人工智能大数据与复杂系统-3528元-万门大学

资源下载
下载价格9.9
单买课程不是很划算,开通本站会员可免费下载所有课程,全站课程不加密,稳定运行多年,比我们便宜的没有我们全,和我们一样全的没我们便宜,累积更新一百多T,超划算。

┣━wm009-人工智能大数据与复杂系统-3528元-万门大学
┣━43-监督学习-回归
┣━43.11经验分享(二).mp4
┣━43.3机器学习工作流程(二).mp4
┣━43.9案例分析(四).mp4
┣━43.10经验分享(一).mp4
┣━43.1机器学习的概念和监督学习.mp4
┣━43.7案例分析(二).mp4
┣━43.4机器学习工作流程(三).mp4
┣━43.5机器学习工作流程(四).mp4
┣━43.8案例分析(三).mp4
┣━43.6案例分析(一).mp4
┣━43.2机器学习工作流程(一).mp4
┣━43.12经验分享(三).mp4
┣━66-广泛出现的幂律分布
┣━66.5城市、商业(一).mp4
┣━66.2界(二).mp4
┣━66.6城市、商业(二).mp4
┣━66.1界(一).mp4
┣━66.9总结.mp4
┣━66.3界(三).mp4
┣━66.8启示(二).mp4
┣━66.4界(四).mp4
┣━66.7启示(一).mp4
┣━01-复杂系统
┣━1.4生活实例与本章答疑.mp4
┣━1.3复杂系统引论.mp4
┣━1.2预测失效原因.mp4
┣━1.1物理预测的胜利与失效.mp4
┣━29-熵、逻辑斯蒂回归、SVM引入
┣━29.8逻辑斯蒂回归(一).mp4
┣━29.2熵(二).mp4
┣━29.10逻辑斯蒂回归(三).mp4
┣━29.5熵(五).mp4
┣━29.9逻辑斯蒂回归(二).mp4
┣━29.7熵(七).mp4
┣━29.4熵(四).mp4
┣━29.6熵(六).mp4
┣━29.11逻辑斯蒂回归(四).mp4
┣━29.3熵(三).mp4
┣━29.1熵(一).mp4
┣━29.12逻辑斯蒂回归(五).mp4
┣━29.13SVM引入.mp4
┣━20-线代数—特征值与特征向量
┣━20.11对偶空间(一).mp4
┣━20.10线代数核心定理.mp4
┣━20.5特征值与特征向量的物理意义.mp4
┣━20.1线代数知识点回顾.mp4
┣━20.13欧氏空间与闵氏空间.mp4
┣━20.3例题讲解(二).mp4
┣━20.6特征值与特征向量的性质(一).mp4
┣━20.2例题讲解(一).mp4
┣━20.8本征值的计算(一).mp4
┣━20.4例题讲解(三).mp4
┣━20.14厄米矩阵.mp4
┣━20.12对偶空间(二).mp4
┣━20.7特征值与特征向量的性质(二).mp4
┣━20.9本征值的计算(二).mp4
┣━64-用伊辛模型理解复杂系统
┣━64.13自旋玻璃.mp4
┣━64.1伊辛模型的背景及格气模型.mp4
┣━64.17深度学习与重正化群(二).mp4
┣━64.2伊辛模型(一).mp4
┣━64.11观念动力学.mp4
┣━64.8正问题和反问题.mp4
┣━64.4从能量到统计分布及Monte Carlo模拟.mp4
┣━64.19答疑.mp4
┣━64.18总结.mp4
┣━64.10(网络中的)投票模型.mp4
┣━64.6相变和临界现象.mp4
┣━64.12集体运动Vicsek模型.mp4
┣━64.5Ising Model(2D).mp4
┣━64.14Hopfield神经网络.mp4
┣━64.9(空间中的)投票模型.mp4
┣━64.3伊辛模型(二).mp4
┣━64.16深度学习与重正化群(一).mp4
┣━64.15限制Boltzmann机.mp4
┣━64.7Critical Exponents.mp4
┣━17-数据科学和统计学(上)
┣━17.4回顾统计学(三).mp4
┣━17.1课程Overview.mp4
┣━17.10随机变量(二).mp4
┣━17.12换门的概率模拟计算(二).mp4
┣━17.5回顾数据科学(一).mp4
┣━17.6回顾数据科学(二)和教材介绍.mp4
┣━17.9随机变量(一).mp4
┣━17.3回顾统计学(二).mp4
┣━17.7R和RStudio等介绍(一).mp4
┣━17.13换门的概率模拟计算(三).mp4
┣━17.2回顾统计学(一).mp4
┣━17.11换门的概率模拟计算(一).mp4
┣━17.8R和RStudio等介绍(二).mp4
┣━23-PCA、降维方法引入
┣━23.9PCA背后的假设(二).mp4
┣━23.4PCA数学分析方法(二).mp4
┣━23.1无监督学习框架.mp4
┣━23.2降维存在的原因.mp4
┣━23.5PCA数学分析方法(三).mp4
┣━23.8PCA背后的假设(一).mp4
┣━23.3PCA数学分析方法(一).mp4
┣━23.7PCA之外的降维方法—LDA.mp4
┣━23.6PCA数学分析方法(四).mp4
┣━45-网络基础与卷积网络
┣━45.4网络(四).mp4
┣━45.7网络(七).mp4
┣━45.11图像处理基础.mp4
┣━45.10网络(十).mp4
┣━45.6网络(六).mp4
┣━45.1网络(一).mp4
┣━45.9网络(九).mp4
┣━45.2网络(二).mp4
┣━45.8网络(八).mp4
┣━45.网络(五).mp4
┣━45.3网络(三).mp4
┣━45.13卷积(二).mp4
┣━45.12卷积(一).mp4
┣━77-学习其他主题
┣━77.2玻尔兹曼机—联想的机器.mp4
┣━77.1.mp4
┣━77.4学习(一).mp4
┣━77.5学习(二).mp4
┣━77.6学习(三).mp4
┣━77.8程序讲解(一).mp4
┣━77.7学习(四).mp4
┣━77.3玻尔兹曼机.mp4
┣━77.10程序讲解(三).mp4
┣━77.9程序讲解(二).mp4
┣━40-SVM和网络引入
┣━40.2SVM(一).mp4
┣━40.6SVM(五).mp4
┣━40.5SVM(四).mp4
┣━40.3SVM(二).mp4
┣━40.13SVM(十二)和网络引入.mp4
┣━40.8SVM(七).mp4
┣━40.12SVM(十一).mp4
┣━40.9SVM(八).mp4
┣━40.11SVM(十).mp4
┣━40.10SVM(九).mp4
┣━40.1VC维.mp4
┣━40.7SVM(六).mp4
┣━40.4SVM(三).mp4
┣━36-决策树到随机森林
┣━36.15Boosting方法(四).mp4
┣━36.10Bagging与决策树(一).mp4
┣━36.13Boosting方法(二).mp4
┣━36.4在Scikit-Learn里面如何用随机森林做预测(二).mp4
┣━36.6集成方法(一).mp4
┣━36.1决策树.mp4
┣━36.12Boosting方法(一).mp4
┣━36.3在Scikit-Learn里面如何用随机森林做预测(一).mp4
┣━36.8Blending.mp4
┣━36.11Bagging与决策树(二).mp4
┣━36.7集成方法(二).mp4
┣━36.14Boosting方法(三).mp4
┣━36.9gt多样化.mp4
┣━36.2随机森林.mp4
┣━36.5模型参数的介绍.mp4
┣━03-人工智能的三个阶段
┣━3.4连接主义阶段发展至学习阶段.mp4
┣━3.3课间答疑.mp4
┣━3.9课程大纲(一).mp4
┣━3.2机器学习阶段发展至连接主义阶段.mp4
┣━3.8课间答疑.mp4
┣━3.5三个阶段总结分析.mp4
┣━3.6人工智能的应用(一).mp4
┣━3.1规则阶段.mp4
┣━3.10课程大纲(二).mp4
┣━3.7人工智能的应用(二).mp4
┣━56-网络
┣━56.5数字识别(二).mp4
┣━56.4数字识别(一).mp4
┣━56.6感受野.mp4
┣━56.3Pooling.mp4
┣━56.1卷积的本质.mp4
┣━56.7RNN.mp4
┣━56.2卷积的三大特点.mp4
┣━42-网络
┣━42.1SVM比较其他分类起代码(一).mp4
┣━42.5网络(三).mp4
┣━42.4网络(二).mp4
┣━42.6网络(四).mp4
┣━42.2SVM比较其他分类起代码(二).mp4
┣━42.3网络(一).mp4
┣━51-计算机视觉深度学习入门数据篇
┣━51.1计算机视觉领域的常用竞赛数据集.mp4
┣━51.4如何使用端到端深度学习的方法.mp4
┣━51.2对数据常用的预处理工作和后处理工作如何提高竞赛成绩(一).mp4
┣━51.3对数据常用的预处理工作和后处理工作如何提高竞赛成绩(二).mp4
┣━35-第四范式分享
┣━35.6推荐系统机器学习模型.mp4
┣━35.5数据拆分与特征工程.mp4
┣━35.1推荐技术的介绍.mp4
┣━35.4求解—从数据到模型.mp4
┣━35.2人是如何推荐商品的.mp4
┣━35.8建模过程的演示与课间答疑.mp4
┣━35.7评估模型.mp4
┣━35.3推荐系统的形式化以及如何评价推荐结果.mp4
┣━07-阿尔法狗与强化学习算法
┣━7.1人工智能的发展.mp4
┣━7.3强化学习算法(二).mp4
┣━7.6无监督学习.mp4
┣━7.4强化学习算法(三).mp4
┣━7.2强化学习算法(一).mp4
┣━7.5Alphago给我们的启示.mp4
┣━34-D-Park实战
┣━34.12Spark应用(六).mp4
┣━34.7Spark应用(一).mp4
┣━34.4Pig应用(四).mp4
┣━34.6Pig应用(六).mp4
┣━34.9Spark应用(三).mp4
┣━34.5Pig应用(五).mp4
┣━34.8Spark应用(二).mp4
┣━34.3Pig应用(三).mp4
┣━34.13Spark应用(七).mp4
┣━34.2Pig应用(二).mp4
┣━34.10Spark应用(四).mp4
┣━34.11Spark应用(五).mp4
┣━34.1Pig应用(一).mp4
┣━10-贝叶斯理论
┣━10.8辛普森案件【微信:17358309816】.mp4
┣━10.3概率基础【微信:17358309816】.mp4
┣━10.4概率与事件.mp4
┣━10.5贝叶斯推理(一).mp4
┣━10.11贝叶斯于机器学习(二).mp4
┣━10.12贝叶斯决策(一).mp4
┣━10.14贝叶斯决策(三).mp4
┣━10.6贝叶斯推理(二).mp4
┣━10.13贝叶斯决策(二).mp4
┣━10.1梯度优化(一).mp4
┣━10.9贝叶斯推理深入.mp4
┣━10.7贝叶斯推理(三).mp4
┣━10.2梯度优化(二).mp4
┣━10.10贝叶斯于机器学习(一).mp4
┣━32-数据呈现基础
┣━32.4数据可视化流程.mp4
┣━32.8图形选择(三).mp4
┣━32.1课程安排.mp4
┣━32.5视觉编码.mp4
┣━32.7图形选择(二).mp4
┣━32.3设计原则.mp4
┣━32.6图形选择(一).mp4
┣━32.2什么是数据可视化.mp4
┣━78-课程总结
┣━78.7课程大纲(一).mp4
┣━78.8课程大纲(二).mp4
┣━78.9课程总结(一).mp4
┣━78.5RNN诗人.mp4
┣━78.6课程复习.mp4
┣━78.3猫狗大战—CNN实战(一).mp4
┣━78.2Attention实例—Spatial Transformer.mp4
┣━78.10课程总结(二).mp4
┣━78.1开场.mp4
┣━78.4猫狗大战—CNN实战(二).mp4
┣━21-监督学习框架
┣━21.13高斯判别模型(一).mp4
┣━21.9KNN(K最近邻)算法(一).mp4
┣━21.6超参数(二).mp4
┣━21.1经验误差和泛化误差.mp4
┣━21.12线性分类器.mp4
┣━21.2最大后验估计.mp4
┣━21.8监督学习框架(二).mp4
┣━21.10KNN(K最近邻)算法(二).mp4
┣━21.3正则化.mp4
┣━21.5超参数(一).mp4
┣━21.7监督学习框架(一).mp4
┣━21.4lasso回归.mp4
┣━21.14高斯判别模型(二).mp4
┣━21.11KNN(K最近邻)算法(三).mp4
┣━28-Scikit-Learn
┣━28.5模型实例、模型选择(一).mp4
┣━28.3数据处理(一)【微信:17358309816】.mp4
┣━28.6模型实例、模型选择(二).mp4
┣━28.1课程介绍.mp4
┣━28.4数据处理(二).mp4
┣━28.8模型实例、模型选择(四).mp4
┣━28.2Scikit-Learn介绍.mp4
┣━28.7模型实例、模型选择(三).mp4
┣━28.9模型实例、模型选择(五).mp4
┣━70-Value Iteration Networks
┣━70.1Background&Motivation.mp4
┣━70.2Value Iteration.mp4
┣━70.4总结及答疑.mp4
┣━70.3Grid—world Domain.mp4
┣━38-强化学习(上)
┣━38.14Policy Learning(六).mp4
┣━38.2经典条件反射(一).mp4
┣━38.4操作性条件反射.mp4
┣━38.8Evaluation Problem(四).mp4
┣━38.11Policy Learning(三).mp4
┣━38.12Policy Learning(四).mp4
┣━38.6Evaluation Problem(二).mp4
┣━38.10Policy Learning(二).mp4
┣━38.7Evaluation Problem(三).mp4
┣━38.1你所了解的强化学习是什么.mp4
┣━38.5Evaluation Problem(一).mp4
┣━38.9Policy Learning(一).mp4
┣━38.13Policy Learning(五).mp4
┣━38.3经典条件反射(二).mp4
┣━55-人工智能与设计
┣━55.10使用人工智能的方式.mp4
┣━55.7人的智能的特点(三).mp4
┣━55.8人工智能(一).mp4
┣━55.4人的智能(二).mp4
┣━55.6人的智能的特点(二).mp4
┣━55.1智能存在的意义是什么.mp4
┣━55.3人的智能(一).mp4
┣━55.9人工智能(二).mp4
┣━55.5人的智能的特点(一).mp4
┣━55.2已有人工智的设计应用.mp4
┣━75-RNN及LSTM
┣━75.1RNN—序列处理器(一).mp4
┣━75.4A dance between fix points.mp4
┣━75.3A simple enough case.mp4
┣━75.16LSTM Text Generation(一).mp4
┣━75.6RNN作为生成模型(动力系统).mp4
┣━75.14词向量、Deep RNN.mp4
┣━75.2RNN—序列处理器(二).mp4
┣━75.13LSTM、Use Examples.mp4
┣━75.17LSTM Text Generation(二).mp4
┣━75.9梯度消失与梯度爆炸(一).mp4
┣━75.10梯度消失与梯度爆炸(二).mp4
┣━75.5Fix point、Train Chaos.mp4
┣━75.18LSTM Text Generation(三).mp4
┣━75.7RNN训练—BPTT(一).mp4
┣━75.8RNN训练—BPTT(二).mp4
┣━75.12LSTM.mp4
┣━75.11Reservoir computing—偷懒方法.mp4
┣━75.15Encoder Decoder Structure.mp4
┣━71-线动力学系统(上)
┣━71.1线动力学系统(一).mp4
┣━71.11混沌(二).mp4
┣━71.14混沌(五).mp4
┣━71.5Bifurcation(二).mp4
┣━71.9Bifurcation(六).mp4
┣━71.18混沌(九).mp4
┣━71.13混沌(四).mp4
┣━71.7Bifurcation(四).mp4
┣━71.3二维系统动力学综述—Poincare引理.mp4
┣━71.20混沌(十一).mp4
┣━71.12混沌(三).mp4
┣━71.16混沌(七).mp4
┣━71.8Bifurcation(五).mp4
┣━71.15混沌(六).mp4
┣━71.2线动力学系统(二).mp4
┣━71.17混沌(八).mp4
┣━71.10混沌(一).mp4
┣━71.19混沌(十).mp4
┣━71.6Bifurcation(三).mp4
┣━71.4Bifurcation(一).mp4
┣━54-Pig和Spark巩固
┣━54.8Spark巩固(三).mp4
┣━54.9Spark巩固(四).mp4
┣━54.7Spark巩固(二).mp4
┣━54.5Pig巩固(五).mp4
┣━54.3Pig巩固(三).mp4
┣━54.10Spark巩固(五).mp4
┣━54.1Pig巩固(一).mp4
┣━54.6Spark巩固(一).mp4
┣━54.2Pig巩固(二).mp4
┣━54.4Pig巩固(四).mp4
┣━48-计算机视觉深度学习入门目的篇
┣━48.6实际问题转化为具体问题并用深度学习解决(三).mp4
┣━48.3计算机视觉领域正在关心的问题(二).mp4
┣━48.1计算机视觉深度学习入门概述.mp4
┣━48.2计算机视觉领域正在关心的问题(一).mp4
┣━48.7实际问题转化为具体问题并用深度学习解决(四).mp4
┣━48.4实际问题转化为具体问题并用深度学习解决(一).mp4
┣━48.5实际问题转化为具体问题并用深度学习解决(二).mp4
┣━06-机器学习与监督算法
┣━6.5简单回归实例(三).mp4
┣━6.2机器学习的类型.mp4
┣━6.1什么是机器学习.mp4
┣━6.3简单回归实例(一).mp4
┣━6.4简单回归实例(二).mp4
┣━76-漫谈人工智能创业
┣━76.7人工智能创业中的商业思维.mp4
┣━76.2人工智能对我们生活的影响(二).mp4
┣━76.4人工智能对我们生活的影响(四).mp4
┣━76.6人工智能对我们生活的影响(六).mp4
┣━76.9三个战略管理学商业模型(二).mp4
┣━76.16三个战略管理学商业模型(九).mp4
┣━76.3人工智能对我们生活的影响(三).mp4
┣━76.11三个战略管理学商业模型(四).mp4
┣━76.5人工智能对我们生活的影响(五).mp4
┣━76.10三个战略管理学商业模型(三).mp4
┣━76.15三个战略管理学商业模型(八).mp4
┣━76.8三个战略管理学商业模型(一).mp4
┣━76.13三个战略管理学商业模型(六).mp4
┣━76.12三个战略管理学商业模型(五).mp4
┣━76.17关于Entrepreneurship.mp4
┣━76.1人工智能对我们生活的影响(一).mp4
┣━76.14三个战略管理学商业模型(七).mp4
┣━68-机器学习的方法

声明:所有内容均收集于网络,收集的内容仅供内部学习和讨论,建议您在下载后的24个小时之内从您的电脑或手机中删除上述内容,如果您喜欢该内容,请支持并购买正版资源。如若本站内容侵犯了原著者的合法权益,请联系邮箱648765304@qq.com,我们将及时处理,本文链接:https://dbbp.net/8425.html
0

评论0

站点公告

小虎资源网因各项成本逐渐加大,优质课程资源不断增多,明日将会恢复至原价999,今日只需299开通svip会员。网站始于2020年,稳定运行超过5年,每日更新,全站课程不加密,目前已收录全网五十多家机构,累积更新各大机构一百多T教程,总课程价值超过百万,比我们便宜的没有我们全,和我们一样全的没我们便宜,抓紧时间提升自己最重要。会员权益查看:点击会员介绍 其他加密课程或者代找其他课程联系微信:648765304
没有账号?注册  忘记密码?