视频选集
（1/126）
自动连播
01人工智能入门指南 课时2-首选Python
09:21
01人工智能入门指南 课时3 Python我该怎么学
04:22
01人工智能入门指南 课时4 人工智能的核心 机器学习
10:35
01人工智能入门指南 课时5机器学习怎么学
08:38
01人工智能入门指南 课时6算法推导与案例
08:21
02Python科学计算库-Numpy 课时7 使用Anaconda安装python环境（Python新手先看这个）
13:11
02Python科学计算库-Numpy 课时9 科学计算库Numpy
10:33
02Python科学计算库-Numpy 课时10 Numpy基础结构
10:45
02Python科学计算库-Numpy 课时11 Numpy矩阵基础
05:56
02Python科学计算库-Numpy 课时12 Numpy常用函数
12:03
02Python科学计算库-Numpy 课时13 矩阵常用操作
10:19
02Python科学计算库-Numpy 课时14 不同复制操作对比
10:50
03python数据分析处理库-Pandas 课时15 Pandas数据读取
11:51
03python数据分析处理库-Pandas 课时16 Pandas索引与计算
10:28
03python数据分析处理库-Pandas 课时17 Pandas数据预处理实例
13:04
03python数据分析处理库-Pandas 课时18 Pandas常用预处理方法
11:13
03python数据分析处理库-Pandas 课时19 Pandas自定义函数
07:45
03python数据分析处理库-Pandas 课时20 Series结构
12:30
04Python数据可视化库-Matplotlib 课时21折线图绘制
08:25
04Python数据可视化库-Matplotlib 课时22子图操作
14:04
04Python数据可视化库-Matplotlib 课时23条形图与散点图
10:12
04Python数据可视化库_Matplotlib_课时24柱形图与盒图
10:17
04Python数据可视化库_Matplotlib_课时25细节设置
06:13
05Python可视化库Seaborn_课时26Seaborn简介
02:45
05Python可视化库Seaborn_课时27整体布局风格设置_YYcig
07:48
05Python可视化库Seaborn_课时28风格细节设置
06:50
05Python可视化库Seaborn_课时29调色板
10:40
05Python可视化库Seaborn_课时30调色板颜色设置
08:18
05Python可视化库Seaborn_课时31单变量分析绘图
09:39
05Python可视化库Seaborn_课时32回归分析绘图
08:53
05Python可视化库Seaborn_课时33多变量分析绘图
10:36
05Python可视化库Seaborn_课时34分类属性绘图
09:40
05Python可视化库Seaborn_课时35Facetgrid使用方法
08:49
05Python可视化库Seaborn_课时36Facetgrid绘制多变量
08:30
05Python可视化库Seaborn_课时37热度图绘制
14:19
06线性回归算法原理推导_课时38线性回归算法概述
14:23
06线性回归算法原理推导_课时39误差项分析
11:33
06线性回归算法原理推导_课时40似然函数求解
09:35
06线性回归算法原理推导_课时41目标函数推导
09:21
06线性回归算法原理推导_课时42线性回归求解
10:57
07梯度下降策略_课时43梯度下降原理
11:43
07梯度下降策略_课时44梯度下降方法对比
07:20
07梯度下降策略_课时45学习率对结果的影响
06:08
08逻辑回归算法_课时46逻辑回归算法原理推导
10:52
08逻辑回归算法_课时47逻辑回归求解
14:53
09案例实战：Python实现逻辑回归与梯度下降策略_课时48Python实现逻辑回归任务概述
07:33
09案例实战：Python实现逻辑回归与梯度下降策略_课时49完成梯度下降模块
12:51
09案例实战：Python实现逻辑回归与梯度下降策略_课时50停止策略与梯度下降案例
10:55
09案例实战：Python实现逻辑回归与梯度下降策略_课时51实验对比效果
10:25
10项目实战_交易数据异常检测__课时59混淆矩阵
08:52
10项目实战_交易数据异常检测_课时52案例背景和目标
08:32
10项目实战_交易数据异常检测_课时53样本不均衡解决方案
10:17
10项目实战_交易数据异常检测_课时54下采样策略
06:36
10项目实战_交易数据异常检测_课时55交叉验证
13:03
10项目实战_交易数据异常检测_课时56模型评估方法
13:05
10项目实战_交易数据异常检测_课时57正则化惩罚
08:09
10项目实战_交易数据异常检测_课时58逻辑回归模型
07:37
10项目实战_交易数据异常检测_课时60逻辑回归阈值对结果的影响
10:01
10项目实战_交易数据异常检测_课时61SMOTE样本生成策略
15:51
11决策树算法_课时62决策树原理概述
12:25
11决策树算法_课时63衡量标准_熵
11:03
11决策树算法_课时64决策树构造实例
10:09
11决策树算法_课时65信息增益率
05:50
11决策树算法_课时66决策树剪枝策略
15:31
12案例实战：使用sklearn构造决策树模型_课时67决策树复习
08:54
12案例实战：使用sklearn构造决策树模型_课时68决策树涉及参数
11:08
12案例实战：使用sklearn构造决策树模型_课时69树可视化与sklearn库简介
18:14
12案例实战：使用sklearn构造决策树模型_课时70sklearn参数选择
11:46
13集成算法与随机森林__课时72特征重要性衡量
13:51
13集成算法与随机森林__课时73提升模型
11:15
13集成算法与随机森林__课时74堆叠模型
07:09
13集成算法与随机森林_课时71集成算法_随机森林_x
12:02
14案例实战：泰坦尼克获救预测_课时75船员数据分析
11:02
14案例实战：泰坦尼克获救预测_课时76数据预处理
11:39
14案例实战：泰坦尼克获救预测_课时77使用回归算法进行预测
12:12
14案例实战：泰坦尼克获救预测_课时78使用随机森林改进模型
13:26
14案例实战：泰坦尼克获救预测_课时79随机森林特征重要性分析
15:56
15贝叶斯算法_课时80贝叶斯算法概述
07:00
15贝叶斯算法_课时81贝叶斯推导实例
07:39
15贝叶斯算法_课时82贝叶斯拼写纠错实例_i
11:46
15贝叶斯算法_课时83垃圾邮件过滤实例
14:10
15贝叶斯算法_课时84贝叶斯实现拼写检查器
12:20
16Python文本数据分析：新闻分类任务_课时85文本分析与关键词提取
12:12
16Python文本数据分析：新闻分类任务_课时88TF_IDF关键词提取
13:29
16Python文本数据分析：新闻分类任务_课时89LDA建模
09:11
16Python文本数据分析：新闻分类任务_课时90基于贝叶斯算法进行新闻分类
14:54
17支持向量机_课时91支持向量机要解决的问题
10:05
17支持向量机_课时93目标函数_Y
09:41
17支持向量机_课时94目标函数求解_Xw6Zu
11:27
17支持向量机_课时95SVM求解实例
13:46
17支持向量机_课时96支持向量的作用
11:53
17支持向量机_课时97软间隔问题
06:46
17支持向量机_课时98SVM核变换
16:52
18案例：SVM调参实例_课时99sklearn求解支持向量机
11:24
18案例：SVM调参实例_课时100SVM参数选择_eBNzPI1U
13:59
19聚类算法-Kmeans_课时101KMEANS算法概述
11:33
19聚类算法-Kmeans_课时102KMEANS工作流程
09:43
19聚类算法-Kmeans_课时103KMEANS迭代可视化展示
08:20
19聚类算法-Kmeans_课时104使用Kmeans进行图像压缩_TDuMOl
08:00
课时105DBSCAN聚类算法
11:05
课时106DBSCAN工作流程
15:04
课时107DBSCAN可视化展示_V
08:53
课时110PCA降维概述_lx
08:41
课时111PCA要优化的目标
12:22
课时112PCA求解
10:20
课时113PCA实例
08:34
课时114初识神经网络
11:27
课时115计算机视觉所面临的挑战
09:40
课时116K近邻尝试图像分类
10:01
课时117超参数的作用
10:31
课时118线性分类原理
09:34
课时119神经网络_损失函数
09:18
课时120神经网络_正则化惩罚项
07:21
课时121神经网络_softmax分类器
13:40
课时122神经网络_最优化形象解读
06:48
课时123神经网络_梯度下降细节问题_4z
11:50
课时124神经网络_反向传播
15:17
课时125神经网络架构
10:13
课时126神经网络实例演示
10:40
课时127神经网络过拟合解决方案
15:54
课时128感受神经网络的强大_k
11:31
课时129集成算法思想
05:36
课时130xgboost基本原理
11:08
课时131xgboost目标函数推导
12:18
课时132xgboost求解实例
11:30
课时133xgboost安装
03:38
顶部