【百战程序员】AI算法工程师就业班 - 带源码课件 - 酷夫资源搜索-网盘资源搜索神器

• file:课件.zip
• file:50：坐标下降法_数值优化面临的问题.mp4
• file:54：拉格朗日函数.mp4
• file:40：随机变量.mp4
• file:37：SVD用于协同过滤_求逆矩阵.mp4
• file:25：雅可比矩阵_在神经网络中应用.mp4
• file:38：概率论_随机事件与随机事件概率.mp4
• file:49：牛顿法公式推导以及优缺点.mp4
• file:7：导数求解的四则运算法则.mp4
• file:19：矩阵的运算_加减法_转置.mp4
• file:53：凸优化的性质_一般表达形式.mp4
• file:48：梯度下降法的推导.mp4
• file:14：向量的内积_向量运算法则.mp4
• file:43：随机向量_独立性_协方差_随机向量的正太分布.mp4
• file:5：导数的几何意义和物理意义.mp4
• file:31：特征值分解.mp4
• file:24：高阶偏导数_梯度.mp4
• file:26：Hessian矩阵.mp4
• file:45：最优化的基本概念.mp4
• file:2：线性代数_概率论知识点.mp4
• file:28：补充关于正定负定的理解.mp4
• file:29：特征值和特征向量(1).mp4
• file:34：求解奇异值分解中的UΣV矩阵.mp4
• file:16：向量的范数_范数与正则项的关系.mp4
• file:4：人工智能在各领域的应用.mp4
• file:9：无监督机器学习任务与本质.mp4
• file:6：机器学习不同的学习方式.mp4
• file:2：人工智能适合人群与必备技能.mp4
• file:7：深度学习比传统机器学习有优势.mp4
• file:38：归一化的目的_维度之间数量级不同产生的矛盾.mp4
• file:39：归一化的目的_举例子来理解做归一化和不做归一化的区别.mp4
• file:40：归一化的副产品_有可能会提高模型的精度.mp4
• file:41：最大值最小值归一化.mp4
• file:52：升维的意义_多项式回归.mp4
• file:57：实战保险花销预测_模型训练和评估_选择非线性算法改进.mp4
• file:53：多项式升维代码实战_传入不同超参数对比.mp4
• file:58：实战保险花销预测_特征选择思路.mp4
• file:50：代码调用Lasso回归.mp4
• file:29：随机梯度下降_小批量梯度下降.mp4
• file:34：代码实现随机梯度下降.mp4
• file:23：梯度下降法产生的目的和原因以及思想.mp4
• file:27：多元线性回归下的梯度下降法.mp4
• file:25：学习率设置的学问_全局最优解.mp4
• file:37：代码改进实现随着迭代增加动态调整学习率.mp4
• file:36：代码改进保证训练数据全都能被随机取到.mp4
• file:第四阶段_梯度下降法_归一化_正则化_多项式升维.pdf
• file:14：Python开发环境版本的选择及下载.mp4
• file:9：明确目标通过最大总似然求解θ.mp4
• file:16：Pycharm创建脚本并测试python开发环境.mp4
• file:15：Anaconda环境安装_Pycharm环境安装.mp4
• file:12：推导出目标函数的导函数形式.mp4
• file:6：理解回归一词_中心极限定理_正太分布和做预测.mp4
• file:19：解析解的方式求解多元线性回归_扩展随机种子概念_增加维度代码的变换.mp4
• file:18：解析解的方式求解多元线性回归_求解模型_使用模型_绘制图形.mp4
• file:第一阶段_手把手教你透彻掌握线性回归算法.pdf
• file:10：对数似然函数_推导出损失函数MSE.mp4
• file:11：把目标函数按照线性代数的方式去表达.mp4
• file:7：假设误差服从正太分布_最大似然估计MLE.mp4
• file:21：调用Scikit-learn中的多元线性回归求解模型(上).mp4
• file:2：最优解_损失函数_MSE.mp4
• file:13：θ解析解的公式_是否要考虑损失函数是凸函数.mp4
• file:20：Scikit-learn模块的介绍.mp4
• file:4：理解多元线性回归表达式几种写法的原因.mp4
• file:1：理解简单线性回归.mp4
• file:8：引入正太分布的概率密度函数.mp4
• file:47：L1稀疏性和L2平滑性.mp4
• file:46：常用的L1和L2正则项以及数学意义.mp4
• file:48：通过L1和L2的导函数理解区别的本质原因.mp4
• file:44：正则化的目的防止过拟合.mp4
• file:45：正则化通过损失函数加入惩罚项使得W越小越好.mp4
• folder:【百战程序员】AI算法工程师就业班 - 带源码课件
• folder:05、机器学习-线性回归
• folder:20-深度学习-NLP自然语言处理项目实战
• folder:17-深度学习-语义分割原理和实战
• folder:02、人工智能基础-Python基础
• folder:24-【加课】Pytorch项目实战
• folder:26-【加课】Linux环境编程基础
• folder:21-深度学习-OCR文本识别
• folder:10、机器学习与大数据-Kaggle竞赛实战
• folder:25、【加课】百度飞桨PaddlePaddle实战【新增】
• folder:31、【加课】强化学习【新增】
• folder:11-机器学习与大数据-海量数据挖掘工具
• folder:16-深度学习-目标检测YOLO(V1-V4全版本)实战
• folder:27-【加课】算法与数据结构
• folder:章节3：归一化
• folder:章节5：Lasso回归_Ridge回归_多项式回归
• folder:章节1：多元线性回归
• folder:章节6：BERT新浪新闻10分类项目
• folder:章节2：自然语言处理--情感分析
• folder:章节5：实战NER命名实体识别项目
• folder:章节7：GPT2聊天机器人
• folder:章节3：蒙版弹幕MaskRCNN语义分割
• folder:章节1：上采样_双线性插值_转置卷积
• folder:章节2：医疗图像UNet语义分割
• folder:章节2：Python基础语法
• folder:章节2：自然场景下的目标检测及源码分析
• folder:章节3：反向传播推导_Python代码实现神经网络
• folder:章节2：TensorFlow深度学习工具
• folder:章节2：PyTorch基础_Tensor张量运算
• folder:章节4：PyTorch循环神经网络_词性标注
• folder:章节1：PyTorch运行环境安装_运行环境测试
• folder:章节2：卷积神经网络优化
• folder:章节4：古典目标检测
• folder:章节5：现代目标检测之FasterRCNN
• folder:章节2：EM算法和GMM高斯混合模型
• folder:章节1：药店销量预测案例
• folder:章节2：集成学习和随机森林
• folder:章节4：PaddleOCR工具_车牌识别（目标检测+CRNN+CTCLoss)
• folder:章节3：PaddleDetection工具_PCB电路板缺陷检测
• folder:章节1：PaddlePaddle框架安装_波士顿房价预测
• folder:章节5：PaddleNLP模块_物流信息提取（BiGRU+CRF）
• folder:章节4：ELMO_BERT_GPT
• folder:章节3：从Attention机制到Transformer
• folder:章节2：DeepQ-LearningNetwork
• folder:章节3：PolicyGradient策略梯度
• folder:章节4：ActorCritic(A3C)
• folder:章节1：Q-Learning与SARSA算法
• folder:章节5：DDPG、PPO、DPPO算法
• folder:章节3：SVM支持向量机算法
• folder:章节2：Softmax回归
• folder:章节1：Spark计算框架基础
• folder:章节3：Spark机器学习MLlib和ML模块
• folder:章节5：YOLOv4详解
• folder:章节3：推荐系统--模型使用和推荐服务
• folder:章节2：推荐系统--数据预处理和模型构建评估实战
• folder:章节3：数据处理分析模块Pandas
• folder:章节1：科学计算模型Numpy