- 机器学习
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:
共9节 2201人已学习¥29.0 免费试学 - 机器学习
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:
共12节 2759人已学习¥49.0 免费试学 - 深度学习
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:
共7节 583人已学习¥39.0 免费试学 - 机器学习
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:
共6节 1343人已学习¥29.0 免费试学 - 深度学习
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:
共6节 762人已学习¥29.0 免费试学 - 深度学习
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:
共8节 3693人已学习¥29.0 免费试学 - 深度学习
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:
共6节 4637人已学习¥29.0 免费试学 - 深度学习
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:
共7节 515人已学习¥39.0 免费试学 - 深度学习
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。
共18节 2047人已学习¥59.0 免费试学 - 机器学习
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
共28节 559人已学习¥79.0 免费试学 - 机器学习
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
共12节 2062人已学习¥59.0 免费试学 - 机器学习
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
共9节 1591人已学习¥29.0 免费试学 - 深度学习
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:
共19节 2193人已学习¥59.0 免费试学 - 深度学习
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:
共9节 4250人已学习¥39.0 免费试学 - 机器学习
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:
共26节 5142人已学习¥99.0 免费试学
- 1
李虎
开发组长/高级工程师
李虎,联想集团PCSD业务UDS平台推荐算法团队开发负责人,曾获2018-2019年度联想集团中国区优秀员工。在联想内部,做过多次企业内训和技术支持,并在北京线下技术沙龙分享会上作为演讲嘉宾分享算法实战应用效果,拥有丰富的线上,线下培训经验。对机器学习,深度学习算法建模,推荐系统,大数据有多年的实际经验。CSDN博客专家,博客地址: https://blog.csdn.net/LHWorldBlog 著有大白话算法系列,以通俗生动的方式讲解人工智能前言算法。愿景是打造全网AI最通俗教学,赠人玫瑰,手有余香,在人工智能前行的路上一起前行,以通俗简介详细的方式,让每一位热爱着深入其中。
课程数 15 学生数 34337