964| 2
|
【F022】贪心科技机器学习高阶训练营视频教程 |
内容介绍:
001: mlcamp_course_info.mp4 002: 课程介绍.mp4 003: 凸集、凸函数、判定凸函数.mp4 004: transportation problem.mp4 005: portfolio optimization.mp4 006: set cover problem.mp4 007: duality.mp4 008: 答疑部分.mp4 009:从词嵌入到文档距离01.mp4 010:从词嵌入到文档距离02.mp4 011:KKT Condition.mp4 012:svm 的直观理解.mp4 013:svm 的数学模型.mp4 014:带松弛变量的svm.mp4 015:带kernel的svm.mp4 016:svm的smo的解法.mp4 017:使用svm支持多个类别.mp4 018:kernel linear regression.mp4 019:kernel pca.mp4 020:交叉验证.mp4 021:vc维.mp4 022:直播答疑01.mp4 023:直播答疑02.mp4 024:lp实战01.mp4 025:lp实战02.mp4 026:lp实战03.mp4 027:hard,np hard-01.mp4 028:hard,np hard-02.mp4 029:hard,np hard-03.mp4 030:引言.mp4 031:线性回归.mp4 032:basis expansion.mp4 033:bias 与 variance.mp4 034:正则化.mp4 035:ridge, lasso, elasticnet.mp4 036:逻辑回归.mp4 037:softmax 多元逻辑回归.mp4 038:梯度下降法.mp4 039:svm人脸识别结合cross-validation交叉验证01.mp4 040:svm人脸识别结合cross-validation交叉验证02.mp4 041:svm人脸识别结合cross-validation交叉验证03.mp4 042:svm人脸识别结合cross-validation交叉验证04.mp4 043:模型评估方法和svm做人脸识别01.mp4 044:模型评估方法和svm做人脸识别02.mp4 045:模型评估方法和svm做人脸识别03.mp4 046:pca和lda的原理和实战01.mp4 047:pca和lda的原理和实战02.mp4 048:pca和lda的原理和实战03.mp4 049:softmax with cross entropy01.mp4 050:softmax with cross entropy02.mp4 051:softmax with cross entropy03.mp4 052:kernel logistic regression and the import vec01.mp4 053:kernel logistic regression and the import vec02.mp4 054:lda 作为分类器.mp4 055:lda 作为分类器答疑.mp4 056:lda 作为降维工具.mp4 057:kernel lda 5 kernel lda答疑.mp4 058:ensemble majority voting.mp4 059:ensemble bagging.mp4 060:ensemble boosting.mp4 061:ensemble random forests.mp4 062:ensemble stacking.mp4 063:答疑.mp4 064:决策树的应用.mp4 065:集成模型.mp4 066:提升树.mp4 067:目标函数的构建.mp4 068:additive training.mp4 069:使用泰勒级数近似目标函数.mp4 070:重新定义一棵树.mp4 071:如何寻找树的形状.mp4 072:xgboost-01.mp4 073:xgboost-02.mp4 074:xgboost-03.mp4 075:xgboost的代码解读 工程实战-01.mp4 076:xgboost的代码解读 工程实战-02.mp4 077:xgboost的代码解读 工程实战-03.mp4 078:理解和比较xgboost gbdt lightgbm-01.mp4 079:理解和比较xgboost gbdt lightgbm-02.mp4 080:理解和比较xgboost gbdt lightgbm-03.mp4 081:lightgbm-01.mp4 082:lightgbm-02.mp4 083:lightgbm-03.mp4 084:聚类算法介绍 k-means 算法描述.mp4 085:k-means 的特性 k-means++.mp4 086:em 算法思路.mp4 087:em 算法推演.mp4 088:em 算法的收敛性证明.mp4 089:em 与高斯混合模型.mp4 090:em 与 kmeans 的关系.mp4 091:dbscan聚类算法.mp4 092:课后答疑.mp4 093:kaggle广告点击欺诈识别实战-01.mp4 094:kaggle广告点击欺诈识别实战-02.mp4 095:kaggle广告点击欺诈识别实战-03.mp4 096:kaggle广告点击欺诈识别实战-04.mp4 097:klda实例+homework1讲评-01.mp4 098:klda实例+homework1讲评-02.mp4 099:klda实例+homework1讲评-03.mp4 100:klda实例+homework1讲评-04_(new).mp4 101:Analysis and Applications-01_ev.mp4 102:Analysis and Applications-02_ev.mp4 103:Analysis and Applications-03_ev.mp4 104:基于HMM的中文分词: jieba分词原理1_ev.mp4 105:基于HMM的中文分词: jieba分词原理2_ev.mp4 106:基于HMM的中文分词: jieba分词原理3_ev.mp4 107:基于HMM的中文分词: jieba分词原理_ev.mp4 108:Graphical Models_ev.mp4 109:Hidden Markov Model_ev.mp4 110:Finding Best Z_ev.mp4 111:Finding Best Z:Viterbi_ev.mp4 112:HMM 的参数估计_ev.mp4 113:XGBoost分类问题-01_ev.mp4 114:XGBoost分类问题-02_ev.mp4 115:XGBoost分类问题-03_ev.mp4 116:基于STM-CRF命名实体识别-01_ev.mp4 117:基于STM-CRF命名实体识别-02_ev.mp4 118:基于STM-CRF命名实体识别-03_ev.mp4 119.mp4 120:forward algorithm.mp4 121:backward algorithm.mp4 122:complete vs incomplete case.mp4 123:estimate a-review of language model.mp4 124:回顾-生成模型与判别模型.mp4 125:回顾-有向图vs无向图.mp4 126:multinomial logistic regression.mp4 127:回顾-hmm.mp4 128:log-linear model to linear-crf.mp4 129:inference problem.mp4 130:bp算法.mp4 131:pytorch基础.mp4 132:深度学习与深度神经网络的历史背景.mp4 133:神经网络的前向算法.mp4 134:神经网络的误差向后传递算法.mp4 135:误差向后传递算法推导.mp4 136:课后答疑.mp4 137:inception-resnet卷积神经网络-01.mp4 138:inception-resnet卷积神经网络-02.mp4 139:bp算法回顾-01.mp4 140:bp算法回顾-02.mp4 141:bp算法回顾-03.mp4 142:矩阵求导-01.mp4 143:矩阵求导-02.mp4 144:矩阵求导-03.mp4 145:卷积的原理.mp4 146:多通道输入, 多通道输出的卷积操作, 典型的卷积网络结构.mp4 147:卷积层用于降低网络模型的复杂度.mp4 148:卷积层复杂度的推演 padding的种类.mp4 149:卷积层的误差向后传递算法(梯度推演) .mp4 150:卷积层的各种变体.mp4 151:经典的卷积网络一览.mp4 152:课后答疑.mp4 153:EffNet-01.mp4 154:EffNet-02.mp4 155:MobileNet-01.mp4 156:MobileNet-02.mp4 157:MobileNet-03.mp4 158:ShuffleNet-01.mp4 159:ShuffleNet-02.mp4 160:ShuffleNet-03.mp4 161:神经网络的梯度消失及其对策.mp4 162:神经网络的过拟合及其对策1-Dropout.mp4 163:神经网络的过拟合及其对策2-L1 L2 Regularization.mp4 164:神经网络的过拟合及其对策3-Max Norm.mp4 165:神经网络的过拟合及其对策4-Batch Normalization.mp4 166:批处理梯度下降法, 随机梯度下降法, mini批处理梯度下降法.mp4 167.mp4 168.mp4 169.mp4 170.mp4 171.mp4 172.mp4 173.mp4 174.mp4 175:课后答疑.mp4 176:语言模型的原理及其应用.mp4 177:基于n-gram的语言模型.mp4 178:基于固定窗口的神经语言模型.mp4 179:RNN的原理, 基于RNN的语言模型及其应用.mp4 180:RNN中的梯度消失与梯度爆炸.mp4 181:LSTM的原理.mp4 182:GRU的原理.mp4 183:梯度消失 爆炸的解决方案.mp4 184:双向Bidirectional RNN, 多层Multi-layer RNN.mp4 185:课后答疑.mp4 186:人脸关键点检测项目讲解-01.mp4 187:人脸关键点检测项目讲解-02.mp4 188:人脸关键点检测项目讲解-03.mp4 189:LONG SHORT-TERM MEMORY-01.mp4 190:LONG SHORT-TERM MEMORY-02.mp4 191:为什么需要Attention注意力机制.mp4 192:Attention的原理.mp4 193:Transformer入门.mp4 194:Self-Attention注意力机制的原理.mp4 195:Positional Encoding.mp4 196:Layer Normalization.mp4 197:Transformer Decoder解码器的原理, 损失函数, 训练小技巧.mp4 198:Bert的原理.mp4 199:课后答疑.mp4 200:课中答疑.mp4 201:Word2Vec论文解读-01.mp4 202:Word2Vec论文解读-02.mp4 203:Word2Vec论文解读-03.mp4 204:使用BiLSTM+CNN实现NER-01.mp4 205:使用BiLSTM+CNN实现NER-02.mp4 206:使用BiLSTM+CNN实现NER-03.mp4 ...... 343.mp4 资料.rar 百度网盘下载地址:
购买主题
已有 2 人购买
本主题需向作者支付 20 金币 才能浏览
| |
| ||