【科研】实战qiime2教程（全）
qiime2_01aIntroduction简介
5.2万
54
2020-04-06 10:27:06
707
276
2286
441
课程总结
收起全部章节
关闭课程总结
暂无课程总结
宏基因组
【科研】实战qiime2教程（全）
文档：https://github.com/YongxinLiu/QIIME2ChineseManual/blob/master/docs/
如侵删
计算机
1/12
加载中...
qiime2_01aIntroduction简介
21:09
qiime2_01install安装
27:50
qiime2_02pipeline插件工作流程概述
18:58
qiime2_03老司机上路指南
14:30
qiime2_04a人体微生物组文件准备
10:59
qiime2_04a人体微生物组文件准备demux
19:20
qiime2_04b人体微生物组质控特征表
18:09
qiime2_04c人体微生物组树多样性物种差异
19:12
qiime2_05粪菌移植分析练习
15:26
qiime2_06沙漠土壤分析Atacamasoil
15:15
qiime2_07帕金森小鼠教程ParkinsonMouse1
41:07
qiime2_07帕金森小鼠教程ParkinsonMouse2时间序列和机器学习
22:41
3.4万播放
9.6万播放
4.7万播放
11.8万播放
《零基础入门学习Python》(第2版)【快速解读版】
20.9万播放
1.就这么愉快地开始吧
10:29
2.用Python设计第1个游戏
12:33
3.1 变量
07:51
3.2 字符串
03:53
3.3 原始字符串
04:38
3.4 长字符串
03:07
3.5 改进我们的小游戏
01:47
3.6 条件分支
05:21
3.7 初识循环
03:54
3.8 引入外援
04:59
3.9 闲聊数据类型
11:20
3.10 常用操作符
07:29
4.1 分支与循环
02:23
4.2 快速上手
02:26
4.3 避免“悬挂else”问题
01:19
4.4 三元操作符
05:05
4.5 断言assert
01:41
4.6 while循环语句
05:27
4.7 for循环
04:26
4.8 break语句
05:31
4.9 continue语句
02:43
4.10 else语句
04:31
5.1.1 创建列表
03:58
5.1.2 向列表中添加元素
04:45
5.1.3 从列表中获取元素
09:32
5.1.4 从列表中删除元素
04:25
5.1.5 列表切片
03:30
5.1.6 列表切片
04:04
5.1.7 一些操作运算符
06:40
5.1.8 和列表相关的方法
02:57
5.2.1 创建和访问元组
04:19
5.2.2 更新和删除元组
02:51
5.3.1 内置方法
08:46
5.3.2 格式化
07:47
5.4 序列
12:12
6.1 python的乐高积木
07:39
6.2 函数参数
09:13
6.3.1 局部变量
05:22
6.3.2 全局变量
02:59
6.3.3 global关键字
02:56
6.3.4 嵌套函数
04:20
6.3.5 变量查找顺序LEGB
05:52
6.3.6 闭包
02:38
6.3.7 装饰器
03:33
【Python教程】《零基础入门学习Python》最新版（完结撒花🎉）
1368.7万播放
序章
07:07
环境搭建和课程介绍
09:15
用Python设计第一个游戏
08:08
变量和字符串（上）
11:43
变量和字符串（下）
09:18
是时候讲讲代码了
08:21
改进我们的小游戏（上）
12:11
改进我们的小游戏（下）
08:26
数字类型（上）
08:41
数字类型（下）
11:23
布尔类型
11:39
短路逻辑和运算符优先级
10:37
谋定而后动，知止而有得（上）
09:17
谋定而后动，知止而有得（下）
17:24
了不起的分支和循环（I）
09:21
了不起的分支和循环（II）
09:53
了不起的分支和循环（III）
08:47
了不起的分支和循环（IV）
12:21
了不起的分支和循环（V）
09:44
列表（I）
09:07
列表（II）
08:25
列表（III）
09:47
列表（IV）
11:57
列表（V）
07:57
列表（VI）
10:18
列表（VII）
12:06
元组
12:37
字符串（I）
09:41
字符串（II）
10:18
字符串（III）
13:57
字符串（IV）
15:46
字符串（V）
12:12
字符串（VI）
16:38
序列（上）
11:28
序列（中）
14:18
序列（下）
17:47
字典（上）
08:57
字典（中）
14:19
字典（下）
14:39
集合（上）
13:14
集合（下）
14:59
函数（I）
10:11
函数（II）
11:12
函数（III）
12:28
函数（IV）
13:04
闭包 -- 函数（V）
15:40
装饰器 -- 函数（VI）
16:03
lambda表达式 -- 函数（VII）
09:13
生成器 -- 函数（VIII）
09:00
递归 -- 函数（IX）
12:26
汉诺塔 -- 函数（X）
13:44
函数文档、类型注释、内省 -- 函数（XI）
11:29
高阶函数 -- 函数（XII）
11:29
永久存储（上）
12:15
永久存储（中）
19:26
永久存储（下）
11:12
异常（上）
10:47
异常（下）
11:57
是时候让大家拥有对象了 -- 类和对象（I）
12:06
继承、多重继承、组合 -- 类和对象（II）
11:12
绑定 -- 类和对象（III）
12:47
构造函数、重写、钻石继承 -- 类和对象（IV）
13:31
Mixin及案例源码剖析 -- 类和对象（V）
09:17
多态和鸭子类型 -- 类和对象（VI）
14:49
私有变量和__slots__ -- 类和对象（VII）
15:16
原来Python懂魔法 -- 类和对象（VIII）
16:01
运算相关的魔法方法（上）-- 类和对象（IX）
12:50
运算相关的魔法方法（下）-- 类和对象（X）
14:51
属性访问相关的魔法方法 -- 类和对象（XI）
11:56
索引、切片、迭代协议 -- 类和对象（XII）
12:26
代偿 -- 类和对象（XIII）
14:17
对象调用相关的魔法方法 -- 类和对象（XIV）
12:35
property() -- 类和对象（XV）
11:03
类方法和静态方法 -- 类和对象（XVI）
11:27
【困难预警，选修】描述符及property()实现原理 -- 类和对象（XVII）
16:00
【困难预警，选修】数据描述符、非数据描述符、优雅编程 -- 类和对象（XVIII）
13:41
【困难预警，选修】函数、方法、静态方法、类方法的底层实现原理 -- 类和对象（XIX）
15:46
【困难预警，选修】类装饰器 -- 类和对象（XX）
17:03
type()函数和__init_subclass__ -- 类和对象（XXI）
16:31
元类 -- 类和对象（XXII）
12:45
元类的应用 -- 类和对象（XXIII）
17:34
抽象基类 -- 类和对象（XXIV）
11:46
死磕成就非凡 -- 类和对象（XXV）
09:23
模块和包（上）
12:47
模块和包（中）
18:06
模块和包（下）
12:03
Python数据分析师特训营全套84节视频完结版2020
1万播放
1.Python数据分析大纲介绍-第一章1节
11:58
2.Jupyter Notebook及Python使用入门(上)-第一章2节
19:14
3.Jupyter Notebook及Python使用入门(下)-第一章3节
16:21
4.Python数据类型-第一章4节
20:41
5.Python数据结构之列表-第一章5节
18:13
6.Python数据结构之元组和集合-第一章6节
22:32
7.Python数据结构之字典-第一章7节
12:49
8.Python控制语句之条件语句-第一章8节
18:13
9.Python控制语句之循环语句-第一章9节
13:58
10.Python控制语句之其他语句-第一章10节
16:44
11.函数介绍(上)-第一章11节
10:51
12.函数介绍(下)-第一章12节
14:45
13.json文件解析-第一章13节
14:15
14.字符串处理(上)-第一章14节
16:38
15.字符串处理(下)-第一章15节
13:51
16.高级函数(上)-第一章16节
10:34
17.高级函数(下)-第一章17节
12:27
18.Python数据分析常用库-第一章18节
17:57
19.数组创建和属性-第二章1节
15:51
20.索引和切片(上)-第二章2节
15:23
21.索引和切片(下)-第二章3节
11:13
22.数组形状改变-第二章4节
28:03
23.数组的ufunc广播机制-第二章5节
27:09
24.排序与搜索-第二章6节
14:50
25.Numpy数据读取和存储-第二章7
12:34
26.Numpy字符串操作-第二章8节
27:25
27.Numpy随机数生成-第二章9节
19:59
28.Numpy统计相关函数-第二章10节
13:11
29.Numpy线性代数-第二章11节
19:33
30.Pandas常用数据结构-第三章1节
17:09
31.Pandas常用数据结构之Dataframe结构-第三章2节
12:56
32.使用pandas获取excel和csv与保存-第三章3节
25:00
33.数据筛选-第三章4节
21:55
34.数据库数据获取和保存-第三章6节)
24:18
35.条件查询和增删改查-第三章5节
27:42
36.数据整合-第三章7节
27:21
37.层次化索引-第三章8节
12:05
38.数据排序-第三章9节
12:19
39.分组聚合(上)-第三章10节
20:40
40.分组聚合(下)-第三章11节
22:32
41.透视图和交叉表-第三章12节
14:39
42.Pandas其他函数运用(上)-第三章13节
25:05
43.Pandas其他函数运用(下)-第三章14节
27:56
44.重复值处理-第三章15节
08:40
45.缺失值处理-第三章16节
20:13
46.异常值处理-第三章17节
19:30
47.数据离散化-第三章18节
12:41
48.Matplotlib绘图基础-第四章1节
26:49
49.简单图形绘制(上)-第四章2节
21:22
50.简单图形绘制(下)-第四章3节
16:53
51.图形基本设置-第四章4节
13:22
52.统计图形实战(一)-第四章5节
25:44
53.统计图形实战(二)-第四章6节
22:15
54.统计图形实战(三)-第四章7节
22:24
55.完善统计图形(上)-第四章8节
23:35
56.完善统计图形(下)-第四章9节
10:39
57.图形样式高级操作-第四章10节
22:26
58.Seaborn基础-第四章11节
14:00
59.绘制常用统计图形(上)-第四章12节
20:21
60.绘制常用统计图形(下)-第四章13节
17:48
61.其他参数和图形-第四章14节
19:08
62.Plotly介绍和基础-第四章15节
15:02
63.常见图形绘制(上)-第四章16节
19:51
64.常见图形绘制(下)-第四章17节
25:45
65.图形设置-第四章18节
26:55
66.描述性统计分析-第五章1节
30:51
67.假设检验-第五章2节
19:49
68.卡方分析和方差分析-第五章3节
18:10
69.相关分析-第五章4节
15:47
70.数据分析项目流程-第六章1节
17:54
71.零售消费数据案例(上)-第六章1节
24:43
72.零售消费数据(下)-第六章2节
20:42
73.电商平台零售数据分析(一)-第六章3节
15:53
74.电商平台零售数据分析(二)-第六章4节
23:34
75.电商平台零售数据分析(三)-第六章5节
32:33
76.电商平台零售数据分析(四)-第六章6节
18:50
77.探索用户行为模式(一)-第六章7节
33:22
78.探索用户行为模式(二)-第六章8节
25:57
79.探索用户行为模式(三)-第六章9节
37:19
80.探索用户行为模式(四)-第六章10节
28:47
81.互联网金融项目(一)-第六章11节
28:22
82.互联网金融项目(二)-第六章12节
35:26
83.互联网金融项目(三)-第六章13节
24:08
84.互联网金融项目(四)-第六章14节
16:53
[中英字幕]吴恩达机器学习系列课程
516.7万播放
1-1.欢迎参加《机器学习》课程
06:56
1-2.什么是机器学习？
07:15
1-3.监督学习
12:30
1-4.无监督学习
14:14
2-1.模型描述
08:11
2-2.代价函数
08:13
2-3.代价函数（一）
11:10
2-4.代价函数（二）
08:49
2-5.梯度下降
11:31
2-6.梯度下降知识点总结
11:52
2-7.线性回归的梯度下降
10:21
3-1.矩阵和向量
08:46
3-2.加法和标量乘法
06:55
3-3.矩阵向量乘法
13:40
3-4.矩阵乘法
11:10
3-5.矩阵乘法特征
09:03
3-6.逆和转置
11:14
4-1.多功能
08:23
4-2.多元梯度下降法
05:05
4-3.多元梯度下降法演练.I.–.特征缩放
08:53
4-4.多元梯度下降法II.–.学习率
08:59
4-5.特征和多项式回归
07:40
4-6.正规方程（区别于迭代方法的直接解法）
16:19
4-7.正规方程在矩阵不可逆情况下的解决方法
06:00
4-8.导师的编程小技巧
03:34
5-1.基本操作
14:00
5-2.移动数据
16:08
5-3.计算数据
13:16
5-4.数据绘制
09:39
5-5.控制语句：for，while，if.语句
12:57
5-6.矢量
13:49
6-1.分类
08:09
6-2.假设陈述
07:25
6-3.决策界限
14:50
6-4.代价函数
10:25
6-5.简化代价函数与梯度下降
10:16
6-6.高级优化
14:07
6-7.多元分类：一对多
06:16
7-1.过拟合问题
09:43
7-2.代价函数
10:12
7-3.线性回归的正则化
10:41
7-4.Logistic.回归的正则化
08:35
8-1.非线性假设
09:37
8-2.神经元与大脑
07:48
8-3.模型展示Ⅰ
12:02
8-4.模型展示Ⅱ
11:47
8-5.例子与直觉理解Ⅰ
07:16
8-6.例子与直觉理解Ⅱ
10:21
8-7.多元分类
03:52
9-1.代价函数
06:44
9-2.反向传播算法
12:00
9-3.理解反向传播
12:45
9-4.使用注意：展开参数
07:48
9-5.梯度检测
11:38
9-6.随机初始化
06:52
9-7.组合到一起
13:24
9-8.无人驾驶
06:31
10-1.决定下一步做什么
05:51
10-2.评估假设
07:36
10-3.模型选择和训练、验证、测试集
12:04
10-4.诊断偏差与方差
07:43
10-5.正则化和偏差、方差
11:21
10-6.学习曲线
11:54
10-7.决定接下来做什么
06:51
11-1.确定执行的优先级
09:30
11-2.误差分析
13:13
11-3.不对称性分类的误差评估
11:36
11-4.精确度和召回率的权衡
14:06
11-5.机器学习数据
11:10
12-1.优化目标
14:48
12-2.直观上对大间隔的理解
10:37
12-3.大间隔分类器的数学原理
19:42
12-4.核函数1
15:45
12-5.核函数2
15:44
12-6.使用SVM
21:03
13-1.无监督学习
03:18
13-2.K-Means算法
12:33
13-3.优化目标
07:05
13-4.随机初始化
07:50
13-5.选取聚类数量
08:23
14-1.目标.I：数据压缩
10:10
14-2.目标.II：可视化
05:28
14-3.主成分分析问题规划1
09:06
14-4.主成分分析问题规划2
15:15
14-5.主成分数量选择
10:31
14-6.压缩重现
03:55
14-7.应用.PCA.的建议
12:49
15-1.问题动机
07:39
15-2.高斯分布
10:28
15-3.算法
12:03
15-4.开发和评估异常检测系统
13:08
15-5.异常检测.VS.监督学习
07:37
15-6.选择要使用的功能
12:18
15-7.多变量高斯分布
13:47
15-8.使用多变量高斯分布的异常检测
14:04
16-1.问题规划
07:55
16-2.基于内容的推荐算法
14:32
16-3.协同过滤
10:15
16-4.协同过滤算法
08:28
16-5.矢量化：低轶矩阵分解
08:29
16-6.实施细节：均值规范化
08:32
17-1.学习大数据集
05:46
17-2.随机梯度下降
13:20
17-3.Mini-Batch.梯度下降
06:19
17-4.随机梯度下降收敛
11:32
17-5.在线学习
12:51
17-6.减少映射与数据并行
14:09
18-1.问题描述与.OCR.pipeline
07:03
18-2.滑动窗口
14:41
18-3.获取大量数据和人工数据
16:21
18-4.天花板分析：下一步工作的.pipeline
13:51
19-1.总结与感谢
04:43
【中英字幕】吴恩达深度学习课程第一课 — 神经网络与深度学习
133万播放
【第一周 深度学习概论】1.1 欢迎
05:33
1.2 什么是神经网络？
07:17
1.3 用神经网络进行监督学习
08:30
1.4 为什么深度学习会兴起？
10:22
1.5 关于这门课
02:28
1.6 课程资源
01:56
【第二周 神经网络基础】2.1 二分分类
08:24
2.2 logistic 回归
06:00
2.3 logistic 回归损失函数
08:12
2.4 梯度下降法
11:24
2.5 导数
07:11
2.6 更多导数的例子
10:28
2.7 计算图
03:34
2.8 计算图的导数计算
14:51
2.9 logistic 回归中的梯度下降法
06:43
2.10 m 个样本的梯度下降
08:01
2.11 向量化
08:05
2.12 向量化的更多例子
06:22
2.13 向量化 logistic 回归
07:33
2.14 向量化 logistic 回归的梯度输出
09:38
2.15 Python 中的广播
11:07
2.16 关于 python _ numpy 向量的说明
06:50
2.17 Jupyter Ipython 笔记本的快速指南
03:44
2.18 （选修）logistic 损失函数的解释
07:16
【第三周 浅层神经网络】3.1 神经网络概览
04:27
3.2 神经网络表示
05:15
3.3 计算神经网络的输出
09:59
3.4 多个例子中的向量化
09:06
3.5 向量化实现的解释
07:38
3.6 激活函数
10:57
3.7 为什么需要非线性激活函数？
05:37
3.8 激活函数的导数
07:58
3.9 神经网络的梯度下降法
09:58
3.10 （选修）直观理解反向传播
15:49
3.11 随机初始化
07:58
【第四周 深层神经网络】4.1 深层神经网络
05:52
4.2 深层网络中的前向传播
07:16
4.3 核对矩阵的维数
11:11
4.4 为什么使用深层表示
10:34
4.5 搭建深层神经网络块
08:34
4.6 前向和反向传播
10:30
4.7 参数 VS 超参数
07:18
4.8 这和大脑有什么关系？
03:18
【人工智能行业大师访谈】1. 吴恩达采访 Geoffrey Hinton
40:23
【人工智能行业大师访谈】2. 吴恩达采访 Pieter Abbeel
16:04
【人工智能行业大师访谈】3. 吴恩达采访 Ian Goodfellow
14:56
【中英字幕】吴恩达深度学习课程第四课 — 卷积神经网络
57.5万播放
【第一周 卷积神经网络】1.1 计算机视觉
05:45
1.2 边缘检测示例
11:31
1.3 更多边缘检测内容
07:58
1.4 Padding
09:50
1.5 卷积步长
09:02
1.6 三维卷积
10:45
1.7 单层卷积网络
16:11
1.8 简单卷积网络示例
08:33
1.9 池化层
10:26
1.10 卷积神经网络示例
12:38
1.11 为什么使用卷积？
09:41
【第二周 深度卷积网络：实例探究】2.1 为什么要进行实例探究？
03:09
2.2 经典网络
18:19
2.3 残差网络
07:08
2.4 残差网络为什么有用？
09:13
2.5 网络中的网络以及 1×1 卷积
06:41
2.6 谷歌 Inception 网络简介
10:15
2.7 Inception 网络
08:47
2.8 使用开源的实现方案
04:57
2.9 迁移学习
08:48
2.10 数据扩充
09:32
2.11 计算机视觉现状
12:39
【第三周 目标检测】3.1 目标定位
11:55
3.2 特征点检测
05:57
3.3 目标检测
05:50
3.4 卷积的滑动窗口实现
11:09
3.5 Bounding Box预测
14:32
3.6 交并比
04:19
3.7 非极大值抑制
08:03
3.8 Anchor Boxes
09:43
3.9 YOLO 算法
07:02
3.10 候选区域
06:28
【第四周 特殊应用：人脸识别和神经风格转换】4.1 什么是人脸识别？
04:25
4.2 One-Shot 学习
04:45
4.3 Siamese 网络
04:36
4.4 Triplet 损失
15:31
4.5 面部验证与二分类
06:06
4.6 什么是神经风格转换？
02:03
4.7 什么是深度卷积网络？
07:58
4.8 代价函数
03:51
4.9 内容代价函数
03:38
4.10 风格代价函数
17:01
4.11 一维到三维推广
09:09
1.5万播放
加载中...
加载中...
展开