扫码支付

购买商品:课程名称读取中
商品价格:

价格读取中

支付方式:
微信

请扫码进行支付

支付宝

请扫码进行支付

二维码已过期,请点击刷新

  • 课程> 人工智能> 机器学习
  • 【决胜AI系列】机器学习&深度学习系统实战!

    本课程支持以下优惠:

  • 由百度云提供技术支持
    课程目录
    第一章:回归算法原理推导
    • 1. 系列课程概述 (PPT和代码在右侧有个下载箭头->) (免费)
    • 5:34
    • 2. 系列课程Python环境配置 (免费)
    • 10:44
    • 3. 机器学习概述 (免费)
    • 10:39
    • 4. 回归算法原理推导 (免费)
    • 11:48
    • 5. 回归算法误差项分析
    • 9:32
    • 6. 回归算法目标函数求解
    • 13:02
    • 7. 数学推导能做什么
    • 7:05
    • 8. 科学计算库Numpy简介
    • 7:56
    • 9. 答疑与讨论
    • 22:32
    第二章:决策树与随机森林
    • 1. 决策树概述 (免费)
    • 8:29
    • 2. 熵原理 (免费)
    • 10:59
    • 3. 决策树构造实例
    • 10:28
    • 4. 信息增益率
    • 6:51
    • 5. 决策树剪枝策略
    • 10:07
    • 6. 随机森林模型
    • 8:25
    • 7. 决策树剪枝参数
    • 7:30
    • 8. 逻辑回归原理
    • 12:15
    • 9. 答疑与讨论
    • 12:40
    第三章:实战样本不均衡数据解决方法(上)
    • 1. Numpy基础操作(代码下载->) (免费)
    • 7:21
    • 2. Numpy数组运算
    • 12:13
    • 3. Numpy常用函数
    • 10:33
    • 4. Pandas基础
    • 17:02
    • 5. Pandas常用函数 (免费)
    • 9:49
    • 6. Pandas预处理实例
    • 9:29
    • 7. 透视表与自定义函数
    • 14:02
    • 8. 答疑与讨论
    • 22:01
    第四章:实战样本不均衡数据解决方法(下)
    • 1. 欺诈检测数据背景(数据代码下载->) (免费)
    • 11:41
    • 2. 下采样策略
    • 8:17
    • 3. 交叉验证 (免费)
    • 9:17
    • 4. 梯度下降原理
    • 9:30
    • 5. 梯度下降实例
    • 4:58
    • 6. 模型评估方法
    • 13:43
    • 7. 正则化惩罚项
    • 7:44
    • 8. 使用scikit-learn进行建模
    • 7:38
    • 9. 混淆矩阵
    • 12:37
    第五章:支持向量机
    • 1. 下采样策略复习
    • 8:01
    • 2. 阈值对模型结果的影响
    • 8:40
    • 3. SMOTE算法完成过采样
    • 10:07
    • 4. 支持向量机算法优化目标
    • 13:34
    • 5. 拉格朗日乘子法求解
    • 7:53
    • 6. 目标函数求解
    • 9:22
    • 7. 支持向量机求解实例
    • 13:34
    • 8. 软间隔支持向量机
    • 5:27
    第六章:Xgboost集成算法
    • 1. 支持向量机核变换问题
    • 12:28
    • 2. 支持向量机参数 (免费)
    • 5:00
    • 3. Xgboost基本思想
    • 11:45
    • 4. Xgboost原理推导
    • 11:47
    • 5. Xgboost求解
    • 10:00
    • 6. Xgboost库安装
    • 6:44
    • 7. Xgboost使用实例
    • 12:10
    第七章:神经网络基础
    • 1. 深度学习概述(神经网络PPT下载-->)
    • 15:02
    • 2. 计算机视觉挑战与常规套路 (免费)
    • 11:32
    • 3. 线性分类
    • 11:49
    • 4. Softmax分类器
    • 8:06
    • 5. 最优化问题
    • 9:51
    • 6. 反向传播与参数更新
    • 14:45
    • 7. 神经网络概述
    • 4:49
    第八章:神经网络整体架构
    • 1. 神经网络整体架构
    • 10:03
    • 2. 神经网络DEMO演示
    • 11:44
    • 3. 正则化与激活函数 (免费)
    • 11:50
    • 4. dropOut
    • 10:28
    • 5. 特征工程
    • 6:02
    • 6. BenchMark
    • 19:31
    • 7. 卷积神经网络应用
    • 5:59
    第九章:卷积神经网络
    • 1. 卷积神经网络概述
    • 11:14
    • 2. 卷积特征提取
    • 7:37
    • 3. 卷积计算流程
    • 12:24
    • 4. 边缘填充
    • 9:06
    • 5. 卷积参数共享
    • 7:12
    • 6. 池化层操作
    • 13:22
    • 7. 经典网络架构
    • 13:52
    第一十章:深度学习框架-Tensorflow实战
    • 1. Tensorflow安装(数据代码-->下载)
    • 10:05
    • 2. Tensorflow变量
    • 10:45
    • 3. 基本使用方法
    • 9:27
    • 4. 线性回归实例
    • 12:14
    • 5. 神经网络结构与参数定义
    • 10:30
    • 6. 神经网络迭代训练 (免费)
    • 9:26
    • 7. 卷积神经网络实战Mnist数据集
    • 9:52
    第一十一章:案例实战-验证码识别
    • 1. 卷积参数设置 (免费)
    • 11:11
    • 2. 完成网络模型设计
    • 10:30
    • 3. 网络迭代训练
    • 10:37
    • 4. 验证码识别任务概述
    • 8:15
    • 5. 训练验证码识别网络模型
    • 15:17
    • 6. Kmeans聚类算法
    • 8:02
    • 7. 聚类综述
    • 13:04
    第一十二章:案例实战-人脸检测
    • 1. Caffe数据层配置文件
    • 16:47
    • 2. Caffe计算层配置
    • 7:17
    • 3. 超参数配置
    • 14:33
    • 4. Caffe数据源制作
    • 12:14
    • 5. 网络模型训练
    • 15:38
    • 6. 代码概述与答疑讨论
    • 24:00
    • 【课程类型】实战教学 【难度级别】高级 【适合人群】所有人
    • 【课程介绍】
      数学原理推导与案例实战紧密结合,由机器学习经典算法过度到深度学习的世界,结合深度学习两大主流框架Caffe与Tensorflow,选择经典项目实战人脸检测与验证码识别。原理推导,形象解读,案例实战缺一不可! 专属会员卡优惠链接:http://edu.csdn.net/lecturer/1079 更多精彩课程紧张录制中~
    • 【课程目标】
      掌握机器学习算法与应用。数据和代码在课程目录里面右侧有下载符号,得用电脑登录下载。
    • 【课程计划】
      连载课程,有任何问题欢迎随时与我进行讨论和交流!

    第一章:回归算法原理推导
    9 答疑与讨论
    22:32

    第二章:决策树与随机森林
    2 熵原理
    10:59
    9 答疑与讨论
    12:40

    第三章:实战样本不均衡数据解决方法(上)
    4 Pandas基础
    17:02
    8 答疑与讨论
    22:01

    第四章:实战样本不均衡数据解决方法(下)
    3 交叉验证
    9:17
    9 混淆矩阵
    12:37

    第五章:支持向量机

    第六章:Xgboost集成算法
    5 Xgboost求解
    10:00

    第七章:神经网络基础
    3 线性分类
    11:49

    第八章:神经网络整体架构
    4 dropOut
    10:28
    5 特征工程
    6:02
    6 BenchMark
    19:31

    第九章:卷积神经网络
    4 边缘填充
    9:06
    6 池化层操作
    13:22

    第一十章:深度学习框架-Tensorflow实战

    第一十一章:案例实战-验证码识别
    7 聚类综述
    13:04

    第一十二章:案例实战-人脸检测
    3 超参数配置
    14:33

    全部评价(11
    好评(10
    中评(1
    差评(0
    发表评价
    口头禅也太多了,听着有点不舒服,公式之间的逻辑讲的不是很详细
    2017-07-26 08:46:19
    第十一节课的代码怎么还没上传??
    2017-07-19 10:04:44
    第12节课的视频怎么没上传?
    2017-07-18 17:19:06
    上节课的录像还没有上传,一会又上课了。希望老师能提前一天上传。
    2017-06-29 16:44:50
    声音听着不舒服,感觉老师话筒太近,舌头动都听得到,很不舒服
    2017-06-28 10:21:20
    老师讲得非常好,逻辑性非常强
    2017-06-28 09:38:52
    为什么回放还没有传上来呢?
    2017-06-26 16:01:53
    [追加评论]12节课的视频什么时候传啊,快一周了
    老师有个问题请教下: 如何做数据ABC分类,比如根据商品的某个指标占比如果>=80%则为A类;如果70-80%之间则为B类;其它为C类 老师可否提供个思路及具体使用哪个算法,望能回复,谢谢
    2017-06-26 10:22:46
    适合快速入门。 自己数学基础比较差,曾经买了很多书,都没有这次听的明白。 现在已经讲了4节课了,第四节内容比较多,估计要反复看两遍重播才行。
    2017-06-16 14:51:50
    讲的时候挺快的,比较浓缩,需要再回来慢慢学,边学边查资料才能弄明白。讲的还是不错的
    2017-06-15 21:35:51
    唐宇迪
    28课程162200学员
    计算机博士,专注于机器学习与计算机视觉领域,深度学习领域一线实战专家。在图像识别领域有着丰富经验,实现过包括人脸识别,物体识别,关键点检测等多种应用的最新算法。 参与多个国家级计算机视觉项目,多年数据领域培训经验,丰富的教学讲解经验,出品多套机器学习与深度学习系列课程,课程生动形象,风格通俗易懂。