夸克网盘
5积分
0-机器学习 1-直播回放 2-AI课程所需安装软件教程 3-深度学习必备核⼼算法 4-深度学习框架PyTorch 5-Opencv图像处理框架实战 6-综合项目-物体检测经典算法实战 7-图像分割实战 8-走向AI论文实验与项目实战的捷径-MMLAB实战系列 9-经典视觉项目实战：行为识别、姿态估计、目标追踪 10-2022论⽂必备-Transformer实战系列 11-图神经网络实战 12-3D点云实战 13-面向深度学习的无人驾驶实战 14-对比学习与多模态任务实战 15-缺陷检测实战 16-行人重识别实战 17-对抗生成网络实战 18-强化学习与AI黑科技实例 19-CV与NLP经典大模型解读 20-面向医学领域的深度学习实战 21-深度学习模型部署与剪枝优化实战 22-自然语言处理经典案例实战 23-自然语言处理必备神器Huggingface系列实战 24-时间序列预测 25-自然语言处理通用框架-BERT实战 26-知识图谱实战系列 27-语音识别实战系列 28-推荐系统实战系列 29-论文创新点常用方法及其应用实例 30-2024Ai必会Agent(应用解读+项目实战)
【咕泡学院】人工智能深度学习系统班（第09期录播）129.85GB
课件76.98GB
3.第三章 深度学习框架PyTorch.zip1.81GB5.第五章 Opencv图像处理框架实战.zip549.58MB7.第七章 图像分割实战.zip6.31GB11.第一十一章 图神经⽹络实战.zip596.33MB12.第一十二章 3D点云实战.zip3.52GB13.第一十二章 ⾯向深度学习的⽆⼈驾驶实战.zip3.16GB14.第一十三章 对比学习与多模态任务实战.zip786.4MB16.第一十六章 ⾏⼈重识别实战.zip4.94GB17.第一十七章 对抗⽣成⽹络实战.zip8.94GB18.第十八章 强化学习与AI黑科技实例.zip3.02GB19.第一十九章 面向医学领域的深度学习实战.zip4.55GB20.第二十章 CV与NLP经典大模型解读.zip7.25GB21.第二十一章 深度学习模型部署与剪枝优化实战.zip2.53GB22.第二十二章 ⾃然语⾔处理经典案例实战.zip5.24GB23.第二十三章 自然语言处理必备神器Huggingface系列实战.zip7.24GB24.第二十四章 时间序列预测.zip45.91MB26 知识图谱实战系列.zip1.27GB27 语音识别实战系列.zip4.73GB28 推荐系统实战系列.zip4.73GB29 论文创新点常用方法及其应用实例.zip5.8GB
源码-人工智能深度学习系统班（第9期录播）.java126.01KB视频35.96GB
0-机器学习35.96GB
01-第一模块：Python快速入门732.62MB
01-1-Python环境配置35.95MB
01-1-Python环境配置.ts35.95MB02-2-Python库安装工具35.18MB
01-2-Python库安装工具.ts35.18MB03-3-Notebook工具使用64.51MB
01-3-Notebook工具使用.ts64.51MB04-4-Python简介49.55MB
01-4-Python简介.ts49.55MB05-5-Python数值运算32.7MB
01-5-Python数值运算.ts32.7MB06-6-Python字符串操作30.17MB
01-6-Python字符串操作.ts30.17MB07-7-1-索引结构20.56MB
01-7-1-索引结构.ts20.56MB08-7-2-List基础结构27.73MB
01-7-2-List基础结构.ts27.73MB09-8-List核心操作28.85MB
01-8-List核心操作.ts28.85MB10-9-字典基础定义17.5MB
01-9-字典基础定义.ts17.5MB11-10-字典的核心操作25.56MB
01-10-字典的核心操作.ts25.56MB12-11-Set结构24.08MB
01-11-Set结构.ts24.08MB13-12-赋值机制6.38MB
01-12-赋值机制.ts6.38MB14-13-判断结构14.24MB
01-13-判断结构.ts14.24MB15-14-循环结构24.35MB
01-14-循环结构.ts24.35MB16-15-函数定义29.27MB
01-15-函数定义.ts29.27MB17-16-模块与包28.98MB
01-16-模块与包.ts28.98MB18-17-异常处理模块44MB
01-17-异常处理模块.ts44MB19-18-文件操作43.48MB
01-18-文件操作.ts43.48MB20-19-类的基本定义28.69MB
01-19-类的基本定义.ts28.69MB21-20-类的属性操作31.41MB
01-20-类的属性操作.ts31.41MB22-21-时间操作15.63MB
01-21-时间操作.ts15.63MB23-22-Python练习题-129.86MB
01-22-Python练习题-1.ts29.86MB24-23-Python练习题-244.01MB
01-23-Python练习题-2.ts44.01MB02-第二模块：Python数据科学必备工具包实战2.11GB
01-科学计算库-Numpy715.89MB
01-1-Numpy概述.ts29.58MB02-2-Array数组.ts30.33MB03-3-数组结构.ts60.18MB04-4-数组类型.ts20.89MB05-5-数值运算.ts43.42MB06-6-排序操作.ts36.49MB07-7-数组形状操作.ts54.66MB08-8-数组生成函数.ts43.9MB09-9-常用生成函数.ts26.2MB10-10-四则运算.ts28.1MB11-11-随机模块.ts48.71MB12-12-文件读写.ts32.82MB13-13-数组保存.ts43.61MB14-14-练习题-1.ts47.33MB15-15-练习题-2.ts44.87MB16-16-练习题-3.ts61.9MB17-13-Pandas常用操作.ts32.59MB18-14-Pandas常用操作2.ts30.31MB02-数据分析处理库-Pandas666.19MB
01-1-Pandas概述.ts52.17MB02-2-Pandas基本操作.ts66.31MB03-3-Pandas索引.ts59.7MB04-4-groupby操作.ts37.34MB05-5-数值运算1.ts34.41MB06-6-对象操作.ts27.5MB07-7-对象操作2.ts28.42MB08-8-merge操作.ts30.32MB09-9-显示设置.ts19.67MB10-10-数据透视表.ts34.07MB11-11-时间操作.ts28.19MB12-12-时间序列操作.ts37.98MB13-15-Groupby操作延伸.ts49.19MB14-16-字符串操作.ts19.75MB15-17-索引进阶.ts24.79MB16-18-Pandas绘图操作.ts42.84MB17-19-大数据处理技巧.ts73.53MB03-.可视化库-Matplotlib511.76MB
01-1-Matplotlib概述.ts29.07MB02-2-子图与标注.ts51.55MB03-3-风格设置.ts12.81MB04-4-条形图.ts30.13MB05-5-条形图细节.ts30.78MB06-6-条形图外观.ts32.36MB07-7-盒图绘制.ts20.42MB08-8-盒图细节.ts33.8MB09-9-绘图细节设置.ts31.18MB10-10-绘图细节设置2.ts32.54MB11-11-直方图与散点图.ts39.07MB12-12-3D图绘制.ts51MB13-13-pie图.ts33.43MB14-14-子图布局.ts46.46MB15-15-结合pandas与sklearn.ts37.16MB04-可视化库-Seaborn267.26MB
01-0-课程简介.ts5.8MB02-1整体布局风格设置.ts20.22MB03-2风格细节设置.ts19.8MB04-3调色板.ts23.02MB05-4调色板颜色设置.ts19.53MB06-5单变量分析绘图.ts24.05MB07-6回归分析绘图.ts23.12MB08-7多变量分析绘图.ts24.22MB09-8分类属性绘图.ts25.34MB10-9Facetgrid使用方法.ts19.82MB11-10Facetgrid绘制多变量.ts24.63MB12-11热度图绘制.ts37.72MB03-第三模块：人工智能-必备数学课程4.23GB
01-高等数学基础151.14MB
01-0-课程简介.ts4.6MB02-1-函数.ts13.42MB03-2-极限.ts18.06MB04-3-无穷小与无穷大.ts16.75MB05-4-连续性与导数.ts23.39MB06-5-偏导数.ts17.96MB07-6-方向导数.ts22.11MB08-7-梯度.ts34.85MB02-微积分104.01MB
01-1-微积分基本想法.ts16.09MB02-2-微积分的解释.ts20.36MB03-3-定积分.ts21.59MB04-4-定积分性质.ts13.38MB05-5-牛顿-莱布尼茨公式.ts32.6MB03-泰勒公式与拉格朗日138.42MB
01-1-泰勒公式出发点.ts15.53MB02-2-一点一世界.ts24.08MB03-3-阶数的作用.ts21.26MB04-4-阶乘的作用.ts17.36MB05-5-拉格朗日乘子法.ts30.44MB06-6-求解拉格朗日乘子法.ts29.76MB04-线性代数基础147.31MB
01-1-行列式概述.ts14.48MB02-2-矩阵与数据的关系.ts22.64MB03-3-矩阵基本操作.ts30.59MB04-4-矩阵的几种变换.ts13.97MB05-5-矩阵的秩.ts34.37MB06-6-内积与正交.ts31.27MB05-特征值与矩阵分解96.8MB
01-1-特征值与特征向量.ts17.73MB02-2-特征空间与应用.ts11.76MB03-1-SVD要解决的问题.ts17.83MB04-4-特征值分解.ts14.34MB05-5-SVD矩阵分解.ts35.13MB06-随机变量101.13MB
01-1-离散型随机变量.ts19.33MB02-2-连续型随机变量.ts29.58MB03-3-简单随机抽样.ts5.74MB04-4-似然函数.ts19.04MB05-5-极大似然估计.ts27.43MB07-概率论基础330.54MB
01-1-概率与频率.ts17.19MB02-2-古典概型.ts18.68MB03-3-条件概率.ts23.01MB04-4-条件概率小例子.ts17.83MB05-5-独立性.ts21.22MB06-6-二维离散型随机变量.ts22.47MB07-7-二维连续型随机变量.ts16.4MB08-8-边缘分布.ts28.56MB09-9-期望.ts12.45MB10-10-期望求解.ts23.91MB11-11-马尔科夫不等式.ts22.56MB12-12-切比雪夫不等式.ts33.57MB13-13-后验概率估计.ts26.26MB14-14-贝叶斯拼写纠错实例.ts20.84MB15-15-垃圾邮件过滤实例.ts25.58MB08-数据科学你得知道的几种分布334.57MB
01-1-正太分布.ts85.21MB02-2-二项式分布.ts54.99MB03-3-泊松分布.ts77.44MB04-4-均匀分布.ts13.11MB05-5-卡方分布.ts37.05MB06-6-beta分布.ts66.78MB09-核函数变换116.2MB
01-1-核函数的目的.ts17.89MB02-2-线性核函数.ts13.33MB03-3-多项式核函数.ts10.59MB04-4-核函数实例.ts27.58MB05-5-高斯核函数.ts22.82MB06-6-参数的影响.ts23.99MB10-熵与激活函数94.7MB
01-1-熵的概念.ts11.69MB02-2-熵的大小意味着什么.ts42.29MB03-3-激活函数.ts15.92MB04-4-激活函数的问题.ts24.8MB11-回归分析783.56MB
01-1-回归分析概述.ts25.63MB02-2-回归方程定义.ts18.59MB03-3-误差项的定义.ts33.84MB04-4-最小二乘法推导与求解.ts43.03MB05-5-回归方程求解小例子.ts27.71MB06-6-回归直线拟合优度.ts47.87MB07-7-多元与曲线回归问题.ts44.29MB08-8-Python工具包介绍.ts52.95MB09-9-statsmodels回归分析.ts38.31MB10-10-高阶与分类变量实例.ts67.63MB11-11-案例：汽车价格预测任务概述.ts46.7MB12-12-案例：缺失值填充.ts101.56MB13-13-案例：特征相关性.ts99.22MB14-14-案例：预处理问题.ts50.84MB15-15-案例：回归求解.ts85.4MB12-假设检验523.3MB
01-1-假设检验基本思想.ts43.24MB02-2-左右侧检验与双侧检验.ts55.85MB03-3-Z检验基本原理.ts22.13MB04-4-Z检验实例.ts68.35MB05-5-T检验基本原理.ts64.96MB06-6-T检验实例.ts27.62MB07-7-T检验应用条件.ts32.64MB08-8-卡方检验.ts60.31MB09-9-假设检验中的两类错误.ts56.62MB10-10-Python假设检验实例.ts62.29MB11-11-Python卡方检验实例.ts29.28MB13-相关分析331.24MB
01-1-相关分析概述.ts33.44MB02-2-皮尔森相关系数.ts29.11MB03-3-计算与检验.ts73.5MB04-4-斯皮尔曼等级相关.ts61.97MB05-5-肯德尔系数.ts33.98MB06-6-质量相关分析.ts56.8MB07-7-偏相关与复相关.ts42.45MB14-方差分析264.09MB
01-1-方差分析概述.ts23MB02-2-方差的比较.ts52.96MB03-3-方差分析计算方法.ts68.54MB04-4-方差分析中的多重比较.ts34.55MB05-5-多因素方差分析.ts51.04MB06-6-Python方差分析实例.ts34MB15-聚类分析356.08MB
01-1-层次聚类概述.ts21.73MB02-2-层次聚类流程.ts60.55MB03-3-层次聚类实例.ts60.55MB04-4-1-KMEANS算法概述.ts20.71MB05-4-2-KMEANS工作流程.ts16.11MB06-4-3-KMEANS迭代可视化展示.ts27.23MB07-5-1-DBSCAN聚类算法.ts21.56MB08-5-2-DBSCAN工作流程.ts31.14MB09-5-3-DBSCAN可视化展示.ts28.39MB10-6-1-多种聚类算法概述.ts7.78MB11-6-2-聚类案例实战.ts60.33MB16-贝叶斯分析454MB
01-1-贝叶斯分析概述.ts32.38MB02-2-概率的解释.ts29.26MB03-3-贝叶斯学派与经典统计学派的争论.ts27.77MB04-4-贝叶斯算法概述.ts12.72MB05-5-贝叶斯推导实例.ts13.36MB06-6-贝叶斯拼写纠错实例.ts20.84MB07-7-垃圾邮件过滤实例.ts25.58MB08-8-贝叶斯解释.ts49.07MB09-9-经典求解思路.ts39.26MB10-10-MCMC概述.ts54.71MB11-11-PYMC3概述.ts29.91MB12-12-模型诊断.ts47.69MB13-13-模型决策.ts71.46MB04-第四模块：机器学习算法精讲及其案例应用8.55GB
01-线性回归原理推导239.28MB
01-0-课程简介1.ts5.8MB02-1-回归问题概述.ts22.55MB03-2-误差项定义.ts30.49MB04-3-独立同分布的意义.ts27.75MB05-4-似然函数的作用.ts33.6MB06-5-参数求解.ts35.51MB07-6-梯度下降通俗解释.ts24.3MB08-7参数更新方法.ts28.56MB09-8-优化参数设置.ts30.72MB02-线性回归代码实现445.18MB
01-线性回归整体模块概述.ts16.59MB02-初始化步骤.ts27.46MB03-实现梯度下降优化模块.ts44.66MB04-损失与预测模块.ts52.57MB05-数据与标签定义.ts49.71MB06-训练线性回归模型.ts50.7MB07-得到线性回归方程.ts40.13MB08-整体流程debug解读.ts38.7MB09-多特征回归模型.ts69.21MB10-非线性回归.ts55.45MB03-模型评估方法370.05MB
01-1-Sklearn工具包简介.ts40.56MB02-2-数据集切分.ts29.42MB03-3-交叉验证的作用.ts54.09MB04-4-交叉验证实验分析.ts73.17MB05-5-混淆矩阵.ts27.14MB06-6-评估指标对比分析.ts59.23MB07-7-阈值对结果的影响.ts50.18MB08-8-ROC曲线.ts36.23MB04-线性回归实验分析693.31MB
01-1-实验目标分析.ts24.24MB02-2-参数直接求解方法.ts28.78MB03-3-预处理对结果的影响.ts62.63MB04-4-梯度下降模块.ts24.06MB05-5-学习率对结果的影响.ts37.42MB06-6-随机梯度下降得到的效果.ts50.87MB07-7-MiniBatch方法.ts35.89MB08-8-不同策略效果对比.ts38.01MB09-9-多项式回归.ts43.14MB10-10-模型复杂度.ts73.75MB11-11-样本数量对结果的影响.ts68.8MB12-12-正则化的作用.ts38.78MB
13-13-岭回归与lasso.mp4103.52MB14-14-实验总结.ts63.42MB05-逻辑回归实验分析60.01MB
01-1-逻辑回归算法原理.ts26.38MB02-2-化简与求解.ts33.63MB06-逻辑回归代码实现550.02MB
01-1-多分类逻辑回归整体思路.ts23.82MB02-2-训练模块功能.ts49.11MB03-3-完成预测模块.ts41.65MB04-4-优化目标定义.ts44.05MB05-5-迭代优化参数.ts55.67MB06-6-梯度计算.ts54.9MB07-7-得出最终结果.ts61.91MB08-8-鸢尾花数据集多分类任务.ts31.14MB09-9-训练多分类模型.ts53.69MB10-10-准备测试数据.ts45.91MB11-11-决策边界绘制.ts62.27MB12-12-非线性决策边界.ts25.9MB07-逻辑回归实验分析329.69MB
01-1-逻辑回归实验概述.ts58.26MB02-2-概率结果随特征数值的变化.ts52.07MB03-3-可视化展示.ts38.08MB04-4-坐标棋盘制作.ts44.06MB05-5-分类决策边界展示分析.ts69.03MB06-6-多分类-softmax.ts68.18MB08-聚类算法-Kmeans&Dbscan原理145.14MB
01-1-KMEANS算法概述.ts20.71MB02-2-KMEANS工作流程.ts16.11MB03-3-KMEANS迭代可视化展示.ts27.23MB04-4-DBSCAN聚类算法.ts21.56MB05-5-DBSCAN工作流程.ts31.14MB06-6-DBSCAN可视化展示.ts28.39MB09-Kmeans代码实现196.22MB
01-1-Kmeans算法模块概述.ts11.81MB02-2-计算得到簇中心点.ts27.66MB03-3-样本点归属划分.ts29.23MB04-4-算法迭代更新.ts31.69MB05-5-鸢尾花数据集聚类任务.ts36.89MB06-6-聚类效果展示.ts58.94MB10-聚类算法实验分析925.08MB
01-1-Kmenas算法常用操作.ts46.99MB02-2-Kmenas算法常用操作_20190805_232034.ts46.99MB03-1-聚类结果展示.ts22.25MB04-2-聚类结果展示_20190805_232030.ts22.25MB05-1-建模流程解读.ts55.64MB06-2-建模流程解读_20190805_232032.ts55.64MB07-2-不稳定结果_20190805_232028.ts20.87MB08-1-不稳定结果.ts20.87MB09-1-评估指标-Inertia.ts53.7MB10-2-评估指标-Inertia_20190805_232027.ts53.7MB11-1-如何找到合适的K值_20190805_232026.ts39.23MB12-2-如何找到合适的K值_20190805_232026.ts39.23MB13-2-Kmenas算法存在的问题.ts38.9MB14-1-轮廓系数的作用_20190805_232028.ts47.53MB15-1-Kmenas算法存在的问题_20190805_232023.ts38.9MB16-2-应用实例-图像分割.ts45.6MB17-1-应用实例-图像分割_20190805_232021.ts45.6MB18-2-半监督学习_20190805_232033.ts53.94MB19-1-半监督学习.ts53.94MB20-1-DBSCAN算法.ts61.67MB21-2-DBSCAN算法_20190805_232033.ts61.67MB11-决策树原理215.94MB
01-1-决策树算法概述.ts27.92MB02-2-熵的作用.ts25.92MB03-3-信息增益原理.ts34.56MB04-4-决策树构造实例.ts28.78MB05-5-信息增益率与gini系数.ts21.01MB06-6-预剪枝方法.ts28.69MB07-7-后剪枝方法.ts28.22MB08-8-回归问题解决.ts20.84MB12-决策树代码实现201.62MB
01-整体模块概述.ts13.33MB02-递归生成树节点.ts32.04MB03-整体框架逻辑.ts23.15MB04-熵值计算.ts45.05MB05-数据集切分.ts30.99MB06-完成树模型构建.ts31.42MB07-测试算法效果.ts25.64MB13-决策树实验分析177.7MB
01-1-树模型可视化展示.ts35.33MB02-2-决策边界展示分析.ts46.83MB03-3-树模型预剪枝参数作用.ts48.24MB04-4-回归树模型.ts47.3MB14-集成算法原理115.89MB
01-1-随机森林算法原理.ts36.3MB02-2-随机森林优势与特征重要性指标.ts30.26MB03-3-提升算法概述.ts26.42MB04-4-stacking堆叠模型.ts22.91MB15-集成算法实验分析602.48MB
01-1-构建实验数据集.ts19.22MB02-2-硬投票与软投票效果对比.ts76.45MB03-3-Bagging策略效果.ts49.68MB04-4-集成效果展示分析.ts56.12MB05-5-OOB袋外数据的作用.ts20.66MB06-6-特征重要性热度图展示.ts59.9MB07-7-Adaboost算法概述.ts13.39MB08-8-Adaboost决策边界效果.ts68.06MB09-9-GBDT提升算法流程.ts27.4MB10-10-集成参数对比分析.ts95.26MB11-11-模型提前停止策略.ts35.69MB12-12-停止方案实施.ts55.01MB13-13-堆叠模型.ts25.62MB16-支持向量机原理推导263.23MB
01-1-支持向量机要解决的问题.ts22.48MB02-2-距离与数据定义.ts23.14MB03-3-目标函数推导.ts29.55MB04-4-拉格朗日乘子法求解.ts24.86MB05-5-化简最终目标函数.ts19.2MB06-6-求解决策方程.ts36.56MB07-7-软间隔优化.ts41.1MB08-8-核函数的作用.ts37.04MB09-9-知识点总结.ts29.29MB17-支持向量机实验分析211.98MB
01-1-支持向量机所能带来的效果.ts33.67MB02-2-决策边界可视化展示.ts38.83MB03-3-软间隔的作用.ts37.29MB04-4-非线性SVM.ts25.79MB05-5-核函数的作用与效果.ts76.4MB18-神经网络算法原理485.48MB
01-1-深度学习要解决的问题.ts23.08MB02-2-深度学习应用领域.ts56.11MB03-3-计算机视觉任务.ts20.13MB04-4-视觉任务中遇到的问题.ts37.12MB05-5-得分函数.ts21.48MB06-6-损失函数的作用.ts35.13MB07-7-前向传播整体流程.ts44.21MB08-8-返向传播计算方法.ts29.33MB09-9-神经网络整体架构.ts34.5MB10-10-神经网络架构细节.ts41.95MB11-11-神经元个数对结果的影响.ts64.51MB12-12-正则化与激活函数.ts32.65MB13-13-神经网络过拟合解决方法.ts45.28MB19-神经网络代码实现662.18MB
01-1-神经网络整体框架概述.ts24.96MB02-2-参数初始化操作.ts48.12MB03-3-矩阵向量转换.ts35.8MB04-4-向量反变换.ts39.44MB05-5-完成前向传播模块.ts40.72MB06-6-损失函数定义.ts40.1MB07-7-准备反向传播迭代.ts33.71MB08-8-差异项计算.ts45.01MB09-9-逐层计算.ts43.47MB10-10-完成全部迭代更新模块.ts73.34MB11-11-手写字体识别数据集.ts44.86MB12-12-算法代码错误修正.ts61.52MB13-13-模型优化结果展示.ts61.04MB14-14-测试效果可视化展示.ts70.1MB20-贝叶斯算法原理101.34MB
01-1-贝叶斯要解决的问题.ts16.13MB02-2-贝叶斯公式推导.ts22.24MB03-3-垃圾邮件过滤实例.ts25.58MB04-4-拼写纠错实例.ts37.39MB21-贝叶斯代码实现190.22MB
01-1-朴素贝叶斯算法整体框架.ts20.8MB02-2-邮件数据读取.ts19.2MB03-3-预料表与特征向量构建.ts39.54MB04-4-分类别统计词频.ts37MB05-5-贝叶斯公式对数变换.ts33.84MB06-6-完成预测模块.ts39.85MB22-关联规则实战分析245.52MB
01-1-关联规则概述.ts24.16MB02-2-支持度与置信度.ts37.12MB03-3-提升度的作用.ts46.28MB04-4-Python实战关联规则.ts38.29MB05-5-数据集制作.ts36.69MB06-6-电影数据集题材关联分析.ts62.97MB23-关联规则代码实现231.39MB
01-1-Apripri算法整体流程.ts37.97MB02-2-数据集demo.ts14.1MB03-3-扫描模块.ts27.32MB04-4-拼接模块.ts24.71MB05-5-挖掘频繁项集.ts30.23MB06-6-规则生成模块.ts30.1MB07-7-完成全部算法流程.ts34.33MB08-8-规则结果展示.ts32.63MB24-词向量word2vec通俗解读134.09MB
01-1-词向量模型通俗解释.ts24.4MB02-2-模型整体框架.ts31.87MB03-3-训练数据构建.ts17.84MB04-4-CBOW与Skip-gram模型.ts26.88MB05-5-负采样方案.ts33.1MB25-代码实现word2vec词向量模型249.19MB
01-1-数据与任务流程.ts50.76MB02-2-数据清洗.ts30.85MB03-3-batch数据制作.ts57.85MB04-4-网络训练.ts55.18MB05-5-可视化展示.ts54.54MB26-线性判别分析降维算法原理解读121.47MB
01-1-线性判别分析要解决的问题.ts22.71MB02-2-线性判别分析要优化的目标.ts21.75MB03-3-线性判别分析求解.ts22.37MB04-4-实现线性判别分析进行降维任务.ts28.05MB05-5-求解得出降维结果.ts26.59MB27-主成分分析降维算法原理解读168.31MB
01-1-PCA基本概念.ts54.02MB02-2-方差与协方差.ts28.93MB03-3-PCA结果推导.ts38.44MB04-4-PCA降维实例.ts46.92MB28-隐马尔科夫模型285.72MB
01-1-马尔科夫模型.ts19.9MB02-2-隐马尔科夫模型基本出发点.ts21.82MB03-3-组成与要解决的问题.ts16.74MB04-4-暴力求解方法.ts31.65MB05-5-复杂度计算.ts17.36MB06-6-前向算法.ts41.13MB07-7-前向算法求解实例.ts37.99MB08-8-Baum-Welch算法.ts30.68MB09-9-参数求解.ts19.59MB10-10-维特比算法.ts48.87MB29-HMM应用实例139.63MB
01-1-hmmlearn工具包.ts22.28MB02-2-工具包使用方法.ts61.41MB03-3-中文分词任务.ts15.36MB04-4-实现中文分词.ts40.58MB05-第五模块：机器学习算法建模实战项目2.67GB
01-项目实战-交易数据异常检测598.1MB
01-1-任务目标解读.ts40.62MB02-2-项目挑战与解决方案制定.ts55.09MB03-3-数据标准化处理.ts56.17MB04-4-下采样数据集制作.ts26.99MB05-5-交叉验证.ts30.69MB06-6-数据集切分.ts26.65MB07-7-模型评估方法与召回率.ts38MB08-8-正则化惩罚项.ts36.5MB09-9-训练逻辑回归模型.ts77.71MB10-10-混淆矩阵评估分析.ts60.84MB11-11-测试集遇到的问题.ts26.55MB12-12-阈值对结果的影响.ts42.84MB13-13-SMOTE样本生成策略.ts32.07MB14-14-过采样效果与项目总结.ts47.39MB02-基于随机森林的气温预测实战493.38MB
01-1-基于随机森林的气温预测任务概述.ts44.89MB02-2-基本随机森林模型建立.ts46.11MB03-3-可视化展示与特征重要性.ts92.33MB04-4-加入新的数据与特征.ts54.87MB05-5-数据与特征对结果的影响.ts49.21MB06-6-效率对比分析.ts59.63MB07-7-网格与随机参数选择.ts41.44MB08-8-随机参数选择方法实践.ts48.26MB09-9-调参优化细节.ts56.64MB03-贝叶斯新闻分类实战298.55MB
01-1-新闻数据与任务概述.ts27.82MB02-2-中文分词与停用词过滤.ts38.88MB03-3-文本关键词提取.ts78.35MB04-4-词袋模型.ts49.53MB05-5-贝叶斯建模结果.ts55.17MB06-6-TF-IDF特征分析对比.ts48.8MB04-推荐系统实战403.88MB
01-1-音乐推荐任务概述.ts72.88MB02-2-数据集整合.ts59.67MB03-3-基于物品的协同过滤.ts70.77MB04-4-物品相似度计算与推荐.ts72.3MB05-5-SVD矩阵分解.ts35.13MB06-6-基于矩阵分解的音乐推荐.ts93.14MB05-fbprophe时间序列预测416.62MB
01-1-fbprophet股价预测任务概述.ts85.77MB02-2-时间序列分析.ts80.52MB03-3-fbprophet时间序列预测实例.mp497.53MB04-4-亚马逊股价趋势.mp463.27MB05-5-突变点调参.ts89.54MB06-京东用户购买意向预测525.75MB
01-1-项目与数据介绍.ts55.4MB02-2-数据挖掘流程.ts42.65MB03-3-数据检查.ts32.97MB04-4-构建用户特征表单.ts60.96MB05-5-构建商品特征表单.ts45.96MB06-6-数据探索概述.ts21.82MB07-7-购买因素分析.ts33.05MB08-8-特征工程.ts70.36MB09-9-基本特征构造.ts50.96MB10-10-行为特征.ts33.79MB11-11-累积行为特征.ts51.86MB12-12-Xgboost模型.ts25.98MB06-第六模块：机器学习案例实战应用集锦4.53GB
01-Python实战关联规则245.52MB
01-1-关联规则概述.ts24.16MB02-2-支持度与置信度.ts37.12MB03-3-提升度的作用.ts46.28MB04-4-Python实战关联规则.ts38.29MB05-5-数据集制作.ts36.69MB06-6-电影数据集题材关联分析.ts62.97MB02-爱彼迎数据集分析与建模531.83MB
01-1-数据与任务分析.ts51.73MB02-2-提取月份信息进行统计分析.ts26.44MB03-3-房价随星期变化的可视化展示.ts49.79MB04-4-房屋信息指标分析.ts92.06MB05-5-提取房屋常见设施.ts77.4MB06-6-房屋规格热度图分析.ts55.44MB07-7-预处理与建模准备.ts61.3MB08-8-随机森林与LightGBM.ts48.24MB09-9-训练与评估.ts69.44MB03-基于相似度的酒店推荐系统279.89MB
01-1-数据与任务介绍.ts25.63MB02-2-文本词频统计.ts35.59MB03-3-ngram结果可视化展示.ts59.95MB04-4-文本清洗.ts37.48MB05-5-相似度计算.ts52.85MB06-6-得出推荐结果.ts68.39MB04-商品销售额回归分析467.7MB
01-1-数据任务分析.ts66.71MB02-2-特征工程制作.ts63.07MB03-3-统计指标生成.ts61.49MB04-4-特征信息提取.ts92.55MB05-5-标签变换.ts47.89MB06-6-输入数据制作.ts31.42MB07-7-Xgboost训练模型.ts30.58MB08-8-生成输出结果.ts73.98MB05-绝地求生数据集探索分析与建模325.2MB
01-1-数据与任务简介.ts41.41MB02-2-数据问题探索与解决方案.ts60.59MB03-3-剔除开挂数据.ts43.87MB04-5-绘图统计分析.ts44.83MB05-6-热度图展示.ts37.61MB06-7-随机森林建模.ts36.65MB07-8-特征重要性.ts60.25MB06-机器学习-模型解释方法实战232.49MB
01-1-模型解释方法与实践.ts51.18MB02-2-部分依赖图解释.ts24.43MB03-3-双变量分析.ts31.67MB04-4-ShapValues指标分析.ts64.22MB05-5-疾病引起原因分析实战.ts60.99MB07-自然语言处理必备工具包实战625.27MB
01-1-Python字符串处理.ts46.65MB02-2-正则表达式基本语法.ts35.26MB03-3-正则常用符号.ts41.6MB04-4-常用函数介绍.ts45.33MB05-5-NLTK工具包简介.ts36.13MB06-6-停用词过滤.ts31.23MB07-7-词性标注.ts40.28MB08-8-数据清洗实例.ts46.25MB09-9-Spacy工具包.ts52.37MB10-10-名字实体匹配.ts24.3MB11-11-恐怖袭击分析.ts45.72MB12-12-统计分析结果.ts52.8MB13-13-结巴分词器.ts31.56MB14-14-词云展示.ts95.8MB08-NLP核心模型-Word2vec134.09MB
01-1-词向量模型通俗解释.ts24.4MB02-2-模型整体框架.ts31.87MB03-3-训练数据构建.ts17.84MB04-4-CBOW与Skip-gram模型.ts26.88MB05-5-负采样方案.ts33.1MB09-数据特征预处理296.89MB
01-1-任务概述.ts36.64MB02-2-词袋模型.ts31.92MB03-3-词袋模型分析.ts71.02MB04-4-TFIDF模型.ts53.24MB05-5-word2vec词向量模型.ts60.54MB06-6-深度学习模型.ts43.52MB10-10文本特征处理方法对比601.72MB
01-1-数据与任务介绍.ts25.63MB02-2-数据分析与可视化展示.ts33.74MB03-3-连续值离散化与可视化细节.ts52.32MB04-4-加载数据坐标到实际地图中进行分析.ts76.73MB05-5-特征相关性分析.ts58.86MB06-6-缺失值填充.ts22.43MB07-7-sklearn工具包预处理模块.ts65.55MB08-8-离散属性特征处理.ts37.44MB09-9-构建合适的特征.ts57.03MB10-10-序列化执行预处理操作.ts48.15MB11-11-完成所有预处理操作.ts55.16MB12-12-构建回归模型.ts68.68MB11-银行客户还款可能性预测614.77MB
01-1-数据任务介绍及缺失值处理.ts47.01MB02-2-EDA数据探索分析.ts39.32MB03-3-特征展示分析.ts33.59MB04-4-KDEPLOT展示.ts34.66MB05-5-部分特征分析与可视化.ts51.07MB06-6-数据检查与特征工程.ts63.99MB07-7-多项式特征.ts49.13MB08-8-自定义特征.ts25.5MB09-9-逻辑回归模型.ts74.57MB10-10-结果评估.ts95.65MB11-11-必杀神奇：lightgbm.ts100.28MB12-图像特征聚类分析实践280.15MB
01-1-数据与任务流程分析.ts48.96MB02-2-图片数据导入.ts42.33MB03-3-图像特征编码.ts38.32MB04-4-数组保存与读取.ts28.95MB05-5-得出聚类结果.ts39.83MB06-6-聚类效果可视化展示.ts81.75MB07-第七模块：机器学习竞赛优胜解决方案实战4.22GB
01-快手短视频用户活跃度分析311.78MB
01-1-任务目标与数据分析..ts36.34MB02-2-整体模型架构.ts16.91MB03-3-构建用户特征序列.ts45.22MB04-4-序列特征提取方法.ts37.01MB05-5-生成特征汇总表.ts44.68MB06-6-标签制作.ts35.38MB07-7-网络训练模块.ts50.04MB08-8-得出最终模型结果.ts41.59MB09-0-课程简介.ts4.6MB02-工业化生产预测339.88MB
01-1-数据任务概述.ts30.01MB02-2-数据异常检查.ts65.05MB03-3-时间特征提取.ts66.96MB04-4-各道工序特征构建.ts71.26MB05-5-准备训练数据.ts49.51MB06-6-训练xgboost模型.ts57.08MB03-智慧城市-道路通行时间预测365.69MB
01-1-数据与任务目标分析.ts35.12MB02-2-数据清洗与标签转换.ts32.15MB03-3-道路通行时间序列数据生成.ts44.55MB04-4-序列缺失补全方法.ts42.65MB05-5-基于回归与插值完成序列特征.ts62.58MB06-6-基于回归与插值进行序列补全.ts36.11MB07-7-特征汇总.ts57.77MB08-8-建立回归模型进行预测.ts54.76MB04-特征工程建模可解释包384.16MB
01-1-模型解释方法与实践.ts51.18MB02-2-部分依赖图解释.ts24.43MB03-3-双变量分析.ts31.67MB04-4-ShapValues指标分析.ts64.22MB05-5-疾病引起原因分析实战.ts60.99MB06-1-竞赛与目标分析.ts32.87MB07-1-特征对比分析方法.ts53.07MB08-1-结果对比分析.ts65.73MB05-医学糖尿病数据命名实体识别263.58MB
01-1-数据与任务介绍.ts25.63MB02-2-整体模型架构.ts16.91MB03-3-数据-标签-语料库处理.ts45.39MB04-4-输入样本填充补齐.ts40.83MB05-5-训练网络模型.ts45.42MB06-6-医疗数据集（糖尿病）实体识别.ts89.39MB06-贷款平台风控模型+特征工程337.67MB
01-1-竞赛任务目标.ts26.62MB02-2-图模型信息提取.ts31.4MB03-3-节点权重特征提取(PageRank).ts40.23MB04-4-deepwalk构建图顶点特征.ts59.35MB05-5-各项统计特征.ts61.55MB06-6-app安装特征.ts41.54MB07-7-图中联系人特征.ts76.99MB07-新闻关键词抽取模型549.9MB
01-1-任务目标与数据集介绍.ts80.12MB02-2-数据清洗与预处理.ts59.32MB03-3-基本特征抽取.ts74.7MB04-4-文章与词向量分析.ts92.86MB05-5-权重划分.ts54.53MB06-6-候选词统计特征.ts38.02MB07-7-textrank特征提取.ts34.11MB08-8-候选词相似度特征.ts23.13MB09-9-特征工程汇总.ts93.11MB08-数据特征常用构建方法454.81MB
01-1-基本数值特征.ts54.19MB02-2-常用特征构造手段.ts57.57MB03-3-时间特征处理.ts62.07MB04-4-文本特征处理.ts121.74MB05-5-构造文本向量.ts54.34MB06-6-词向量特征.ts78.79MB07-7-计算机眼中的图像.ts26.11MB09-用电敏感客户分类503.68MB
01-1-任务与解决框架概述.ts69.37MB02-2-特征工程分析与特征提取.ts93.78MB03-3-离散数据处理.ts66.57MB04-4-统计与文本特征.ts65.72MB05-5-文本特征构建.ts80.4MB06-6-构建低敏用户模型.ts75.12MB07-7-高敏模型概述.ts52.72MB10-机器学习项目实战模板810.01MB
01-1-建筑能源利用效率任务概述.ts14.47MB02-2-处理流程与数据简介.ts62.79MB03-3-能源信息各项指标数据预处理.ts51.18MB04-4-单变量绘图分析.ts29.14MB05-5-离群点剔除.ts47.3MB06-6-变量与结果的关系.ts40.65MB07-7-多变量展示.ts64.95MB08-8-特征工程的价值和方法.ts70.36MB09-1-dataleakage问题.ts75.83MB10-2-基础模型对比.ts70.34MB11-3-选择参数.ts74.45MB12-4-测试模型.ts60.88MB13-5-模型解释.ts45.28MB14-6-模型分析.ts102.37MB08-第八模块：Python金融分析与量化交易实战2.89GB
01-课程内容与大纲介绍51.66MB
01-课程内容与大纲介绍.ts51.66MB02-金融数据时间序列分析358.57MB
01-1-金融时间序列数据统计分析.ts65.35MB02-2-序列变化情况分析计算.ts34.54MB03-3-连续指标变化情况分析.ts68.97MB04-4-时间序列重采样操作.ts44.14MB05-5-短均与长均计算实例.ts47.26MB06-6-指标相关情况分析.ts41.83MB07-7-回归方程与相关系数实例.ts56.47MB03-1双均线交易策略实战145.55MB
01-1-金叉与死叉介绍.ts16.76MB02-2-买点与卖点可视化分析.ts40.06MB03-3-策略收益效果分析.ts22.05MB04-4-均线调参实例.ts66.67MB04-策略收益与风险评估指标解析151.43MB
01-1-回测收益率指标解读.ts32.27MB02-1-回测收益率指标解读.ts32.27MB03-3-最大回撤区间.ts39.03MB04-4-夏普比率的作用.ts19.54MB05-5-阿尔法与贝塔概述.ts28.32MB05-量化交易与回测平台解读86.52MB
01-1-量化交易概述.ts21.88MB02-2-量化交易所需技能分析.ts31.18MB03-3-Ricequant交易平台简介.ts33.46MB06-Ricequant回测选股分析实战176.9MB
01-1-策略任务分析.ts24.11MB02-2-股票池筛选.ts41.5MB03-2-股票池筛选.ts41.5MB04-4-定时器功能与作用.ts69.8MB07-因子数据预处理实战200.88MB
01-1-百分位去极值方法.ts27.81MB02-2-基于百分位去极值实例.ts28.76MB03-3-Mad法去极值演示.ts24.64MB04-4-3Sigma方法实例.ts25.65MB05-5-标准化处理方法.ts31.18MB06-6-中性化处理方法通俗解释.ts25.49MB07-7-策略任务概述.ts37.34MB08-因子选股策略实战158.49MB
01-1-股票数据获取.ts19.81MB02-2-过滤筛选因子指标数据.ts27.83MB03-3-因子数据预处理.ts25.96MB04-4-股票池筛选.ts25.37MB05-5-策略效果评估分析.ts59.53MB09-因子分析实战277.26MB
01-5-策略效果评估分析.ts59.53MB02-2-Alphalens工具包介绍.ts55.42MB03-3-获取因子指标数据.ts24.96MB04-4-获取给定区间全部数据.ts22.47MB05-5-数据格式转换.ts19.4MB06-6-IC指标值计算.ts42.65MB07-7-工具包绘图展示.ts21.93MB08-8-因子收益率简介.ts30.9MB10-因子打分选股实战199.16MB
01-1-打分法选股策略概述.ts17.8MB02-2-整体任务流程梳理.ts31.94MB03-3-策略初始化与数据读取.ts34.18MB04-4-因子打分与排序.ts34.5MB05-5-完成选股方法.ts17.66MB06-6-完成策略交易展示结果.ts34.75MB07-7-策略总结与分析.ts28.33MB11-回归分析策略361.69MB
01-1-回归问题概述.ts22.55MB02-2-误差项定义.ts30.49MB03-3-独立同分布的意义.ts27.75MB04-4-似然函数的作用.ts33.6MB05-5-参数求解.ts35.51MB06-6-梯度下降通俗解释.ts24.3MB07-7参数更新方法.ts28.56MB08-8-优化参数设置.ts30.72MB09-9-回归任务概述.ts17.31MB10-10-特征可视化展示.ts37.43MB11-11-构建回归方程.ts43.66MB12-12-回归分析结果.ts29.79MB11-聚类分析策略228.4MB
01-1-KMEANS算法概述.ts20.71MB02-2-KMEANS工作流程.ts16.11MB03-3-KMEANS迭代可视化展示.ts27.23MB04-4-DBSCAN聚类算法.ts21.56MB05-5-DBSCAN工作流程.ts31.14MB06-6-DBSCAN可视化展示.ts28.39MB07-6-DBSCAN可视化展示.ts28.39MB08-8-统计分析所需数据准备.ts27.52MB09-9-统计效果展示.ts27.35MB12-拓展：fbprophet时间序列预测神器416.62MB
01-1-fbprophet股价预测任务概述.ts85.77MB02-2-时间序列分析.ts80.52MB03-3-fbprophet时间序列预测实例.mp497.53MB04-4-亚马逊股价趋势.ts63.27MB05-5-突变点调参.ts89.54MB13-基于深度学习的时间序列预测150.55MB
01-1-任务目标与数据源.ts21.56MB02-2-构建时间序列数据.ts31.02MB03-3-训练时间序列数据预测结果.ts41.24MB04-4-多特征预测结果.ts31.36MB05-5-序列结果预测.ts25.37MB09-第九模块：深度学习经典算法解析1.97GB
01-深度学习必备基础知识点础252.91MB
01-1-深度学习要解决的问题.ts23.08MB02-2-深度学习应用领域.ts56.11MB03-3-计算机视觉任务.ts20.13MB04-4-视觉任务中遇到的问题.ts37.12MB05-5-得分函数.ts37.12MB06-6-损失函数的作用.ts35.13MB07-7-前向传播整体流程.ts44.21MB02-神经网络整体架构254.48MB
01-1-返向传播计算方法.ts29.33MB02-2-神经网络整体架构.ts34.5MB03-2-神经网络整体架构.ts34.5MB04-4-神经元个数对结果的影响.ts78.22MB05-5-正则化与激活函数.ts32.65MB06-6-神经网络过拟合解决方法.ts45.28MB03-卷积神经网络原理与参数解读255.68MB
01-1-卷积神经网络应用领域.ts24.01MB02-2-卷积的作用.ts25.87MB03-3-卷积特征值计算方法.ts24.19MB04-4-得到特征图表示.ts20.74MB05-5-步长与卷积核大小对结果的影响.ts22.62MB06-6-边缘填充方法.ts19.66MB07-7-特征图尺寸计算与参数共享.ts24.79MB08-8-池化层的作用.ts12.99MB09-9-整体网络架构.ts19.26MB10-10-VGG网络架构.ts21.86MB11-11-残差网络Resnet.ts20.62MB12-12-感受野的作用.ts19.08MB04-递归神经网络与词向量原理解读153.17MB
01-12-感受野的作用.ts19.08MB02-2-词向量模型通俗解释.ts24.4MB03-3-模型整体框架.ts31.87MB04-4-训练数据构建.ts17.84MB05-5-CBOW与Skip-gram模型.ts26.88MB06-6-负采样方案.ts33.1MB05-案例实战搭建神经网络526.9MB
01-0-keras框架简介与安装.ts16.35MB02-1-训练自己的数据集整体流程.ts52.48MB03-2-数据加载与预处理.ts41.21MB04-3-搭建网络模型.ts60.75MB05-4-学习率对结果的影响.ts55.26MB06-5-Drop-out操作.ts49.82MB07-6-权重初始化方法对比.ts70.51MB08-7-初始化标准差对结果的影响.ts19.05MB09-8-正则化对结果的影响.ts103.51MB10-9-加载模型进行测试.ts57.97MB06-案例实战卷积神经网络261.68MB
01-1-卷积层构造.ts46.99MB02-1-卷积层构造.ts46.99MB03-3-BatchNormalization效果.ts62.33MB04-4-参数对比.ts79.3MB05-5-网络测试效果.ts26.06MB07-案例实战LSTM时间序列预测任务314.9MB
01-1-时间序列模型.ts33.14MB02-2-网络结构与参数定义.ts30.83MB03-3-构建LSTM模型.ts34.5MB04-4-训练模型与效果展示.ts52.2MB05-5-多序列预测结果.ts61.22MB06-6-股票数据预测.ts34.26MB07-7-数据预处理.ts40.98MB08-8-预测结果展示.ts27.77MB10-选修：Python数据分析案例实战2.32GB
01-KIVA贷款数据300.82MB
01-kiva贷款数据集介绍.ts44.23MB02-2-各个国家贷款需求.ts46.72MB03-3-贷款金额与还款间隔分析.ts42.92MB04-5-深入各个行业分析.ts53.11MB05-6-针对时间序列进行分析.ts37.98MB06-7-各项数据指标统计分析.ts75.85MB02-订单数据集分析207.72MB
01-8-预测结果展示.ts27.77MB02-2-双变量热度图绘制方法.ts52.94MB03-3-复购情况对比分析.ts35.23MB04-4-购物车情况与复购.ts41.31MB05-5-聚类划分商品.ts50.47MB03-基于统计分析的电影推荐494.42MB
01-1-电影数据与环境配置.ts71.07MB02-2-数据与关键词信息展示.ts68.14MB03-3-关键词云与直方图可视化展示.ts50.69MB04-4-电影特征数据可视化.ts43.54MB05-5数据清洗方法分析.ts63.83MB06-6-缺失值填充方法.ts41.67MB07-7-推荐引擎构造.ts56.75MB08-8-数据特征构造.ts40.92MB09-9-得出推荐结果.ts57.82MB04-纽约出租车建模537.66MB
01-1-纽约出租车运行情况数据概述.ts23.31MB02-2-聚类区域划分.ts49.8MB03-3-客流趋势动态展示.ts54.84MB04-4-区域邻居情况分析.ts70.8MB05-5-用户数据特征分析.ts65.1MB06-6-不同类别的出租车运行情况对比.ts37.1MB07-7-客户数据特征可视化分析.ts27.15MB08-8-聚类特征信息可视化展示.ts87.8MB09-9-xgboost模型进行分析预测.ts53.9MB10-10-加入天气特征对结果的影响分析.ts67.85MB05-商品信息可视化与文本分析368.13MB
01-1-在线商城商品数据信息概述.ts36.64MB02-2-商品类别划分方式.ts42.07MB03-3-商品类别可视化展示.ts46.96MB04-4-商品描述长度对价格的影响分析.ts38MB05-5-关键词的词云可视化展示.ts57.69MB06-6-基于tf-idf提取关键词信息.ts40.22MB07-7-通过降维进行可视化展示.ts43.42MB08-8-聚类分析与主题模型展示.ts63.11MB06-数据分析-机器学习模板469.91MB
01-1-人口普查预测任务概述.ts64.75MB02-2-单特征与缺失值展示.ts60.42MB03-3-人口普查数据集清洗.ts27.23MB04-4-人口信息数据特征工程展示.ts47.92MB05-5-单变量展示.ts37.61MB06-6-双变量分析.ts48.1MB07-7-开发新变量.ts47.77MB08-8-ROC与AUC模型评估标准.ts62.09MB09-9-机器学习算法模型效果对比.ts74.02MB11-选修：机器学习进阶实战1.75GB
01-GBDT提升算法148.7MB
01-1-回归树模型.ts26.17MB02-2-Adaboost算法.ts16.01MB03-3-GBDT工作流程.ts24.64MB04-4-回归任务.ts11.15MB05-5-分类任务.ts25.13MB06-6-可视化.ts45.61MB01-数据特征454.81MB
01-1-基本数值特征.ts54.19MB02-2-常用特征构造手段.ts57.57MB03-3-时间特征处理.ts62.07MB04-4-文本特征处理.ts121.74MB05-5-构造文本向量.ts54.34MB06-6-词向量特征.ts78.79MB07-7-计算机眼中的图像.ts26.11MB02-xgboost-gbdt-lightgbm提升算法框架对比182.68MB
01-1-GBDT效果.ts44.1MB02-2-Xgboost效果.ts53.74MB03-3-lightGBM效果.ts84.84MB04-4.使用lightgbm进行饭店流量预测236.07MB
01-1-饭店流量数据介绍.ts35.37MB02-2-数据汇总.ts56.68MB03-3-离群点筛选.ts28.33MB04-4-特征提取.ts71.37MB05-5-lightgbm建模.ts44.33MB05-降维算法-线性判别分析121.47MB
01-1-线性判别分析要解决的问题.ts22.71MB02-2-线性判别分析要优化的目标.ts21.75MB03-3-线性判别分析求解.ts22.37MB04-4-实现线性判别分析进行降维任务.ts28.05MB05-5-求解得出降维结果.ts26.59MB05-人口普查数据集项目实战-收入预测469.91MB
01-1-人口普查预测任务概述.ts64.75MB02-2-单特征与缺失值展示.ts60.42MB03-3-第一步：数据清洗.ts27.23MB04-4-特征工程.ts47.92MB05-5-单变量展示.ts37.61MB06-6-双变量分析.ts48.1MB07-7-开发新变量.ts47.77MB08-8-ROC与AUC模型评估标准.ts62.09MB09-9-机器学习模型.ts74.02MB07-贝叶斯优化及其工具包使用178.23MB
01-1-贝叶斯优化概述.ts27.18MB02-2-工具包使用方法.ts61.41MB03-3-贝叶斯优化效果.ts41.44MB04-4-调整参数空间.ts48.2MB08-贝叶斯优化实战0B
09-EM算法0B
10-HMM隐马尔科夫模型0B
11-HMM案例实战0B
12-推荐系统0B
13-基于统计分析的电影推荐0B
13-音乐推荐系统实战0B
15-NLP-文本特征方法对比0B
15-学习曲线0B
17-使用word2vec分类任务0B
18-Tensorflow自己打造word2vec0B
19-制作自己常用工具包0B
20-机器学习项目实战-数据处理与特征提取0B
21-机器学习项目实战-建模与分析0B
1-直播回放0B
2-AI课程所需安装软件教程0B
3-深度学习必备核⼼算法0B
4-深度学习框架PyTorch0B
5-Opencv图像处理框架实战0B
6-综合项目-物体检测经典算法实战0B
7-图像分割实战0B
8-走向AI论文实验与项目实战的捷径-MMLAB实战系列0B
9-经典视觉项目实战：行为识别、姿态估计、目标追踪0B
10-2022论⽂必备-Transformer实战系列0B
11-图神经网络实战0B
12-3D点云实战0B
13-面向深度学习的无人驾驶实战0B
14-对比学习与多模态任务实战0B
15-缺陷检测实战0B
16-行人重识别实战0B
17-对抗生成网络实战0B
18-强化学习与AI黑科技实例0B
19-CV与NLP经典大模型解读0B
20-面向医学领域的深度学习实战0B
21-深度学习模型部署与剪枝优化实战0B
22-自然语言处理经典案例实战0B
23-自然语言处理必备神器Huggingface系列实战0B
24-时间序列预测0B
25-自然语言处理通用框架-BERT实战0B
26-知识图谱实战系列0B
27-语音识别实战系列0B
28-推荐系统实战系列0B
29-论文创新点常用方法及其应用实例0B
30-2024Ai必会Agent(应用解读+项目实战)0B
视频课件.zip16.91GB