文件清单 121 项

• 1.1 开篇:讲师和课程内容介绍_ev.mp4
• 1.2 开篇:授课模式须知_ev.mp4
• 1.3 开篇:学习方法的建议_ev.mp4
• 1.4 开篇:笔记和文档的编写_ev.mp4
• 1.5 开篇:写在最后_ev.mp4
• 2.1 今日概要_ev.mp4
• 2.2 课堂笔记的创建_ev.mp4
• 2.3 常见计算机基本概念_ev.mp4
• 2.4 编程语言_ev.mp4

展开全部 121 项

• 2.5 编译器和解释器_ev.mp4
• 2.6 学习编程本质上的三件事_ev.mp4
• 2.7 编程语言的分类_ev.mp4
• 2.8 Python介绍_ev.mp4
• 2.9 Python解释器种类_ev.mp4
• 2.10 CPython解释器版本_ev.mp4
• 2.11 环境搭建说明_ev.mp4
• 2.12 python解释器的安装(mac系统)_ev.mp4
• 2.13 python解释器的安装(win系统)_ev.mp4
• 2.14 Pycharm使用和破解(mac系统)_ev.mp4
• 2.15 Pycharm使用和破解(win系统)_ev.mp4
• 2.16 今日总结_ev.mp4
• 2.17 今日作业_ev.mp4
• 2.18 作业答案和讲解_ev.mp4
• 3.1 今日概要_ev.mp4
• 3.2 编码_ev.mp4
• 3.3 编程初体验_ev.mp4
• 3.4 print输出及练习题_ev.mp4
• 3.5 输出练习题讲解_ev.mp4
• 3.6 数据类型的引入_ev.mp4
• 3.7 整形_ev.mp4
• 1.1 课程简介_ev.mp4
• 1.2 函数_ev.mp4
• 1.3 极限_ev.mp4
• 1.4 无穷小与无穷大_ev.mp4
• 1.5 连续性与导数_ev.mp4
• 1.6 偏导数_ev.mp4
• 1.7 方向导数_ev.mp4
• 1.8 梯度_ev.mp4
• 2.1 微积分基本想法_ev.mp4
• 2.2 微积分的解释_ev.mp4
• 2.3 定积分_ev.mp4
• 2.4 定积分性质_ev.mp4
• 2.5 牛顿.莱布尼茨公式_ev.mp4
• 3.1 泰勒公式出发点_ev.mp4
• 3.2 一点一世界_ev.mp4
• 3.3 阶数的作用_ev.mp4
• 3.4 阶乘的作用_ev.mp4
• 3.5 拉格朗日乘子法_ev.mp4
• 3.6 求解拉格朗日乘子法_ev.mp4
• 4.1 行列式概述_ev.mp4
• 4.2 矩阵与数据的关系_ev.mp4
• 4.3 矩阵基本操作_ev.mp4
• 4.4 矩阵的几种变换_ev.mp4
• 4.5 矩阵的秩_ev.mp4
• 4.6 内积与正交_ev.mp4
• 5.1 特征值与特征向量_ev.mp4
• 5.2 特征空间与应用_ev.mp4
• 5.3 SVD要解决的问题_ev.mp4
• 5.4 特征值分解_ev.mp4
• 5.5 SVD矩阵分解_ev.mp4
• 1.1 课程简介_ev.mp4
• 1.2 回归问题概述_ev.mp4
• 1.3 误差项定义_ev.mp4
• 1.4 独立同分布的意义_ev.mp4
• 1.5 似然函数的作用_ev.mp4
• 1.6 参数求解_ev.mp4
• 1.7 梯度下降通俗解释_ev.mp4
• 1.8 参数更新方法_ev.mp4
• 1.9 优化参数设置_ev.mp4
• 1.10 线性回归整体模块概述_ev.mp4
• 1.11 初始化步骤_ev.mp4
• 1.12 实现梯度下降优化模块_ev.mp4
• 1.13 损失与预测模块_ev.mp4
• 1.14 数据与标签定义_ev.mp4
• 1.15 训练线性回归模型_ev.mp4
• 1.16 得到线性回归方程_ev.mp4
• 1.17 整体流程debug解读_ev.mp4
• 1.18 多特征回归模型_ev.mp4
• 1.19 非线性回归_ev.mp4
• 1.20 Sklearn工具包简介_ev.mp4
• 1.21 数据集切分_ev.mp4
• 1.22 交叉验证的作用_ev.mp4
• 1.23 交叉验证实验分析_ev.mp4
• 1.24 混淆矩阵_ev.mp4
• 1.25 评估指标对比分析_ev.mp4
• 1.26 阈值对结果的影响_ev.mp4
• 1.27 ROC曲线_ev.mp4
• 1.28 实验目标分析_ev.mp4
• 1.29 参数直接求解方法_ev.mp4
• 1.30 预处理对结果的影响_ev.mp4
• 1.1 任务目标解读_ev.mp4
• 1.3 数据标准化处理_ev.mp4
• 1.4 下采样数据集制作_ev.mp4
• 1.5 交叉验证_ev.mp4
• 1.6 数据集切分_ev.mp4
• 1.7 模型评估方法与召回率_ev.mp4
• 1.8 正则化惩罚项_ev.mp4
• 1.9 训练逻辑回归模型_ev.mp4
• 1.10 混淆矩阵评估分析_ev.mp4
• 2024路飞 Python 人工智能AI工程师/
• 第01模块:Python快速入门(新)/
• 第02模块:Python数据科学必备工具包实战(新)/
• 第03模块:人工智能-必备数学课程(新)/
• 第04模块:机器学习算法精讲及其案例应用(新)/
• 第06模块:机器学习案例实战应用集锦(新)/
• 第06模块:深度学习框架-Tensorflow2版本实战(旧)/
• 第07模块:机器学习竞赛优胜解决方案实战(新)/
• 第08模块:深度学习入门视频课程(新)/
• 第09模块:深度学习必备框架实战(PyTorch+Tensorflow)(新)/
• 第10模块:opencv计算机视觉实战(新)/
• 第12模块:姿态估计与目标追踪实战系列(新)/
• 第14模块:自然语言处理实战案例(新)/
• 路飞人工智能课件/
• 1-numpy(新)/
• 2-pandas(新)/
• 3-matplotlib绘图 (新)/
• 4-seaborn可视化(新)/
• 5-科学计算库-Numpy/
• 6-数据分析处理库-Pandas/
• 7-可视化库-Matplotlib/
• 8-可视化库-Seaborn/