【最适合大学生的人工智能开发课】尚学堂人工智能开发全套视频教程附资料代码共15章

发布时间: 2020-12-22

发货 百度网盘 自动发货 时间 2019年 类型 免费课程

¥28.00

立即下载 加入收藏

5.0分/1人

升级会员组 享受更多优惠

自动发货

课程有什么优势?


市面上人工智能课程林林总总,大部分还停留在照着PPT讲理论,晦涩、枯燥!本套课程绝对区别于其他课程,专门为零基础大学生设置,从预科扫盲开始,到理论结合动手实操,通过代码来说明问题,更容易调动学生积极性,也更加深了对理论结合实际应用的理解掌握。同时跟着老师可以掌握最主流成熟的(TensorFlow、TensorBoard、Keras)等深度学习开发框架,使其开发效率与质量大幅度提高,绝对是一套入门级的良心课程。学到就是赚到!!!!


课程目录:


01_人工智能开发及远景介绍(预科)


1_何为机器学习

2_人工智能与机器学习关系

3_人工智能应用与价值

4_有监督机器学习流程

5_有监督机器学习训练流程

6_Python机器学习库Scikit-Learn介绍

7_理解线性与回归.mp4


02_线性回归深入和代码实现


01_机器学习是什么_(new)

02_怎么做线性回归_(new)

03_理解回归_最大似然函数_(new)

04_应用正太分布概率密度函数_对数总似然_(new)

05_推导出损失函数_推导出解析解_(new)

06_代码实现解析解的方式求解_梯度下降法的开始_sklearn模块使用线性回归_(new)


03_梯度下降和过拟合和归一化


01_梯度下降法思路_导函数有什么用

02_推导线性回归损失函数导函数_以及代码实现批量梯度下降

03_随机梯度下降_及代码实现_mini-batchGD_调整学习率

04_梯度下降做归一化的必要性

05_最大值最小值归一化_sklearn官网介绍_防止过拟合W越少越小

06_过拟合的总结

07_岭回归_以及代码调用


04_逻辑回归详解和应用


01_Lasso_ElasticNet_PolynomialFeatures

02_多项式回归代码_保险案例数据说明

03_相关系数_逻辑回归介绍

04_逻辑回归的损失函数_交叉熵_逻辑回归对比多元线性回归

05_逻辑回归sklearn处理鸢尾花数据集

06_逻辑回归多分类转成多个二分类详解


05_分类器项目案例和神经网络算法


01_理解维度_音乐分类器数据介绍

02_傅里叶变化原理_傅里叶代码应用_傅里叶优缺点

03_逻辑回归训练音乐分类器代码_测试代码

04_人工神经网络开始

05_神经网络隐藏层的必要性

06_神经网络案例_sklearn_concrete


06_多分类、决策树分类、随机森林分类


00_机器学习有监督无监督

01_逻辑回归多分类图示理解_逻辑回归和Softmax区别

02_Softmax图示详解_梯度下降法整体调参

03_评估指标_K折交叉验证

04_决策树介绍

05_随机森林_优缺点_对比逻辑回归_剪枝

06_决策树_随机森林_sklearn代码调用


07_分类评估、聚类


01_评估指标

02_监督学习评估指标代码调用

03_相似度测量

04_K-Means聚类

05_KMeans聚类的应用


08_密度聚类、谱聚类


01_聚类的评估_metrics代码

02_密度聚类_代码实现

03_谱聚类


09_深度学习、TensorFlow安装和实现线性回归


00_pip安装源设置

01_TensorFlow介绍与安装

02_TensorFlow CUDA GPU安装说明_TF使用介绍

03_TensorFlow代码初始_解析解多元线性回归实现

04_tensorflow来代码实现线性回归_梯度下降优化



10_TensorFlow深入、TensorBoard可视化


01_placeholder代码详解_TF构建Softmax回归计算图

02_TF对Softmax回归训练_评估代码实现

03_TF的模型持久化_重新加载

04_模块化.vep


11_DNN深度神经网络手写图片识别


01_深度学习DNN是什么_如果使用TensorFlow自己实现Layer来构建两个隐藏层的DNN计算图

02_TF训练2层DNN来进行手写数字识别


12_TensorBoard可视化


01_TensorBoard代码

02_TensorBoard启动以及页面


13_卷积神经网络、CNN识别图片


01_卷积1个通道的计算__垂直水平fiter图片

01_图释对比原始图片和卷积FeatureMap

02_三通道卷积_池化层的意思

03_CNN架构图LeNet5架构

04_CNN来对MNIST进行图片识别代码实现

05_TF使用CNN来做Cifar10数据集分类任务



14_卷积神经网络深入、AlexNet模型实现


01_解决梯度消失的三个思路

02_反向传播计算W对应的梯度

03_AlexNet五层卷积benchmark代码实现


15_Keras深度学习框架


01_Keras开篇

02_Keras构建模型_Keras使用MNIST数据集训练CNN

03_Keras调用VGG16来训练

04_深度学习更种优化算法


课程大小:


04.png


备注:(04)2020120404 人工智能

版权信息:本站所有资源仅供学习与参考,请勿用于商业用途,如有侵犯您的版权,请及时联系客服,我们将尽快处理。
  • 格**

    2月前格**

    未评价,系统默认好评!

更多评论

嘿,我来帮您!