人工智能实战与应用课程

📁 资源包内容详情 (40.14 GB)

1. 包含文件：1.高等数学—元素和极限
2. 2.高等数学—两个重要的极限定理
3. 3.高等数学—导数
4. 4.高等数学—泰勒展开
5. 5.高等数学—偏导数
6. 6.高等数学—积分
7. 7.高等数学—正态分布
8. 8.线性代数—线性空间和线性变换
9. 9.线性代数—矩阵
10. 等价类和行列式
11. 10.线性代数—特征值与特征向量
12. 11.Python基础课程（上）
13. 12.Python基础课程（下）
14. 13.Python操作数据库
15. Python爬虫
16. 14.Python进阶（上）
17. 15.Python进阶（下）
18. 16.人工智能如何改变我们的未来生活
19. 17.人工智能简史
20. 18.让神经网络看懂图象
21. 19.模拟人类大脑：神经网络的故事
22. 20.预测简史
23. 21.模拟人类思维的机器学习工具
24. 22.让神经网络听懂故事
25. 23让机器来思考之强化学习简介
26. 24.贝叶斯理论
27. 25.朴素贝叶斯和最大似然估计
28. 26.机器学习引入
29. 27.分类问题
30. 28.KNN算法
31. 29.机器学习背后的数学（上）
32. 30.机器学习背后的数学（下）
33. 31.加入概率更健康之逻辑斯蒂回归
34. 32.模拟人类理性的决策树
35. 33.集群模型
36. 34.PCA
37. 35.升维大法之神经网络
38. 36.升维大法之SVM
39. 37.多层感知机DNN
40. 38.梯度下降法
41. 39.BP算法
42. 40.卷积神经网络
43. 41.PyTorch（上）
44. 42.PyTorch（下）
45. 43.CNN进化
46. 44.BatchNormalization
47. 45.Resnet残差网络
48. 46.图像识别综述
49. 47.迁移学习
50. 48.对抗网络
51. 49.时间序列分析
52. 50.RNN