BZ-人工智能训练营视频课程

人工智能5天入门训练营

｜ 视频

｜ ｜ 01_人工智能就业前景与薪资 .mp4 49.38M

｜ ｜ 02_人工智能适合人群与必备技能 .mkv 47.37M

｜ ｜ 03_人工智能时代是发展的必然 .mp4 25.61M

｜ ｜ 04_人工智能在各领域的应用 .mp4 61.77M

｜ ｜ 05_人工智能常见流程 .mkv 83.88M

｜ ｜ 06_机器学习不同的学习方式 .mkv 72.54M

｜ ｜ 07_深度学习比传统机器学习有优势 .mkv 75.32M

｜ ｜ 08_有监督机器学习任务与本质 .mp4 37.24M

｜ ｜ 09_无监督机器学习任务与本质 .mp4 48.91M

｜ ｜ 10_理解简单线性回归 .mp4 27.98M

｜ ｜ 11_最优解_损失函数_MSE .mp4 34.83M

｜ ｜ 12_扩展到多元线性回归 .mp4 26.65M

｜ ｜ 13_理解多元线性回归表达式几种写法的原因 .mp4 37.58M

｜ ｜ 14_理解维度这个概念 .mp4 37.11M

｜ ｜ 15_理解回归一词_中心极限定理_正太分布和做预测 .mp4 61.53M

｜ ｜ 16_假设误差服从正太分布_最大似然估计MLE .mp4 42.35M

｜ ｜ 17_引入正太分布的概率密度函数 .mp4 26.36M

｜ ｜ 18_明确目标通过最大总似然求解θ .mp4 25.88M

｜ ｜ 19_对数似然函数_推导出损失函数MSE .mp4 39.75M

｜ ｜ 20_把目标函数按照线性代数的方式去表达 .mp4 22.09M

｜ ｜ 21_推导出目标函数的导函数形式 .mp4 39.83M

｜ ｜ 22_θ解析解的公式_是否要考虑损失函数是凸函数 .mp4 58.01M

｜ ｜ 23_Python开发环境版本的选择及下载 .mp4 46.00M

｜ ｜ 24_Anaconda环境安装_Pycharm环境安装 .mp4 64.55M

｜ ｜ 25_Pycharm创建脚本并测试python开发环境 .mp4 26.27M

｜ ｜ 26_解析解的方式求解多元线性回归_数据Xy .mp4 30.66M

｜ ｜ 27_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 39.16M

｜ ｜ 28_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 30.05M

｜ ｜ 29_Scikit-learn模块的介绍 .mp4 29.99M

｜ ｜ 30_调用Scikit-learn中的多元线性回归求解模型(上) .mp4 24.35M

｜ ｜ 31_调用Scikit-learn中的多元线性回归求解模型(下) .mp4 34.52M

｜ ｜ 32_梯度下降法产生的目的和原因以及思想 .mp4 53.73M

｜ ｜ 33_梯度下降法公式 .mp4 50.85M

｜ ｜ 34_学习率设置的学问_全局最优解 .mp4 47.99M

｜ ｜ 35_梯度下降法迭代流程总结 .mp4 24.60M

｜ ｜ 36_多元线性回归下的梯度下降法 .mp4 38.45M

｜ ｜ 37_全量梯度下降 .mp4 59.04M

｜ ｜ 38_随机梯度下降_小批量梯度下降 .mp4 43.98M

｜ ｜ 39_对应梯度下降法的问题和挑战 .mp4 42.22M

｜ ｜ 40_轮次和批次 .mp4 50.90M

｜ ｜ 41_代码实现全量梯度下降第1步和第2步 .mp4 20.15M

｜ ｜ 42_代码实现全量梯度下降第3步和第4步 .mp4 26.11M

｜ ｜ 43_代码实现随机梯度下降 .mp4 21.62M

｜ ｜ 44_代码实现小批量梯度下降 .mp4 22.83M

｜ ｜ 45_代码改进保证训练数据全都能被随机取到 .mp4 23.94M

｜ ｜ 46_代码改进实现随着迭代增加动态调整学习率 .mp4 34.35M

人工智能之快速入门与线性回归

｜ 视频

｜ ｜ 01_五天实训的内容_人工智能应用 .mp4 181.00M

｜ ｜ 02_AI的流程_ML和DL关系_回归、分类、聚类、降维的本质 .mp4 164.27M

｜ ｜ 03_线性回归的表达式_损失函数MSE .mp4 127.19M

｜ ｜ 04_推导出多元线性回归的损失函数 .mp4 203.15M

｜ ｜ 05_从MSE到θ的解析解形式 .mp4 83.50M

｜ ｜ 06_安装Anaconda和PyCharm运行和开发软件 .mp4 70.53M

｜ ｜ 07_python代码实现多元线性回归解析解的求解方法 .mp4 77.19M

｜ ｜ 08_梯度下降法的步骤_公式 .mp4 119.11M

｜ ｜ 09_根据损失函数MSE推导梯度的公式 .mp4 70.57M

人工智能之人脸识别与目标检测、语义分割

｜ 视频

｜ ｜ 01_作业的讲解_知识的回顾 .mp4 65.84M

｜ ｜ 02_人脸识别的架构流程分析 .mp4 120.48M

｜ ｜ 03_FaceNet论文_架构_三元组损失 .mp4 258.24M

｜ ｜ 04_MTCNN论文_架构_损失函数 .mp4 130.11M

｜ ｜ 05_facenet-master项目的下载和导入 .mp4 76.42M

｜ ｜ 06_人脸识别项目代码_实操作业要求 .mp4 372.07M

｜ ｜ 07_FasterRCNN目标检测口罩项目展示_图片标注工具labelimg的使用 .mp4 178.23M

｜ ｜ 08_FasterRCNN论文_架构_思想 .mp4 353.63M

｜ ｜ 09_MaskRCNN的架构_思想_蒙版弹幕项目效果 .mp4 163.40M

人工智能之神经网络与TensorFlow

｜ 视频

｜ ｜ 01_作业讲解_回顾昨日知识 .mp4 88.83M

｜ ｜ 02_打鸡血_聊一下图像算法工程师就业薪资水平 .mp4 154.82M

｜ ｜ 03_NN神经元_常用的3种激活函数_NN理解LR做多分类 .mp4 103.06M

｜ ｜ 04_讲解Softmax回归算法 .mp4 111.03M

｜ ｜ 05_多层神经网络的好处_隐藏层的激活函数必须是非线性的原因 .mp4 90.54M

｜ ｜ 06_TensorFlow对于CPU版本的安装 .mp4 62.85M

｜ ｜ 07_TensorFlow对于GPU版本的安装 .mp4 109.37M

｜ ｜ 08_TensorFlow实现多元线性回归预测房价 .mp4 198.36M

｜ ｜ 09_TensorFlow实现Softmax回归分类MNIST手写数字识别 .mp4 123.55M

人工智能之图像识别与图像分割

｜ 视频

｜ ｜ 01_TensorFlow实现DNN分类MNIST手写数字识别 .mp4 223.46M

｜ ｜ 02_卷积神经网络卷积层_卷积的计算 .mp4 112.61M

｜ ｜ 03_池化的计算_SAME和VALID模式_经典CNN结构 .mp4 78.50M

｜ ｜ 04_TensorFlow实训CNN分类MNIST手写数字识别 .mp4 179.12M

｜ ｜ 05_VGG16网络模型_数据增强_COVID19医疗图片的识别 .mp4 224.21M

｜ ｜ 06_U-Net网络模型_细胞核数据的读取 .mp4 206.51M

｜ ｜ 07_U-Net网络进行细胞核切分的训练代码 .mp4 97.14M

人工智能之线性回归优化与逻辑回归

｜ 视频

｜ ｜ 01_利用GD来求解多元线性回归的最优解 .mp4 106.63M

｜ ｜ 02_归一化 .mp4 219.45M

｜ ｜ 03_正则化 .mp4 137.35M

｜ ｜ 04_ScikitLearn介绍_岭回归的本质_Lasso回归的本质 .mp4 104.90M

｜ ｜ 05_多项式回归_保险花销预测案例 .mp4 250.14M

｜ ｜ 06_基于保险案例进行更多的数据的EDA .mp4 80.69M

｜ ｜ 07_逻辑回归表达式的推导_逻辑回归损失函数的推导 .mp4 116.54M

｜ ｜ 08_逻辑回归代码实战Iris二分类和多分类任务 .mp4 92.65M