2018人工智能技术详解教程视频三阶段

作者: admin 分类: 机器学习和人工智能教程合集 发布时间: 2019-01-30 03:09

┣━━第二阶段:机器学习经典算法 [3G]
┃ ┣━━01回归算法 [206.9M]
┃ ┃ ┣━━1.机器学习概述(1).mp4 [23.9M]
┃ ┃ ┣━━2.回归算法.mp4 [47.1M]
┃ ┃ ┣━━3.线性回归误差原理推导.mp4 [31.1M]
┃ ┃ ┣━━4.目标函数求解.mp4 [29M]
┃ ┃ ┣━━5.逻辑回归原理.mp4 [14.7M]
┃ ┃ ┣━━6.梯度下降实例.mp4 [40.2M]
┃ ┃ ┗━━7.梯度下降原理.mp4 [20.8M]
┃ ┣━━12Word2Vec [319.7M]
┃ ┃ ┣━━1.开篇.mp4 [12.7M]
┃ ┃ ┣━━9.CBOW求解目标.mp4 [13.8M]
┃ ┃ ┣━━11.负采样模型.mp4 [17.1M]
┃ ┃ ┣━━2.自然语言处理与深度学习.mp4 [65.4M]
┃ ┃ ┣━━3.语言模型.mp4 [14.5M]
┃ ┃ ┣━━10.锑度上升求解.mp4 [55.1M]
┃ ┃ ┣━━5.词向量.mp4 [41.6M]
┃ ┃ ┣━━6.神经网络模型.mp4 [25M]
┃ ┃ ┣━━7.Hierarchical Softmax.mp4 [24.3M]
┃ ┃ ┣━━8.CBOW模型实例.mp4 [28.8M]
┃ ┃ ┗━━4.N-gram模型.mp4 [21.4M]
┃ ┣━━03贝叶斯算法 [174.2M]
┃ ┃ ┣━━1.贝叶斯算法概述.mp4 [17.7M]
┃ ┃ ┣━━2.贝叶斯推导实例.mp4 [43.7M]
┃ ┃ ┣━━3.贝叶斯拼写纠错实例.mp4 [29.3M]
┃ ┃ ┣━━4.垃圾邮件过滤实例.mp4 [35.7M]
┃ ┃ ┗━━5.贝叶斯实现拼写检查器.mp4 [48M]
┃ ┣━━04 Xgboost [335M]
┃ ┃ ┣━━1.集成思想.mp4 [13.3M]
┃ ┃ ┣━━2.xgboost基本原理.mp4 [54.1M]
┃ ┃ ┣━━3.xgboost目标函数推导.mp4 [30.3M]
┃ ┃ ┣━━4.xgboost求解实例.mp4 [30.2M]
┃ ┃ ┣━━5.xgboost安装.mp4 [11M]
┃ ┃ ┣━━6.xgboost实战演示.mp4 [162.4M]
┃ ┃ ┗━━7.Adaboost算法概述.mp4 [33.7M]
┃ ┣━━05支持向量机算法 [218.5M]
┃ ┃ ┣━━1.支持向量机要解决的问题.mp4 [12.5M]
┃ ┃ ┣━━2.支持向量机求解目标.mp4 [75.5M]
┃ ┃ ┣━━3.支持向量机目标函数求解.mp4 [24.1M]
┃ ┃ ┣━━4.支持向量机求解例子.mp4 [28.2M]
┃ ┃ ┣━━5.支持向量的作用.mp4 [21.9M]
┃ ┃ ┣━━6.软间隔支持向量机.mp4 [16.9M]
┃ ┃ ┗━━7.核函数变换.mp4 [39.4M]
┃ ┣━━06时间序列AIRMA模型 [227.7M]
┃ ┃ ┣━━1.数据平稳性与差分法.mp4 [30.8M]
┃ ┃ ┣━━2.ARIMA模型.mp4 [26M]
┃ ┃ ┣━━3.相关函数评估方法.mp4 [102.2M]
┃ ┃ ┣━━4.建立ARIMA模型.mp4 [25.5M]
┃ ┃ ┗━━5.参数选择.mp4 [43.2M]
┃ ┣━━02决策树与随机森林 [356.7M]
┃ ┃ ┣━━1.决策树概述.mp4 [23.4M]
┃ ┃ ┣━━2.熵原理形象解读.mp4 [80.6M]
┃ ┃ ┣━━3.决策树构造实例.mp4 [27.8M]
┃ ┃ ┣━━4.信息增益.mp4 [14.3M]
┃ ┃ ┣━━5.信息增益率.mp4 [42.8M]
┃ ┃ ┣━━6.决策树剪枝.mp4 [87M]
┃ ┃ ┣━━7.随机森林.mp4 [22M]
┃ ┃ ┗━━8.案例决策树参数.mp4 [58.7M]
┃ ┣━━08神经网络架构 [273.4M]
┃ ┃ ┣━━1.整体架构.mp4 [24.6M]
┃ ┃ ┣━━2.实例演示.mp4 [49.1M]
┃ ┃ ┣━━3.过拟合解决方案.mp4 [39M]
┃ ┃ ┗━━4.感受神经网络的强大.mp4 [160.6M]
┃ ┣━━09PCA降维与SVD矩阵分解 [129.7M]
┃ ┃ ┣━━1.PCA问题.mp4 [10.1M]
┃ ┃ ┣━━2.PCA降维实例.mp4 [48M]
┃ ┃ ┣━━3.SVD原理.mp4 [42M]
┃ ┃ ┗━━4.SVD推荐系统.mp4 [29.6M]
┃ ┣━━10聚类算法 [151.3M]
┃ ┃ ┣━━1.聚类算法概述.mp4 [42.9M]
┃ ┃ ┣━━2.使用Kmeans进行图像压缩.mp4 [67.4M]
┃ ┃ ┗━━3.特征工程2.mp4 [41.1M]
┃ ┣━━11推荐系统 [269.5M]
┃ ┃ ┣━━1.开场.mp4 [5.4M]
┃ ┃ ┣━━2.推荐系统应用.mp4 [74.6M]
┃ ┃ ┣━━3.推荐系统要完成的任务.mp4 [16.4M]
┃ ┃ ┣━━4.相似度计算.mp4 [26.1M]
┃ ┃ ┣━━5.基于用户的协同过滤.mp4 [51M]
┃ ┃ ┣━━6.基于物品的协同过滤.mp4 [35.3M]
┃ ┃ ┣━━7.隐语义模型.mp4 [18.5M]
┃ ┃ ┣━━8.隐语义模型求解.mp4 [24.3M]
┃ ┃ ┗━━9.模型评估标准.mp4 [17.9M]
┃ ┗━━07神经网络基础 [399.8M]
┃ ┣━━1.深度学习概述.mp4 [32.7M]
┃ ┣━━9.最优化形象解读.mp4 [17.3M]
┃ ┣━━11.反向传播.mp4 [37.2M]
┃ ┣━━2.挑战与常规套路.mp4 [64.4M]
┃ ┣━━3.用K近邻来进行分类.mp4 [25.4M]
┃ ┣━━10.最优化问题细节.mp4 [28.4M]
┃ ┣━━5.线性分类.mp4 [50M]
┃ ┣━━6.损失函数.mp4 [23.3M]
┃ ┣━━7.正则化惩罚项.mp4 [17.6M]
┃ ┣━━8.softmax分类器.mp4 [77.1M]
┃ ┗━━4.超参数与交叉验证.mp4 [26.4M]
┣━━第三阶段:机器学习案例实战 [4.5G]
┃ ┣━━01使用Python分析科比生涯数据 [210.4M]
┃ ┃ ┣━━1.科比数据集简介.mp4 [36M]
┃ ┃ ┣━━2.数据预处理 (1).mp4 [139.7M]
┃ ┃ ┗━━3.建模.mp4 [34.7M]
┃ ┣━━02案例实战-信用卡欺诈检测 [464.7M]
┃ ┃ ┣━━1.案例背景和目标.mp4 [26.4M]
┃ ┃ ┣━━10.SMOTE样本生成策略.mp4 [59M]
┃ ┃ ┣━━2.样本不均衡解决方案.mp4 [110.1M]
┃ ┃ ┣━━3.下采样策略.mp4 [21M]
┃ ┃ ┣━━4.交叉验证.mp4 [35.6M]
┃ ┃ ┣━━5.模型评估方法.mp4 [34.8M]
┃ ┃ ┣━━6.正则化惩罚.mp4 [21.6M]
┃ ┃ ┣━━7.逻辑回归模型.mp4 [24.7M]
┃ ┃ ┣━━8.混淆矩阵.mp4 [100.7M]
┃ ┃ ┗━━9.逻辑回归阈值对结果的影响.mp4 [30.6M]
┃ ┣━━03Python文本数据分析 [427.9M]
┃ ┃ ┣━━1.文本分析与关键词提取.mp4 [30.5M]
┃ ┃ ┣━━2.相似度计算.mp4 [30.1M]
┃ ┃ ┣━━3.新闻数据与任务简介.mp4 [42.6M]
┃ ┃ ┣━━4.TF-IDF关键词提取.mp4 [223.9M]
┃ ┃ ┣━━5.LDA建模.mp4 [36.4M]
┃ ┃ ┗━━6.基于贝叶斯算法进行新闻分类.mp4 [64.4M]
┃ ┣━━04Kaggle竞赛案例-泰坦尼克获救预测 [385.5M]
┃ ┃ ┣━━1.数据介绍.mp4 [26M]
┃ ┃ ┣━━2.数据预处理.mp4 [211.8M]
┃ ┃ ┣━━3.回归模型.mp4 [55.2M]
┃ ┃ ┣━━4.随机森林模型.mp4 [52.5M]
┃ ┃ ┗━━5.特征选择.mp4 [40.1M]
┃ ┣━━05时间序列案例实战 [462.2M]
┃ ┃ ┣━━1.Pandas生成时间序列.mp4 [38.2M]
┃ ┃ ┣━━2.Pandas数据重采样.mp4 [91.2M]
┃ ┃ ┣━━3.Pandas滑动窗口.mp4 [22M]
┃ ┃ ┣━━4.股票预测案例.mp4 [35.2M]
┃ ┃ ┣━━5.使用tsfresh库进行分类任务.mp4 [217M]
┃ ┃ ┗━━6.维基百科词条EDA.mp4 [58.7M]
┃ ┣━━06TensorFlow框架 [828.9M]
┃ ┃ ┣━━10.卷积神经网络参数.mp4 [319.2M]
┃ ┃ ┣━━2.变量.mp4 [26.7M]
┃ ┃ ┣━━3.变量练习.mp4 [181M]
┃ ┃ ┣━━4.线性回归模型.mp4 [46.1M]
┃ ┃ ┣━━5.逻辑回归框架.mp4 [40.2M]
┃ ┃ ┣━━6.逻辑回归迭代.mp4 [51.8M]
┃ ┃ ┣━━7.神经网络模型.mp4 [86.6M]
┃ ┃ ┣━━8.完成神经网络.mp4 [43.2M]
┃ ┃ ┗━━9.卷积神经网络模型.mp4 [34.1M]
┃ ┣━━07MNIST手写字体识别 [236.1M]
┃ ┃ ┣━━1.神经网络模型概述.mp4 [33M]
┃ ┃ ┣━━2.tensorflow参数.mp4 [85.1M]
┃ ┃ ┣━━3.卷积简介.mp4 [29M]
┃ ┃ ┣━━4.构造网络结构.mp4 [42.3M]
┃ ┃ ┗━━5.训练网络模型.mp4 [46.7M]
┃ ┣━━08Gensim中文词向量建模 [238.4M]
┃ ┃ ┣━━1.使用Gensim库构造词向量.mp4 [22.6M]
┃ ┃ ┣━━2.维基百科中文数据处理.mp4 [159.8M]
┃ ┃ ┣━━3.Gensim构造word2vec模型.mp4 [29M]
┃ ┃ ┗━━4.测试模型相似度结果.mp4 [27M]
┃ ┣━━09探索性数据分析-赛事数据集分析 [774.2M]
┃ ┃ ┣━━1.开场 (1).mp4 [6.7M]
┃ ┃ ┣━━2.数据背景介绍.mp4 [37.6M]
┃ ┃ ┣━━3.数据读取与预处理.mp4 [198.2M]
┃ ┃ ┣━━4.数据切分模块.mp4 [51.9M]
┃ ┃ ┣━━5.缺失值可视化分析.mp4 [57.3M]
┃ ┃ ┣━━6.特征可视化展示.mp4 [42.8M]
┃ ┃ ┣━━7.多特征之间关系分析.mp4 [38.9M]
┃ ┃ ┣━━8.报表可视化分析.mp4 [39.6M]
┃ ┃ ┗━━9.红牌和肤色的关系.mp4 [301.2M]
┃ ┗━━10 探索性数据分析-农粮数据分析 [570.9M]
┃ ┣━━1.数据背景简介.mp4 [42.3M]
┃ ┣━━2.数据切片分析.mp4 [259.2M]
┃ ┣━━3.单变量分析.mp4 [60.4M]
┃ ┣━━4.峰度与偏度.mp4 [36.4M]
┃ ┣━━5.数据对数变换.mp4 [30.5M]
┃ ┣━━6.数据分析维度.mp4 [91M]
┃ ┗━━7.变量关系可视化展示.mp4 [51.1M]
┗━━第一阶段:Python数据分析与建模库 [1.7G]
┣━━01Python快速入门 [413.2M]
┃ ┣━━1.系列课程环境配置.mp4 [82.6M]
┃ ┣━━10.函数基础.mp4 [11.4M]
┃ ┣━━2.Python快速入门.mp4 [2.6M]
┃ ┣━━3.变量类型.mp4 [19.7M]
┃ ┣━━4.LIST基础.mp4 [74.5M]
┃ ┣━━5.List索引.mp4 [28.4M]
┃ ┣━━6.循环结构.mp4 [30.9M]
┃ ┣━━7.判断结构.mp4 [15M]
┃ ┣━━8.字典.mp4 [37.6M]
┃ ┗━━9.文件处理.mp4 [110.6M]
┣━━02科学计算库Numpy [220.7M]
┃ ┣━━1.数据结构.mp4 [38.4M]
┃ ┣━━2.基本操作].mp4 [72.4M]
┃ ┣━━3.矩阵属性.mp4 [23.9M]
┃ ┣━━4.矩阵操作.mp4 [38.5M]
┃ ┗━━5.常用函数.mp4 [47.5M]
┣━━03数据分析处理库Pandas [288M]
┃ ┣━━1.数据读取.mp4 [40.2M]
┃ ┣━━2.数据预处理.mp4 [35.6M]
┃ ┣━━3.常用函数.mp4 [182.5M]
┃ ┗━━4.Series结构.mp4 [29.8M]
┣━━04可视化库Matplotlib [322.8M]
┃ ┣━━1.折线图.mp4 [27.1M]
┃ ┣━━2.子图操作.mp4 [138.6M]
┃ ┣━━3.条形图与散点图.mp4 [34.7M]
┃ ┣━━4.柱形图与盒图.mp4 [32.2M]
┃ ┗━━5.细节设置.mp4 [90.1M]
┗━━05Seaborn可视化库 [530.9M]
┣━━1.课程简介.mp4 [7.6M]
┣━━9.分类属性绘.mp4 [104.2M]
┣━━11.Facetgrid绘制多变量.mp4 [29.4M]
┣━━12.热度图绘制.mp4 [45.9M]
┣━━2.整体布局风格设置.mp4 [86.5M]
┣━━3.风格细节设置.mp4 [23.6M]
┣━━10.Facetgrid使用方法.mp4 [25.3M]
┣━━5.调色板颜色设置.mp4 [24.6M]
┣━━6.单变量分析绘图.mp4 [94.5M]
┣━━7.回归分析绘图.mp4 [28.3M]
┣━━8.多变量分析绘图.mp4 [30.7M]
┗━━4.调色板.mp4 [30M]

如果觉得我的文章对您有用,请随意打赏。您的支持将鼓励我继续创作!

更多阅读