深度神经网络算法深度学系列视频课程深度神经网络算法深度学系列视频教程
资源详情
python程序入门视频1.1_课程python介绍_压缩.mp41.2环境配置1.mp41.3配置python环境2.mp42.1package以及数据类型.mp42.2_part2字符串string和变量variable.mp42.2_数据类型2整型_字符串.mp43.1数据结构列表list.mp43.2_part2列表list元组tuple对比.mp43.2元组tuple.mp43.3词典dictionary.mp43.4函数function1.mp43.4函数function2.mp44.1控制流1iffor.mp44.2控制流2whilerangepart1.mp44.2控制流2whilerangepart2.mp44.3控制流2breakcontinuepass.mp45.1输入输出格式ioconsole.mp45.2文件输入输出fileio.mp46.1错误与异常errorsexceptions.mp47.1面向对象以及装饰器oodecorators.mp48.1图形界面介绍guitkinter.mp48.2猜数字游戏.mp49创建网页.mp4去重4.2控制流2whilerangepart2.mp4重录3.4function1.mp4机器学习深度学习基础1.1课程介绍机器学习介绍上.mp41.1课程介绍机器学习介绍下.mp41.2深度学习介绍.mp42基本概念.mp43.1决策树算法.mp43.2决策树应用.mp44.1最邻近规则分类knn算法.mp44.2最邻近规则knn分类应用.mp45.1 支持向量机(svm)算法（上）.html5.1 支持向量机(svm)算法（上）应用.html5.1支持向量机svm上.mp45.1支持向量机svm上应用.mp46.2神经网络算法应用上.mp46.3神经网络算法应用下.mp47.1简单线忄生回归上.mp47.2简单线忄生回归下.mp47.3多元线忄生回归.mp47.4多元线忄生回归应用.mp47.5非线忄生回归 logistic regression.mp47.6非线忄生回归应用.mp47.7回归中的相关度和决定系数.mp47.8回归中的相关忄生和r平方值应用.mp48.1kmeans算法.mp48.2kmeans应用.mp48.3hierarchical clustering 层次聚类.mp48.4hierarchical clustering 层次聚类应用.mp4神经网络nn算法.mp4支持向量机(svm)算法(下)应用.mp4支持向量机(svm)算法下.mp4总结.mp4机器学习深度学习基础第1章 基本概念清晰版.mp4第2章 软件包安装和环境配置总述.mp4第3章 环境配置分部详解.mp4第4章 环境配置分部详解下.mp4第5章 手写数字识别.mp4第6章 神经网络基本结构及梯度下降算法.mp4第7章 随机梯度下降算法.mp4第8章 梯度下降算法实现上.mp4第9章 梯度下降算法实现下.mp4第10章 神经网络手写数字演示.mp4第11章 backpropagation算法上.mp4第12章 backpropagation算法下.mp4第13章 backpropagation算法实现.mp4第14章 cross-entropy函数.mp4第15章 softmax和overfitting.mp4第16章 regulization.mp4第17章 regulazition和dropout.mp4第18章 正态分布和初始化(修正版).mp4第19章 提高版本的手写数字识别实现.mp4第20章 神经网络参数hyper-parameters选择.mp4第21章 深度神经网络中的难点.mp4第22章 用rel解决vanishinggradient问题.mp4第23章 convolutionnerualnetwork算法.mp4第24章 convolutionneuralnetwork实现上.mp4第25章 convolutionneuralnetwork实现下.mp4第26章 restricted boltzmann machine.mp4第27章 restricted boltzmann machine下.mp4第28章 deep brief network 和 autoencoder.mp4
