• อัปโหลด

智能机器人软件开发教程基础,从helloworld到神经网络

138K
572
2019-05-08 18:25:30
1352
1007
7719
593
人工智能很火,机器学习很热,很多同学想去学习,但不知如何下手 网上教程很多,上来就学习模型,使用框架,绕来绕去,理解不了底层原理 机器学习算法推理,大量公式和高等数学让人崩溃,一不小心从入门到放弃 本套课程从零开始,讲解人工智能的全部核心基础, 4天课让你掌握机器学习、线性代数、微积分和概率论,学完课程你可以自己推导损失函数,实现梯度下降,手写神经网络,把控无人驾驶,完成手写字识别... 视频教程及其配套出自http://yun.itheima.com/course/534.html?bili
咨询课程1对1就业指导、技术提升直接私信,周一到周五晚7点直播答疑求职技术干货,领取课程源码+资料,关注黑马程序员公众号,回复:领取资源02
รายการวิดีโอ
(1/85)
01_引言和学习方法
05:38
02_feature和label_ev
11:23
03_什么是机器学习_ev
11:23
04_数据采集方式_ev
12:15
05_knn算法入门_ev
08:38
06_knn算法python实现_ev
30:35
07_代码流程回顾_ev
05:05
08_抽取knn函数_ev
04:07
09_实验演示验证结论_ev
09:13
10_评估模型好坏的方法,训练集和测试集_ev
08:29
11_生成测试和训练数据集_ev
08:06
12_调参选取最优的k_ev
12:46
13_增加数据的维度_ev
04:56
14_numpy加载特殊数据_ev
06:19
15_欧式距离_ev
08:07
16_二维空间距离的计算_ev
10:11
17_代码增加一个维度_ev
04:56
18_数据归一化_ev
15:18
19_knn的feature的选择_ev
03:34
20_向量和向量的运算_ev
23:54
21_概念总结_ev
03:52
22_使用矩阵和向量实现knn_ev
27:13
23_ 房价预测简单框架_ev
12:32
24_数据的归一化和标准化
15:29
附:问题1_ev
09:53
附1_如何学习数学_ev
01:37
01_线性回归和Knn
06:44
02_线性回归解决什么问题_ev
07:07
03_Excel进行线性回归_ev
07:12
04_损失函数和最小均方差_ev
13:58
05_excle来简单理解梯度下降_ev
16:30
06_梯度下降的问题分析_ev
08:35
07_求导简单入门_ev
11:01
08_mse对b进行求导_ev
10:49
09_Excel演示梯度下降&学习速率_ev
17:19
10_偏导数分别求解m和b的导数_ev
14:06
11_对m和b分别进行梯度下降_ev
18:48
12_Python代码实现梯度下降_ev
23:04
13_代码测试生成m和b_ev
08:03
14_作业演示
10:13
附_作业讲解_ev
25:32
01_高等数学入门
12:30
02_问题描述_ev
03:20
03_简单理解矩阵运算的现实含义_ev
04:56
04_矩阵的形状_ev
11:54
05_矩阵的加法_ev
04:32
06_手动计算矩阵的乘法_ev
10:57
07_矩阵的乘法不满足交换律_ev
05:46
08_用numpy进行矩阵的乘法运算_ev
06:26
09_矩阵运算计算m和b的偏导数_ev
22:09
10_numpy矩阵运算演示获取m和b的偏导_ev
14:56
11_用矩阵运算重构线性回归代码_ev
12:55
12_对比程序执行的时间_ev
06:26
13_增加数据的维度
07:20
14_函数模型的评估和错误率的计算_ev
15:14
15_矩阵可以理解为一个变化函数_ev
03:47
16_bmp是如何描述图片的_ev
22:26
17_位图和svg图的区别_ev
11:16
18_矩阵运算变化图片的位置_ev
12:18
19_矩阵运算旋转图形_ev
13:51
20_矩阵的缩放处理_ev
03:05
21_图形变换综合案例_ev
05:25
22_机器学习浅谈_ev
17:27
23_sigmod函数引入_ev
12:08
24_逻辑回归的步骤
06:58
附:扩展作业_ev
03:23
01_自然底数和sigmod函数
15:34
02_矩阵运算计算逻辑回归_ev
09:40
03_逻辑回归简单实现_ev
17:57
04_多分类问题_ev
08:27
05_多分类的概率问题思考_ev
11:02
06_多分类问题softmax公式_ev
10:58
07_手写数字数据集_ev
07:09
08_手写数字的识别原理_ev
08:20
09_手写数字数据集的处理_ev
20:04
10_手写数字的识别_ev
33:22
11_手写数字bug处理_ev
10:20
12_ai自动驾驶_ev
03:21
13_神经网络的作用_ev
05:34
14_多层神经网络演示_ev
18:42
15_感知机_ev
04:38
16_感知机数学原理_ev
06:32
17_线性模型和非线性模型_ev
12:59
18_交叉熵cross-entropy_ev
15:05
19_概率简介
21:30
บริการลูกค้า
ด้านบน
赛事库 课堂 2021拜年纪