深度之眼-人工智能研究生课程库-899元

课程目录

01-软件安装及环境配置
02-Anaconda介绍及安装.mp4 31.51M
03-【Python 3.6】 Python安装及验证.mp4 15.64M
04-【Python 3.6】 Python配置环境变量.mp4 7.92M
05-【Python 3.6】 Python卸载及验证.mp4 6.24M
06-【PyTorch 1.2】 PyTorch简介与安装.mp4 48.34M
07-【Pytorch1.2】 Pytorch开发环境安装.mp4 210.80M
08-【TensorFlow 2.1.0】环境安装-ubuntu.mp4 174.66M
09-【TensorFlow 2.1.0】环境安装-windows.mp4 132.37M
10-【GPU驱动安装】GPU_driver_windows.mp4 19.82M
11-【GPU驱动安装】GPU_driver_Linux.mp4 96.04M
12-Linux 常用命令.mp4 92.54M
13-【数据分析工具】 MySQL.mp4 34.26M
14-【数据分析工具】 Navicate.mp4 18.11M
15-【数据分析工具】 Tableau Public.mp4 35.85M
02-人工智能数学基础
05-【第一章 线性代数(上)】章节导读.mp4 11.07M
06-【第一章 线性代数(上)】-1 矩阵及其基本运算①.mp4 34.70M
07-【第一章 线性代数(上)】-2 矩阵及其基本运算②.mp4 64.40M
08-【第一章 线性代数(上)】-3 矩阵的行列式①.mp4 38.86M
09-【第一章 线性代数(上)】-4 矩阵的行列式②.mp4 46.99M
10-【第一章 线性代数(上)】-5 矩阵的行列式③.mp4 37.79M
11-【第一章 线性代数(上)】-6 矩阵的行列式④.mp4 10.01M
12-【第一章 线性代数(上)】-7 矩阵的逆①.mp4 41.26M
13-【第一章 线性代数(上)】-8 矩阵的逆②.mp4 26.80M
14-【第一章 线性代数(上)】-9 矩阵的逆③.mp4 30.43M
15-【第二章 线性代数(下)】章节导读.mp4 9.90M
16-【第二章 线性代数(下)】-1 矩阵的初等变换①.mp4 50.39M
17-【第二章 线性代数(下)】-2 矩阵的初等变换②.mp4 23.98M
18-【第二章 线性代数(下)】-3 矩阵的初等变换③.mp4 62.92M
19-【第二章 线性代数(下)】-4 矩阵的初等变换④.mp4 24.74M
20-【第二章 线性代数(下)】-5 矩阵的特征值与特征向量①.mp4 55.00M
21-【第二章 线性代数(下)】-6 矩阵的特征值与特征向量②.mp4 46.51M
22-【第二章 线性代数(下)】-7 矩阵的特征值与特征向量③.mp4 39.71M
23-【第二章 线性代数(下)】-8 矩阵对角化以及二次型①.mp4 48.69M
24-【第二章 线性代数(下)】-9 矩阵对角化以及二次型②.mp4 33.98M
25-【第二章 线性代数(下)】-10 矩阵对角化以及二次型③.mp4 32.49M
26-【第二章 线性代数(下)】-11svd分解的应用.mp4 49.81M
27-【第三章 微积分】-01常用函数的导数以及到导数的常用公式.mp4 50.35M
28-【第三章 微积分】-02 中值定理&洛必达法则&泰勒公式及应用.mp4 46.01M
29-【第三章 微积分】-03 函数的凹凸性&函数的极值.mp4 45.39M
30-【第三章 微积分】-04 不定积分.mp4 28.30M
31-【第三章 微积分】-05 定积分.mp4 29.72M
32-【第三章 微积分】-06 偏导数&多元函数复合求导法则链式求导法则.mp4 43.21M
33-【第三章 微积分】-07 方向导数与梯度及其应用.mp4 53.22M
34-【第三章 微积分】-08 多元函数泰勒公式与海森矩阵&多元函数的极值.mp4 37.63M
35-【第三章 微积分】-09 矩阵的求导.mp4 43.88M
36-【第三章 微积分】-10 矩阵的求导在深度学习中的应用.mp4 47.41M
37-【第四章 概率论】-01随机实验样本空间随机事件&概率的定义.mp4 53.38M
38-【第四章 概率论】-02全概率公式与贝叶斯公式及应用&独立性.mp4 37.17M
39-【第四章 概率论】-03随机变量与多维随机变量.mp4 47.05M
40-【第四章 概率论】-04期望与方差part1.mp4 42.55M
41-【第四章 概率论】-05期望与方差part2.mp4 19.22M
42-【第四章 概率论】-06参数的估计.mp4 47.82M
43-【第五章 最优化】-1 无约束最优化梯度下降.mp4 49.51M
44-【第五章 最优化】-2 无约束最优化梯度下降.mp4 49.56M
45-【第五章 最优化】-3 约束最优化.mp4 43.06M
03-Python基础+数据科学入门
05-第一章 绪论和环境配置.mp4 43.13M
06-【作业讲解】第一章:助教实际演示配置环境过程.mp4 23.91M
07-第二章 Python 基本语法元素.mp4 92.02M
08-【作业讲解】第二章:Python基本语法元素.mp4 48.38M
09-第三章 基本数据类型.mp4 79.01M
10-【作业讲解】第三章:基本数据类型.mp4 42.30M
11-第四章 组合数据类型.mp4 82.14M
12-【作业讲解】第四章:复杂数据类型.mp4 59.00M
13-第五章 程序控制结构.mp4 72.94M
14-【作业讲解】第五章:程序控制结构.mp4 20.77M
15-第六章 函数-面向过程的编程.mp4 110.26M
16-【作业讲解】第六章:函数.mp4 33.59M
17-第七章 类-面向对象的编程.mp4 67.41M
18-【作业讲解】第七章:类.mp4 21.34M
19-第八章 文件-异常和模块.mp4 100.66M
20-【作业讲解】第八章:文件-异常和模块.mp4 10.27M
21-第九章 有益的探索.mp4 111.45M
22-【作业讲解】第九章:有益的探索.mp4 25.27M
23-第十章 Python标准库.mp4 78.54M
24-【作业讲解】第十章:Python标准库.mp4 9.60M
25-第十一章 科学计算库—Numpy应用.mp4 68.47M
26-【作业讲解】第十一章:Numpy库.mp4 19.28M
27-第十二章 Pandas库.mp4 117.04M
28-【作业讲解】第十二章:Pandas库.mp4 22.13M
29-第十三章 Matplotlib.mp4 83.33M
30-【作业讲解】第十三章:Matplotlib.mp4 31.47M
31-第十四章 Sklearn常规用法.mp4 51.57M
32-【作业讲解】第十四章:Sklearn常规用法.mp4 37.32M
33-第十五章 再谈编程.mp4 61.58M
35-【比赛实战】大牛手把手指导如何打一场完整的二分类比赛.mp4 103.75M
36-【比赛实战】二分类算法比赛小测验—提供银行精准营销解决方案.mp4 7.51M
04-机器学习算法应用实战
05-01-01-机器学习概述.mp4 35.45M
06-02-01线性回归简介-数学符号-假设函数-损失函数-代价函数.mp4 23.34M
07-02-02-梯度下降法…mp4 24.11M
08-02-03-梯度下降法代码实现.mp4 14.75M
09-02-04-使用梯度下降法求解线性回归问题.mp4 26.13M
10-02-05-线性回归代码实现.mp4 37.36M
100-08-02协方差矩阵的特征值分解算法.mp4 13.02M
101-08-03协方差矩阵的特征值分解算法代码实现.mp4 24.46M
102-08-04基于数据矩阵的奇异值分解算法.mp4 12.22M
103-08-05基于数据矩阵的奇异值分解算法代码实现.mp4 10.88M
104-08-【实战】-Sklearn实现PCA.mp4 15.34M
105-08-【案例】PCA实现照片压缩.mp4 21.11M
106-09-01-集成学习介绍.mp4 5.74M
107-09-02-Voting能够提高准确度的原因.mp4 12.08M
108-09-03-Voting原理.mp4 8.40M
109-09-04-Voting代码实现.mp4 17.61M
11-02-06-线性回归代码实现-做特征归一化.mp4 29.95M
110-09-05-Bagging与随机森林及其代码实现.mp4 32.82M
111-09-06-Boosting.mp4 18.09M
112-09-07-Adaboost举例.mp4 26.29M
113-09-08-AdaBoost代码实现.mp4 24.55M
114-09-09-GBDT之提升和提升树概念.mp4 31.87M
115-09-10-GBDT梯度提升树.mp4 11.29M
116-09-11-XGBoost介绍，目标函数，正则项.mp4 21.72M
117-09-12-XGBoost求解.mp4 23.50M
118-09-13-XGBoost树结构生成.mp4 11.25M
119-09-14-XGBoost代码实现1.mp4 39.17M
12-02-07-批量梯度下降，随机梯度下降，小批量梯度下降.mp4 11.35M
120-09-15-XGBoost代码实现2.mp4 43.97M
121-09-16-Stacking.mp4 16.55M
122-09-17-Stacking 代码实现.mp4 11.55M
123-10-【银行营销策略分析】-01 数据说明.mp4 28.41M
124-10-【银行营销策略分析】-02探索性分析.mp4 23.52M
125-10-【银行营销策略分析】-03数据预处理与特征工程.mp4 37.52M
126-10-【银行营销策略分析】-04模型训练.mp4 25.49M
127-10-【信用卡发欺诈模型】-01数据说明及不平衡数据的训练集及测试及分割方法.mp4 24.54M
128-10-【信用卡发欺诈模型】-02采样之上采样.mp4 35.41M
129-10-【信用卡发欺诈模型】-03采样之下采样.mp4 26.74M
13-02-08-模型评价 · 几种常见的模型评价指标.mp4 24.08M
130-10-【信用卡发欺诈模型】-04建模与调参.mp4 28.18M
14-02-09-欠拟合与过拟合.mp4 12.23M
15-02-10-Ridge回归求解与代码实现.mp4 22.89M
16-02-11-LASSO回归求解.mp4 26.19M
17-02-12-LASSO回归求解举例说明.mp4 13.76M
18-02-13-LASSO回归代码实现.mp4 18.01M
19-02-14-最小二乘法求线性回归.mp4 19.32M
20-02-15-最小二乘法代码实现.mp4 9.21M
21-02-【实战】使用Sklearn实现Ridge，LASSO和ElasticNet.mp4 22.01M
22-02-【案例】波士顿房价预测(上).mp4 34.17M
23-02-【案例】-波士顿房价预测(下).mp4 41.17M
24-03-01-逻辑回归简介-假设函数-损失函数-成本函数.mp4 18.96M
25-03-02-逻辑回归求解.mp4 23.66M
26-03-03-一个示例解释逻辑回归的求解公式.mp4 12.44M
27-03-04-逻辑回归代码实现(上).mp4 28.99M
28-03-04-逻辑回归代码实现(下).mp4 26.09M
29-03-06-逻辑回归的正则化.mp4 17.17M
30-03-07-逻辑回归实现多分类方法.mp4 24.84M
31-03-08-【实战】使用Sklearn实现逻辑回归.mp4 17.68M
32-03-【案例】鸢尾花分类.mp4 43.16M
33-03-【案例】手写数字识别.mp4 35.34M
34-04-01-决策树简介-熵.mp4 17.68M
35-04-02条件熵及计算举例.mp4 13.47M
36-04-03信息增益-ID3算法.mp4 16.85M
37-04-04决策树代码实现(1-熵的计算).mp4 17.81M
38-04-05决策树代码实现(2-划分数据集-选择最好的特征).mp4 32.38M
39-04-06决策树代码实现(3-类别投票表决).mp4 11.60M
40-04-07决策树代码实现( 4-决策树递归生成，决策树对新数据进行预测).mp4 25.17M
41-04-08 C4.5算法.mp4 9.98M
42-04-09基尼指数(Gini Index)生成决策树.mp4 17.50M
43-04-10决策树剪枝.mp4 16.69M
44-04-11决策树处理连续值与缺失值.mp4 23.53M
45-04-12多变量决策树.mp4 12.46M
46-04-【实战】Sklearn实现决策树.mp4 31.51M
47-04-【案例】:使用决策树进行个人信用风险评估(1.数据集介绍-数据预处理).mp4 32.17M
48-04-【案例】:使用决策树进行个人信用风险评估(2.模型评估指标).mp4 29.95M
49-04-【案例】:使用决策树进行个人信用风险评估(3.模型评估，优化).mp4 17.91M
50-05-01-贝叶斯决策简介.mp4 18.35M
51-05-02-贝叶斯决策模型.mp4 10.29M
52-05-03-朴素贝叶斯模型.mp4 18.21M
53-05-04-朴素贝叶斯代码实现(1.训练过程).mp4 32.73M
54-05-05-朴素贝叶斯代码实现(2.预测过程).mp4 13.60M
55-05-06-拉普拉斯修正及代码实现.mp4 22.10M
56-05-07-朴素贝叶斯如何处理连续型数据.mp4 9.02M
57-05-08-Sklearn实现朴素贝叶斯.mp4 12.85M
58-05-【案例】垃圾邮件识别(1.实现原理).mp4 12.68M
59-05-【案例】垃圾邮件识别(2.代码实现).mp4 34.20M
60-06-01-支持向量机简介.mp4 8.81M
61-06-02-线性可分支持向量机(几何间隔，函数间隔，目标函数).mp4 31.89M
62-06-03-拉格朗日乘子法求带有等式约束的极值问题.mp4 24.76M
63-06-04-拉格朗日乘子法求带有不等式约束的极值问题-KKT条件.mp4 23.88M
64-06-05-目标函数求解(1.对偶问题-先对w-b求极小).mp4 24.50M
65-06-06-目标函数求解(2.对alpha求极大).mp4 12.65M
66-06-07-SVM求解举例.mp4 36.66M
67-06-08-线性支持向量机的目标函数.mp4 13.22M
68-06-09-线性支持向量机目标函数优化.mp4 22.48M
69-06-10-非线性支持向量机简介.mp4 31.31M
70-06-11-非线性支持向量机的目标函数.mp4 9.95M
71-06-12-SMO算法推导结果.mp4 21.00M
72-06-13-1SVM代码实现之简易版(上).mp4 53.18M
73-06-14-1SVM代码实现之简易版(下).mp4 14.95M
74-06-15-2SVM代码实现之改进版.mp4 33.84M
75-06-16-3SVM代码实现之引进核函数版.mp4 21.79M
76-06-17-SMO算法推导过程1.mp4 15.81M
77-06-18-SMO算法推导过程2.mp4 16.81M
78-06-19-SMO算法推导过程3.mp4 10.45M
79-06-20-SMO算法推导过程4.mp4 17.75M
80-06-21-SVM总结.mp4 9.48M
81-06-【实战】-Sklearn实现SVM1.mp4 11.86M
82-06-【实战】-Sklearn实现SVM2-3，输出常用属性值，使用高斯核.mp4 18.88M
83-06-【实战】-Sklearn实现SVM4，调参.mp4 18.03M
84-06-【案例】使用SVM完成人脸识别.mp4 47.14M
85-07-01-K-means基本原理及推导.mp4 14.09M
86-07-02-K-means中距离计算方法.mp4 12.38M
87-07-03-K-means代码实现(1原生代码实现).mp4 34.74M
88-07-04-K-means代码实现(2sklearn实现KMeans).mp4 6.56M
89-07-05-层次聚类原理及距离计算.mp4 13.59M
90-07-06层次聚类举例.mp4 9.68M
91-07-07Sklearn实现层次聚类.mp4 8.77M
92-07-08密度聚类.mp4 13.61M
93-07-09Sklearn实现密度聚类.mp4 7.33M
94-07-10-高斯混合模型介绍.mp4 14.59M
95-07-11-高斯混合模型参数估计.mp4 24.50M
96-07-12高斯混合模型原生代码实现.mp4 35.61M
97-07-13 Sklearn实现高斯混合模型.mp4 10.01M
98-07-【案例】对亚洲足球队进行聚类分析.mp4 11.90M
99-08-01-主成分分析介绍.mp4 16.12M
05-李航《统计学习方法》训练营（含无监督学习部分）
06-第一章 1.1 导论.mp4 123.85M
07-第一章 1.2 极大似然估计.mp4 40.14M
08-第一章 1.3 梯度下降法.mp4 31.36M
09-第一章作业讲解-极大似然估计.mp4 16.28M
10-第二章 2.1 导论.mp4 110.02M
100-第十九章19.4Metropolis-Hastings算法与吉布斯抽样算法.mp4 50.58M
101-第十九章 作业讲解.mp4 18.06M
102-第二十章20.1LDA分布-模型与Gibbs抽样算法.mp4 67.27M
103-第二十章20.2LDA的变分EM算法.mp4 58.99M
104-第二十章 作业讲解.mp4 24.87M
105-第二十一章21.1PageRank算法的定义与幂法计算.mp4 39.47M
106-第二十一章 作业讲解.mp4 8.43M
107-第二十二章 22无监督学习方法总结.mp4 9.32M
11-第二章 2.2 对偶形式.mp4 46.54M
12-第二章 2.3 收敛性.mp4 50.18M
13-code——感知机.mp4 127.37M
14-第二章作业讲解-感知机自编程实现.mp4 29.02M
15-第二章作业讲解-感知机sklearn实现.mp4 35.03M
16-第三章 3.1 导论.mp4 54.68M
17-第三章 3.2 kd树.mp4 76.74M
18-code——k近邻.mp4 80.75M
19-第三章作业讲解-KNN 自编程.mp4 19.58M
20-第三章作业讲解-KNN-sklearn.mp4 27.37M
21-第四章 4.1 导论.mp4 89.38M
22-第四章 4.2 贝叶斯估计.mp4 15.12M
23-第四章 4.3 期望风险最小化.mp4 28.80M
24-code——朴素贝叶斯.mp4 100.24M
25-第四章作业讲解-贝叶斯估计.mp4 17.35M
26-第四章作业讲解-朴素贝叶斯.mp4 50.59M
27-第五章 5.1 导论.mp4 126.42M
28-第五章 5.2 剪枝.mp4 66.26M
29-code——决策树.mp4 96.17M
30-第五章作业讲解-决策树.mp4 39.10M
31-第六章 6.1 逻辑斯蒂回归与最大熵.mp4 99.15M
32-第六章 6.2 改进的迭代尺度法.mp4 60.37M
33-第六章作业讲解-逻辑斯谛回归.mp4 60.30M
34-code——逻辑斯蒂回归与最大熵.mp4 108.23M
35-第七章 7.1 导论.mp4 174.87M
36-第七章 7.2 存在唯一性.mp4 50.05M
37-第七章作业讲解-支持向量机习题7.1.mp4 50.23M
38-第七章作业讲解-支持向量机 sklearn习题7.2.mp4 23.14M
39-第七章作业讲解-支持向量机习题7.3.mp4 17.34M
40-code——支持向量机.mp4 164.19M
41-第八章 8.1 导论.mp4 99.07M
42-第八章 8.2 前向分步算法.mp4 47.02M
43-第八章 8.3 adaboost的训练误差.mp4 70.11M
44-第八章作业讲解-提升方法.mp4 34.31M
45-code——提升方法.mp4 181.83M
46-第九章 9.1 导论.mp4 75.11M
47-第九章 9.2 高斯混合模型.mp4 68.54M
48-第九章作业讲解-EM算法.mp4 43.92M
49-code——EM算法及推广.mp4 79.73M
50-第十章 10.1 导论.mp4 83.19M
51-第十章 10.2 前向算法.mp4 35.30M
52-第十章 10.3 维特比算法.mp4 29.18M
53-第十章作业讲解-隐马尔可夫模型.mp4 39.78M
54-code——隐马尔可夫.mp4 160.18M
55-第十一章 11.1 导论.mp4 53.15M
56-第十一章 11.2 拟牛顿法.mp4 21.16M
57-第十一章 11.3 条件随机场的矩阵形式.mp4 20.05M
58-第十一章作业讲解-条件随机场.mp4 20.80M
59-第十三章无监督学习导论.mp4 44.13M
60-第十四章14.1聚类的基本概念.mp4 61.30M
61-第十四章14.2.1距离与相似度.mp4 40.97M
62-第十四章14.2.2聚合聚类 距离公式介绍.mp4 34.06M
63-第十四章14.2.3距离公式证明.mp4 59.60M
64-第十四章14.2.4确定最佳聚类数.mp4 30.80M
65-第十四章14.2.5有序样本分类法.mp4 35.23M
66-第十四章14.3K均值聚类.mp4 27.58M
67-第十四章14.1作业讲解- K-Means算法和高斯混合模型的比较.mp4 17.47M
68-第十四章14.2作业讲解- 14.2 有关类的定义推导.mp4 8.44M
69-第十四章14.3作业讲解- 离差平方和距离推导公式证明.mp4 13.53M
70-第十四章14.3作业讲解-重心距离推导公式证明.mp4 21.92M
71-第十五章15.1矩阵奇异值分解步骤.mp4 23.35M
72-第十五章15.2矩阵奇异值分解基本定理.mp4 22.06M
73-第十五章15.3矩阵奇异值分解性质与计算.mp4 23.36M
74-第十五章15.4.1矩阵奇异值分解的酉空间表示法.mp4 37.84M
75-第十五章15.5矩阵奇异值分解的应用.mp4 27.22M
76-第十五章作业讲解- 奇异值分解01.mp4 22.90M
77-第十五章作业讲解- 奇异值分解02.mp4 25.06M
78-第十六章16.1主成分分析介绍.mp4 31.91M
79-第十六章16.2主成分分析基本定理.mp4 25.71M
80-第十六章16.3主成分的性质与选择.mp4 18.91M
81-第十六章16.4主成分的特征.mp4 21.11M
82-第十六章16.5牛顿迭代与梯度下降法.mp4 34.58M
83-第十六章16.6拟牛顿迭代法.mp4 60.66M
84-第十六章16.1作业讲解- 样本主成分分析.mp4 32.31M
85-第十六章16.2 作业讲解-样本方差无偏估计的理解.mp4 16.78M
86-第十六章16.3作业讲解- 求第一主成分.mp4 9.62M
87-第十七章17.1LSA导入.mp4 20.64M
88-第十七章17.2LSA算法实现.mp4 12.81M
89-第十七章17.3非负矩阵分解算法.mp4 16.06M
90-第十七章17.4LSA案例分析与编程实现.mp4 21.35M
91-第十七章 作业讲解.mp4 18.46M
92-第十八章18.1PLSA生成模型.mp4 25.87M
93-第十八章18.2PLSA共现模型.mp4 13.19M
94-第十八章18.3PLSA模型算法实现.mp4 24.10M
95-第十八章18.4PLSA模型EM算法详解.mp4 21.14M
96-第十八章 作业讲解.mp4 15.24M
97-第十九章19.1蒙特卡罗法引入.mp4 16.40M
98-第十九章19.2马尔科夫链的定义与性质.mp4 35.49M
99-第十九章19.3连续状态马尔科夫链.mp4 47.25M
06-《机器学习》西瓜书训练营
06-【第一周】机器学习绪论.mp4 38.33M
08-【第二周】西瓜书公式推导学习指南.mp4 11.20M
09-【第二周】一元线性回归公式.mp4 51.86M
10-【第二周】多元线性回归公式.mp4 58.27M
11-【第二周】对数几率回归公式.mp4 60.68M
14-【第二周】【作业讲解】逻辑回归.mp4 29.47M
15-【第三周】决策树的分裂准则.mp4 56.59M
19-【第三周】【作业讲解】决策树.mp4 15.56M
20-【第四周】支持向量机原始模型的建立和求解.mp4 113.79M
21-【第四周】核函数和软间隔支持向量机.mp4 54.90M
24-【第四周】【作业讲解】SVM.mp4 61.24M
25-【第五周】极大似然估计与朴素贝叶斯.mp4 84.76M
26-【第五周】EM算法1.mp4 32.77M
27-【第五周】EM算法2.mp4 39.64M
28-【第五周】EM算法3.mp4 44.78M
31-【第五周】【作业讲解】贝叶斯和EM算法.mp4 25.02M
32-【第六周】神经网络结构.mp4 67.03M
35-【第六周】【作业讲解】神经网络.mp4 8.18M
41-【第七周】【作业讲解】模型评估与选择.mp4 14.90M
47-【第八周】【作业讲解】特征选择.mp4 16.09M
52-【第九周】【作业讲解】k-means.mp4 37.34M
53-【第十周】聚类.mp4 61.91M
54-【第十周】HMM-1.mp4 89.29M
55-【第十周】HMM-2.mp4 47.50M
56-【第十周】HMM-3.mp4 32.35M
61-【达观杯nlp比赛】第一节课 了解NLP任务和熟悉比赛题目-赛前介绍和准备.mp4 48.83M
62-【达观杯nlp比赛】第二节课 了解NLP任务和熟悉比赛题目-赛题介绍和思路分析.mp4 71.37M
63-【达观杯nlp比赛】第三节课 数据分析及处理.mp4 114.17M
64-【达观杯nlp比赛】第四节课——Baseline实现.mp4 107.05M
65-【达观杯nlp比赛】第五节课 验证集构建和交叉验证.mp4 120.80M
07-吴恩达《机器学习》作业班
06-【先修】学习绪论视频，了解预备知识.mp4 26.06M
07-【学前准备】开营仪式回放-老师部分.mp4 177.90M
08-【学前准备】开营仪式回放-班主任部分.mp4 224.38M
14-Week2 Day2【作业讲解】对照作业讲解视频查漏补缺.mp4 149.98M
19-Week3-Day2 【作业讲解】完成编程作业2 (1).mp4 153.93M
20-Week3-Day2 【作业讲解】完成编程作业2 (2).mp4 130.59M
21-Week3-Day4 【达观杯文本智能处理挑战赛】（入门指导）.mp4 21.95M
25-Week4-Day2【作业讲解】编程作业3:神经网络（上）.mp4 80.15M
26-Week4-Day2【作业讲解】编程作业3:神经网络（下）.mp4 56.86M
27-Week4-Day4【达观杯文本智能处理挑战赛】（进阶指导）.mp4 30.56M
30-Week5-Day2【作业讲解】编程作业4（上）.mp4 90.66M
31-Week5-Day2【作业讲解】编程作业5.mp4 93.51M
32-Week5-Day2【作业讲解】编程作业4（下）.mp4 133.03M
36-Week6-Day2【作业讲解】编程作业5.mp4 93.53M
40-Week7-Day2【作业讲解】编程作业6（上）.mp4 113.69M
41-Week7-Day2【作业讲解】编程作业6（下）.mp4 75.46M
47-Week8-Day4【作业讲解】编程作业7（上）.mp4 109.90M
48-Week8-Day4【作业讲解】编程作业7（下）.mp4 68.39M
52-Week9-Day4【作业实操】编程作业编程作业8:异常检测与推荐系统P1.mp4 76.10M
53-Week9-Day4【作业实操】编程作业编程作业8:异常检测与推荐系统P2.mp4 96.25M
54-Week9-Day4【作业实操】编程作业编程作业8:异常检测与推荐系统P3.mp4 48.62M
56-Week10-Day1【kaggle大赛】进阶指导.mp4 7.02M
08-深度学习TensorFlow2.0框架班
05-Week1【任务1】tensorflow 2.0简介.mp4 46.77M
06-Week1【任务2】tensorflow2.0环境安装-ubuntu.mp4 126.30M
07-Week1【任务2】tensorflow2.0环境安装-windows.mp4 132.37M
09-Week2【任务1】张量与操作 & 三种自定义模型.mp4 103.87M
10-Week2【任务2】keras模型训练.mp4 124.12M
11-Week2【任务3】tensorflow2.0模型训练.mp4 83.26M
12-Week2【任务4】计算图机制详解.mp4 60.92M
13-Week2【任务5】计算图机制详解.mp4 60.83M
15-Week3【任务1】自定义层详解.mp4 87.91M
16-Week3【任务2】常用损失函数和自定义损失函数.mp4 108.56M
17-Week3【任务3】常用评估函数和自定义评估函数.mp4 92.30M
18-Week3【任务4】tensorboard小试牛刀.mp4 93.51M
19-Week4【任务1】tf.data简介.mp4 56.74M
20-Week4【任务2】tf.data简介.mp4 114.63M
21-Week4【任务3】tfrecord详解.mp4 71.49M
23-Week5【任务1】cnn介绍.mp4 88.61M
24-Week5【任务2】实战项目上.mp4 56.51M
25-Week5【任务3】实战项目下.mp4 148.77M
26-Week6 【任务1】循环神经网络讲解.mp4 97.48M
27-Week6【任务2】word2vec简介.mp4 46.86M
28-Week6【任务3】实战四.mp4 124.30M
29-Week7【任务1】ransformer简介.mp4 107.00M
30-Week7【任务2】实战5.mp4 325.10M
31-Week8【任务1】GPU分布式训练.mp4 65.81M
32-Week 8【任务2】TPU训练.mp4 84.47M
33-Week 9【任务1】TF.hub使用.mp4 52.01M
… 共 1040 条