响木SVIP目录
响木最新
响木众筹
响木众筹
当前目录
全盘
查全部
文件夹
文件
主页
/
我的资源
/
01 响木最新众筹课
/
4000-4999
/
4600-4699
/
4665.人工智能实战课
/
01_1-1-1带你揭开人工智能的面纱.mp4
02_1-1-2各领域人工智能职位需求与应用-互联网、金融、医疗等.mp4
03_1-1-3-人工智能岗位需求情况介绍.mp4
04_2-1-1人工智能数学基础-高等数学.mp4
05_2-1-2人工智能数学基础-线性代数.mp4
06_2-1-3人工智能数学基础-概率论.mp4
07_2-1-4人工智能数学基础-概率论02节.mp4
08_2-1-5人工智能数学基础-凸优化.mp4
09_2-2-1-机器学习-课程导学.mp4
100_3-2-9互联网案例-如何通过人工智能预测客户可能会点击哪些广告--模型训练部分代码与损失.mp4
101_3-2-10互联网案例-如何通过人工智能预测客户可能会点击哪些广告--课程总结..mp4
10_2-2-2机器学习应用场景与基本流程.mp4
11_2-2-3机器学习任务分类与基本流程.mp4
12_2-2-4机器学习分类算法-贝叶斯.mp4
13_2-2-5机器学习分类算法-逻辑回归.mp4
14_2-2-6机器学习分类算法-决策树.mp4
15_2-2-7机器学习分类算法-集成学习.mp4
16_2-2-8机器学习分类算法-分类算法效果评价.mp4
17_2-2-9机器学习聚类算法-聚类算法的基本概念与应用场景.mp4
18_2-2-10机器学习聚类算法-kmeans算法.mp4
19_2-2-11机器学习聚类算法-神经网络算法.mp4
20_2-2-12机器学习聚类算法-DBScan算法.mp4
21_2-2-13机器学习聚类算法-回归分析.mp4
22_2-2-14互联网房型偏好预测-案例背景介绍.mp4
23_2-2-15互联网房型偏好预测-数据集介绍.mp4
24_2-2-16互联网房型偏好预测-项目流程分析.mp4
25_2-2-17互联网房型偏好预测-EDA.mp4
26_2-2-18互联网房型偏好预测-建模.mp4
27_2-2-19互联网房型偏好预测-项目部署.mp4
28_2-2-20互联网房型偏好预测-项目总结.mp4
29_2-3-1深度学习应用场景与基本流程.mp4
30_2-3-2深度学习核心算法-卷积神经网络基本原理.mp4
31_2-3-3深度学习核心算法-卷积神经网络经典网络介绍.mp4
32_2-3-4深度学习核心算法-循环神经网络基本原理.mp4
33_2-3-5深度学习核心算法-循环神经网络的不同类型与优缺点.mp4
34_2-3-6深度学习核心算法-深度学习案例实践-手写体识别.mp4
35_2-3-7深度学习核心算法-深度学习案例实践-手写体识别数据介绍.mp4
36_2-3-8深度学习案例实践-手写体识别网络结构说明.mp4
37_2-3-9深度学习案例实践-手写体识别项目总结.mp4
38_2-3-10深度学习核心算法-深度学习案例实践-比特币价格预测项目背景介绍.mp4
39_2-3-11深度学习核心算法-深度学习案例实践-比特币价格预测项目数据集说明.mp4
40_2-3-12深度学习案例实践-比特币价格预测项目模型介绍.mp4
41_2-3-13深度学习案例实践-比特币价格预测项目输入数据解析.mp4
42_2-3-14深度学习案例实践-比特币价格预测项目总结.mp4
43_2-4-1机器视觉应用场景与基本流程.mp4
44_2-4-2机器视觉核心技术-图像预处理.mp4
45_2-4-3-机器视觉核心技术-图像预处理演示.mp4
46_2-4-4机器视觉核心技术-图像分类.mp4
47_2-4-5机器视觉核心技术-目标检测算法.mp4
48_2-4-6机器视觉核心技术-目标跟踪算法.mp4
49_2-4-7机器视觉案例实践-车型识别分类-01节-项目背景介绍.mp4
50_2-4-7机器视觉案例实践-车型识别分类-02节-项目数据集介绍.mp4
51_2-4-7机器视觉案例实践-车型识别分类-03节-数据处理部分解读.mp4
52_2-4-7-机器视觉案例实践-车型识别分类-04节-模型部分解读.mp4
53_2-4-7机器视觉案例实践-车型识别分类-05节-项目总结.mp4
54_2-4-8机器视觉案例实践-汽车目标检测-01节-项目背景介绍.mp4
55_2-4-8机器视觉案例实践-汽车目标检测-02节-项目模型结构过程说明.mp4
56_2-4-8机器视觉案例实践-汽车目标检测-03节-Yolo3预测源码解析.mp4
57_2-4-8机器视觉案例实践-汽车目标检测-04节-Yolo3源码解析.mp4
58_2-4-8机器视觉案例实践-汽车目标检测-05节-Yolo3模型部分源码.mp4
59_2-4-8机器视觉案例实践-汽车目标检测-06节-项目总结.mp4
60_2-5-1自然处理应用场景与基本流程.mp4
61_2-5-2自然处理核心算法-分词.mp4
62_2-5-3自然处理核心算法-文本特征提取.mp4
63_2-5-4自然处理核心算法-基于深度学习的文本分类技术.mp4
64_2-5-5自然处理核心算法-文本聚类技术.mp4
65_2-5-6自然处理核心算法-文本相似度技术.mp4
66_2-5-7自然处理核心案例实践-新闻分类-01节-项目背景介绍.mp4
67_2-5-7自然处理核心案例实践-新闻分类-02节-数据集介绍.mp4
68_2-5-7自然处理核心案例实践-新闻分类-03节-数据处理模块讲解.mp4
69_2-5-7自然处理核心案例实践-新闻分类-04节-项目总结.mp4
70_2-5-8自然处理核心案例实践-新闻命名实体抽取-01节-项目背景介绍.mp4
71_2-5-8自然处理核心案例实践-新闻命名实体抽取-02节-项目模型介绍.mp4
72_2-5-8自然处理核心案例实践-新闻命名实体抽取-03节-数据集介绍.mp4
73_2-5-8-自然处理核心案例实践-新闻命名实体抽取-04节-模型数据处理逻辑介绍.mp4
74_2-5-8自然处理核心案例实践-新闻命名实体抽取-05节-模型数据处理逻辑介绍.mp4
75_2-6-1-机器人技术介绍及其与人工智能的关系.mp4
76_2-6-2机器人核心技术-行动规划.mp4
77_2-6-3机器人核心技术-机器视觉.mp4
78_2-6-4机器人核心技术-传感器技术.mp4
79_3-0-1深度学习工具-Keras介绍.mp4
80_3-0-2深度学习工具-Keras中的卷积神经网络.mp4
81_3-0-3深度学习工具--Keras中的循环神经网络.mp4
82_3-0-4深度学习工具--Keras中的采样层.mp4
83_3-0-5深度学习工具-Keras中的激活层等相关的内容.mp4
84_3-1-1如何通过AI实时识别马路上的车辆-项目背景介绍.mp4
85_3-1-2如何通过AI实时识别马路上的车辆-标注工具Labelimg.mp4
86_3-1-3如何通过AI实时识别马路上的车辆-yolov3源码说明.mp4
87_3-1-4如何通过AI实时识别马路上的车辆-前期准备.mp4
88_3-1-5如何通过AI实时识别马路上的车辆-试验官方模型.mp4
89_3-1-6如何通过AI实时识别马路上的车辆-制作VOC数据集.mp4
90_3-1-7如何通过AI实时识别马路上的车辆--YOLO模型训练.mp4
91_3-1-8如何通过AI实时识别马路上的车辆--项目总结.mp4
92_3-2-1互联网案例-如何通过人工智能预测客户可能会点击哪些广告?-学习目标与开发工具.mp4
93_3-2-2互联网案例-如何通过人工智能预测客户可能会点击哪些广告-项目背景介绍.mp4
94_3-2-3互联网案例-如何通过人工智能预测客户可能会点击哪些广告-数据集介绍.mp4
95_3-2-4互联网案例-如何通过人工智能预测客户可能会点击哪些广告--Wide&Deep模型.mp4
96_3-2-5互联网案例-如何通过人工智能预测客户可能会点击哪些广告--数据加载模块实现.mp4
97_3-2-6互联网案例-如何通过人工智能预测客户可能会点击哪些广告--onehot模块实现.mp4
98_3-2-7互联网案例-如何通过人工智能预测客户可能会点击哪些广告-数据预处理模块实现..mp4
99_3-2-8互联网案例-如何通过人工智能预测客户可能会点击哪些广告-wide&deep模型实.mp4
Copyright © All rights reserved.
信息加载中,请等待...