人工智能、机器、深度学习【19天直播课】视频110_共：7.32GB
24773文件名称： 人工智能、机器、深度学习【19天直播课】视频110_共：7.32GB
文件总数量： 240条
压缩文件数量： 0条
压缩文件比： 0%
疑似加密文件： 0条(需要授权播放的文件)
文件创建时间： 2021-4-3 18:07:29
目录：【人工智能、机器学习、深度学习【19天直播课】】
目录：【人工智能、机器学习、深度学习【19天直播课】】
目录：【人工智能、机器学习、深度学习【19天直播课】/Day9】
6.案例.wmv
5.卷积神经网络的内容.wmv
4.卷积和池化.wmv
3.卷积神经网络.wmv
2.本周内容回顾_.wmv
1.内容说明.wmv
目录：【人工智能、机器学习、深度学习【19天直播课】/Day8】
9.简单说明集成学习_.wmv
8.早停发.wmv
7.总结激活函数.wmv
6.Maxout函数_.wmv
5.用RELU替代Sigmoid函数.wmv
4.RelU内容.wmv
3.如何解决过拟合和欠拟合.wmv
2.过拟合和欠拟合的引入.wmv
14.AUC内容求解.wmv
13.ROC曲线.wmv
12.准确率_精确率_召回率.wmv
11.交叉验证_.wmv
10.DROPOUT内容.wmv
1.回顾之前内容.wmv
目录：【人工智能、机器学习、深度学习【19天直播课】/Day7】
9.神经网络的结构-下午.wmv
8.代码情况.wmv
7.神经网络的演示.wmv
6.神经网络_.wmv
5.确定哪个神经网络更好.wmv
4.特征转换和神经网络.wmv
3.核函数或者映射.wmv
2.多分类的情况.wmv
11.反向传播算法.wmv
10.链式法则.wmv
1.回顾昨天的内容_.wmv
目录：【人工智能、机器学习、深度学习【19天直播课】/Day6】
9.等概率线和逻辑回归与高斯判别之间的关系.wmv
8.逻辑回归的函数图像.wmv
7.逻辑回归梯度下降的公式.wmv
6.逻辑回归的损失函数.wmv
5.argmax和sigmoid.wmv
4.逻辑回归.wmv
3.回归可以处理分类问题_.wmv
2.Sigmoid函数和高斯判别.wmv
10.代码_.wmv
1.回顾.wmv
目录：【人工智能、机器学习、深度学习【19天直播课】/Day5】
9.高斯判别的思想内容.wmv
8.最大似然函数.wmv
7.高斯判别第二次说明.wmv
6.多元高斯分布.wmv
5.又解释一遍高斯分布.wmv
4.高斯判别的引入_.wmv
3.多维高斯分布_.wmv
2.后续的重点说明.wmv
16.代码.wmv
15.朴素贝叶斯2.wmv
14.朴素贝叶斯.wmv
13.高斯分布是线性的_.wmv
12.高斯判别分析推导.wmv
11.实做上的高斯判别分析.wmv
10.协方差矩阵.wmv
1.回顾.wmv
目录：【人工智能、机器学习、深度学习【19天直播课】/Day4】
9.为什么正太分布.wmv
8.正态分布2.wmv
7.正态分布.wmv
6.泊松分布.wmv
5.二项分布_.wmv
4.伯努利分布.wmv
和岭回归无偏估计.wmv
2.第一部分总结.wmv
14.高斯判别分析.wmv
13.贝叶斯分类器.wmv
12.假定检验2.wmv
11.假定检验.wmv
10.中心极限定理_.wmv
1.Adagrad的内容.wmv
目录：【人工智能、机器学习、深度学习【19天直播课】/Day3】
9.小批量梯度下降.wmv
8.随机梯度下降的收敛情况.wmv
7.随机梯度下降.wmv
6.Adagrad的内容.wmv
5.没讲明白2.wmv
4.没讲明白.wmv
3.Adagrad自适应学习率.wmv
2.程序演示.wmv
16.代码讲解视频.wmv
15.L1和L2的对比_.wmv
14.L1和L2正则化_.wmv
13.总结岭回归.wmv
12.岭回归.wmv
11.下午的岭回归正则化的内容_.wmv
10.随机梯度下降的代码.wmv
1.回顾_.wmv
目录：【人工智能、机器学习、深度学习【19天直播课】/Day2】
9.解决问题.wmv
8.方差偏差的图像_.wmv
7.另一种方式解释偏差和方差.wmv
6.过拟合和欠拟合.wmv
5.过拟合和欠拟合_.wmv
4.演示多项式拟合内容.wmv
3.多项式你和.wmv
2.线性回归.wmv
2.泰勒展开.wmv
17.梯度下降法的编程.wmv
16.梯度下降法可能落在极值点.wmv
15.梯度下降的公式.wmv
14.解答问题_.wmv
13.梯度下降的图像.wmv
12.梯度下降法的引入.wmv
11.梯度的引入_.wmv
10.总结.wmv
目录：【人工智能、机器学习、深度学习【19天直播课】/Day19】
8.使用线性回归代码.wmv
7.大神代码生成训练集-验证集-测试集.wmv
6.大神的特征工程2_.wmv
5.大神的代码的特征.wmv
4.大神的代码2.wmv
3.看看大神的代码_.wmv
2.需要的特征有哪些.wmv
1.探索.wmv
目录：【人工智能、机器学习、深度学习【19天直播课】/Day18】
6.矩阵分解在推荐系统中的应用.wmv
5.解答.wmv
4.奇异值分解_.wmv
3.PCA的推导过程.wmv
2.PCA的引入.wmv
1.回顾.wmv
目录：【人工智能、机器学习、深度学习【19天直播课】/Day17】
9.代码.wmv
8.DBScan.wmv
7.层次聚类_.wmv
6.层次聚类.wmv
5.k-means.wmv
4.外部指标.wmv
3.相似度理论_.wmv
2.引出聚类的问题.wmv
2.内部指标.wmv
10.特征值分解.wmv
1.SVM回顾.wmv
目录：【人工智能、机器学习、深度学习【19天直播课】/Day16】
7.SVM的程序.wmv
6.Li宏毅老师的对偶问题.wmv
5.梯度下降求解SVM.wmv
4.通过Li宏毅老师的说SVM.wmv
3.软间隔的几何理解_.wmv
2.几何的方式进行理解.wmv
1.回顾.wmv
目录：【人工智能、机器学习、深度学习【19天直播课】/Day15】
9.smO2.wmv
8.smO_.wmv
7.SVM推导2.wmv
6.SVM推导1_.wmv
5.拉格朗ri乘子法的KKT条件.wmv
4.拉格朗ri乘子法.wmv
3.SVM理解.wmv
2.SVM引入.wmv
12.hingeloss合叶.wmv
11.高斯核.wmv
10.核函数和多项式核.wmv
1.本周内容.wmv
目录：【人工智能、机器学习、深度学习【19天直播课】/Day14】
9.冒泡和插入排序.wmv
8.树和树的遍历_.wmv
7.链表的习题.wmv
6.链表的好处_.wmv
5.链表介绍.wmv
4.回顾内容.wmv
3.XGboost过拟合问题.wmv
2.问题_.wmv
12.问题.wmv
11.快速排序.wmv
10.归并排序.wmv
1.总结树模型.wmv
目录：【人工智能、机器学习、深度学习【19天直播课】/Day13】
工作上的图片.jpg
8.队列_.wmv
7.标准化和归一化_.wmv
6.栈的概念.wmv
5.兔子过河.wmv
4.数据结构与算法.wmv
3.xgboost的推导.wmv
2.GBDT回顾.wmv
1.回顾.wmv
目录：【人工智能、机器学习、深度学习【19天直播课】/Day12】
9.boosting的引入.wmv
8.随机森林选择特征的方法_.wmv
7.集成学习加随机森林_.wmv
6.树模型的总结.wmv
5.回归树处理过拟合1.wmv
4.一元回归树的展示.wmv
3.回归树.wmv
2.答疑.wmv
13.不知道说了啥.wmv
12.梯度提升树.wmv
11.提升树_.wmv
10.Boosting和Bagging的区别.wmv
1.回顾.wmv
目录：【人工智能、机器学习、深度学习【19天直播课】/Day11】
9.缺失值的处理方法-上午_.wmv
8.决策树的正则以及剪枝.wmv
7.机器学习三个步骤表述决策树.wmv
6.昨天的学员访谈.wmv
5.交叉熵.wmv
4.信息熵.wmv
3.先验概率和后验概率.wmv
2.判别模型和生成模型加先验概率和后验概率.wmv
1.连续值的处理方法.wmv
目录：【人工智能、机器学习、深度学习【19天直播课】/Day10】
9.预剪枝.wmv
8.决策树的手算.wmv
7.基尼指数.wmv
6.信息增益率情况.wmv
5.决策树的生成和结束.wmv
4.决策树的生成.wmv
3.引入信息熵_.wmv
2.决策树的本质内容_.wmv
11.解答问题.wmv
10.预剪枝和后剪枝.wmv
1.回顾加引出决策树.wmv
目录：【人工智能、机器学习、深度学习【19天直播课】/Day1】
9.等值线_.wmv
8.损失函数.wmv
7.线性回归总结.wmv
6.线性回归的感觉.wmv
5.线性回归问题_.wmv
4.后续学习内容_.wmv
3.监督和半监督和无监督学习.wmv
2.机器学习的感知.wmv
16.总结.wmv
15.引入泰勒展开.wmv
14.引入交叉验证.wmv
13.打印模型中的参数和结局.wmv
12.使用sklearn执行最小二乘法.wmv
11.编程实现最小二乘法.wmv
10.评价标准_.wmv
1.人工智能和机器学习和深度学习.wmv
目录：【人工智能、机器学习、深度学习【19天直播课】/day--6】
9.等概率线和逻辑回归与高斯判别之间的关系.wmv
8.逻辑回归的函数图像.wmv
7.逻辑回归梯度下降的公式.wmv
6.逻辑回归的损失函数.wmv
5.argmax和sigmoid_.wmv
4.逻辑回归.wmv
3.回归可以处理分类问题.wmv
2.Sigmoid函数和高斯判别_.wmv
10.代码.wmv
1.回顾.wmv
目录：【人工智能、机器学习、深度学习【19天直播课】/Day6/.ipynb_checkpoints】
Untitled-checkpoint.ipynb
目录：【人工智能、机器学习、深度学习【19天直播课】/Day17/线性代数2转码后】
9.奇异分解.mp4
8.特征分解.mp4
7.谱定理_.mp4
6.对称矩阵.mp4
5.不同特征值对应的特征向量线性无关_.mp4
4.可对角化矩阵.mp4
3.迹是特征值的总和.mp4
2.相似矩阵.mp4
10.奇异值分解的计算.mp4
1.矩阵的迹.mp4
页:
[1]