资源详情
Python程序入门视频
1.1_课程Python介绍_压缩.mp4
1.2环境配置1.mp4
1.3配置Python环境2.mp4
2.1Package以及数据类型.mp4
2.2_Part2字符串String和变量Variable.mp4
2.2_数据类型2整型_字符串.mp4
3.1数据结构列表List.mp4
3.2_Part2列表List元组tuple对比.mp4
3.2元组Tuple.mp4
3.3词典Dictionary.mp4
3.4函数function1.mp4
3.4函数Function2.mp4
4.1控制流1IfFor.mp4
4.2控制流2WhileRangePart1.mp4
4.2控制流2WhileRangePart2.mp4
4.3控制流2BreakContinuePass.mp4
5.1输入输出格式IoConsole.mp4
5.2文件输入输出FileIo.mp4
6.1错误与异常ErrorsExceptions.mp4
7.1面向对象以及装饰器OoDecorators.mp4
8.1图形界面介绍GuiTkinter.mp4
8.2猜数字游戏.mp4
9创建网页.mp4
去重4.2控制流2WhileRangePart2.mp4
重录3.4Function1.mp4
机器学习深度学习基础
1.1课程介绍机器学习介绍上.mp4
1.1课程介绍机器学习介绍下.mp4
1.2深度学习介绍.mp4
2基本概念.mp4
3.1决策树算法.mp4
3.2决策树应用.mp4
4.1最邻近规则分类KNN算法.mp4
4.2最邻近规则KNN分类应用.mp4
5.1 支持向量机(SVM)算法（上）.html
5.1 支持向量机(SVM)算法（上）应用.html
5.1支持向量机SVM上.mp4
5.1支持向量机SVM上应用.mp4
6.2神经网络算法应用上.mp4
6.3神经网络算法应用下.mp4
7.1简单线忄生回归上.mp4
7.2简单线忄生回归下.mp4
7.3多元线忄生回归.mp4
7.4多元线忄生回归应用.mp4
7.5非线忄生回归 Logistic Regression.mp4
7.6非线忄生回归应用.mp4
7.7回归中的相关度和决定系数.mp4
7.8回归中的相关忄生和R平方值应用.mp4
8.1Kmeans算法.mp4
8.2Kmeans应用.mp4
8.3Hierarchical clustering 层次聚类.mp4
8.4Hierarchical clustering 层次聚类应用.mp4
神经网络NN算法.mp4
支持向量机(SVM)算法(下)应用.mp4
支持向量机(SVM)算法下.mp4
总结.mp4
机器学习深度学习基础
第1章 基本概念清晰版.mp4
第2章 软件包安装和环境配置总述.mp4
第3章 环境配置分部详解.mp4
第4章 环境配置分部详解下.mp4
第5章 手写数字识别.mp4
第6章 神经网络基本结构及梯度下降算法.mp4
第7章 随机梯度下降算法.mp4
第8章 梯度下降算法实现上.mp4
第9章 梯度下降算法实现下.mp4
第10章 神经网络手写数字演示.mp4
第11章 Backpropagation算法上.mp4
第12章 Backpropagation算法下.mp4
第13章 Backpropagation算法实现.mp4
第14章 cross-entropy函数.mp4
第15章 Softmax和Overfitting.mp4
第16章 Regulization.mp4
第17章 Regulazition和Dropout.mp4
第18章 正态分布和初始化(修正版).mp4
第19章 提高版本的手写数字识别实现.mp4
第20章 神经网络参数hyper-parameters选择.mp4
第21章 深度神经网络中的难点.mp4
第22章 用ReL解决VanishingGradient问题.mp4
第23章 ConvolutionNerualNetwork算法.mp4
第24章 ConvolutionNeuralNetwork实现上.mp4
第25章 ConvolutionNeuralNetwork实现下.mp4
第26章 Restricted Boltzmann Machine.mp4
第27章 Restricted Boltzmann Machine下.mp4
第28章 Deep Brief Network 和 Autoencoder.mp4
