人工智能训练营5天入门到实战视频课程-涵盖图像识别、人脸识别、目标检测等_7.76GB
49493文件名称: 人工智能训练营5天入门到实战视频课程-涵盖图像识别、人脸识别、目标检测等040_共:7.76GB
文件总数量: 89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:2023-09-20 08:40:34
目录:【人工智能之快速入门与线X回归/视频】
02_AI的流程_ML和DL关系_回归、分类、聚类、降维的本质.mp4
03_线X回归的表达式_损失函数MSE.mp4
05_从MSE到θ的解析解形式.mp4
01_五天实训的内容_人工智能应用.mp4
06_An装Anaconda和PyCharm运行和开发软件.mp4
07_python代码实现多元线X回归解析解的求解方法.mp4
08_梯度下降法的步骤_公式.mp4
09_根据损失函数MSE推导梯度的公式.mp4
04_推导出多元线X回归的损失函数.mp4
目录:【人工智能训练营5天入门到实战视频课程-涵盖图像识别、人脸识别、目标检测等】
2023-09-19_18-40.png
目录:【人工智能之人脸识别与目标检测、语义分割/视频】
03_FaceNet论文_架构_三元组损失.mp4
01_作业的讲解_知识的回顾.mp4
02_人脸识别的架构流程分析.mp4
09_MaskRCNN的架构_思想_蒙版弹幕项目效果.mp4
06_人脸识别项目代码_实操作业要求.mp4
07_FasterRCNN目标检测口罩项目展示_图片标注工具labelimg的使用.mp4
04_MTCNN论文_架构_损失函数.mp4
05_facenet-master项目的下载和导入.mp4
08_FasterRCNN论文_架构_思想.mp4
目录:【人工智能之线X回归优化与逻辑回归/视频】
02_归一化.mp4
06_基于保险案例进行更多的数据的EDA.mp4
04_ScikitLearn介绍_岭回归的本质_Lasso回归的本质.mp4
07_逻辑回归表达式的推导_逻辑回归损失函数的推导.mp4
01_利用GD来求解多元线X回归的最优解.mp4
05_多项式回归_保险花销预测案例.mp4
08_逻辑回归代码实战Iris二分类和多分类任务.mp4
03_正则化.mp4
目录:【人工智能之神经网络与TensorFlow/视频】
01_作业讲解_回顾昨日知识.mp4
07_TensorFlow对于GPU版本的An装.mp4
09_TensorFlow实现Softmax回归分类MNIST手写数字识别.mp4
02_打鸡血_聊一下图像算法工程师就业薪资水平.mp4
04_讲解Softmax回归算法.mp4
05_多层神经网络的好处_隐藏层的激活函数必须是非线X的原因.mp4
06_TensorFlow对于CPU版本的An装.mp4
03_NN神经元_常用的3种激活函数_NN理解LR做多分类.mp4
08_TensorFlow实现多元线X回归预测房价.mp4
目录:【人工智能5天入门训练营/视频】
36_多元线X回归下的梯度下降法.mp4
03_人工智能时代是发展的必然.mp4
12_扩展到多元线X回归.mp4
14_理解维度这个概念.mp4
06_机器学习不同的学习方式.mkv
26_解析解的方式求解多元线X回归_数据Xy.mp4
28_解析解的方式求解多元线X回归_扩展随机种子概念_增加维度代码的变换.mp4
09_无监督机器学习任务与本质.mp4
42_代码实现全量梯度下降第3步和第4步.mp4
44_代码实现小批量梯度下降.mp4
02_人工智能适合人群与必备技能.mkv
13_理解多元线X回归表达式几种写法的原因.mp4
38_随机梯度下降_小批量梯度下降.mp4
45_代码改进保证训练数据全都能被随机取到.mp4
07_深度学习比传统机器学习有优势.mkv
43_代码实现随机梯度下降.mp4
18_明确目标通过最大总似然求解θ.mp4
34_学习率设置的学问_全局最优解.mp4
20_把目标函数按照线X代数的方式去表达.mp4
21_推导出目标函数的导函数形式.mp4
22_θ解析解的公式_是否要考虑损失函数是凸函数.mp4
33_梯度下降法公式.mp4
01_人工智能就业前景与薪资.mp4
23_Python开发环境版本的选择及下载.mp4
17_引入正太分布的概率密度函数.mp4
27_解析解的方式求解多元线X回归_求解模型_使用模型_绘制图形.mp4
15_理解回归一词_中心极限定理_正太分布和做预测.mp4
35_梯度下降法迭代流程总结.mp4
11_最优解_损失函数_MSE.mp4
30_调用Scikit-learn中的多元线X回归求解模型(上).mp4
10_理解简单线X回归.mp4
41_代码实现全量梯度下降第1步和第2步.mp4
08_有监督机器学习任务与本质.mp4
16_假设误差服从正太分布_最大似然估计MLE.mp4
31_调用Scikit-learn中的多元线X回归求解模型(下).mp4
04_人工智能在各领域的应用.mp4
37_全量梯度下降.mp4
39_对应梯度下降法的问题和挑战.mp4
24_Anaconda环境An装_Pycharm环境An装.mp4
25_Pycharm创建脚本并测试python开发环境.mp4
29_Scikit-learn模块的介绍.mp4
19_对数似然函数_推导出损失函数MSE.mp4
32_梯度下降法产生的目的和原因以及思想.mp4
40_轮次和批次.mp4
05_人工智能常见流程.mkv
46_代码改进实现随着迭代增加动态调整学习率.mp4
目录:【人工智能之图像识别与图像分割/视频】
04_TensorFlow实训CNN分类MNIST手写数字识别.mp4
01_TensorFlow实现DNN分类MNIST手写数字识别.mp4
06_U-Net网络模型_细胞核数据的读取.mp4
03_池化的计算_SAME和VALID模式_经典CNN结构.mp4
07_U-Net网络进行细胞核切分的训练代码.mp4
02_卷积神经网络卷积层_卷积的计算.mp4
05_VGG16网络模型_数据增强_COVID19医疗图片的识别.mp4
页:
[1]