梗直哥：机器学习+强化学习+深度学习必修课价值6000元

nuzsy

梗直哥3套课程合集/

├──梗直哥-【机器学习必修课：经典算法与Python实战】
| ├──01-1课程内容和理念.mp4 60.86M
| ├──01-2初识机器学习.mp4 36.89M
| ├──01-3课程使用的技术栈.mp4 37.01M
| ├──02-1本章总览.mp4 7.86M
| ├──02-2数据长什么样：常见数据集、典型实例、如何使用.mp4 35.28M
| ├──02-3研究哪些问题：分类、回归等.mp4 39.98M
| ├──02-4如何分门别类：监督、无监督、强化学习等.mp4 29.27M
| ├──02-5机器学习的七大常见误区和局限.mp4 35.12M
| ├──03-10Numpy数组矩阵运算：一元运算、二元运算与矩阵运算.mp4 32.97M
| ├──03-11Numpy数组统计运算：常用的都在这儿了.mp4 16.03M
| ├──03-12Numpy数组arg运算和排序.mp4 18.39M
| ├──03-13Numpy数组神奇索引和布尔索引.mp4 23.67M
| ├──03-14Matplotlib数据可视化：基础绘制与设置.mp4 22.99M
| ├──03-1本章总览：相互关系与学习路线.mp4 9.16M
| ├──03-2Anaconda图形化操作.mp4 15.87M
| ├──03-3Anaconda命令行操作.mp4 18.94M
| ├──03-4JupyterNotebook基础使用.mp4 19.82M
| ├──03-5JupyterNotebook高级使用：常用魔法命令.mp4 14.99M
| ├──03-6Numpy基础：安装与性能对比.mp4 15.47M
| ├──03-7Numpy数组创建：特定数组、等差数组、随机数组.mp4 36.91M
| ├──03-8Numpy数组基础索引：索引和切片.mp4 16.82M
| ├──03-9Numpy非常重要的数组合并与拆分操作.mp4 18.71M
| ├──04-1本章总览.mp4 12.11M
| ├──04-2KNN算法核心思想和原理.mp4 39.42M
| ├──04-3KNN分类任务代码实现.mp4 32.76M
| ├──04-4数据集划分：训练集与预测集.mp4 31.74M
| ├──04-5模型评价.mp4 33.82M
| ├──04-6超参数.mp4 30.33M
| ├──04-7特征归一化.mp4 27.78M
| ├──04-8KNN回归任务代码实现.mp4 29.45M
| ├──04-9KNN优缺点和适用条件.mp4 20.86M
| ├──05-10复杂逻辑回归及代码实现.mp4 18.03M
| ├──05-11线性算法优缺点和适用条件.mp4 21.56M
| ├──05-1本章总览.mp4 14.52M
| ├──05-2线性回归核心思想和原理.mp4 40.35M
| ├──05-3逻辑回归核心思想和原理.mp4 25.37M
| ├──05-4线性回归代码实现.mp4 27.96M
| ├──05-5模型评价：MSE、RMSE、MAE和R方.mp4 29.13M
| ├──05-6多项式回归代码实现.mp4 19.65M
| ├──05-7逻辑回归算法.mp4 21.81M
| ├──05-8线性逻辑回归代码实现.mp4 28.49M
| ├──05-9多分类策略.mp4 8.68M
| ├──06-10LASSO和岭回归代码实现.mp4 23.94M
| ├──06-11模型泛化.mp4 24.56M
| ├──06-12评价指标：混淆矩阵、精准率和召回率.mp4 36.52M
| ├──06-13评价指标：ROC曲线.mp4 33.80M
| ├──06-1本章总览.mp4 30.55M
| ├──06-2损失函数.mp4 39.35M
| ├──06-3梯度下降.mp4 35.66M
| ├──06-4决策边界.mp4 25.28M
| ├──06-5过拟合与欠拟合.mp4 25.13M
| ├──06-6学习曲线.mp4 26.73M
| ├──06-7交叉验证.mp4 23.90M
| ├──06-8模型误差.mp4 42.80M
| ├──06-9正则化.mp4 45.01M
| ├──07-1本章总览.mp4 14.39M
| ├──07-2决策树核心思想和原理.mp4 22.73M
| ├──07-3信息熵.mp4 39.70M
| ├──07-4决策树分类任务代码实现.mp4 38.72M
| ├──07-5基尼系数.mp4 19.63M
| ├──07-6决策树剪枝.mp4 25.97M
| ├──07-7决策树回归任务代码实现.mp4 12.60M
| ├──07-8决策树优缺点和适用条件.mp4 16.52M
| ├──08-1本章总览.mp4 26.78M
| ├──08-2神经网络核心思想和原理.mp4 56.43M
| ├──08-3激活函数.mp4 36.11M
| ├──08-4正向传播与反向传播.mp4 23.42M
| ├──08-5梯度下降优化算法.mp4 36.83M
| ├──08-6神经网络简单代码实现.mp4 28.88M
| ├──08-7梯度消失和梯度爆炸.mp4 28.50M
| ├──08-8模型选择.mp4 39.68M
| ├──08-9神经网络优缺点和适用条件.mp4 20.20M
| ├──09-10SVM优缺点和适用条件.mp4 11.32M
| ├──09-1本章总览.mp4 35.65M
| ├──09-2SVM核心思想和原理.mp4 15.71M
| ├──09-3硬间隔SVM.mp4 33.05M
| ├──09-4SVM软间隔.mp4 25.49M
| ├──09-5线性SVM分类任务代码实现.mp4 17.88M
| ├──09-6非线性SVM：核技巧.mp4 35.30M
| ├──09-7SVM核函数.mp4 21.91M
| ├──09-8非线性SVM代码实现.mp4 22.93M
| ├──09-9SVM回归任务代码实现.mp4 14.35M
| ├──10-1本章总览.mp4 22.39M
| ├──10-2贝叶斯方法核心思想和原理.mp4 31.95M
| ├──10-3朴素贝叶斯分类.mp4 20.30M
| ├──10-4朴素贝叶斯的代码实现.mp4 27.24M
| ├──10-5多项式朴素贝叶斯代码实现.mp4 23.65M
| ├──10-6贝叶斯方法优缺点和适用条件.mp4 25.46M
| ├──11-1本章总览.mp4 14.58M
| ├──11-2集成学习核心思想和原理.mp4 19.98M
| ├──11-3集成学习代码实现.mp4 24.36M
| ├──11-4并行策略：Bagging、OOB等方法.mp4 38.79M
| ├──11-5并行策略：随机森林.mp4 17.55M
| ├──11-6串行策略：Boosting.mp4 27.39M
| ├──11-7结合策略：Stacking方法.mp4 13.32M
| ├──11-8集成学习优缺点和适用条件.mp4 24.86M
| ├──12-1本章总览.mp4 9.93M
| ├──12-2聚类算法核心思想和原理.mp4 16.26M
| ├──12-3k-means和分层聚类.mp4 22.78M
| ├──12-4聚类算法代码实现.mp4 21.93M
| ├──12-5聚类评估代码实现.mp4 20.30M
| ├──12-6聚类算法优缺点和适用条件.mp4 19.69M
| ├──13-1本章总览.mp4 17.31M
| ├──13-2PCA核心思想和原理.mp4 25.38M
| ├──13-3PCA求解算法.mp4 21.56M
| ├──13-4PCA算法代码实现.mp4 15.17M
| ├──13-5降维任务代码实现.mp4 23.61M
| ├──13-6PCA在数据降噪中的应用.mp4 13.79M
| ├──13-7PCA在人脸识别中的应用.mp4 28.39M
| ├──13-8主成分分析优缺点和适用条件.mp4 9.45M
| ├──14-1本章总览.mp4 13.97M
| ├──14-2概率图模型核心思想和原理.mp4 52.82M
| ├──14-3EM算法参数估计.mp4 20.45M
| ├──14-4隐马尔可夫模型代码实现.mp4 43.03M
| ├──14-5概率图模型优缺点和适用条件.mp4 11.60M
| ├──15-1本章总览.mp4 8.53M
| ├──15-2泰坦尼克生还预测.mp4 61.96M
| ├──15-3房价预测.mp4 67.17M
| ├──15-4交易反欺诈代码实现.mp4 35.90M
| └──15-5如何深入研究机器学习.mp4 11.51M
├──梗直哥–强化学习必修课：引领智能新时代
| ├──1_1-1-课程内容和理念.mp4 59.03M
| ├──1_10-1-基于模型的强化学习核心思想和原理.mp4 47.96M
| ├──1_11-1模仿学习.mp4 48.35M
| ├──1_12-1-项目实战：Gym游戏.mp4 51.39M
| ├──1_2-1-线性代数.mp4 26.89M
| ├──1_3-1-CUDA+Anaconda深度学习环境配置.mp4 18.73M
| ├──1_4-1-序列建模与概率图模型.mp4 38.12M
| ├──1_5-1-动态回归核心思想和原理.mp4 30.86M
| ├──1_6-1-蒙特卡洛方法.mp4 32.50M
| ├──1_7-1-深度Q网络核心思想和原理.mp4 44.71M
| ├──1_8-1-策略梯度核心思想和原理.mp4 44.18M
| ├──1_9-1-演员评论家算法核心思想和原理.mp4 20.12M
| ├──2_1-2-认识强化学习.mp4 53.78M
| ├──2_10-2-Dyna-Q算法.mp4 44.61M
| ├──2_11-2-博弈论与强化学习.mp4 64.74M
| ├──2_12-2-项目实战：大模型RLHF.mp4 31.35M
| ├──2_2-2-微积分.mp4 30.04M
| ├──2_3-2-conda使用命令.mp4 11.87M
| ├──2_4-2-马尔可夫观测过程：学会“看”.mp4 40.93M
| ├──2_5-2-策略迭代.mp4 40.01M
| ├──2_6-2-时序差分方法.mp4 34.17M
| ├──2_7-2-DQN-代码实现.mp4 35.82M
| ├──2_8-2-蒙特卡洛策略梯度.mp4 24.23M
| ├──2_9-2-改进型演员评论家算法.mp4 23.04M
| ├──3_1-3-课程使用的技术栈.mp4 12.01M
| ├──3_10-3-Dyna-Q算法代码实现.mp4 17.74M
| ├──3_11-3-多智能体强化学习.mp4 44.45M
| ├──3_12-3-强化学习最新发展趋势.mp4 65.61M
| ├──3_2-3-概率.mp4 46.60M
| ├──3_3-3-Jupyter-Notebook快速上手.mp4 14.13M
| ├──3_4-3-马尔可夫决策过程：试着-“干”.mp4 29.63M
| ├──3_5-3-价值迭代.mp4 19.17M
| ├──3_6-3-蒙特卡洛方法和时序差分代码实现.mp4 22.84M
| ├──3_7-3-常见问题改进和扩展.mp4 27.54M
| ├──3_8-3-策略梯度方法代码实现.mp4 19.41M
| ├──3_9-3-演员评论家算法代码实现.mp4 19.74M
| ├──4_10-4-基于模型的策略优化.mp4 19.66M
| ├──4_11-4-MADDP的代码实现.mp4 45.07M
| ├──4_12-4-下一步的学习建议.mp4 33.28M
| ├──4_3-4-仿真环境Gym安装.mp4 18.95M
| ├──4_4-4-马尔可夫奖励过程：懂得“想”.mp4 49.39M
| ├──4_5-4-动态规划代码实现.mp4 43.48M
| ├──4_6-4-广义策略迭代.mp4 19.56M
| ├──4_7-4-DQN改进算法代码实现.mp4 31.02M
| ├──4_8-4-近端策略优化算法.mp4 36.16M
| ├──4_9-4-深度确定性策略梯度.mp4 30.35M
| ├──5_10-5-MBPO的代码实现.mp4 53.79M
| ├──5_11-5-AlphaStar系统.mp4 82.38M
| ├──5_3-5-深度学习库PyTorch的安装.mp4 9.24M
| ├──5_4-5-贝尔曼方程：迭代求解价值函数.mp4 30.56M
| ├──5_6-5-Q-Learning算法.mp4 32.26M
| ├──5_8-5-近端策略优化（PPO）代码实现.mp4 34.58M
| ├──5_9-5-DDPG算法代码实现.mp4 22.50M
| ├──6_11-6-基于人类反馈大强化学习.mp4 47.15M
| ├──6_4-6-模型分类与选择.mp4 30.84M
| ├──6_6-6-SARSA算法.mp4 20.84M
| ├──6_9-6-软性演员评论家算法.mp4 38.57M
| ├──7_4-7-常见问题解析.mp4 21.65M
| ├──7_6-7-Q-Learning&SARSA代码实现.mp4 23.78M
| ├──7_9-7-SAC代码实现.mp4 35.08M
| └──8_4-8-马尔可夫过程代码实现.mp4 40.23M
└──梗直哥–深度学习必修课：进击算法工程师
| ├──001.1-1 课程内容和理念.mp4 52.23M
| ├──002.1-2 初识深度学习.mp4 52.86M
| ├──003.1-3 课程使用的技术栈.mp4 12.65M
| ├──004.2-1 线性代数.mp4 56.44M
| ├──005.2-2 微积分.mp4 49.04M
| ├──006.2-3 概率.mp4 59.21M
| ├──007.3-1 CUDA+Anaconda深度学习环境搭建.mp4 20.94M
| ├──008.3-2 conda实用命令.mp4 13.03M
| ├──009.3-3 Jupyter Notebook快速上手.mp4 15.54M
| ├──010.3-4 深度学习库PyTorch安装.mp4 9.01M
| ├──011.4-1 神经网络原理.mp4 44.83M
| ├──012.4-2 多层感知机.mp4 47.25M
| ├──013.4-3 前向传播和反向传播.mp4 39.52M
| ├──014.4-4 多层感知机代码实现.mp4 29.34M
| ├──015.4-5 回归问题.mp4 35.59M
| ├──016.4-6 线性回归代码实现.mp4 23.14M
| ├──017.4-7 分类问题.mp4 23.05M
| ├──018.4-8 多分类问题代码实现.mp4 42.84M
| ├──019.5-1 训练的常见问题.mp4 33.80M
| ├──020.5-2 过拟合欠拟合应对策略.mp4 41.17M
| ├──021.5-3 过拟合和欠拟合示例.mp4 22.37M
| ├──022.5-4 正则化.mp4 42.24M
| ├──023.5-5 Dropout.mp4 32.08M
| ├──024.5-6 Dropout代码实现.mp4 17.32M
| ├──025.5-7 梯度消失和梯度爆炸.mp4 47.20M
| ├──026.5-8 模型文件的读写.mp4 16.50M
| ├──027.6-1 最优化与深度学习.mp4 48.05M
| ├──028.6-2 损失函数.mp4 42.80M
| ├──029.6-3 损失函数性质.mp4 29.22M
| ├──030.6-4 梯度下降.mp4 31.56M
| ├──031.6-5 随机梯度下降法.mp4 20.63M
| ├──032.6-6 小批量梯度下降法.mp4 32.04M
| ├──033.6-7 动量法.mp4 25.04M
| ├──034.6-8 AdaGrad算法.mp4 24.77M
| ├──035.6-9 RMSProp_Adadelta算法.mp4 15.89M
| ├──036.6-10 Adam算法.mp4 47.07M
| ├──037.6-11 梯度下降代码实现.mp4 30.92M
| ├──038.6-12 学习率调节器.mp4 27.91M
| ├──039.7-1 全连接层问题.mp4 38.55M
| ├──040.7-2 图像卷积.mp4 34.77M
| ├──041.7-3 卷积层.mp4 44.83M
| ├──042.7-4 卷积层常见操作.mp4 35.21M
| ├──043.7-5 池化层Pooling.mp4 33.64M
| ├──044.7-6 卷积神经网络代码实现（LeNet）.mp4 27.22M
| ├──045.8-1 AlexNet.mp4 49.57M
| ├──046.8-2 VGGNet.mp4 47.71M
| ├──047.8-3 批量规范化.mp4 23.62M
| ├──048.8-4 GoogLeNet.mp4 40.98M
| ├──049.8-5 ResNet.mp4 65.01M
| ├──050.8-6 DenseNet.mp4 58.47M
| ├──051.9-1 序列建模.mp4 30.32M
| ├──052.9-2 文本数据预处理.mp4 60.04M
| ├──053.9-3 循环神经网络.mp4 48.25M
| ├──054.9-4 随时间反向传播算法.mp4 43.86M
| ├──055.9-5 循环神经网络代码实现.mp4 27.84M
| ├──056.9-6 RNN的长期依赖问题.mp4 37.66M
| ├──057.10-1 深度循环神经网络.mp4 24.18M
| ├──058.10-2 双向循环神经网络.mp4 25.84M
| ├──059.10-3 门控循环单元.mp4 28.59M
| ├──060.10-4 长短期记忆网络.mp4 43.06M
| ├──061.10-5 复杂循环神经网络代码实现.mp4 35.82M
| ├──062.10-6 编码器-解码器网络.mp4 41.10M
| ├──063.10-7 序列到序列模型代码实现.mp4 32.96M
| ├──064.10-8 束搜索算法.mp4 25.71M
| ├──065.10-9 机器翻译简单代码实现.mp4 39.34M
| ├──066.11-1 什么是注意力机制.mp4 43.37M
| ├──067.11-2 注意力的计算.mp4 57.52M
| ├──068.11-3 键值对注意力和多头注意力.mp4 24.14M
| ├──069.11-4 自注意力机制.mp4 30.16M
| ├──070.11-5 注意力池化及代码实现.mp4 29.63M
| ├──071.11-6 Transformer模型.mp4 43.91M
| ├──072.11-7 Transformer代码实现.mp4 38.00M
| ├──073.12-1BERT模型.mp4 50.18M
| ├──074.12-2 GPT系列模型.mp4 79.60M
| ├──075.12-3 T5模型.mp4 37.76M
| ├──076.12-4 ViT模型.mp4 31.02M
| ├──077.12-5 Swin Transformer模型.mp4 54.91M
| ├──078.12-6 GPT模型代码实现.mp4 37.95M
| ├──079.13-1 蒙特卡洛方法.mp4 28.52M
| ├──080.13-2 变分推断.mp4 40.75M
| ├──081.13-3 变分自编码器.mp4 56.20M
| ├──082.13-4 生成对抗网络.mp4 39.85M
| ├──083.13-5 Diffusion扩散模型.mp4 77.56M
| ├──084.13-6 图像生成.mp4 56.13M
| ├──085.14-1 自定义数据加载.mp4 48.72M
| ├──086.14-2 图像数据增强.mp4 33.44M
| ├──087.14-3 迁移学习.mp4 31.80M
| ├──088.14-4 经典视觉数据集.mp4 37.27M
| ├──089.14-5 项目实战：猫狗大战.mp4 64.10M
| ├──090.15-1 词嵌入和word2vec.mp4 33.25M
| ├──091.15-2 词义搜索和句意表示.mp4 44.83M
| ├──092.15-3 预训练模型.mp4 55.01M
| ├──093.15-4 Hugging Face库介绍.mp4 36.40M
| ├──094.15-5 经典NLP数据集.mp4 36.42M
| ├──095.15-6 项目实战：电影评论情感分析.mp4 35.74M
| ├──096.16-1 InstructGPT模型.mp4 76.99M
| ├──097.16-2 CLIP模型.mp4 37.65M
| ├──098.16-3 DALL-E模型.mp4 54.33M
| ├──099.16-4 深度学习最新发展趋势分析.mp4 37.03M
| └──100.16-5 下一步学习的建议.mp4 18.52M

游客,本内容需要支付10学币才能浏览，[学币充值] [赞助VIP] 全站无限制下载!点击购买