📁 day1
📄 00_为什么要学习数学(1).mp4 (18.1 MB)
📄 01_引言和学习方法.mp4 (12.8 MB)
📄 02_feature和label.mp4 (27.7 MB)
📄 03_什么是机器学习(1).mp4 (16.0 MB)
📄 04_数据采集方式.mp4 (43.9 MB)
📄 05_knn算法入门.mp4 (12.0 MB)
📄 06_knn算法python实现.mp4 (70.7 MB)
📄 07_代码流程回顾.mp4 (15.0 MB)
📄 08_抽取knn函数.mp4 (11.2 MB)
📄 09_实验演示验证结论.mp4 (25.6 MB)
📄 10_评估模型好坏的方法，训练集和测试集.mp4 (10.3 MB)
📄 11_生成测试和训练数据集.mp4 (19.6 MB)
📄 12_调参选取最优的k.mp4 (36.5 MB)
📄 13_增加数据的维度.mp4 (10.3 MB)
📄 14_numpy加载特殊数据.mp4 (16.3 MB)
📄 15_欧式距离.mp4 (11.9 MB)
📄 16_二维空间距离的计算.mp4 (28.6 MB)
📄 17_代码增加一个维度.mp4 (17.0 MB)
📄 18_数据归一化.mp4 (32.0 MB)
📄 19_knn的feature的选择.mp4 (8.9 MB)
📄 20_向量和向量的运算.mp4 (30.0 MB)
📄 21_概念总结.mp4 (5.8 MB)
📄 22_使用矩阵和向量实现knn.mp4 (69.0 MB)
📄 23_ 房价预测简单框架.mp4 (52.6 MB)
📄 24_数据的归一化和标准化.mp4 (63.0 MB)
📄 附1_如何学习数学.mp4 (13.9 MB)
📄 附：问题1.mp4 (14.9 MB)
📁 day2
📄 01_线性回归和Knn.mp4 (14.9 MB)
📄 02_线性回归解决什么问题_ev.mp4 (7.7 MB)
📄 03_Excel进行线性回归_ev.mp4 (8.9 MB)
📄 04_损失函数和最小均方差_ev.mp4 (14.9 MB)
📄 05_excle来简单理解梯度下降_ev.mp4 (18.8 MB)
📄 06_梯度下降的问题分析_ev.mp4 (10.8 MB)
📄 07_求导简单入门_ev.mp4 (13.0 MB)
📄 08_mse对b进行求导_ev.mp4 (11.9 MB)
📄 09_Excel演示梯度下降&学习速率_ev.mp4 (22.3 MB)
📄 10_偏导数分别求解m和b的导数_ev.mp4 (15.9 MB)
📄 11_对m和b分别进行梯度下降_ev.mp4 (22.2 MB)
📄 12_Python代码实现梯度下降_ev.mp4 (37.2 MB)
📄 13_代码测试生成m和b_ev.mp4 (15.5 MB)
📄 14_作业演示.mp4 (32.9 MB)
📁 day3
📄 01_高等数学入门.mp4 (23.3 MB)
📄 02_问题描述_ev.mp4 (3.5 MB)
📄 03_简单理解矩阵运算的现实含义_ev.mp4 (5.9 MB)
📄 04_矩阵的形状_ev.mp4 (14.7 MB)
📄 05_矩阵的加法_ev.mp4 (5.3 MB)
📄 06_手动计算矩阵的乘法_ev.mp4 (10.6 MB)
📄 07_矩阵的乘法不满足交换律_ev.mp4 (5.5 MB)
📄 08_用numpy进行矩阵的乘法运算_ev.mp4 (7.8 MB)
📄 09_矩阵运算计算m和b的偏导数_ev.mp4 (23.5 MB)
📄 10_numpy矩阵运算演示获取m和b的偏导_ev.mp4 (18.1 MB)
📄 11_用矩阵运算重构线性回归代码_ev.mp4 (18.6 MB)
📄 12_对比程序执行的时间_ev.mp4 (8.4 MB)
📄 13_增加数据的维度.mp4 (10.1 MB)
📄 14_函数模型的评估和错误率的计算_ev.mp4 (20.8 MB)
📄 15_矩阵可以理解为一个变化函数_ev.mp4 (4.2 MB)
📄 16_bmp是如何描述图片的_ev.mp4 (37.8 MB)
📄 17_位图和svg图的区别_ev.mp4 (13.9 MB)
📄 18_矩阵运算变化图片的位置_ev.mp4 (14.6 MB)
📄 19_矩阵运算旋转图形_ev.mp4 (15.5 MB)
📄 20_矩阵的缩放处理_ev.mp4 (3.8 MB)
📄 21_图形变换综合案例_ev.mp4 (7.5 MB)
📄 22_机器学习浅谈_ev.mp4 (23.0 MB)
📄 23_sigmod函数引入_ev.mp4 (12.1 MB)
📄 24_逻辑回归的步骤.mp4 (19.8 MB)
📁 day4
📄 01_自然底数和sigmod函数.mp4 (30.7 MB)
📄 02_矩阵运算计算逻辑回归_ev.mp4 (10.3 MB)
📄 03_逻辑回归简单实现_ev.mp4 (24.2 MB)
📄 04_多分类问题_ev.mp4 (8.0 MB)
📄 05_多分类的概率问题思考_ev.mp4 (14.3 MB)
📄 06_多分类问题softmax公式_ev.mp4 (12.4 MB)
📄 07_手写数字数据集_ev.mp4 (18.5 MB)
📄 08_手写数字的识别原理_ev.mp4 (11.8 MB)
📄 09_手写数字数据集的处理_ev.mp4 (24.4 MB)
📄 10_手写数字的识别_ev.mp4 (48.9 MB)
📄 11_手写数字bug处理_ev.mp4 (17.3 MB)
📄 12_ai自动驾驶_ev.mp4 (3.5 MB)
📄 13_神经网络的作用_ev.mp4 (5.5 MB)
📄 14_多层神经网络演示_ev.mp4 (23.7 MB)
📄 15_感知机_ev.mp4 (5.1 MB)
📄 16_感知机数学原理_ev.mp4 (6.4 MB)
📄 17_线性模型和非线性模型_ev.mp4 (13.2 MB)
📄 18_交叉熵cross-entropy_ev.mp4 (15.5 MB)
📄 19_概率简介.mp4 (53.7 MB)
📄 group(1).png (734.1 KB)
]
评论(0)