【百战程序员】AI算法工程师就业班 - 带源码课件 - 学霸搜网盘资源
- 课件.zip
- 17：特殊的向量.mp4
- 53：凸优化的性质_一般表达形式.mp4
- 12：向量的意义_n维欧式空间空间.mp4
- 23：多元函数求偏导.mp4
- 29：特征值和特征向量(1).mp4
- 41：数学期望和方差.mp4
- 9：推导激活函数的导函数.mp4
- 51：凸集.mp4
- 19：矩阵的运算_加减法_转置.mp4
- 数学.pdf
- 5：导数的几何意义和物理意义.mp4
- 25：雅可比矩阵_在神经网络中应用.mp4
- 42：常用随机变量服从的分布.mp4
- 15：学习向量计算的用途举例.mp4
- 28：补充关于正定负定的理解.mp4
- 37：SVD用于协同过滤_求逆矩阵.mp4
- 47：梯度下降法思路.mp4
- 1：人工智能学习数学的必要性_微积分知识点.mp4
- 32：多元函数的泰勒展开_矩阵和向量的求导.mp4
- 43：随机向量_独立性_协方差_随机向量的正太分布.mp4
- 18：矩阵_方阵_对称阵_单位阵_对角阵.mp4
- 16：向量的范数_范数与正则项的关系.mp4
- 3：人工智能时代是发展的必然.mp4
- 7：深度学习比传统机器学习有优势.mp4
- 9：无监督机器学习任务与本质.mp4
- 6：机器学习不同的学习方式.mp4
- 2：人工智能适合人群与必备技能.mp4
- 35：总结硬间隔SVM.mp4
- 33：数学预备知识_拉格朗日函数.mp4
- 30：SVM与感知机关系_几何距离与函数距离.mp4
- 32：几种SVM_SVM的损失函数.mp4
- 38：SVM在sklearn中的使用_超参数.mp4
- 50：SVM绘制已有数据点和超平面以及边界.mp4
- 47：SVM的SMO实现读取数据和计算fx与Ei.mp4
- 52：概率化输出_SVM的合页损失函数_Tensorflow实现GD方式求解SVM.mp4
- 43：将公式467带入导函数进一步简化_对求解出的新的α2进行剪裁.mp4
- 49：SVM的SMO实现应用公式计算alphas和b.mp4
- 41：SMO将交给它的目标函数变成二元函数进一步变成一元函数.mp4
- 44：再次说明α2如何进行剪裁的思路_根据α2求α1.mp4
- 40：SMO算法求解思路_分解成很多个子二次规划问题分别求解.mp4
- 39：SVM算法流程总结.mp4
- 51：关于sklearn中的SVM封装的类和超参.mp4
- 46：如何计算阈值b.mp4
- 53：OVR和OVO多分类_算法小结_对比逻辑回归.mp4
- 45：启发式选择两个α.mp4
- 42：对一元函数求极值点_推导出旧的α和新的α的关系.mp4
- 12：对逻辑回归函数进行求导_结论在后面会用到.mp4
- 2：sigmoid函数作用.mp4
- 13：对逻辑回归的损失函数求导_推导出导函数的形式.mp4
- 11：绘制逻辑回归损失函数_绘制3D的图形_分析X1X2两个维度的重要度.mp4
- 10：绘制逻辑回归损失函数_探索两个参数和损失函数变换关系.mp4
- 3：逻辑回归为什么用sigmoid函数_预备知识.mp4
- 14：实战逻辑回归对鸢尾花数据集进行二分类.mp4
- 6：推导逻辑回归损失函数_得到总似然的公式.mp4
- 第五阶段_线性分类算法_逻辑回归和Softmax回归.pdf
- 5：回想多元线性回归公式其实也是从广义线性回归推导出来的.mp4
- 8：绘制逻辑回归损失函数_读入数据计算最优解模型_实现逻辑回归预测_实现逻辑回归损失函数.mp4
- 15：OneVsRest将多分类问题转化成多个二分类问题.mp4
- 4：证明伯努利分布是指数族分布_推导出逻辑回归公式.mp4
- 27：实战音乐分类器_代码对单首歌曲进行傅里叶变换_代码对600首音乐文件进行傅里叶变换并保存结果.mp4
- 21：证明Softmax公式K=2的时候就是逻辑回归_平移不变性.mp4
- 26：实战音乐分类器_代码使用傅里叶变换将混音文件进行投影.mp4
- 18：从广义线性回归的η推导出来Softmax的公式.mp4
- 19：有了Softmax函数的公式就可以去计算loss_Softmax的Loss函数形式其实就是LR的泛化版本.mp4
- 28：实战音乐分类器_代码读取600首傅里叶变换后的数据_构建训练集并训练模型.mp4
- 24：实战音乐分类器_探索不同曲风音乐文件的时间频率图.mp4
- 17：证明多项式分布属于指数族分布一种.mp4
- 22：逻辑回归和Softmax回归在多分类任务模型参数上的区别_与算法在选择上的区别.mp4
- 23：实战音乐分类器_讲解需求和读取数据.mp4
- 29：实战音乐分类器_模型的测试和调优_解决双通道音乐文件的问题.mp4
- 18：Spark宽依赖和窄依赖_02.mp4
- 16：Spark数据缓存机制.mp4
- 27：构建LabeledPoint.mp4
- 26：讲解构建稀疏和稠密向量_01.mp4
- 21：分布式文件系统Block块的大小配置.mp4
- 24：Spark程序启动运行流程详解_03.mp4
- 28：介绍SparkMLlib模块中实现的算法和调用.mp4
- 【百战程序员】AI算法工程师就业班 - 带源码课件
- 06、机器学习-线性分类
- 04、人工智能基础-高等数学知识强化
- 11-机器学习与大数据-海量数据挖掘工具
- 21-深度学习-OCR文本识别
- 14-深度学习-图像识别原理
- 27-【加课】算法与数据结构
- 16-深度学习-目标检测YOLO(V1-V4全版本)实战
- 20-深度学习-NLP自然语言处理项目实战
- 24-【加课】Pytorch项目实战
- 25、【加课】百度飞桨PaddlePaddle实战【新增】
- 26-【加课】Linux环境编程基础
- 31、【加课】强化学习【新增】
- 10、机器学习与大数据-Kaggle竞赛实战
- 03、人工智能基础-Python科学计算和可视化
- 章节3：SVM支持向量机算法
- 章节1：逻辑回归
- 章节2：Softmax回归
- 章节2：Spark计算框架深入
- 章节3：Spark机器学习MLlib和ML模块
- 章节5：现代目标检测之FasterRCNN
- 章节4：古典目标检测
- 章节1：卷积神经网络原理
- 章节2：集成学习和随机森林
- 章节5：Lasso回归_Ridge回归_多项式回归
- 章节5：YOLOv4详解
- 章节7：GPT2聊天机器人
- 章节5：实战NER命名实体识别项目
- 章节2：自然语言处理--情感分析
- 章节6：BERT新浪新闻10分类项目
- 章节2：EM算法和GMM高斯混合模型
- 章节2：TensorFlow深度学习工具
- 章节3：反向传播推导_Python代码实现神经网络
- 章节5：PyTorch编码器解码器_机器翻译
- 章节2：PyTorch基础_Tensor张量运算
- 章节1：PyTorch运行环境安装_运行环境测试
- 章节3：PyTorch卷积神经网络_实战CIFAR10
- 章节6：PaddleNLP模块_物流信息提取（ERNIE版）
- 章节1：PaddlePaddle框架安装_波士顿房价预测
- 章节4：PaddleOCR工具_车牌识别（目标检测+CRNN+CTCLoss)
- 章节3：PaddleDetection工具_PCB电路板缺陷检测
- 章节2：Python基础语法
- 章节4：ActorCritic(A3C)
- 章节1：Q-Learning与SARSA算法
- 章节5：DDPG、PPO、DPPO算法
- 章节3：PolicyGradient策略梯度
- 章节2：DeepQ-LearningNetwork
- 章节2：网页分类案例
- 章节2：推荐系统--数据预处理和模型构建评估实战
- 章节3：推荐系统--模型使用和推荐服务
- 章节1：科学计算模型Numpy
- 章节3：数据处理分析模块Pandas
- 章节3：蒙版弹幕MaskRCNN语义分割
- 章节1：上采样_双线性插值_转置卷积
- 章节2：医疗图像UNet语义分割
- 章节2：自然场景下的目标检测及源码分析
- 章节3：图像风格迁移
- 章节3：从Attention机制到Transformer
- 章节4：ELMO_BERT_GPT
扫码获取资源