探索，对于情感分析的深入探讨，将会再次增进我们对深度学习的认知。课程不仅情感分析为主题，还有很多黑科技技术等待同学去探索。课程内容还包括了Tensorflow训练Mnist数据集，自然语言处理，卷积神经网络，CNN实战与验证码识别，word2vec实战与对抗生成网络等技术，非常值得学习参考。前提需要同学们有一定的深度学习与机器学习基础为宜。 ===============课程目录=============== (0)；目录中文件数:0个 (1)\第一章；目录中文件数:9个 ├─1-1课程概述与环境配置.mp4 ├─1-2深度学习与人工智能概述.mp4 ├─1-3机器学习常规套路.mp4 ├─1-4K近邻与交叉验证.mp4 ├─1-5得分函数.mp4 ├─1-6损失函数.mp4 ├─1-7softmax分类器.mp4 ├─1-8课后讨论与答疑.mp4 ├─神经网络（上课）.pdf (2)\第七章-word2vec实战与对抗生成网络；目录中文件数:9个 ├─7-1基于词袋模型训练分类器.mp4 ├─7-2准备word2vec输入数据.mp4 ├─7-3使用gensim构建word2.mp4 ├─7-4tfidf原理.mp4 ├─7-5对抗生成网络原理概述.mp4 ├─7-6GAN网络结构定义.mp4 ├─7-7 Gan迭代生成.mp4 ├─7-8DCGAN网络特性.mp4 ├─7-9DCGAN网络细节.mp4 (3)\第三次课程代码；目录中文件数:3个 ├─imagenet-vgg-verydeep-19.mat ├─tensorflow.pptx ├─tensorflow代码.zip (4)\第三章-tensorflow训练mnist数据集；目录中文件数:9个 ├─3-1tensorflow安装.mp4 ├─3-2tensorflow基本套路.mp4 ├─3-3tensorflow常用操作.mp4 ├─3-4tensorflow实现线性回归.mp4 ├─3-5tensorflow实现手写字体.mp4 ├─3-6参数初始化.mp4 ├─3-7迭代完成训练.mp4 ├─3-8课后讨论.mp4 ├─mnist.zip (5)\第二章；目录中文件数:3个 ├─2-1梯度下降原理-2-2学习率的作用-2-3反向传播-2-4神经网络基础架构-2-5神经网络实例演示-2-6正则化与激活函数.mp4 ├─2-7drop-out.mp4 ├─2-8课后讨论.mp4 (6)\第五章-CNN实战与验证码识别；目录中文件数:8个 ├─5-1卷积网络复习.mp4 ├─5-2使用CNN训练mnist数.mp4 ├─5-3卷积与池化操作.mp4 ├─5-4定义卷积网络计算流程.mp4 ├─5-5完成迭代训练.mp4 ├─5-6验证码识别概述.mp4 ├─5-7验证码识别流程.mp4 ├─验证码案例.zip (7)\第八章-LSTM情感分析与黑科技概述；目录中文件数:7个 ├─8-1 RNN网络架构.mp4 ├─8-2LSTM网络架构.mp4 ├─8-3案例：使用LSTM进行情.mp4 ├─8-4情感数据集处理.mp4 ├─8-5基于word2vec的LSTM模型.mp4 ├─8-6趣味网络串讲（数据代.mp4 ├─8-7课后讨论版.mp4 (8)\第六章-自然语言处理-word2vec；目录中文件数:7个 ├─6-1自然语言处理与深度学.mp4 ├─6-2语言模型.mp4 ├─6-3神经网络模型.mp4 ├─6-4CBOW模型.mp4 ├─6-5参数更新.mp4 ├─6-6负采样模型.mp4 ├─6-7案例：影评情感分类(数据.mp4 (9)\第四章-卷积神经网络；目录中文件数:6个 ├─4-1卷积体征提取.mp4 ├─4-2卷积计算流程.mp4 ├─4-3卷积层计算参数.mp4 ├─4-4池化层操作.mp4 ├─4-5卷积网络整体架构.mp4 ├─4-6经典网络架构.mp4

626

08-25 12:24

高大上人工智能机器学习专题视频 7套打包分享

高大上人工智能机器学习专题视频 7套打包分享 │xa0xa0│xa0 xa0xa0 xa0第10课金融反欺诈模型训练.mp4 │xa0xa0│xa0 xa0xa0 xa0第1课音乐推荐系统_(上).mp4 │xa0xa0│xa0 xa0xa0 xa0第2课音乐推荐系统_(下).mp4 │xa0xa0│xa0 xa0xa0 xa0第3课神经网络实现机器翻译.mp4 │xa0xa0│xa0 xa0xa0 xa0第4课基于pytorch的风格转换.mp4 │xa0xa0│xa0 xa0xa0 xa0第5课xa0xa0文本主题与分类_(上).mp4 │xa0xa0│xa0 xa0xa0 xa0第6课文本主题与分类_(下).mp4 │xa0xa0│xa0 xa0xa0 xa0第7课电商点击率预估_(上).mp4 │xa0xa0│xa0 xa0xa0 xa0第8课电商点击率预估_(下).mp4 │xa0xa0│xa0 xa0xa0 xa0第9课视觉聊天机器.mp4 │xa0xa0└─讲义代码 │xa0 xa0xa0 xa0│xa0xa0互联网金融风控中的数据科学–王婷–public.pdf │xa0 xa0xa0 xa0├─第01-02课 │xa0 xa0xa0 xa0│xa0 xa0xa0 xa0《推荐系统》数据与代码说明.txt │xa0 xa0xa0 xa0├─第03课 │xa0 xa0xa0 xa0│xa0 xa0xa0 xa0第3课 GitHub链接.docx │xa0 xa0xa0 xa0├─第04课 │xa0 xa0xa0 xa0│xa0 xa0xa0 xa0seq2seq学习笔记 – 大学之道，在明明德 – 博客频道 – CSDN.NET.jpg │xa0 xa0xa0 xa0├─第05-06课 │xa0 xa0xa0 xa0│xa0 xa0xa0 xa0机器学习项目班第5-6课.txt │xa0 xa0xa0 xa0├─第07课 │xa0 xa0xa0 xa0├─第08课 │xa0 xa0xa0 xa0├─第10课 │xa0 xa0xa0 xa0│xa0 xa0xa0 xa0机器学习项目班-金融反欺诈.zip │xa0 xa0xa0 xa0└─第9课 │xa0 xa0xa0 xa0xa0 xa0xa0 xa0xa0xa0课件—视觉聊天机器人 – 次世代的图灵测试.docx ├─ML_3月机器学习在线班 │xa0xa0│xa0xa0下载说明.txt │xa0xa0│xa0xa0关注我们.png 攻城狮论坛=网络技术+编程视频.url │xa0xa0│xa0xa0解压缩密码是方括号里的内容 [攻城狮论坛 bbs.vlan5.com].txt │xa0xa0│xa0xa0│xa0xa01.1微积分与概率论.pdf │xa0xa0│xa0xa0│xa0xa01.微积分与概率论.pdf │xa0xa0│xa0xa0│xa0xa010.1贝叶斯网络.pdf │xa0xa0│xa0xa0│xa0xa011.支持向量机.pdf │xa0xa0│xa0xa0│xa0xa012.EM和GMM.pdf │xa0xa0│xa0xa0│xa0xa013.0主题模型_预习材料.pdf │xa0xa0│xa0xa0│xa0xa013.主题模型.pdf │xa0xa0│xa0xa0│xa0xa014.隐马尔科夫模型.pdf │xa0xa0│xa0xa0│xa0xa02.1.1参数估计的评价准则.pdf │xa0xa0│xa0xa0│xa0xa02.1参数估计与矩阵运算.pdf │xa0xa0│xa0xa0│xa0xa02.参数估计与矩阵运算.pdf │xa0xa0│xa0xa0│xa0xa02012.李航.统计学习方法.pdf │xa0xa0│xa0xa0│xa0xa03.凸优化.pdf │xa0xa0│xa0xa0│xa0xa04.1广义线性回归和对偶优化.pdf │xa0xa0│xa0xa0│xa0xa05.梯度下降和拟牛顿.pdf │xa0xa0│xa0xa0│xa0xa06.最大熵模型.pdf │xa0xa0│xa0xa0│xa0xa07.聚类.pdf │xa0xa0│xa0xa0│xa0xa08.决策树与随机森林.pdf │xa0xa0│xa0xa0│xa0xa09.Adaboost导论.pdf │xa0xa0│xa0xa0│xa0xa09.贝叶斯网络.ppt │xa0xa0│xa0xa0│xa0xa0七月教育LDA学员分享_version2.pdf │xa0xa0│xa0xa0│xa0xa0凸优化-中译本(扫描).pdf │xa0xa0│xa0xa0│xa0xa0学习率代码.cpp │xa0xa0│xa0xa0│xa0xa0推荐系统实践.pdf │xa0xa0│xa0xa0└─4月19日晚的分享_黄高乐 │xa0xa0│xa0 xa0xa0 xa0└─4月19日晚的分享_黄高乐 │xa0xa0│xa0 xa0xa0 xa0xa0 xa0 │xa0xa04月19日学员分享.pptx │xa0xa0│xa0 xa0xa0 xa0xa0 xa0 └─单纯形法源代码_by C

625

«
1
2
3
4
5
6
7
8
9
»