【15516】-百战程序员 人工智能训练营
人工智能5天入门训练营
01人工智能就业前景与薪资.mp4
02人工智能适合人群与必备技能.mkv
03人工智能时代是发展的必然.mp4
04人工智能在各领域的应用.mp4
05_人工智能常见流程.mkv
06-机器学习不同的学习方式.mkv
07-深度学习比传统机器学习有优势.mkv
08-有监督机器学习任务与本质.mp4
09_无监督机器学习任务与本质.mp4
10_理解简单线性回归.mp4
11_最优解_损失函数_MSE.mp4
12_扩展到多元线性回归.mp4
13_理解多元线性回归表达式几种写法的原因.mp4
14_理解维度这个概念.mp4
15_理解回归一词_中心极限定理_正太分布和做预测.mp4
16_假设误差服从正太分布-最大似然估计MLE.mp4
17_引入正太分布的概率密度函数.mp4
18_明确目标通过最大总似然求解8.mp4
19_对数似然函数-推导出损失函数MSE.mp4
20_把目标函数按照线性代数的方式去表达.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
23_Python开发环境版本的选择及下载.mp4
24_Anaconda环境安装_Pycharm环境安装.mp4
25_Pycharm创建脚本并测试python开发环境.mp4
26-解析解的方式求解多元线性回归-数据Xy.mp4
27-解析解的方式求解多元线性回归-求解模型-使用模型_绘制图形.mp4
28_解析解的方式求解多元线性回归_扩展随机种子概念_增加维度代码的变换.mp4
29_Scikit-learn模块的介绍.mp4
30_调用Scikit-learn中的多元线性回归求解模型（上）.mp4
31_调用Scikit-learn中的多元线性回归求解模型（下）.mp4
32_梯度下降法产生的目的和原因以及思想.mp4
33_梯度下降法公式.mp4
34_学习率设置的学问_全局最优解.mp4
35_梯度下降法迭代流程总结.mp4
36_多元线性回归下的梯度下降法.mp4
37_全量梯度下降.mp4
38_随机梯度下降_小批量梯度下降.mp4
39_对应梯度下降法的问题和挑战.mp4
40_轮次和批次.mp4
41_代码实现全量梯度下降第1步和第2步.mp4
42_代码实现全量梯度下降第3步和第4步.mp4
43_代码实现随机梯度下降.mp4
44_代码实现小批量梯度下降.mp4
45_代码改进保证训练数据全都能被随机取到.mp4
46_代码改进实现随着迭代增加动态调整学习率.mp4
人工智能之线性回归优化与逻辑回归
01_利用GD来求解多元线性回归的最优解.mp4
02_归—化.mp4
03_正则化.mp4
04_ScikitLearn介绍_岭回归的本质_Lasso回归的本质.mp4
05_多项式回归_保险花销预测案例.mp4
06-基于保险案例进行更多的数据的EDA.mp4
07_逻辑回归表达式的推导-逻辑回归损失函数的推导.mp4
08_逻辑回归代码实战Iris二分类和多分类任务.mp4
人工智能之人脸识别与目标检测、语义分割
人工智能之快速入门与线性回归
人工智能之图像识别与图像分割
人工智能之神经网络与TensorFlow