[視頻][資源]【黑馬程序員】智能機器人軟件開發 無基礎小白也能學會的人工智能課 - 帶源碼課件
當前位置:點晴教程→知識管理交流
→『 技術文檔交流 』
名稱:【黑馬程序員】智能機器人軟件開發 無基礎小白也能學會的人工智能課 - 帶源碼課件 描述:本套課程從零開始,講解人工智能的全部核心基礎, 4天課讓你掌握機器學習、線性代數、微積分和概率論,學完課程你可以自己推導損失函數,實現梯度下降,手寫神經網絡,把控無人駕駛,完成手寫字識別... 鏈接:https://www.alipan.com/s/b1mb2vHw3Bq day1 00_為什么要學習數學(1).mp4 01_引言和學習方法.mp4 02_feature和label.mp4 03_什么是機器學習(1).mp4 04_數據采集方式.mp4 05_knn算法入門.mp4 06_knn算法python實現,mp4 07_代碼流程回顧.mp4 08_抽取knn函數,mp4 09_實驗演示驗證結論.mp4 10_評估模型好壞的方法,訓練集和測試集,mp4 11_生成測試和訓練數據集.mp4 12_調參選取最優的k.mp4 13_增加數據的維度.mp4 14_numpy加載特殊數據.mp4 15_歐式距離.mp4 16_二維空間距離的計算.mp4 17_代碼增加一個維度.mp4 18_數據歸一化.mp4 19_knn的feature的選擇.mp4 20_向量和向量的運算.mp4 21_概念總結.mp4 22_使用矩陣和向量實現knn.mp4 23_房價預測簡單框架.mp4 24_數據的歸一化和標準化.mp4 附1_如何學習數學.mp4 附:問題1.mp4 day2 01_線性回歸和Knn.mp4 02_線性回歸解決什么問題_ev.mp4 03_Excel進行線性回歸_ev.mp4 04_損失函數和最小均方差_ev.mp4 05_excle來簡單理解梯度下降_ev.mp4 06_梯度下降的問題分析_ev.mp4 07_求導簡單入門_ev.mp4 08_mse對b進行求導_ev.mp4 09_Excel演示梯度下降&學習速率_ev.mp4 10_偏導數分別求解m和b的導數_ev.mp4 11_對m和b分別進行梯度下降_ev.mp4 12_Python代碼實現梯度下降_ev.mp4 13_代碼測試生成m和b_ev.mp4 14_作業演示.mp4 day3 01_高等數學入門.mp4 02_問題描述_ev.mp4 03_簡單理解矩陣運算的現實含義_ev.mp4 04_矩陣的形狀_ev.mp4 05_矩陣的加法_ev.mp4 06_手動計算矩陣的乘法_ev.mp4 07_矩陣的乘法不滿足交換律_ev.mp4 08_用numpy進行矩陣的乘法運算_ev.mp4 09_矩陣運算計算m和b的偏導數_ev.mp4 10_numpy矩陣運算演示獲取m和b的偏導_ev.mp4 11_用矩陣運算重構線性回歸代碼_ev.mp4 12_對比程序執行的時間_ev.mp4 13_增加數據的維度,mp4 14_函數模型的評估和錯誤率的計算_ev.mp4 15_矩陣可以理解為一個變化函數_ev.mp4 16_bmp是如何描述圖片的_ev.mp4 17_位圖和svq圖的區別_ev.mp4 18_矩陣運算變化圖片的位置_ev.mp4 19_矩陣運算旋轉圖形_ev.mp4 20_矩陣的縮放處理_ev.mp4 21_圖形變換綜合案例_ev.mp4 22_機器學習淺談_ev.mp4 23_siqmod函數引入_ev.mp4 24_邏輯回歸的步驟.mp4 day4 01_自然底數和sigmod函數.mp4 02_矩陣運算計算邏輯回歸_ev.mp4 03_邏輯回歸簡單實現_ev.mp4 04_多分類問題_ev.mp4 05_多分類的概率問題思考_ev.mp4 06_多分類問題softmax公式_ev.mp4 07_手寫數字數據集_ev.mp4 08_手寫數字的識別原理_ev.mp4 09_手寫數字數據集的處理_ev.mp4 10_手寫數字的識別_ev.mp4 11_手寫數字bug處理_ev.mp4 12_ai自動駕駛_ev.mp4 13_神經網絡的作用_ev.mp4 14_多層神經網絡演示_ev.mp4 15_感知機_ev.mp4 16_感知機數學原理_ev.mp4 17線性模型和非線性模型ev.mp4 18_交叉熵cross-entropy_ev.mp4 19_概率簡介.mp4 資料.exe 該文章在 2024/8/29 17:20:29 編輯過 |
關鍵字查詢
相關文章
正在查詢... |