文件清单 98 项

• 1-1 课程导学.mp4
• 1-2 内容快速概览.mp4
• 1-3 人工智能介绍.mp4
• 1-4 环境及工具包介绍.mp4
• 1-5 环境配置及Python语法实操.mp4
• 1-6 Pandas,Numpy,Matplotlib实操.mp4
• 2-1 机器学习介绍.mp4
• 2-2 线性回归.mp4
• 2-3 线性回归实战准备.mp4

展开全部 98 项

• 2-4 单因子线性回归实战.mp4
• 2-5 多因子线性回归实战.mp4
• 2-6 [讨论题]关于房价预测得思考.txt
• 3-1 分类问题介绍 (2).mp4
• 3-2 逻辑回归(1) (2).mp4
• 3-3 逻辑回归(2) (2).mp4
• 3-4 实战准备 (2).mp4
• 3-5 考试通过实战(一) (2).mp4
• 3-6 考试通过实战(二) (2).mp4
• 3-7 芯片检测实战 (2).mp4
• 3-8[学习任务]商业异常消费数据预测.docx
• 3-9 [讨论]关于分类模型搭建得思考.docx
• 4-1 无监督学习.mp4
• 4-2 Kmeans-KNN-Meanshift.mp4
• 4-3 实战准备.mp4
• 4-4 Kmeans实战(1).mp4
• 4-5 Kmeans实战(2).mp4
• 4-6 KNN-Meanshift.mp4
• 4-7 [学习任务]KMeans实现数据聚类.docx
• 4-8[讨论题]关于无监督学习得思考.txt
• 5-1 决策树(1).mp4
• 5-2 决策树(2).mp4
• 5-3 异常检测.mp4
• 5-4 主成分分析.mp4
• 5-5 实战准备.mp4
• 5-6 实战(1).mp4
• 5-7 实战(2).mp4
• 5-8 实战(3).mp4
• 5-9 [学习任务]决策树判断员工是否适合相关工作.docx
• 5-10 [讨论题]关于分类问题得思考.txt
• 6-1 过拟合与欠拟合 (2).mp4
• 6-2 数据分离与混淆矩阵 (2).mp4
• 6-3 模型优化 (2).mp4
• 6-4 实战准备 (2).mp4
• 6-5 实战(一) (2).mp4
• 6-6 实战(二) (2).mp4
• 6-7 实战(三) (2).mp4
• 6-8 [讨论题]关于分类任务得思考.txt
• 7-1 多层感知器(MLP).mp4
• 7-2 MLP实现非线性分类.mp4
• 7-3 实战准备.mp4
• 7-4 实战(一).mp4
• 7-5 实战(二).mp4
• 7-6 [学习任务]Fashion_mnist服饰分类.docx
• 7-7 [讨论题]逻辑回归模型与神经网络模型的关系.txt
• 8-1 卷积神经网络(一).mp4
• 8-2 卷积神经网络(二).mp4
• 8-3 实战准备.mp4
• 8-4 实战(一).mp4
• 8-5 实战(二).mp4
• 8-6 [讨论题]基础的CNN模型设计.txt
• 9-1 序列数据案例 (2).mp4
• 9-2 循环神经网络RNN (2).mp4
• 9-3 不同类型的RNN模型 (2).mp4
• 9-4 实战准备 (2).mp4
• 9-5 实战(一)RNN股价预测 (2).mp4
• 9-6 实战(二)RNN股价预测 (2).mp4
• 9-7 实战(一)LSTM实现文本生成 (2).mp4
• 9-8 实战(二)LSTM实现文本生成 (2).mp4
• 9-8 实战(二)LSTM实现文本生成.mp4
• 9-9 [学习任务]贵州茅台股价预测.docx
• 9-10 [讨论题]关于股票预测得思考.txt
• 10-1 迁移学习(一).mp4
• 10-2 迁移学习(二).mp4
• 10-3 在线学习.mp4
• 10-4 混合模型1.mp4
• 10-5 混合模型2.mp4
• 10-6 实战准备(一).mp4
• 10-7 实战准备(二).mp4
• 10-8 基于新数据的迁移学习实战.mp4
• 10-9 机器深度学习实现少样本苹果分类(一).mp4
• 10-10 机器深度学习实现少样本苹果分类(二).mp4
• 10-11 机器深度学习实现少样本苹果分类(三).mp4
• 10-12 机器深度学习实现少样本苹果分类(四).mp4
• 11-1 课程总结(一).mp4
• 11-2 课程总结(二).mp4
• 11-3 课程总结(三).mp4
• 慕课《Python3系统入门人工智能》:人人都应该学会利用AI这个工具/
• 第1章 人工智能时代,人人都应该学会利用AI这个工具/
• 第2章 机器学习之线性回归/
• 第3章 机器学习之逻辑回归/
• 第4章 机器学习之聚类/
• 第5章 机器学习其他常用技术/
• 第6章 模型评价与优化/
• 第7章 深度学习之多层感知器/
• 第8章 深度学习之卷积神经网络/
• 第9章 深度学习之循环神经网络/
• 第10章 迁移混合模型/
• 第11章 课程总结/