課程簡(jiǎn)介
人工智能很火,機(jī)器學(xué)習(xí)很熱,很多同學(xué)想去學(xué)習(xí),但不知如何下手
網(wǎng)上教程很多,上來(lái)就學(xué)習(xí)模型,使用框架,繞來(lái)繞去,理解不了底層原理
機(jī)器學(xué)習(xí)算法推理,大量公式和高等數(shù)學(xué)讓人崩潰,一不小心從入門(mén)到放棄
本套課程從零開(kāi)始,講解人工智能的全部核心基礎(chǔ), 4天課讓你掌握機(jī)器學(xué)習(xí)、線性代數(shù)、微積分和概率論,學(xué)完課程你可以自己推導(dǎo)損失函數(shù),實(shí)現(xiàn)梯度下降,手寫(xiě)神經(jīng)網(wǎng)絡(luò),把控?zé)o人駕駛,完成手寫(xiě)字識(shí)別…
課程特色
1、通俗易懂,原理和編程分開(kāi)講解。
2、0基礎(chǔ)就能聽(tīng)懂原理,無(wú)需Python基礎(chǔ),了解任意一門(mén)編程語(yǔ)言就能聽(tīng)懂代碼;
3、不用框架,自己動(dòng)手實(shí)現(xiàn)機(jī)器學(xué)習(xí)核心代碼,寫(xiě)神經(jīng)網(wǎng)絡(luò)
4、重視原理,講解高等數(shù)學(xué)背后的演化過(guò)程,從向量到矩陣,從極限到微分
5、由淺入深,從helloworld到神經(jīng)網(wǎng)絡(luò)
6、案例豐富,大量實(shí)用案例貫穿課程,機(jī)器人投擲,預(yù)測(cè)房?jī)r(jià),無(wú)人駕駛,自主定位等…
課程目錄
第1天:
00_為什么要學(xué)習(xí)數(shù)學(xué)
01_引言和學(xué)習(xí)方法
02_feature和label
03_什么是機(jī)器學(xué)習(xí)
04_數(shù)據(jù)采集方式
05_knn算法入門(mén)
06_knn算法python實(shí)現(xiàn)
07_代碼流程回顧
08_抽取knn函數(shù)
09_實(shí)驗(yàn)演示驗(yàn)證結(jié)論
10_評(píng)估模型好壞的方法,訓(xùn)練集和測(cè)試集
11_生成測(cè)試和訓(xùn)練數(shù)據(jù)集
12_調(diào)參選取最優(yōu)的k
13_增加數(shù)據(jù)的維度
14_numpy加載特殊數(shù)據(jù)
15_歐式距離
16_二維空間距離的計(jì)算
17_代碼增加一個(gè)維度
18_數(shù)據(jù)歸一化
19_knn的feature的選擇
20_向量和向量的運(yùn)算
21_概念總結(jié)
22_使用矩陣和向量實(shí)現(xiàn)knn
23_ 房?jī)r(jià)預(yù)測(cè)簡(jiǎn)單框架
24_數(shù)據(jù)的歸一化和標(biāo)準(zhǔn)化
附1_如何學(xué)習(xí)數(shù)學(xué)
附:?jiǎn)栴}1
第2天:
01_線性回歸和Knn
02_線性回歸解決什么問(wèn)題
03_Excel進(jìn)行線性回歸
04_損失函數(shù)和最小均方差
05_excle來(lái)簡(jiǎn)單理解梯度下降
06_梯度下降的問(wèn)題分析
07_求導(dǎo)簡(jiǎn)單入門(mén)
08_mse對(duì)b進(jìn)行求導(dǎo)
09_Excel演示梯度下降&學(xué)習(xí)速率
10_偏導(dǎo)數(shù)分別求解m和b的導(dǎo)數(shù)
11_對(duì)m和b分別進(jìn)行梯度下降
12_Python代碼實(shí)現(xiàn)梯度下降
13_代碼測(cè)試生成m和b
14_作業(yè)演示
附_作業(yè)講解
第3天:
01_高等數(shù)學(xué)入門(mén)
02_問(wèn)題描述
03_簡(jiǎn)單理解矩陣運(yùn)算的現(xiàn)實(shí)含義
04_矩陣的形狀
05_矩陣的加法
06_手動(dòng)計(jì)算矩陣的乘法
07_矩陣的乘法不滿足交換律
08_用numpy進(jìn)行矩陣的乘法運(yùn)算
09_矩陣運(yùn)算計(jì)算m和b的偏導(dǎo)數(shù)
10_numpy矩陣運(yùn)算演示獲取m和b的偏導(dǎo)
11_用矩陣運(yùn)算重構(gòu)線性回歸代碼
12_對(duì)比程序執(zhí)行的時(shí)間
13_增加數(shù)據(jù)的維度
14_函數(shù)模型的評(píng)估和錯(cuò)誤率的計(jì)算
15_矩陣可以理解為一個(gè)變化函數(shù)
16_bmp是如何描述圖片的
17_位圖和svg圖的區(qū)別
18_矩陣運(yùn)算變化圖片的位置
19_矩陣運(yùn)算旋轉(zhuǎn)圖形
20_矩陣的縮放處理
21_圖形變換綜合案例
22_機(jī)器學(xué)習(xí)淺談
23_sigmod函數(shù)引入
24_邏輯回歸的步驟
附:擴(kuò)展作業(yè)
第4天:
01_自然底數(shù)和sigmod函數(shù)
02_矩陣運(yùn)算計(jì)算邏輯回歸
03_邏輯回歸簡(jiǎn)單實(shí)現(xiàn)
04_多分類(lèi)問(wèn)題
05_多分類(lèi)的概率問(wèn)題思考
06_多分類(lèi)問(wèn)題softmax公式
07_手寫(xiě)數(shù)字?jǐn)?shù)據(jù)集
08_手寫(xiě)數(shù)字的識(shí)別原理
09_手寫(xiě)數(shù)字?jǐn)?shù)據(jù)集的處理
10_手寫(xiě)數(shù)字的識(shí)別
11_手寫(xiě)數(shù)字bug處理
12_ai自動(dòng)駕駛
13_神經(jīng)網(wǎng)絡(luò)的作用
14_多層神經(jīng)網(wǎng)絡(luò)演示
15_感知機(jī)
16_感知機(jī)數(shù)學(xué)原理
17_線性模型和非線性模型
18_交叉熵cross-entropy
19_概率簡(jiǎn)介