python神經網絡算法全集
2016年
(Part One)深度學基礎
1.1課程介紹機器學介紹上.mp4
1.1課程介紹機器學介紹下.mp4
1.2深度學介紹.mp4
2.1基本概念.mp4
3.1決策樹算法.mp4
3.2決策樹應用.mp4
4.1最鄰近規則分類KNN算法.mp4
4.2最鄰近規則KNN分類應用.mp4
5.1 支持向量機(SVM)算法（上）.html
5.1 支持向量機(SVM)算法（上）應用.html
5.1支持向量機SVM上.mp4
5.1支持向量機SVM上應用.mp4
6.2神經網絡算法應用上.mp4
6.3神經網絡算法應用下.mp4
7.1簡單線性回歸上.mp4
7.2簡單線性回歸下.mp4
7.3多元線性回歸.mp4
7.4多元線性回歸應用.mp4
7.5非線性回歸 Logistic Regression.mp4
7.6非線性回歸應用.mp4
7.7回歸中的相關度和決定系數.mp4
7.8回歸中的相關性和R平方值應用.mp4
8.1Kmeans算法.mp4
8.2Kmeans應用.mp4
8.3Hierarchical clustering 層次聚類.mp4
8.4Hierarchical clustering 層次聚類應用.mp4
總結.mp4
支持向量機(SVM)算法(下)應用.mp4
支持向量機(SVM)算法下.mp4
神經網絡NN算法.mp4
(Part Two)深度學進階
第1章 基本概念清晰版.mp4
第2章 軟件包安裝和環境配置總述.mp4
第3章 環境配置分部詳解.mp4
第4章 環境配置分部詳解下.mp4
第5章 手寫數字識別.mp4
第6章 神經網絡基本結構及梯度下降算法.mp4
第7章 隨機梯度下降算法.mp4
第8章 梯度下降算法實現上.mp4
第9章 梯度下降算法實現下.mp4
第10章 神經網絡手寫數字演示.mp4
第11章 Backpropagation算法上.mp4
第12章 Backpropagation算法下.mp4
第13章 Backpropagation算法實現.mp4
第14章 cross-entropy函數.mp4
第15章 Softmax和Overfitting.mp4
第16章 Regulization.mp4
第17章 Regulazition和Dropout.mp4
第18章 正態分布和初始化(修正版).mp4
第19章 提高版本的手寫數字識別實現.mp4
第20章 神經網絡參數hyper-parameters選擇.mp4
第21章 深度神經網絡中的難點.mp4
第22章 用ReL解決VanishingGradient問題.mp4
第23章 ConvolutionNerualNetwork算法.mp4
第24章 ConvolutionNeuralNetwork實現上.mp4
第25章 ConvolutionNeuralNetwork實現下.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
(Part Three)深度深入與強化
第1課 機器學中數學基礎
第2課 高效計算基礎與圖像線性分類器
第3課 梯度下降法與反向傳播
第4課 CNN與常用框架
第5課 CNN訓練注意事項與框架使用
第6課 CNN推展案例
第7課 RNN介紹
第8課 RNN應用
第9課 更多的網絡類型
第10課 更多框架
文件夾截圖
