AI深度学习相关视频教程 ，网盘下载(14.24G)

AI深度学习相关视频教程[14.24G]

Pytorch相关视频教程[4.82G]

七月在线：PyTorch的入门与实战视频教程+资料+代码[2.30G]

七月在线：PyTorch的入门与实战视频教程+资料+代码.zip[2.30G]

深度学习理论与实战PyTorch实战视频教程[652.68M]

深度学习理论与实战PyTorch实战视频教程.zip[652.68M]

深度学习与PyTorch入门实战教程[1.89G]

深度学习与PyTorch入门实战教程.zip[1.89G]

统一：qweasd

Tensorflow相关视频教程[9.42G]

(价值499元)菊安酱的《机器学习实战》[5.98G]

01.第1章k-近邻算法[357.41M]

任务1：第1期k-近邻算法（完整版）.rar[2.10M]

任务2：1.机器学习概述.rar[21.38M]

任务3：2.k-近邻算法原理.mp4[37.90M]

任务4：3.k-近邻的python实现.mp4[73.79M]

任务5：4.k-近邻算法之约会网站配对效果判定.mp4[100.21M]

任务6：5.k-近邻算法之手写数字识别.mp4[122.03M]

02.第2章决策树[462.95M]

任务10：3.递归构建决策树.mp4[71.55M]

任务11：4.利用sklearn绘制决策树.mp4[18.96M]

任务12：5.决策树的可视化.rar[99.77M]

任务13：6.使用决策树预测隐形眼镜类型.mp4[165.95M]

任务7：第2期决策树（完整版）.rar[1.22M]

任务8：1.决策树原理简介.mp4[28.68M]

任务9：2.决策树的构建准备工作.rar[76.82M]

03.第3章朴素贝叶斯[418.10M]

任务14：第3期朴素贝叶斯（完整版）.rar[19.22M]

任务15：1.朴素贝叶斯概述.mp4[74.19M]

任务16：2.朴素贝叶斯之鸢尾花数据实验.mp4[59.89M]

任务17：3.朴素贝叶斯之言论过滤.mp4[91.89M]

任务18：4.朴素贝叶斯之垃圾邮件过滤.mp4[66.60M]

任务19：5.kaggle比赛之“旧金山犯罪分类预测”.mp4[72.25M]

任务20：6.算法总结.mp4[34.05M]

04.第4章Logistic回归[643.32M]

任务21：第4期logistic（完整版）.rar[1.93M]

任务22：1.logistic原理概述.mp4[61.50M]

任务23：2.损失函数正则化.mp4[49.27M]

任务24：3.梯度下降法.mp4[102.89M]

任务25：4.梯度下降种类解析.mp4[57.57M]

任务26：5.梯度下降求解逻辑回归.mp4[119.41M]

任务27：6.病马案例.mp4[51.86M]

任务28：7.sklearn实现葡萄牙银行营销案例.mp4[99.31M]

任务29：8.分类算法大比拼.mp4[65.19M]

任务30：9.算法总结.mp4[34.40M]

05.第5章支持向量机[782.75M]

任务31：第5期支持向量机（完整版）.rar[2.37M]

任务32：1.支持向量机概述.rar[41.59M]

任务33：2.补充数学公式.mp4[122.21M]

任务34：3.smo算法流程.mp4[51.56M]

任务35：4.简化版smo算法.mp4[151.36M]

任务36：5.完整版smo算法.mp4[139.81M]

任务37：6.核函数.mp4[27.05M]

任务38：7.非线性svm.mp4[132.31M]

任务39：8.案例：svm之手写数字识别.mp4[89.51M]

任务40：9.算法总结.mp4[24.98M]

06.第6章AdaBoost算法[615.70M]

任务41：第6期Adaboost算法（完整版）.rar[1.84M]

任务42：1.集成算法概念.mp4[62.81M]

任务43：2.adaboost算法步骤.mp4[33.16M]

任务44：3.构建弱分类器.mp4[83.58M]

任务45：4.adaboost完整版函数.mp4[78.94M]

任务46：5.案例：adaboost在病马数据集上的应用.mp4[59.54M]

任务47：6.分类器衡量指标.mp4[140.66M]

任务48：7.样本不均衡问题.mp4[65.25M]

任务49：8.案例：套坦尼克号幸存者预测.mp4[89.92M]

07.第7章线性回归[640.70M]

任务50：第7期线性回归（完整版）.rar[4.91M]

任务51：1.线性回归概述.rar[23.72M]

任务52：2.线性回归的损失函数.mp4[65.24M]

任务53：3.简单线性回归python实现.mp4[48.12M]

任务54：4.局部加权线性回归.mp4[79.10M]

任务55：5.案例：预测鲍鱼的年龄.mp4[124.14M]

任务56：6.岭回归.mp4[55.18M]

任务57：7.lasso和向前逐步回归.mp4[64.03M]

任务58：8.爬虫获取乐高交易数据.mp4[137.53M]

任务59：9.乐高二手成交价预测.mp4[38.72M]

08.第8章树回归[568.93M]

任务60：第8期树回归（完整版）.rar[2.41M]

任务61：1.决策树回顾.rar[20.36M]

任务62：2.cart算法概述.mp4[44.00M]

任务63：3.cart回归树的python实现.mp4[90.25M]

任务64：4.回归树的sklearn实现.mp4[28.85M]

任务65：5.树剪枝.mp4[114.67M]

任务66：6.模型树.mp4[53.02M]

任务67：7.回归树预测结果.mp4[66.02M]

任务68：8.模型树和标准线性回归预测结果.rar[36.93M]

任务69：9.使用python的tkinter库创建gui.mp4[112.41M]

09.第9章K-均值聚类算法[666.60M]

任务70：第9期K-均值聚类（完整版）.rar[3.64M]

任务71：1.聚类分析概述.mp4[22.17M]

任务72：2.k均值算法原理.mp4[14.49M]

任务73：3.k均值算法的python实现（1）.mp4[47.19M]

任务74：4.k均值算法的python实现（2）.mp4[99.39M]

任务75：5.算法验证.mp4[28.02M]

任务76：6.误差平方和sse和学习曲线.mp4[47.16M]

任务77：7.模型收敛稳定性探讨.mp4[63.60M]

任务78：8.二分k均值法（1）.mp4[39.47M]

任务79：9.二分k均值法（2）.mp4[97.67M]

任务80：10.聚类模型评价指标.mp4[55.13M]

任务81：11.轮廓系数的python实现.mp4[80.39M]

任务82：【附录1】距离类模型中距离的确定.mp4[34.23M]

任务83：【附录2】归一化处理.mp4[34.06M]

10.第10章关联规则之Apriori[970.54M]

任务84：课件、代码及数据集下载.rar[2.86M]

任务85：1关联分析概述.mp4[33.50M]

任务86：2频繁项集的评估标准：支持度&置信度.mp4[33.75M]

任务87：3频繁项集的评估标准：提升度.mp4[30.69M]

任务88：4关联规则的发现.mp4[17.51M]

任务89：5apriori原理.mp4[28.40M]

任务90：6apriori挖掘频繁项集（1）.mp4[119.51M]

任务91：7apriori挖掘频繁项集（2）.mp4[51.11M]

任务92：8apriori挖掘频繁项集（3）.mp4[48.80M]

任务93：9apriori挖掘关联规则（1）.mp4[130.72M]

任务94：10apriori挖掘关联规则（2）.mp4[133.37M]

任务95：11案例：发现美国国会投票中的模式.mp4[100.26M]

任务96：12案例：发现毒蘑菇的相似特征（1）.mp4[105.55M]

任务97：13案例：发现毒蘑菇的相似特征（2）.rar[69.93M]

任务98：14案例：发现毒蘑菇的相似特征（3）.mp4[64.57M]

【：qweasd】深度学习与TensorFlow2入门实战.zip[3.44G]