文件清单 113 项

• 7-20[不易整理‖请关注:GG学习社].exe
• 4-机器学习基础理论与算法.exe
• 1-Python简介[不易整理‖请关注:GG学习社].mp4
• 1-Python数据类型[不易整理‖请关注:GG学习社].mp4
• 1-Python列表[持续更新‖免费提供:GG学习社].mp4
• 1-人工智能概述.mp4
• 2-什么是机器学习?.mp4
• 3-机器学习开发流程.mp4
• 2-1-函数.mp4

展开全部 113 项

• 3-2-极限.mp4
• 4-3-无穷小与无穷大.mp4
• 6-5-偏导数.mp4
• 8-7-梯度.mp4
• 2-2-微积分的解释.mp4
• 3-3-定积分[公重号:GG学习社].mp4
• 4-4-定积分性质.mp4
• 5-5-牛顿-莱布尼茨公式.mp4
• 1-1-泰勒公式出发点.mp4
• 2-2-一点一世界.mp4
• 3-3-阶数的作用.mp4
• 3-3.泰勒公式与拉格朗日文档.zip
• 4-4-阶乘的作用.mp4
• 6-6-求解拉格朗日乘子法.mp4
• 2-2-矩阵与数据的关系.mp4
• 3-3-矩阵基本操作.mp4
• 4-4-矩阵的几种变换.mp4
• 5-5-矩阵的秩.mp4
• 6-6-内积与正交.mp4
• 1-1-特征值与特征向量.mp4
• 2-2-特征空间与应用.mp4
• 3-1-SVD要解决的问题.mp4
• 4-4-特征值分解.mp4
• 5-5-SVD矩阵分解.mp4
• 1-1-离散型随机变量[不易整理‖请关注:GG学习社].mp4
• 2-2-连续型随机变量.mp4
• 3-3-简单随机抽样.mp4
• 4-4-似然函数.mp4
• 5-5-极大似然估计.mp4
• 1-1-概率与频率[公重号:GG学习社].mp4
• 3-3-条件概率.mp4
• 4-4-条件概率小例子.mp4
• 5-5-独立性.mp4
• 6-6-二维离散型随机变量.mp4
• 9-9-期望.mp4
• 10-10-期望求解.mp4
• 11-11-马尔科夫不等式.mp4
• 12-12-切比雪夫不等式.mp4
• 13-13-后验概率估计.mp4
• 14-14-贝叶斯拼写纠错实例.mp4
• 15-15-垃圾邮件过滤实例.mp4
• 1-1-正态分布.mp4
• 2-2-二项式分布.mp4
• 3-3-泊松分布.mp4
• 4-4-均匀分布.mp4
• 5-5-卡方分布[公重号:GG学习社].mp4
• 1-1-核函数的目的.mp4
• 4-4-核函数实例.mp4
• 5-5-高斯核函数.mp4
• 6-6-参数的影响.mp4
• 2-2-熵的大小意味着什么.mp4
• 3-3-激活函数.mp4
• 4-4-激活函数的问题.mp4
• 1-1-回归分析概述.mp4
• 2-2-回归方程定义.mp4
• 4-4-最小二乘法推导与求解.mp4
• 5-5-回归方程求解小例子.mp4
• 6-6-回归直线拟合优度.mp4
• 8-8-Python工具包介绍.mp4
• 9-9-statsmodels回归分析.mp4
• 11-11-案例:汽车价格预测任务概述.mp4
• 11-11.回归分析说明.zip
• 12-12-案例:缺失值填充.mp4
• 13-13-案例:特征相关性.mp4
• 14-14-案例:预处理问题.mp4
• 15-15-案例:回归求解.mp4
• 2-2-左右侧检验与双侧检验.mp4
• 3-3-Z检验基本原理.mp4
• 4-4-Z检验实例.mp4
• 咕泡学院-机器学习入门训练营/
• 1-直播回放(加密暂无)/
• 2-python编程基础/
• 3-机器学习基础知识/
• 4-机器学习基础理论与算法/
• 6-人工智能-必备数学课程(选修部分)/
• 7-往期直播课程回放/
• 1-Python,PyCharm安装与配置(Python和anaconda二者选一即可)/
• 2-anaconda环境安装和搭建/
• 3-Python简介/
• 4-Python数据类型/
• 5-Python列表/
• 6-Python元组/
• 1-机器学习概述/
• 1-1.高等数学基础/
• 2-2.微积分/
• 3-3.泰勒公式与拉格朗日/
• 4-4.线性代数基础/
• 5-5.特征值与矩阵分解/
• 6-6.随机变量/
• 7-7.概率论基础/
• 8-8.数据科学你得知道的几种分布/
• 9-9.核函数变换/
• 10-10.熵与激活函数/
• 11-11.回归分析/
• 12-12.假设检验/
• 13-13.相关分析/
• 14-14.方差分析/
• 15-15.聚类分析/
• 16-16.贝叶斯分析/
• 2-NumPy高效数据处理:让数据操作快人一步/
• 3-数据可视化实战:用Python绘制专业图表/
• 4-机器学习基础:从零构建你的“机器学习框架”/
• 5-集成学习:从单一模型到“超级模型”的进化之路/
• 6-集成学习实战:使用集成学习解决各行业问题/