• 投稿

传智播客 python 高级编程(day26机器学习入门篇~day33 深度学习必备原理与实战4)

5272
7
2020-01-23 22:31:01
19
7
268
8
http://www.itheima.com 视频来自网络，如有侵权，私信删除 传智播客 python 高级编程 day26机器学习入门篇 day27机器学习入门篇2 day28 机器学习提升篇 day29 数据挖掘篇 day30 深度学习必备原理与实战 day31 深度学习必备原理与实战2 day32 深度学习必备原理与实战3 day33 深度学习必备原理与实战4
PYTHON
教育
语言
人工智能
学习
视频教程
传智播客
黑马程序员
线上课堂
python
不麻不辣的麻辣烫123 发消息
不提供资料，请勿私信
这才是我想要的AI！
5万人感兴趣
视频选集
（1/253）
自动连播
1-线性回归算法概述
14:24
2-误差项分析
11:34
3-似然函数求解
09:36
4-目标函数推导
09:22
5-线性回归求解
10:58
1-逻辑回归算法原理推导
10:53
2-逻辑回归求解
14:59
1-案例实战：Python实现逻辑回归任务概述
07:35
2-案例实战：完成梯度下降模块
12:52
3-案例实战：停止策略与梯度下降案例
10:56
4-案例实战：实验对比效果
10:26
1-案例背景和目标
08:32
2-样本不均衡解决方案
10:18
3-下采样策略
06:36
4-交叉验证
13:03
5-模型评估方法
13:06
6-正则化惩罚
08:10
7-逻辑回归模型
07:38
8-混淆矩阵
08:53
9-逻辑回归阈值对结果的影响
10:02
10-SMOTE样本生成策略
15:51
1-决策树原理概述
12:26
2-衡量标准-熵
11:04
3-决策树构造实例
10:09
4-信息增益率
05:49
5-决策树剪枝策略
15:32
1-案例：决策树复习
08:56
2-案例：决策树涉及参数
11:09
3-案例：树可视化与sklearn库简介
18:15
4-案例：sklearn参数选择
11:47
1-集成算法-随机森林
12:03
2-特征重要性衡量
13:52
3-提升模型
11:15
4-堆叠模型
07:10
1-集成算法实例概述
09:03
2-ROC与AUC指标
08:24
3-基础模型
07:58
4-集成实例
15:45
5-Stacking模型
11:54
6-效果改进
09:18
1-贝叶斯算法概述
06:59
2-贝叶斯推导实例
07:39
3-贝叶斯拼写纠错实例
11:47
4-垃圾邮件过滤实例
14:10
5-贝叶斯实现拼写检查器
12:21
1-文本分析与关键词提取
12:12
2-相似度计算
11:44
3-新闻数据与任务简介
10:20
4-TF-IDF关键词提取
13:29
5-LDA建模
09:11
6-基于贝叶斯算法进行新闻分类
14:54
1-KMEANS算法概述
11:34
2-KMEANS工作流程
09:43
3-KMEANS迭代可视化展示
08:21
1-DBSCAN聚类算法
11:04
2-DBSCAN工作流程
15:04
3-DBSCAN可视化展示
08:53
1-多种聚类算法概述
04:35
2-聚类案例实战
17:20
1-实现线性判别分析进行降维任务
10:20
2-求解得出降维结果
08:56
1-PCA降维概述
08:40
2-PCA要优化的目标
12:22
3-PCA求解
10:18
1-PCA降维实例
19:18
1-EM算法要解决的问题
10:39
2-隐变量问题
06:17
3-EM算法求解实例
14:32
4-Jensen不等式
10:47
5-GMM模型
09:20
1-GMM实例
11:51
2-GMM聚类
09:45
3-相似度计算
10:47
4-基于用户的协同过滤
10:03
5-基于物品的协同过滤
14:46
6-隐语义模型
07:32
7-隐语义模型求解
09:46
8-模型评估标准
07:44
1-Surprise库与数据简介
06:41
2-Surprise库使用方法
09:47
3-得出推荐商品结果
09:07
1-支持向量机要解决的问题
10:06
2-距离与数据的定义
10:34
3-目标函数
09:42
4-目标函数求解
11:28
5-SVM求解实例
13:45
6-支持向量的作用
11:54
1-sklearn求解支持向量机
11:25
2-SVM参数选择
14:01
1-数据平稳性与差分法
11:10
2-ARIMA模型
10:34
3-相关函数评估方法
10:47
4-建立ARIMA模型
07:49
5-参数选择
12:41
1-Pandas生成时间序列
11:28
2-Pandas数据重采样
09:23
3-Pandas滑动窗口
07:48
4-股票预测案例
09:58
5-使用tsfresh库进行分类任务
12:04
6-维基百科词条EDA
14:30
1-Xgboost 算法概述
11:36
2-Xgboost模型构造
12:11
3-Xgboost建模衡量标准
10:07
1-Xgboost安装
06:27
2-保险赔偿任务概述
13:07
3-Xgboost参数定义
09:55
4-基础模型定义
08:17
5-树结构对结果的影响
12:38
6-学习率与采样对结果的影响
13:02
农业-1数据背景简介
11:06
农业-2数据切片分析
17:27
农业-3单变量分析
15:22
农业-4峰度与偏度
11:38
农业-5数据对数变换
09:44
农业-6数据分析维度
06:56
农业-7变量关系可视化展示
12:23
1-HTTP检测任务与数据挖掘的核心
11:14
2-论文的重要程度
10:01
3-BenchMark概述
06:24
4-BenchMark的作用
13:32
1-数据挖掘任务流程
12:37
2-数据介绍
08:37
3-Python兵器库介绍
09:20
4-sklearn库介绍
11:34
5-数据读取与统计分析-converted
09:44
6-性别特征分析
10:49
7-船舱等级特征分析
08:36
8-缺失值问题
11:03
9-年龄特征缺失值填充与分析
14:33
10-登船地点特征分析
11:55
1-用户画像概述
13:27
2-如何建立用户画像
13:48
3-用户搜索数据介绍
05:15
4-任务概述与方案
10:47
5-构造词向量特征
11:08
6-构造输入特征
13:24
7-建立预测模型
19:34
1-kaggle数据科学调查介绍
11:19
2-基本情况可视化展示
19:37
3-工资情况
11:34
4-技能使用情况
16:33
5-数据集与平台
14:22
6-python和r哪家强
15:59
7-调查总结
16:17
1-Xgboost算法概述-converted
11:36
2-Xgboost模型构造
12:11
3-Xgboost建模衡量标准
12:08
4-Xgboost安装
06:27
5-保险赔偿任务概述
13:07
6-Xgboost参数定义
09:55
7-基础模型定义
08:17
8-树结构对结果的影响
12:38
9-学习率与采样对结果的影响
13:02
1-项目与数据介绍
20:19
2-数据挖掘流程
19:18
3-数据检查
12:02
4-构建用户特征表单
18:34
5-构建商品特征表单
09:43
6-数据探索概述
09:24
7-购买因素分析
10:47
8-特征工程
15:39
9-基本特征构造
17:48
1-房价预测任务概述
12:22
2-离散形数据
09:26
3-数据对数变换
10:44
4-缺失值处理与box-cox变换
12:52
5-模型预测
10:59
1-神经网络案例-cifar分类任务
16:02
2-神经网络案例-分模块构造神经网络
13:34
3-神经网络案例-训练神经网络完成分类任务
13:27
4-神经网络架构-感受神经网络的强大
11:31
1-线性分类
09:35
2-损失函数
09:18
3-正则化惩罚项
07:20
4-softmax分类器
13:39
1-深度学习概述
11:28
2-挑战与常规套路
09:41
3-用K近邻来进行分类
10:02
4-超参数与交叉验证-converted
10:31
1-整体架构
10:12
2-实例演示
10:39
3-过拟合解决方案
15:54
1-最优化形象解读
06:47
2-最优化问题细节
11:49
3-反向传播
15:18
1-使用Gensim库构造词向量
06:22
2-维基百科中文数据处理
10:27
3-Gensim构造word2vec模型
08:53
4-测试模型相似度结果
07:43
1-卷积池化反向传播
14:44
2-卷积网络代码1
10:20
3-卷积网络代码2
12:01
1-影评情感分类
17:49
2-基于词袋模型训练分类器
11:09
3-准备word2vec输入数据
10:47
4-使用gensim构建word2vec词向量
16:36
1-pading与stride
13:14
2-卷积参数共享
08:10
3-池化层原理
08:25
1-卷积神经网络的应用
14:56
2-卷积层解释
12:54
3-卷积计算过程
12:31
0-开篇
04:37
1-自然语言处理与深度学习
11:59
2-语言模型
06:16
3-N-gram模型
08:33
4-词向量
09:28
5-神经网络模型
10:03
6-Hierarchical Softmax
10:02
7-CBOW模型实例
11:21
8-CBOW求解目标
05:40
9-锑度上升求解
10:11
10-负采样模型
07:16
1-卷积神经网络模型架构
10:57
2-卷积神经网络模型参数
17:15
3-模型的保存和读取
15:31
1-使用RNN处理Mnist数据集
11:51
2-RNN网络模型
10:43
3-训练RNN网络
10:05
1-加载训练好的VGG网络模型
10:57
2-使用VGG模型进行测试
10:48
1-构造线性回归模型
13:33
2-Mnist数据集简介
06:30
3-逻辑回归框架
12:25
4-迭代完成逻辑回归模型
13:49
1-神经网络模型架构
07:49
2-训练神经网络
11:24
1-Tensorflow简介
00:39
2-Tensorflow安装
07:10
3-基本计算单元-变量
08:33
4- 常用基本操作
14:41
1-经典网络架构
10:30
2-分类与回归任务
18:11
3-三代物体检测算法
20:39
1-数据增强策略
10:44
2-TransferLearning
08:10
3-巧妙设计神经网络
21:52
1-验证码数据生成
10:44
2-构造网络的输入数据和标签
11:58
3-卷积网络模型定义
13:25
4-迭代及测试网络效果-converted
10:57
1-生成网络配置文件
10:21
2-对训练的网络模型绘制LOSS曲线
11:59
3-对训练结果进行分类任务
19:34
1-使用命令行训练网络
12:58
2-使用python定义自己的层
19:56
3-绘制网络结构图
12:43
1-制作LMDB数据源
32:00
2-多label问题之HDF5数据源
21:33
1-CAFFE简介
11:15
2-网络配置文件-数据层
18:15
3-网络配置文件-计算层
25:36
4-超参数solver文件
19:55

【上新5折】零基础Python通关课
快速学会编程

传智播客python基础班2018（ 第一部分 1-1 linux 基础）
不麻不辣的麻辣烫123
7986 18

传智播客python基础班2018（第二部分 1-2 python基础）
不麻不辣的麻辣烫123
7791 14

黑马程序员 web 39期之5 WebAPI培训
不麻不辣的麻辣烫123
1.4万 18

黑马程序员 web 39期之6 JavaScript高级
不麻不辣的麻辣烫123
6665 37

传智播客ReactJs+React-Native 2天教程
不麻不辣的麻辣烫123
1.2万 15

传智播客 python 高级编程 (day11Django框架~day14 天天生鲜Django项目）
不麻不辣的麻辣烫123
2.3万 61

黑马程序员 web 39期之8,9 ajax基础知识与实战
不麻不辣的麻辣烫123
5202 17

2019 最新黑马JavaEE就业班 (day19微服务项目【学成在线】)
不麻不辣的麻辣烫123
6679 11

黑马程序员 web 39期之23 webpack
不麻不辣的麻辣烫123
4496 7

黑马程序员 web 39期之29全栈项目
不麻不辣的麻辣烫123
1908 0

黑马程序员 web 39期之14 响应式开发基础知识
不麻不辣的麻辣烫123
1.4万 27

黑马程序员 web 39期之25 微信小程序
不麻不辣的麻辣烫123
2894 10

黑马程序员 web 39期之21 git安装和使用
不麻不辣的麻辣烫123
4745 10

2019 最新黑马JavaEE就业班(day26互联网全终端项目 【好客租房】day01~day08)
不麻不辣的麻辣烫123
3217 2

黑马程序员 web 39期之13 移动web京东项目
不麻不辣的麻辣烫123
4941 0

黑马程序员 web 39期之28 Angular5
不麻不辣的麻辣烫123
5787 4

黑马程序员 web 39期之12移动开发基本功
不麻不辣的麻辣烫123
1070 0

黑马程序员 web 39期之 15 微金所响应式开发项目
不麻不辣的麻辣烫123
2132 1

黑马程序员 web 39期之20 node图书管理系统项目
不麻不辣的麻辣烫123
1.8万 3

2019 最新黑马JavaEE就业班 (day09 微服务电商 【黑马乐优商城】)
不麻不辣的麻辣烫123
8420 29
展开
客服
顶部
赛事库 课堂 2021拜年纪