中国人民大学教授一周讲完的Python人工智能教程,整整300集,允许白嫖,拿走不谢,公粮上交,手把手教学,学完即可就业

6607
42
2022-08-12 11:18:29
278
207
524
33
网络 欢迎评论区留言互动,快快留下你的学习足迹吧~ 制作不易,多多支持,你的三连就是我更新的动力 这期教程把Python基础+数学基础+机器学习算法与实战+深度学习算法与实战+物联网都给讲透了!
视频选集
(151/200)
人工智能学习路线
01:25
1、人工智能概述
08:05
2、人工智能发展历程
04:56
3、人工智能主要分支
11:44
4、人工智能必备三要素
07:51
5、人工智能工作流程概述
10:00
6、数据集的介绍
13:07
7、特征工程介绍.
10:12
8、机器学习算法分类
20:55
9、分类模型评估介绍
04:05
10、回归模型评估和拟合问题
08:00
11、azure平台实验演示
24:25
12、深度学习简介
06:58
13、机器学习基础环境库的安装
03:43
14、jupytermarkdown功能演示
08:31
15、matplotlin基本简介
11:58
16、基础绘图功能演示--图像保存,x,y轴刻度,添加网格
23:56
17、多次plot和显示图例
09:32
18、多个坐标系显示图像
13:05
19、折线图的应用场景
05:48
20、今日总结
11:26
21、昨日复习
15:49
22、常见图形绘制
19:22
23、numpy基本介绍
14:31
24、ndarray介绍
13:29
25、生成数组
13:54
26、正态分布和均匀分布
23:00
27、切片和形状修改
13:34
28、类型修改和数组去重
08:51
29、ndarray运算
19:59
30、矩阵介绍1
05:35
31、矩阵介绍2
14:05
32、数组间运算
16:35
33、昨日复习_1
20:27
34、昨日复习_2
17:29
35、案例_电影数据分析2
19:42
36、索引操作
13:09
37、赋值和排序.
11:06
38、算术运算和逻辑运算
12:46
39、统计运算
13:38
40、自定义函数运算
04:24
41、pandas画图
03:43
42、csv文件读取和存储.
08:20
43、hdf,json数据的读取和存储.
16:39
44、缺失值的判断
09:34
45、缺失值删除和替换
08:45
46、缺失值不是NaN的处理情况
07:21
47、pandas介绍和DataFrame使用
33:39
48、数据离散化
20:59
49、数据合并
11:56
50、交叉表和透视表
15:29
51、今日总结
10:48
52、分组和聚合
16:40
53、今日总结
09:21
54、科学计算库三天内容复习
20:03
55、电影数据分析案例
15:59
56、昨日复习
25:08
57、knn算法总结
07:40
58、k近邻算法简介
12:50
59、交叉验证
14:34
60、k近邻算的初步使用
16:58
61、网格搜索.
16:50
62、facebook案例预测流程分析
20:49
63、距离度量1
06:59
64、距离度量2
11:03
65、距离度量3
17:46
66、k值的选择
08:13
67、kd树构造
29:06
68、kd树搜索1
05:59
69、kd树搜索2
04:06
70、数据集介绍
16:47
71、鸢尾花数据可视化
14:52
72、数据集划分
12:18
73、特征预处理
20:58
74、鸢尾花案例实现
13:06
75、今日总结
11:17
76、zxds
17:05
77、线性回归简介
09:09
78、线性回归api初步使用
06:11
79、数学求导复习1
02:25
80、数学求导复习2
04:45
81、线性回归损失和正规方程推导1
21:24
82、正规方程推导2
07:13
83、昨日复习
20:55
84、梯度下降法案例介绍.
12:29
85、梯度下降法初步简介
22:44
86、梯度下降法介绍
14:29
87、正规方程api使用.
13:33
88、今日总结
08:48
89、欠拟合过拟合简介
23:14
90、岭回归和lasso回归
08:30
91、弹性网络和early stopping
07:20
92、岭回归案例实现
10:25
93、模型保存和加载
11:55
94、逻辑回归介
23:08
95、逻辑回归案例实现
33:55
96、精确率和召回率介绍
06:45
97、roc和auc案例实现
12:35
98、精确率和召回率api实现
09:01
99、roc曲线绘制1
07:11
1-软件安装jupyter
15:44
2-NumPy数组引出
27:48
3-NumPy数组创建
14:51
4-NumPy数据查看
10:10
5-NumPy数据保存和数据类型
22:43
6-NumPy数组运算
09:10
7-NumPy索引和切片
25:28
1-作业讲解
28:41
2-形状改变
36:34
3-广播机制
14:50
4-通用函数
39:26
5-矩阵运算
06:54
1-mysql安装
11:04
1-作业讲解
40:30
2-玫瑰花颜色调整
10:49
3-pandas安装与数据结构
21:05
4-pandas数据查看与读写
29:17
5-数据选择
17:56
1-作业回顾
27:18
2-数据筛选赋值操作
15:42
3-数据集成-concat方式
08:07
4-数据集成-insert方式
09:12
5-数据集成-merge方式
19:50
6-数据清洗
26:41
7-数据转换(轴和元素、map函数)
21:29
8-数据转换apply转换
16:05
1-作业介绍与数据转换
33:14
2-数据重塑
19:27
3-数学和统计指标
21:47
4-数据排序
04:27
5-分箱操作
05:38
6-分组聚合
30:04
7-数据可视化
15:25
1-多元函数定义
03:10
2-偏导数
03:44
3-高阶偏导数
04:02
4-梯度
05:27
5-雅可比矩阵
08:41
6-Hessian矩阵
11:00
7-极值判定法则
17:56
8-二次型
17:49
1-导数定义与作用
06:32
2-左右导数与可导函数
08:23
3-导数的几何与物理含义
03:53
4-导数求导公式
06:45
5-导数四则运算
04:53
6-复合函数求导法则
03:05
7-神经网络激活函数Sigmoid求导
07:02
8-神经网络激活函数Tanh求导
03:12
9-神经网络激活函数Softmax求导
15:37
10-高阶导数
01:47
11-导数与函数单调性
02:19
12-极值定理
03:55
13-函数凹凸性
07:59
14-一元函数泰勒展开
11:59
1-向量是什么
08:06
2-行向量列向量
03:07
3-向量运算
07:24
4-向量的范数
14:21
5-特殊向量
04:37
6-矩阵是什么
03:38
7-常见矩阵
05:30
8-矩阵运算
10:44
9-逆矩阵
14:09
10-行列式
08:37
11-伴随矩阵
25:11
1-八元一次方程问题再现
20:49
2-八元一次方程增加截距的解决方案
25:59
3-正规方程的公式推导
18:02
4-凸函数判定
07:17
5-最大似然估计
17:33
6-最小二乘法公式推导
19:31
7-正规方程进行演示
13:04
8-sklearn线性回归演示
06:34
9-作业介绍
01:39
2-Adaboost算法原理概述
25:33
3-Adaboost算法应用乳腺癌案例
24:32
4-Adaboost算法应用多分类案例
10:58
5-Adaboost算法应用多分类数据清洗案例
22:28
1-Adaboost二分类算法流程讲解
27:17
2-Adaboost数据建模以及可视化
17:34
3-Adaboost代码构建第一课树拆分条件计算
23:43
4-Adaboost代码构建第一棵树弱学习器权重计算以及样本权重更新
11:27
5-Adaboost代码构建第二棵决策树
28:41
6-Adaboost代码构建第三棵决策树
07:06
7-Adaboost弱学习器聚合
03:53
1-Adaboost二分类概率代码演示计算
34:17
2-Adaboost提升树多分类建模预测
16:31
3-Adaboost多分类代码构建第一棵树
38:35
4-Adaboost多分类代码构建第二棵树
20:46
5-Adaboost多分类代码构建第三棵树
06:07
6-Adaboost多分类概率代码演示计算
10:43
day4-1-opencv-人脸识别
40:08
day4-2-opencv多张人脸识别
40:01
day4-4-图片条件替换
15:33
day4-5-视频中人脸检测
41:38
day4-6-视频音频合成
50:16
day4-7-windows-ffmpeg操作
12:17
day4-8-摄像头中人脸操作
29:23
day5-1-homework条件选择替换
37:39
客服
顶部
赛事库 课堂 2021拜年纪