尚学堂人工智能开发教程

java教程网分享2019-03-13 14:27:11

视频目录

第一章_人工智能开发及远景介绍

01_何为机器学习

02_人工智能与机器学习关系

03_人工智能应用与价值

04_有监督机器学习训练流程

05_有监督机器学习训练流程

06_Python机器学习库Scikit-Learn介绍

07_理解线性与回归

第二章_线性回归深入和代码实现

01_机器学习是什么_(new)

02_怎么做线性回归_(new)

03_理解回归_最大似然函数_(new)

04_应用正太分布概率密度函数_对数总似然_(new)

05_推导出损失函数_推导出解析解_(new)

06_代码实现解析解的方式求解_梯度下降法的开始

第三章_梯度下降和过拟合和归一化

01_梯度下降法思路_导函数有什么用

02_推导线性回归损失函数导函数_以及代码实现批量梯度下降

03_随机梯度下降_及代码实现_mini-batchGD_调整学习率

04_梯度下降做归一化的必要性

05_最大值最小值归一化_sklearn官网介绍_防止过拟合W越少越小

06_过拟合的总结

07_岭回归_以及代码调用

第四章_逻辑回归详解和应用

01_Lasso_ElasticNet_PolynomialFeatures

02_多项式回归代码_保险案例数据说明

03_相关系数_逻辑回归介绍

04_逻辑回归的损失函数_交叉熵_逻辑回归对比多元线性回归

05_逻辑回归sklearn处理鸢尾花数据集

06_逻辑回归多分类转成多个二分类详解

第五章_分类器项目案例和神经网络算法

01_理解维度_音乐分类器数据介绍

02_傅里叶变化原理_傅里叶代码应用_傅里叶优缺点

03_逻辑回归训练音乐分类器代码_测试代码

04_人工神经网络开始

05_神经网络隐藏层的必要性

06_神经网络案例_sklearn_concrete

第六章_多分类

00_机器学习有监督无监督

01_逻辑回归多分类图示理解_逻辑回归和Softmax区别

02_Softmax图示详解_梯度下降法整体调参

03_评估指标_K折交叉验证

04_决策树介绍

05_随机森林_优缺点_对比逻辑回归_剪枝

06_决策树_随机森林_sklearn代码调用

第七章_分类评估-聚类

01_评估指标

02_监督学习评估指标代码调用

03_相似度测量

04_K-Means聚类

05_KMeans聚类的应用

第八章_密度聚类-谱聚类

01_聚类的评估_metrics代码

02_密度聚类_代码实现

03_谱聚类

第九章_深度学习-TensorFlow安装和实现线性回归

00_pip安装源设置

01_TensorFlow介绍与安装

02_TensorFlow CUDA GPU安装说明_TF使用介绍

03_TensorFlow代码初始_解析解多元线性回归实现

04_tensorflow来代码实现线性回归_梯度下降优化

第十章_TensorFlow深入-TensorBoard可视化

01_placeholder代码详解_TF构建Softmax回归计算图

02_TF对Softmax回归训练_评估代码实现

03_TF的模型持久化_重新加载

04_模块化

第十一章_DNN深度神经网络手写图片识别

01_深度学习DNN是什么_如果使用TensorFlow自己实现Layer来构建两个隐藏层的DNN计算图

02_TF训练2层DNN来进行手写数字识别

第十二章_TensorBoard可视化

01_TensorBoard代码

02_TensorBoard启动以及页面

第十三章_卷积神经网络-CNN识别图片

01_卷积1个通道的计算__垂直水平fiter图片

01_图释对比原始图片和卷积FeatureMap

02_三通道卷积_池化层的意思

03_CNN架构图LeNet5架构

04_决策树介绍

05_TF使用CNN来做Cifar10数据集分类任务

第十四章_卷积神经网络深入-AlexNet模型实现

01_解决梯度消失的三个思路

02_反向传播计算W对应的梯度

03_AlexNet五层卷积benchmark代码实现.

第十五章_Keras深度学习框架

01_Keras开篇

02_Keras构建模型_Keras使用MNIST数据集训练CNN

03_Keras调用VGG16来训练

04_深度学习更种优化算法


下载地址:公众号回复人工智能

最后,希望大家用心去学习这套教程,分享也是一种精神,人生最有价值莫过于帮助了需要帮助的人。第一步便是懂得分享,让更多的人受益!