Python机器学习实战课，快速掌握人工智能的核心

第1课：AI时代首选Python.mp4[22.62M]

第2课：Python我该怎么学.mp4[11.27M]

第3课：人工智能的核心机器学习.mp4[24.72M]

第4课：机器学习该怎么学？.mp4[19.67M]

第5课：算法推导与案例.mp4[19.42M]

第6课：系列课程环境配置.mp4[85.75M]

第7课：Python快速入门.mp4[2.16M]

第8课：变量类型.mp4[21.07M]

第9课：LIST基础.mp4[30.51M]

第10课：List索引.mp4[37.00M]

第11课：循环结构.mp4[35.24M]

第12课：判断结构.mp4[17.45M]

第13课：字典.mp4[46.11M]

第14课：文件处理.mp4[59.97M]

第15课：函数基础.mp4[41.68M]

第16课：Numpy数据结构.mp4[113.35M]

第17课：Numpy基本操作.mp4[38.77M]

第18课：Numpy矩阵属性.mp4[27.67M]

第19课：Numpy矩阵操作.mp4[61.74M]

第20课：Numpy常用函数.mp4[166.85M]

第21课：Pandas数据读取.mp4[98.11M]

第22课：Pandas数据预处理.mp4[70.45M]

第23课：Pandas常用函数.mp4[95.42M]

第24课：Pandas-Series结构.mp4[88.06M]

第25课：Matplotlib折线图.mp4[83.96M]

第26课：Matplotlib子图操作.mp4[78.33M]

第27课：条形图与散点图.mp4[66.20M]

第28课：柱形图与盒图.mp4[56.00M]

第29课：细节设置.mp4[64.04M]

第30课：线性回归算法概述.mp4[30.74M]

第31课：误差项分析.mp4[25.64M]

第32课：似然函数求解.mp4[18.61M]

第33课：目标函数推导.mp4[21.58M]

第34课：线性回归求解.mp4[24.64M]

第36课：案例：缺失值填充.mp4[118.71M]

第37课：案例：特征相关性.mp4[121.11M]

第38课：案例：预处理问题.mp4[53.23M]

第40课：梯度下降原理.mp4[42.36M]

第43课：逻辑回归算法原理推导.mp4[22.88M]

第44课：逻辑回归求解.mp4[37.16M]

第45课：实现逻辑回归任务概述.mp4[35.35M]

第46课：完成梯度下降模块.mp4[60.52M]

第47课：停止策略与梯度下降案例.mp4[51.54M]

第48课：实验对比效果.mp4[81.70M]

第49课：科比数据集简介.mp4[74.79M]

第50课：数据预处理.mp4[73.47M]

第51课：建模.mp4[52.60M]

第52课：案例背景和目标.mp4[39.76M]

第53课：样本不均衡解决方案.mp4[50.20M]

第54课：下采样策略.mp4[32.16M]

第55课：交叉验证.mp4[41.57M]

第57课：正则化惩罚.mp4[25.43M]

第58课：逻辑回归模型.mp4[42.22M]

第59课：混淆矩阵.mp4[53.65M]

第60课：逻辑回归阈值对结果的影响.mp4[45.60M]

第61课：SMOTE样本生成策略.mp4[106.61M]

第62课：决策树原理概述.mp4[27.67M]

第63课：衡量标准–熵.mp4[25.38M]

第64课：决策树构造实例.mp4[23.27M]

第65课：信息增益率.mp4[12.89M]

第66课：决策树剪枝策略.mp4[36.31M]

第67课：决策树复习.mp4[7.90M]

第68课：决策树涉及参数.mp4[77.92M]

第69课：树可视化与sklearn库简介.mp4[179.79M]

第70课：sklearn参数选择.mp4[54.11M]

第71课：集成算法-随机森林.mp4[27.94M]

第72课：特征重要性衡量.mp4[26.77M]

第73课：提升模型.mp4[24.39M]

第74课：堆叠模型.mp4[15.66M]

第75课：数据介绍.mp4[46.70M]

第76课：数据预处理.mp4[78.80M]

第78课：随机森林模型.mp4[91.54M]

第79课：支持向量机要解决的问题.mp4[23.44M]

第80课：距离与数据的定义.mp4[23.68M]

第81课：目标函数.mp4[21.49M]

第82课：目标函数求解.mp4[24.38M]

第83课：SVM求解实例.mp4[31.60M]

第85课：软间隔问题.mp4[14.41M]

第86课：SVM核变换.mp4[52.74M]

第87课：sklearn求解支持向量机.mp4[69.02M]

第88课：SVM参数选择.mp4[95.22M]

第89课：深度学习概述.mp4[109.44M]

第90课：挑战与常规套路.mp4[37.18M]

第91课：用K近邻来进行分类.mp4[28.31M]

第92课：超参数与交叉验证.mp4[28.73M]

第93课：线性分类.mp4[20.66M]

第94课：损失函数.mp4[24.28M]

第95课：正则化惩罚项.mp4[15.47M]

第96课：softmax分类器.mp4[30.91M]

第97课：最优化形象解读.mp4[19.35M]

第98课：最优化问题细节.mp4[26.10M]

第99课：反向传播.mp4[83.83M]

第100课：整体架构.mp4[42.15M]

第101课：实例演示.mp4[125.19M]

第102课：过拟合解决方案.mp4[36.39M]

第103课：cifar分类任务.mp4[88.21M]

第104课：分模块构造神经网络.mp4[84.84M]

第105课：训练神经网络完成分类任务.flv[86.67M]

第106课：感受神经网络的强大.mp4[107.17M]

第107课：变量.mp4[85.18M]

第108课：变量练习.mp4[68.01M]

第109课：线性回归模型.mp4[64.74M]

第110课：逻辑回归框架.mp4[53.41M]

第111课：逻辑回归迭代.mp4[94.35M]

第112课：神经网络模型.mp4[29.66M]

第113课：完成神经网络.mp4[71.57M]

第114课：卷积神经网络模型.mp4[44.98M]

第116课：安装tensorflow.mp4[69.47M]

第117课：神经网络模型概述.mp4[73.15M]

第118课：tensorflow参数.mp4[43.66M]

第119课：卷积简介.mp4[36.86M]

第120课：构造网络结构.mp4[64.47M]

第121课：训练网络模型.mp4[131.11M]

第122课：PCA问题.mp4[15.41M]

第123课：PCA降维实例.mp4[86.32M]

第124课：SVD原理.mp4[17.00M]

第125课：SVD推荐系统.mp4[65.00M]

第126课：聚类算法.mp4[132.90M]

第127课：Adaboost集成算法.mp4[31.24M]

第128课：特征工程.mp4[80.03M]

第129课：特征工程2.mp4[110.24M]

第131课：论文的重要程度.mp4[28.11M]

第132课：BenchMark概述.mp4[45.87M]

第133课：BenchMark的作用.mp4[105.01M]