[百战程序员]AI算法工程师就业班 - 带源码课件网盘资源 | 影盘社

file:夸克主页搜索“高燃片库影视”后有惊喜!.png
file:课件.zip
file:27:二次型.mp4
file:28:补充关于正定负定的理解.mp4
file:15:学习向量计算的用途举例.mp4
file:50:坐标下降法_数值优化面临的问题.mp4
file:2:线性代数_概率论知识点.mp4
file:29:特征值和特征向量(1).mp4
file:16:向量的范数_范数与正则项的关系.mp4
file:19:矩阵的运算_加减法_转置.mp4
file:10:高阶导数_导数判断单调性_导数与极值.mp4
file:35:奇异值分解性质_数据压缩.mp4
file:6:常见函数的求导公式.mp4
file:26:Hessian矩阵.mp4
file:11:导数判断凹凸性_导数用于泰勒展开.mp4
file:45:最优化的基本概念.mp4
file:42:常用随机变量服从的分布.mp4
file:3:最优化知识_数学内容学习重点.mp4
file:48:梯度下降法的推导.mp4
file:24:高阶偏导数_梯度.mp4
file:12:向量的意义_n维欧式空间空间.mp4
file:7:导数求解的四则运算法则.mp4
file:数学.pdf
file:53:凸优化的性质_一般表达形式.mp4
file:46:迭代求解的原因.mp4
file:36:SVD用于PCA降维.mp4
file:8:有监督机器学习任务与本质.mp4
file:4:人工智能在各领域的应用.mp4
file:6:机器学习不同的学习方式.mp4
file:7:深度学习比传统机器学习有优势.mp4
file:2:人工智能适合人群与必备技能.mp4
file:41:特征组合降维在GBDT+LR架构应用.mp4
file:36:GBDT多分类叶子节点分值计算.mp4
file:24:GBDT令每个弱学习器f(x)去拟合负梯度.mp4
file:30:GBDT中shrinkage学习率和最优树权重ρ可以共存.mp4
file:45:GBDT+LR架构预测评估代码实现.mp4
file:43:GBDT在sklearn中源码剖析_负梯度计算和叶子节点分值计算.mp4
file:39:计算特征重要度进行特征选择.mp4
file:23:GBDT试图使用有监督最优化算法梯度下降求解F(x).mp4
file:32:GBDT多分类如何每轮给K颗小树准备要去拟合的负梯度.mp4
file:26:GBDT应用于回归问题.mp4
file:29:GBDT二分类拟合的负梯度依然是残差.mp4
file:25:GBDT每棵树都是回归树_准备数据才能训练下一颗小树.mp4
file:34:对比GBDT回归,二分类,多分类相同点与不同点.mp4
file:54:Obj化简常数项_明确训练每颗回归树需要准备gi和hi.mp4
file:56:由每个叶子节点重组目标函数Obj.mp4
file:48:基于树集成学习4个优点.mp4
file:49:回顾基于树集成学习的模型和参数并举例说明.mp4
file:55:重新定义树ft和树的复杂度Ω.mp4
file:53:推导XGBoost对Loss二阶泰勒展开之后的Obj.mp4
file:47:Bias_Variance_Trade-off.mp4
file:60:XGBoost中防止过拟合的前剪枝_后剪枝_学习率.mp4
file:52:得出XGBoost最开始的Obj目标函数.mp4
file:62:总结XGBoost的特性_包括缺失值的处理策略.mp4
file:58:根据Obj收益指导每一次分裂从而学习一棵树结构.mp4
file:59:举例说明从连续型和离散型变量中寻找最佳分裂条件.mp4
file:51:Objective_vs_Heuristic.mp4
file:61:样本权重对于模型学习的影响.mp4
file:50:通过目标函数Obj来达到准确率和复杂度平衡.mp4
file:57:推导XGBoost出Wj计算公式_推导评价树好坏的Obj.mp4
file:1:决策树模型的特点.mp4
file:3:如何构建一颗决策树.mp4
file:8:预剪枝以及相关超参数.mp4
file:7:熵与Gini系数关系_信息增益率.mp4
file:14:CCP代价复杂度剪枝_α超参数设定.mp4
file:6:信息增益.mp4
file:9:代码实战决策树对鸢尾花数据集分类.mp4
file:4:什么是更好的一次划分.mp4
file:10:绘制决策树模型_寻找最优树深度.mp4
file:12:后剪枝的意义.mp4
file:5:Gini系数.mp4
file:15:不同聚合方式_生成不同弱学习器方式.mp4
file:16:Bagging_Boosting_Stacking.mp4
file:19:OOB袋外数据.mp4
file:21:调整数据权重让权重正确率达到50%.mp4
file:22:Adaboost如何调整样本权重和求基模型权重.mp4
file:20:Adaboost算法思路.mp4
folder:[百战程序员]AI算法工程师就业班 - 带源码课件
folder:08,机器学习-决策树系列
folder:14-深度学习-图像识别原理
folder:04,人工智能基础-高等数学知识强化
folder:20-深度学习-NLP自然语言处理项目实战
folder:26-[加课]Linux环境编程基础
folder:11-机器学习与大数据-海量数据挖掘工具
folder:24-[加课]Pytorch项目实战
folder:10,机器学习与大数据-Kaggle竞赛实战
folder:16-深度学习-目标检测YOLO(V1-V4全版本)实战
folder:25,[加课]百度飞桨PaddlePaddle实战[新增]
folder:31,[加课]强化学习[新增]
folder:21-深度学习-OCR文本识别
folder:03,人工智能基础-Python科学计算和可视化
folder:27-[加课]算法与数据结构
folder:章节3:GBDT
folder:章节2:集成学习和随机森林
folder:章节4:古典目标检测
folder:章节2:卷积神经网络优化
folder:章节5:现代目标检测之FasterRCNN
folder:章节2:医疗图像UNet语义分割
folder:章节3:蒙版弹幕MaskRCNN语义分割
folder:章节1:上采样_双线性插值_转置卷积
folder:章节6:BERT新浪新闻10分类项目
folder:章节7:GPT2聊天机器人
folder:章节5:实战NER命名实体识别项目
folder:章节2:自然语言处理-情感分析
folder:章节1:聚类系列算法
folder:章节2:EM算法和GMM高斯混合模型
folder:章节2:Spark计算框架深入
folder:章节3:Spark机器学习MLlib和ML模块
folder:章节3:SVM支持向量机算法
folder:章节2:Softmax回归
folder:章节4:PyTorch循环神经网络_词性标注
folder:章节1:PyTorch运行环境安装_运行环境测试
folder:章节2:PyTorch基础_Tensor张量运算
folder:章节2:网页分类案例
folder:章节3:YOLOv3详解
folder:章节5:PaddleNLP模块_物流信息提取(BiGRU+CRF)
folder:章节4:PaddleOCR工具_车牌识别(目标检测+CRNN+CTCLoss)
folder:章节3:PaddleDetection工具_PCB电路板缺陷检测
folder:章节1:PaddlePaddle框架安装_波士顿房价预测
folder:章节1:Q-Learning与SARSA算法
folder:章节2:DeepQ-LearningNetwork
folder:章节3:PolicyGradient策略梯度
folder:章节4:ActorCritic(A3C)
folder:章节5:DDPG,PPO,DPPO算法
folder:章节5:Lasso回归_Ridge回归_多项式回归
folder:章节3:推荐系统-模型使用和推荐服务
folder:章节1:推荐系统-流程与架构
folder:章节2:推荐系统-数据预处理和模型构建评估实战
folder:章节2:自然场景下的目标检测及源码分析
folder:章节4:ELMO_BERT_GPT
folder:章节3:从Attention机制到Transformer
folder:章节1:科学计算模型Numpy
folder:章节3:数据处理分析模块Pandas
folder:章节2:TensorFlow深度学习工具
folder:章节3:反向传播推导_Python代码实现神经网络
folder:章节2:Python基础语法

分享时间

2025-07-01

入库时间

2026-04-30

资源类型

夸克网盘

分享用户

怡然*得的银杏

扫码获取资源

进入网盘

分享资源