店铺公告
课程购买
本《机器学习原理与应用入门》教学视频课程全套内容目录如下：
.jpg)
章节1：第1章 第1-2讲 机器学习原理应用入门视频
课时1：第01讲-机器学习系统教学视频：机器学习引入.1、机器学习是什么.mp4
课时2：第01讲-机器学习系统教学视频：机器学习引入.2、什么是模型.mp4
课时3：第01讲-机器学习系统教学视频：机器学习引入.3、监督学习与损失函数.mp4
课时4：第01讲-机器学习系统教学视频：机器学习引入.4、梯度下降.mp4
课时5：第01讲-机器学习系统教学视频：机器学习引入.5、数据标注的价值.mp4
课时6：第01讲-机器学习系统教学视频：机器学习引入.6、代码展示（一）.mp4
课时7：第01讲-机器学习系统教学视频：机器学习引入.7、代码展示（二）.mp4
课时8：第01讲-机器学习系统教学视频：机器学习引入.8、代码展示（三）.mp4
课时9：第02讲-机器学习系统教学视频：分类问题.1、机器学习的三大基本范式（一）.mp4
课时10：第02讲-机器学习系统教学视频：分类问题.2、机器学习的三大基本范式（二）.mp4
课时11：第02讲-机器学习系统教学视频：分类问题.3、监督学习中分类、回归及特征是什么.mp4
课时12：第02讲-机器学习系统教学视频：分类问题.4、感知机.mp4
课时13：第02讲-机器学习系统教学视频：分类问题.5、代价函数.mp4
课时14：第02讲-机器学习系统教学视频：分类问题.6、随机梯度下降、如何判断分类器的好坏.mp4
课时15：第02讲-机器学习系统教学视频：分类问题.7、感知机的缺陷及课程总结.mp4
课时16：第02讲-机器学习系统教学视频：分类问题.8、代码展示.mp4
章节2：第2章 第3-5讲 机器学习原理应用入门视频
课时17：第03讲-机器学习系统教学视频：KNN算法.1、KNN算法是什么.mp4
课时18：第03讲-机器学习系统教学视频：KNN算法.2、如何选择KNN中的K.mp4
课时19：第03讲-机器学习系统教学视频：KNN算法.3、过拟合和交叉验证.mp4
课时20：第03讲-机器学习系统教学视频：KNN算法.4、代码展示及KNN算法的问题.mp4
课时21：第04讲-机器学习系统教学视频：机器学习背后的数学（上）.10、代码展示.mp4
课时22：第04讲-机器学习系统教学视频：机器学习背后的数学（上）.1、机器学习什么时候会成功.mp4
课时23：第04讲-机器学习系统教学视频：机器学习背后的数学（上）.2、如何用概率论度量模型的不确定性（一）.mp4
课时24：第04讲-机器学习系统教学视频：机器学习背后的数学（上）.3、如何用概率论度量模型的不确定性（二）.mp4
课时25：第04讲-机器学习系统教学视频：机器学习背后的数学（上）.4、如何用概率论度量模型的不确定性（三）.mp4
课时26：第04讲-机器学习系统教学视频：机器学习背后的数学（上）.5、如何用概率论度量模型的不确定性（四）.mp4
课时27：第04讲-机器学习系统教学视频：机器学习背后的数学（上）.6、如何用概率论度量模型的不确定性（五）.mp4
课时28：第04讲-机器学习系统教学视频：机器学习背后的数学（上）.7、模型误差的两种分类（一）.mp4
课时29：第04讲-机器学习系统教学视频：机器学习背后的数学（上）.8、模型误差的两种分类（二）.mp4
课时30：第04讲-机器学习系统教学视频：机器学习背后的数学（上）.9、模型误差的两种分类（三）.mp4
课时31：第05讲-机器学习系统教学视频：机器学习背后的数学（下）.1、如何选择好的特征值（一）.mp4
课时32：第05讲-机器学习系统教学视频：机器学习背后的数学（下）.2、如何选择好的特征值（二）.mp4
课时33：第05讲-机器学习系统教学视频：机器学习背后的数学（下）.3、如何选择好的特征值（三）.mp4
课时34：第05讲-机器学习系统教学视频：机器学习背后的数学（下）.4、正则化（一）.mp4
课时35：第05讲-机器学习系统教学视频：机器学习背后的数学（下）.5、正则化（二）.mp4
课时36：第05讲-机器学习系统教学视频：机器学习背后的数学（下）.6、代码展示（一）.mp4
课时37：第05讲-机器学习系统教学视频：机器学习背后的数学（下）.7、代码展示（二）.mp4
章节3：第3章 第6-8讲 机器学习原理应用入门视频
课时38：第06讲-机器学习系统教学视频：加入概率更健康之逻辑斯蒂回归.1、逻辑斯蒂模型的架构.mp4
课时39：第06讲-机器学习系统教学视频：加入概率更健康之逻辑斯蒂回归.2、交叉熵KL散度.mp4
课时40：第06讲-机器学习系统教学视频：加入概率更健康之逻辑斯蒂回归.3、如何度量模型的目标（一）.mp4
课时41：第06讲-机器学习系统教学视频：加入概率更健康之逻辑斯蒂回归.4、如何度量模型的目标（二）.mp4
课时42：第06讲-机器学习系统教学视频：加入概率更健康之逻辑斯蒂回归.5、如何求解逻辑斯蒂回归模型的优化问题（一）.mp4
课时43：第06讲-机器学习系统教学视频：加入概率更健康之逻辑斯蒂回归.6、如何求解逻辑斯蒂回归模型的优化问题（二）.mp4
课时44：第06讲-机器学习系统教学视频：加入概率更健康之逻辑斯蒂回归.7、代码展示（一）.mp4
课时45：第06讲-机器学习系统教学视频：加入概率更健康之逻辑斯蒂回归.8、代码展示（二）.mp4
课时46：第06讲-机器学习系统教学视频：加入概率更健康之逻辑斯蒂回归.9、代码展示（三）.mp4
课时47：第07讲-机器学习系统教学视频：模拟人类理性的决策树.1、决策树是什么.mp4
课时48：第07讲-机器学习系统教学视频：模拟人类理性的决策树.2、信息熵，如何衡量哪些特征重要.mp4
课时49：第07讲-机器学习系统教学视频：模拟人类理性的决策树.3、如何用信息增益在决策树中选择特征（一）.mp4
课时50：第07讲-机器学习系统教学视频：模拟人类理性的决策树.4、如何用信息增益在决策树中选择特征（二）.mp4
课时51：第07讲-机器学习系统教学视频：模拟人类理性的决策树.5、决策树的构建何时停下来.mp4
课时52：第07讲-机器学习系统教学视频：模拟人类理性的决策树.6、决策树如何应对连续特征.mp4
课时53：第07讲-机器学习系统教学视频：模拟人类理性的决策树.7、决策树如何应对过拟合.mp4
课时54：第07讲-机器学习系统教学视频：模拟人类理性的决策树.8、随机森林在回归问题上的代码演示.mp4
课时55：第08讲-机器学习系统教学视频：集群模型.1、复习决策树.mp4
课时56：第08讲-机器学习系统教学视频：集群模型.2、Bagging方法.mp4
课时57：第08讲-机器学习系统教学视频：集群模型.3、Boosting方法（一）.mp4
课时58：第08讲-机器学习系统教学视频：集群模型.4、Boosting方法（二）.mp4
课时59：第08讲-机器学习系统教学视频：集群模型.5、Boosting方法（三）.mp4
课时60：第08讲-机器学习系统教学视频：集群模型.6、Boosting方法（四）.mp4
章节4：第4章 第9-11讲 机器学习原理应用入门视频
课时61：第09讲-机器学习系统教学视频：PCA.1、主成分分析背后的直觉.mp4
课时62：第09讲-机器学习系统教学视频：PCA.2、PCA怎么做.mp4
课时63：第09讲-机器学习系统教学视频：PCA.3、代码展示（一）.mp4
课时64：第09讲-机器学习系统教学视频：PCA.4、代码展示（二）.mp4
课时65：第10讲-机器学习系统教学视频：升维大法之神经网络.1、传统机器学习方法的问题（一）.mp4
课时66：第10讲-机器学习系统教学视频：升维大法之神经网络.2、传统机器学习方法的问题（二）.mp4
课时67：第10讲-机器学习系统教学视频：升维大法之神经网络.3、神经网络的历史发展.mp4
课时68：第10讲-机器学习系统教学视频：升维大法之神经网络.4、神经网络三要素之一：权重矩阵.mp4
课时69：第10讲-机器学习系统教学视频：升维大法之神经网络.5、神经网络三要素之激活函数、决策层.mp4
课时70：第10讲-机器学习系统教学视频：升维大法之神经网络.6、网页展示.mp4
课时71：第11讲-机器学习系统教学视频：升维大法之SVM.1、SVM的目标：如何将间隔最大化.mp4
课时72：第11讲-机器学习系统教学视频：升维大法之SVM.2、SVM要解决什么样的优化问题.mp4
课时73：第11讲-机器学习系统教学视频：升维大法之SVM.3、拉格朗日最优问题的解法（一）.mp4
课时74：第11讲-机器学习系统教学视频：升维大法之SVM.4、拉格朗日最优问题的解法（二）.mp4
课时75：第11讲-机器学习系统教学视频：升维大法之SVM.5、SVM中的软间隔.mp4
课时76：第11讲-机器学习系统教学视频：升维大法之SVM.6、SVM中的核函数.mp4
课时77：第11讲-机器学习系统教学视频：升维大法之SVM.7、核函数为什么有用（一）.mp4
课时78：第11讲-机器学习系统教学视频：升维大法之SVM.8、核函数为什么有用（二）.mp4
课时79：第11讲-机器学习系统教学视频：升维大法之SVM.9、SVM与其他模型的对比.mp4
暂无购买记录
版权所有
一切资源均是通过网络等公开合法途径获得，资源仅作为阅读交流使用，如有侵权请联系本店下架删除。联系QQ：923191660
Copyright © 2015-2025 逛游网 版权所有
Copyright © 2015-2025 逛游网 版权所有