尚学堂1903期人工智能全套视频教程

教程目录：
├──01_人工智能开发及远景介绍（预科）
│ ├──1_何为机器学习.rar
│ ├──2_人工智能与机器学习关系.rar
│ ├──3_人工智能应用与价值.rar
│ ├──4_有监督机器学习训练流程.rar
│ ├──5_Python机器学习库Scikit-Learn介绍.rar
│ └──6_理解线性与回归.rar
├──02_线性回归深入和代码实现
│ ├──01.视频
│ │ ├──01_机器学习是什么.rar
│ │ ├──02_怎么做线性回归.rar
│ │ ├──03_理解回归_最大似然函数.rar
│ │ └──04_应用正太分布概率密度函数_对数总似然.rar
│ ├──02.代码.rar
│ ├──03.软件.rar
│ └──04.资料.rar
├──03_梯度下降和过拟合和归一化
│ ├──01.视频
│ │ ├──01_梯度下降法思路_导函数有什么用.rar
│ │ ├──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.rar
│ │ ├──03_随机梯度下降_及代码实现_mini-batchGD_调整学习率.rar
│ │ ├──04_梯度下降做归一化的必要性.rar
│ │ ├──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.rar
│ │ ├──06_过拟合的总结.rar
│ │ └──07_岭回归_以及代码调用.rar
│ ├──02.代码.rar
│ └──03.资料.rar
├──04_逻辑回归详解和应用
│ ├──01.视频
│ │ ├──01_Lasso_ElasticNet_PolynomialFeatures.rar
│ │ ├──02_多项式回归代码_保险案例数据说明.rar
│ │ ├──03_相关系数_逻辑回归介绍.rar
│ │ ├──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.rar
│ │ ├──05_逻辑回归sklearn处理鸢尾花数据集.rar
│ │ └──06_逻辑回归多分类转成多个二分类详解.rar
│ ├──02.代码.rar
│ └──03.资料.rar
├──05_分类器项目案例和神经网络算法
│ ├──01.视频
│ │ ├──01_理解维度_音乐分类器数据介绍.rar
│ │ ├──02_傅里叶变化原理_傅里叶代码应用_傅里叶优缺点.rar
│ │ ├──03_逻辑回归训练音乐分类器代码_测试代码.rar
│ │ ├──04_人工神经网络开始.rar
│ │ ├──05_神经网络隐藏层的必要性.rar
│ │ └──06_神经网络案例_sklearn_concrete.rar
│ ├──02.代码.rar
│ └──03.资料.rar
├──06_多分类、决策树分类、随机森林分类
│ ├──01.视频
│ │ ├──00_机器学习有监督无监督.rar
│ │ ├──01_逻辑回归多分类图示理解_逻辑回归和Softmax区别.rar
│ │ ├──02_Softmax图示详解_梯度下降法整体调参.rar
│ │ ├──03_评估指标_K折交叉验证.rar
│ │ ├──04_决策树介绍.rar
│ │ ├──05_随机森林_优缺点_对比逻辑回归_剪枝.rar
│ │ └──06_决策树_随机森林_sklearn代码调用.rar
│ ├──02代码.rar
│ └──03.资料.rar
├──07_分类评估、聚类
│ ├──01.视频
│ │ ├──01_评估指标.rar
│ │ ├──02_监督学习评估指标代码调用.rar
│ │ ├──03_相似度测量.rar
│ │ ├──04_K-Means聚类.rar
│ │ └──05_KMeans聚类的应用.rar
│ ├──02.代码.rar
│ └──03.资料.rar
├──08_密度聚类、谱聚类
│ ├──01.视频
│ │ ├──01_聚类的评估_metrics代码.rar
│ │ ├──02_密度聚类_代码实现.rar
│ │ └──03_谱聚类.rar
│ ├──02.代码.rar
│ └──03.资料.rar
├──09_深度学习、TensorFlow安装和实现线性回归
│ ├──01.视频
│ │ ├──00_pip安装源设置.rar
│ │ ├──01_TensorFlow介绍与安装.rar
│ │ ├──02_TensorFlow CUDA GPU安装说明_TF使用介绍.rar
│ │ ├──03_TensorFlow代码初始_解析解多元线性回归实现.rar
│ │ └──04_tensorflow来代码实现线性回归_梯度下降优化.rar
│ ├──02.代码.rar
│ └──03.资料.rar
├──10_TensorFlow深入、TensorBoard可视化
│ ├──01.视频
│ │ ├──01_placeholder代码详解_TF构建Softmax回归计算图.rar
│ │ ├──02_TF对Softmax回归训练_评估代码实现.rar
│ │ ├──03_TF的模型持久化_重新加载.rar
│ │ └──04_模块化.rar
│ ├──02.代码.rar
│ └──03.资料.rar
├──11_DNN深度神经网络手写图片识别
│ ├──01.视频
│ │ ├──01_深度学习DNN是什么.rar
│ │ └──02_TF训练2层DNN来进行手写数字识别.rar
│ ├──02.代码.rar
│ └──03.资料.rar
├──12_TensorBoard可视化
│ ├──01.视频
│ │ ├──01_TensorBoard代码.rar
│ │ └──02_TensorBoard启动以及页面.rar
│ └──02.代码.rar
├──13_卷积神经网络、CNN识别图片
│ ├──01.视频
│ │ ├──01_卷积1个通道的计算__垂直水平fiter图片.rar
│ │ ├──01_图释对比原始图片和卷积FeatureMap.rar
│ │ ├──02_三通道卷积_池化层的意思.rar
│ │ ├──03_CNN架构图LeNet5架构.rar
│ │ ├──04_CNN来对MNIST进行图片识别代码实现.rar
│ │ └──05_TF使用CNN来做Cifar10数据集分类任务.rar
│ ├──02.代码.rar
│ └──03.资料.rar
├──14_卷积神经网络深入、AlexNet模型实现
│ ├──01.视频
│ │ ├──01_解决梯度消失的三个思路.rar
│ │ ├──02_反向传播计算W对应的梯度.rar
│ │ └──03_AlexNet五层卷积benchmark代码实现.rar
│ ├──02.代码.rar
│ └──03.资料.rar
└──15_Keras深度学习框架
├──01.视频
│ ├──01_Keras开篇.rar
│ ├──02_Keras构建模型_Keras使用MNIST数据集训练CNN.rar
│ ├──03_Keras调用VGG16来训练.rar
│ └──04_深度学习更种优化算法.rar
├──02.代码.rar
└──03.资料.rar