文件清单 133 项

• 1.2-1.5.pdf
• 1.3 开发工具的选择.mp4
• 1.4 jupyter使用.mp4
• 1.5 第三方模块管理.mp4
• 1.6 理解变量.mp4
• 1.6-1.8.pdf
• 1.7 输入输出语句与基本语法.mp4
• 1.8 三种运算符.mp4
• 1.9 条件语句-if语句.mp4

展开全部 133 项

• 1.9.pdf
• 1.10 循环语句-while循环.mp4
• 1.11 循环语句-for循环.mp4
• 1.12 快速入门函数.mp4
• 1.12.pdf
• 2.1 数字基础.mp4
• 2.2随机数模块.pdf
• 2.4 随机数模块.mp4
• 3.1 序列基础.mp4
• 3.1序列.pdf
• 3.2 序列通用函数.mp4
• 3.2字符串详解.pdf
• 3.3 字符串.mp4
• 3.3列表.pdf
• 3.4 字符串相关函数.mp4
• 3.4列表解析.pdf
• 3.5.1 字符串相关方法(1).mp4
• 3.5.2 字符串相关方法(2).mp4
• 3.5.3 字符串相关方法(3).mp4
• 3.7 列表操作详解.mp4
• 3.8 元组.mp4
• 1.1_深度学习的基本概念.mp4
• 1.2_深度学习的发展历程.mp4
• 1.3_深度学习的应用.mp4
• 2.1_数学基础回顾.mp4
• 2.2_机器学习基础回顾.mp4
• 3.1_logistic回归.mp4
• 3.2_softmax回归.mp4
• 4.1_多层感知机_前言.mp4
• 4.2_前向计算.mp4
• 4.5_深度学习模型的训练技巧I.mp4
• 5.4_典型的卷积神经网络.mp4
• 6.2_处理过拟合.mp4
• 7.1_图像分类.mp4
• 7.2_物体检测.mp4
• 7.3_图像分割.mp4
• 7.4_图像风格转换.mp4
• 8.1_动态系统.mp4
• 8.2_RNNs.mp4
• 8.3_门控RNNs.mp4
• 8.4_语音识别应用.mp4
• 9.2_词表示.mp4
• 9.4_神经网络进行机器翻译.mp4
• 10.1_生成式模型.mp4
• 10.2_受限玻尔兹曼机.mp4
• 10.3_深度信念网络.mp4
• 10.4 生成对抗网络.mp4
• 第一章.pdf
• 第二章.pdf
• 第三章.pdf
• 第四章.pdf
• 1.1_深度学习的基本概念.mp4
• 1.2_深度学习的发展历程.mp4
• 1.3_深度学习的应用.mp4
• 1.4_深度学习的潜在风险.mp4
• 2.1_数学基础回顾.mp4
• 2.2_机器学习基础回顾.mp4
• 3.1_logistic回归.mp4
• 3.2_softmax回归.mp4
• 4.1_多层感知机_前言.mp4
• 4.2_前向计算.mp4
• 4.3_反向计算.mp4
• 4.4_层分解.mp4
• 4.5_深度学习模型的训练技巧I.mp4
• 5.1_卷积神经网络简介.mp4
• 5.2_卷积层.mp4
• 5.3_池化层.mp4
• 5.4_典型的卷积神经网络.mp4
• 6.1_优化器.mp4
• 6.2_处理过拟合.mp4
• 6.3_批归一化.mp4
• 6.4_超参数选取.mp4
• 7.1_图像分类.mp4
• 7.2_物体检测.mp4
• 7.3_图像分割.mp4
• 7.4_图像风格转换.mp4
• 8.1_动态系统.mp4
• 8.2_RNNs.mp4
• 8.3_门控RNNs.mp4
• 8.4_语音识别应用.mp4
• 9.1_NLP典型任务.mp4
• 1.1_初识机器学习.mp4
• 1.1.1_机器学习的应用背景 .mp4
• 1.1.1_机器学习的应用背景.mp4
• 1.1.2_什么是机器学习 .mp4
• 1.1.2_什么是机器学习.mp4
• 1.2_一般的机器学习系统设计_part01 .mp4
• 1.2_一般的机器学习系统设计_part01.mp4
• 1.2_一般的机器学习系统设计_part02 .mp4
• 1.2_一般的机器学习系统设计_part02.mp4
• 学堂在线清华大学驭风计划深度学习python算法/
• 机器学习训练营(2022_第9期)/
• 算法训练营/
• 驭风计划-python入门与应用/
• 驭风计划-深度学习/
• 驭风计划-深度学习(标清)/
• 自然语言处理训练营(2023_第3期)/
• 自然语言处理训练营(2024_第1期)/
• 01.序-学习课件/
• 02.机器学习基础/
• 03.机器学习实验方法与原则/
• 04.决策树学习/
• 05.回归分析/
• 06.贝叶斯学习/
• 07.基于实例的学习方法/
• 08.支持向量机(SVM)/
• 09.无监督学习/
• 10.集成学习/
• 11.深度学习基础/
• 12.基于群体智慧的机器学习数据集构建/
• 13.机器学习算法总结/
• 14.毕业设计/
• 直播回放/
• 第0课:调整姿势,迎接算法挑战/
• 第1部分:初入宝山,窥探算法奥秘/
• 第2部分:渐入佳境,领略算法之美/
• 第3部分:坚持不懈,修炼算法内功/
• 第4部分:持续烧脑,精研算法之妙/
• 第5部分:蓄力前行,勇攀算法高峰/
• 上机实践:习题精讲/
• 直播回放/
• 深度学习直播答疑/
• {1}-课程/
• {1}-课程/