包含课程

  • 2676人 学习人数
    4.8分 课程评分
    大白话GBDT算法-通俗理解GBDT原理
    本课程分为4个模块。 第一个模块通过预测年龄的直观案例理解GBDT算法流程。 第二个模块通过GBDT的三要素:GB(梯度提升),DT(回归树)和Shrinkage(缩减)理解GBDT的算法核心。 第三个模块通过剖析分类和回归损失函数来讲解GBDT在分类和回归方面的应用。 第四个模块通过手动方式一步步拆解讲解GBDT回归,二分类,多分类的过程,还原真实迭代流程。 第五个模块通过真实案例讲解GBDT的工作中所用API。 资料: 视频:
    算法
    人工智能
    机器学习
    GBDT
    回归树
  • 2161人 学习人数
    4.6分 课程评分
    大白话XGBoost算法--彻底了解XGBoost
    本文通过XGBoost的算法思想到XGBoost的目标函数转换,通过泰勒公式和叶节点的角度对XGBoost目标函数进行转换,然后通过树结构的生成策略去生成每一颗模型树,最后讲解于GBDT的算法区别以及相关参数。 目录如下: 1.1XGBoost算法思想 1.2XGBoost目标函数 1.3XGBoost目标函数转化-结合泰勒公式 1.4XGBoost目标函数转换-以叶节点角度 1.5XGBoost目标函数求解和案例理解 1.6XGBoost学习策略-树结构的生成 1.7XGBoost特性-区别于GBDT 1.8XGBoost代码实战-相关参数 资料如下: 视频文件:
    算法
    机器学习
    XGBoost
    泰勒公式
    树结构生成
  • 1567人 学习人数
    4.6分 课程评分
    大白话贝叶斯定理--让你爱上贝叶斯
    本系列通过通俗的形式讲解贝叶斯算法的所有知识点 让你对贝叶斯有个清晰的认识过程。 1.1贝叶斯定理 1.2贝叶斯定理的应用--单个特征举例 1.3贝叶斯定理的应用--多个特征到朴素贝叶斯 1.4多项式朴素贝叶斯算法案例--离散特征 1.5多项式朴素贝叶斯算法案例--平滑下的计算 1.6高斯和伯努利朴素贝叶斯--连续特征 1.7朴素贝叶斯算法应用场景--文本分类原因 1.8基于高斯朴素贝叶斯算法的鸢尾花数据分类 1.9不同分类器下新闻数据分类效果的比较
    人工智能
    机器学习
    算法
    应用
    数据
  • 2140人 学习人数
    4.6分 课程评分
    大白话tensorflow--从此爱上tensorflow
    本系列介绍tensorflow从初始到应用,以及工作中常用知识如模型存储和持久化等,让tensorflow从此走进工作中 1.1tensorflow介绍 1.2tensorflow基本概念 1.3tensorflow常量示意和神经网络开发流程 1.4tensorflow会话流程 1.5tensorflow会话session的config设置 1.6tensorflow中Variable变量和Placeholder示意 1.7tensorflow中变量命名作用域 1.8tensorflow变量更新和控制依赖 1.9tensorflow中可视化 1.10tensorflow实现线性回归算法 1.11tensorflow模型持久化操作 1.12tensorflow模型参数解释 1.13tensorflow模型断点续传解决方式 1.14tensorflow模型存储和恢复不一致问题解决 1.15tensorflow模型根据图结构恢复方式 1.16tensorflow中softmax函数实现 1.17tensorflow中argmax和reduce_sum及手写体数字集 1.18tensorflow基于手写体数字集实现分类 1.19tensorflow分类MBGD和SGD实现过程 代码:
    神经网络
    可视化
    算法
    存储
    结构
  • 4222人 学习人数
    4.6分 课程评分
    大白话神经网络和BP算法--从此爱上神经网络
    本系列中为大家生动形象得讲解神经网络的来源和相关知识点,此外通过案例清楚的了解BP算法的来龙去脉。1.1神经网络来源1.2了解感知器认知过程1.3感知器代码实现逻辑或和与1.4感知器网络和S型神经元及激活函数1.5神经网络之结构详解1.6.1神经网络BP算法前置知识1.6.2神经网络BP算法W7过程演练1.6.3神经网络BP算法W1过程和总结1.6.4神经网络BP算法python执行过程资料:视频:
    神经网络
    人工智能
    深度学习
    python
    函数
  • 5115人 学习人数
    4.6分 课程评分
    大白话SVM算法课程
    以通俗简介的方式,从浅入深介绍SVM原理和代码流程 让你从此不再惧怕SVM 视频部分: 01_SVM之回顾梯度下降原理 02_SVM之回顾有约束的最优化问题 03_SVM之回顾有约束的最优化问题-KKT几何解释 04_SVM之回顾有约束的最优化问题-KKT数学解释 05_SVM之回顾距离公式和感知器模型 06_SVM之感知器到SVM的引入 07_SVM之线性可分时损失函数的表示 08_SVM之线性可分时损失函数的求解-对w,b变量求偏导 09_SVM之线性可分时损失函数的求解-对β变量求解. 10_SVM之线性可分时算法整体流程 11_SVM之线性可分时案例 12_SVM之线性不可分时软间隔介绍 13_SVM之线性不可分时软间隔优化目标 14_SVM之线性不可分时软间隔算法整体流程 15_SVM之线性不可分时数据映射高维解决不可分问题 16_SVM之线性不可分时核函数引入 17_SVM之线性不可分时核函数讲解 18_SVM代码之线性可分时和Logistic回归比较 19_SVM代码之基于鸢尾花数据多分类参数解释 20_SVM代码之基于鸢尾花数据网格搜索选择参数 21_SVM代码之不同分类器,核函数,C值的可视化比较 22_SVM之回归方式SVR 23_SVM代码之SVR解决回归问题 24_SVM之SMO思想引入 25_SVM之SMO案列讲解 代码部分: 资料部分:
    人工智能
    算法
    svm
    机器学习
  • 2024人 学习人数
    4.6分 课程评分
    大白话EM算法--从此爱上EM迭代
    本系列讲解EM及GMM相关知识点,让你对EM整理流程有清晰的认识,从而应用到工作和面试中。 目录如下: 1.1EM算法之回顾最大似然估计 1.2EM算法之回顾贝叶斯估计 1.3EM算法之回顾K-means算法 1.4EM算法之算法目标引入 1.5EM算法之目标函数转换--利用Jensen不等式 1.6EM算法之目标函数求解--关于Q(z, θ)的表达 1.7EM算法流程 1.8EM算法案例 1.9EM算法应用之GMM(高斯混合模型)的目标函数表示 1.10EM算法应用之GMM(高斯混合模型)的迭代过程 1.11EM算法代码之手动实现GMM迭代过程 1.12EM算法代码之基于sklearn身高性别数据GMM高斯混合聚类实现
    网络
    大学课程
    人工智能
    机器学习
    结构
  • 551人 学习人数
    4.6分 课程评分
    大白话HMM全套系列课程--从此爱上HMM
    本系列课程由浅如深讲解HMM的全套知识,让你从此不再惧怕HMM,爱上HMM 1.1HMM算法之马尔可夫性质 1.2HMM算法概念1.3HMM算法参数解释--三元素1.4HMM的两个基本性质1.5HMM的三个问题案例概述1.6HMM的概率问题之暴力求解方式1.7HMM的概率问题之前向概率和后向概率概念1.8HMM中的概率问题之前向算法流程1.9HMM中的概率问题之前向算法案例 1.10HMM中的概率问题之前向算法案例代码 1.11HMM中的概率问题之后向概率流程 1.12HMM中的概率问题之后向算法案例代码1.13HMM中的单个状态概率1.14HMM中的单个状态概率案例代码1.15HMM中的两个状态概率1.16HMM中的两个状态概率案例代码1.17HMM中的学习问题之监督学习案例1.18HMM中的学习问题之非监督学习之优化目标1.19HMM中的学习问题之非监督学习之优化目标求解1.20HMM中的学习问题之非监督学习代码示例1.21HMM中的学习问题之预测问题求解思想1.22HMM中的预测问题之Viterbi案例1.23HMM中的预测问题之Viterbi案例代码1.24HMM中的基于HMM的中文分词案例代码实现讲解1.25HMM的API应用代码_结合Viterbi思想1.26HMM的API应用代码_结合EM和Viterbi思想
    算法
    HMM
    分词
    大白话
    人工智能
  • 2019人 学习人数
    4.6分 课程评分
    大白话循环神经网络RNN-从此爱上RNN
    本系列讲解循环神经网络RNN和LSTM的所有知识点,学完本系列课程将对RNN和LSTM的理论知识有清晰的认识,同时能够将理论结合实践应用到工作中。
    网络
    人工智能
    机器学习
    神经网络
    深度学习
  • 507人 学习人数
    4.6分 课程评分
    大白话Seq2Seq-原来Seq这么神奇
    以大白话的形式讲解Seq2Seq,从你了解Seq2Seq的整体功能,爱上Seq2Seq. 资料: 视频:
    人工智能
    深度学习
    Seq2Seq
  • 4423人 学习人数
    4.6分 课程评分
    大白话注意力机制-Attention
    本系列以通俗的方式讲解注意力机制Attention的整体知识,让i你爱上Attention的神奇应用。 资料:
    人工智能
    深度学习
    应用
  • 3522人 学习人数
    4.6分 课程评分
    大白话Transformer结构-从此爱上Transformer
    以通俗的语言讲解Transformer的整体流程和思想,让你了解Transformer的来龙去脉。 资料:
    大学课程
    人工智能
    深度学习
    Transformer
    Encoder
  • 745人 学习人数
    4.6分 课程评分
    大白话Bert-掌握最前沿Embedding结构
    讲解Bert的与训练和微调过程,并通过实例讲解Bert的代码应用过程 课程: 资料: 代码:
    人工智能
    深度学习
    实例
    应用
    Bert
  • 559人 学习人数
    4.3分 课程评分
    大白话Word2Vec算法-彻底理解词向量过程
    通过讲解Word2Vec的神经网络架构,两种训练方式CBOW和Skip-Gram,两种优化方式层次SoftMax和负采样算法,让你彻底了解Word2Vec词向量的所有过程。资料: 视频:
    人工智能
    深度学习
    神经网络
    词向量
    Word2Vec
  • 1320人 学习人数
    4.6分 课程评分
    大白话条件随机场--从此彻底理解CRF
    以通俗易懂的方式理解条件随机场,带你走进序列标注的世界。 视频: 资料:
    人工智能
    机器学习
    条件随机场
    词性标注
    CRF

套餐介绍

本套餐包含:1、机器学习算法的XGBoost算法,GBDT算法,SVM算法。2、概率模型的贝叶斯算法,贝叶斯网络,EM算法,HMM算法。3、自然语言处理的CRF模型,Word2Vec算法,Bert。4、深度学习的BP神经网络,Tensorflow,RNN,Transformer结构,LSTM,Seq2Seq,注意力机制Attention。以通俗的形式了解算法的来龙去脉,由浅入深,并结合丰富案例,对实际生产工作有指导性的作用。