人工智能1910期 全套视频+源码+课件
├─01_人工智能开发及远景介绍（预科）
│  ├┈1_何为机器学习.mp4
│  ├┈2_人工智能与机器学习关系.mp4
│  ├┈3_人工智能应用与价值.mp4
│  ├┈4_有监督机器学习训练流程.mp4
│  ├┈5_有监督机器学习训练流程.mp4
│  ├┈6_Python机器学习库Scikit-Learn介绍.mp4
│  └┈7_理解线性与回归.mp4
├─02_线性回归深入和代码实现
│  ├─01.视频
│  │  ├┈01_机器学习是什么_(new).mp4
│  │  ├┈02_怎么做线性回归_(new).mp4
│  │  ├┈03_理解回归_最大似然函数_(new).mp4
│  │  └┈04_应用正太分布概率密度函数_对数总似然.mp4
│  ├─代码
│  │  ├┈linear_regression_0.py
│  │  └┈linear_regression_1.py
│  ├─软件
│  │  ├┈Anaconda3-4.2.0-Windows-x86_64.exe
│  │  └┈pycharm-cnmunity-2017.3.3.exe
│  └─资料
│  └─├┈机器学习是什么.txt
│  └─└┈线性回归.txt
├─03_梯度下降和过拟合和归一化
│  ├─01.视频
│  │  ├┈01_梯度下降法思路_导函数有什么用.mp4
│  │  ├┈02_推导线性回归损失函数导函数_以及代码实现批量梯度下降.mp4
│  │  ├┈03_随机梯度下降_及代码实现_mini-batchGD_调整学习率.mp4
│  │  ├┈04_梯度下降做归一化的必要性.mp4
│  │  ├┈05_最大值最小值归一化_sklearn官网介绍_防止过拟合W越少越小.mp4
│  │  ├┈06_过拟合的总结.mp4
│  │  └┈07_岭回归_以及代码调用.mp4
│  ├─代码
│  │  ├┈batch_gradient_descent.py
│  │  ├┈elastic_net.py
│  │  ├┈lasso_regression.py
│  │  └┈ridge_regression.py
│  └─资料
│  └─├┈过拟合.png
│  └─└┈梯度下降法.txt
├─04_逻辑回归详解和应用
│  ├─01.视频
│  │  ├┈01_Lasso_ElasticNet_PolynomialFeatures.mp4
│  │  ├┈02_多项式回归代码_保险案例数据说明.mp4
│  │  ├┈03_相关系数_逻辑回归介绍.mp4
│  │  ├┈04_逻辑回归的损失函数_交叉熵_逻辑回归对比多元线性回归.mp4
│  │  ├┈05_逻辑回归sklearn处理鸢尾花数据集.mp4
│  │  └┈06_逻辑回归多分类转成多个二分类详解.mp4
│  ├─代码
│  │  ├┈elastic_net.py
│  │  ├┈insurance.py
│  │  ├┈lasso_regression.py
│  │  ├┈logistic_regression.py
│  │  ├┈polynomial_regression.py
│  │  └┈ridge_regression.py
│  └─资料
│  └─├┈insurance.csv
│  └─├┈逻辑回归.txt
│  └─├┈逻辑回归多分类.png
│  └─└┈线性回归2.txt
├─05_分类器项目案例和神经网络算法
│  ├─01.视频
│  │  ├┈01_理解维度_音乐分类器数据介绍.mp4
│  │  ├┈02_傅里叶变化原理_傅里叶代码应用_傅里叶优缺点.mp4
│  │  ├┈03_逻辑回归训练音乐分类器代码_测试代码.mp4
│  │  ├┈04_人工神经网络开始.mp4
│  │  ├┈05_神经网络隐藏层的必要性.mp4
│  │  └┈06_神经网络案例_sklearn_concrete.mp4
│  ├─代码
│  │  ├┈logistic.py
│  │  └┈neural_network.py
│  └─资料
│  └─├┈concrete.csv
│  └─├┈machine-learning.pdf
│  └─├┈R04_神经网络.pdf
│  └─├┈sine_a.wav
│  └─├┈sine_b.wav
│  └─├┈sine_mix.wav
│  └─├┈trainset.rar
│  └─├┈理解维度_升维.png
│  └─├┈神经网络.txt
│  └─└┈图片1.png
├─06_多分类、决策树分类、随机森林分类
│  ├─01.视频
│  │  ├┈00_机器学习有监督无监督.mp4
│  │  ├┈01_逻辑回归多分类图示理解_逻辑回归和Softmax区别.mp4
│  │  ├┈02_Softmax图示详解_梯度下降法整体调参.mp4
│  │  ├┈03_评估指标_K折交叉验证.mp4
│  │  ├┈04_决策树介绍.mp4
│  │  ├┈05_随机森林_优缺点_对比逻辑回归_剪枝.mp4
│  │  └┈06_决策树_随机森林_sklearn代码调用.mp4
│  ├─代码
│  │  ├┈decision_tree_regressor.py
│  │  ├┈iris_bagging_tree.py
│  │  ├┈iris_decision_tree.py
│  │  └┈iris_random_forest.py
│  └─资料
│  └─├┈Softmax画图剖析.png
│  └─├┈逻辑回归多分类画图剖析.png
│  └─├┈逻辑回归二分类画图剖析.png
│  └─├┈随机森林.pdf
│  └─├┈梯度下降训练过程.png
│  └─└┈线性回归(评估).pdf
├─07_分类评估、聚类
│  ├─01.视频
│  │  ├┈01_评估指标.mp4
│  │  ├┈02_监督学习评估指标代码调用.mp4
│  │  ├┈03_相似度测量.mp4
│  │  ├┈04_K-Means聚类.mp4
│  │  └┈05_KMeans聚类的应用.mp4
│  ├─代码
│  │  ├┈cluster_images.py
│  │  ├┈cluster_kmeans.py
│  │  └┈mnist.py
│  └─资料
│  └─├─test_data_home
│  └─├┈flower2.png
│  └─├┈Lena.png
│  └─├┈temp_5.png
│  └─└┈聚类.pdf
├─08_密度聚类、谱聚类
│  ├─01.视频
│  │  ├┈01_聚类的评估_metrics代码.mp4
│  │  ├┈02_密度聚类_代码实现.mp4
│  │  └┈03_谱聚类.mp4
│  ├─代码
│  │  ├┈cluster_DBSCAN.py
│  │  ├┈cluster_metrics.py
│  │  └┈cluster_spectral.py
│  └─资料
├─09_深度学习、TensorFlow安装和实现线性回归
│  ├─01.视频
│  │  ├┈00_pip安装源设置.mp4
│  │  ├┈01_TensorFlow介绍与安装.mp4
│  │  ├┈02_TensorFlow CUDA GPU安装说明_TF使用.mp4
│  │  ├┈03_TensorFlow代码初始_解析解多元线性回归实现.mp4
│  │  └┈04_tensorflow来代码实现线性回归_梯度下降优化.mp4
│  ├─代码
│  │  ├┈00_tensorflow_version.py
│  │  ├┈01_first_graph.py
│  │  ├┈02_better_session_run.py
│  │  ├┈03_global_variables_initializer.py
│  │  ├┈04_interactive_session.py
│  │  ├┈05_manager_graph.py
│  │  ├┈06_lifecycle.py
│  │  ├┈07_linear_regression.py
│  │  ├┈08_manually_gradients.py
│  │  ├┈09_autodiff.py
│  │  ├┈10_using_optimizer.py
│  │  ├┈11_placeholder.py
│  │  └┈12_Softmax_regression.py
│  └─资料
│  └─└┈TensorFlow初识.pdf
├─10_TensorFlow深入、TensorBoard可视化
│  ├─01.视频
│  │  ├┈01_placeholder代码详解_TF构建Softmax回归计算图.mp4
│  │  ├┈02_TF对Softmax回归训练_评估代码实现.mp4
│  │  ├┈03_TF的模型持久化_重新加载.mp4
│  │  └┈04_模块化.mp4
│  ├─代码
│  │  ├┈11_placeholder.py
│  │  ├┈12_Softmax_regression.py
│  │  ├┈13_saving_model.py
│  │  ├┈14_restoring_model.py
│  │  ├┈15_modularity_.py
│  │  ├┈15_modularity.py
│  │  ├┈16_DNN.py
│  │  ├┈17_tensorboard.py
│  │  ├┈18_convolution.py
│  │  └┈19_pooling.py
│  └─资料
│  └─├─MNIST_data_bak
│  └─└┈TensorFlow热恋.pdf
├─11_DNN深度神经网络手写图片识别
│  ├─01.视频
│  │  ├┈01_深度学习DNN是什么.mp4
│  │  └┈02_TF训练2层DNN来进行手写数字识别.mp4
│  ├─代码
│  │  └┈16_DNN.py
│  └─资料
│  └─├─MNIST_data_bak
│  └─└┈TensorFlow热恋.pdf
├─12_TensorBoard可视化
│  ├─01.视频
│  │  ├┈01_TensorBoard代码.mp4
│  │  └┈02_TensorBoard启动以及页面.mp4
│  └─代码
│  └─└┈17_tensorboard.py
├─13_卷积神经网络、CNN识别图片
│  ├─01.视频
│  │  ├┈01_卷积1个通道的计算__垂直水平fiter图片.mp4
│  │  ├┈01_图释对比原始图片和卷积FeatureMap.mp4
│  │  ├┈02_三通道卷积_池化层的意思.mp4
│  │  ├┈03_CNN架构图LeNet5架构.mp4
│  │  ├┈04_CNN来对MNIST进行图片识别代码实现.mp4
│  │  └┈05_TF使用CNN来做Cifar10数据集分类任务.mp4
│  ├─代码
│  │  ├┈tensorflow_cnn_alexnet.py
│  │  ├┈tensorflow_cnn_cifar10.py
│  │  ├┈tensorflow_cnn_mnist.py
│  │  └┈tensorflow_cnn_vgg.py
│  └─资料
│  └─└┈tutorials.rar
├─14_卷积神经网络深入、AlexNet模型实现
│  ├─01.视频
│  │  ├┈01_解决梯度消失的三个思路.mp4
│  │  ├┈02_反向传播计算W对应的梯度.mp4
│  │  └┈03_AlexNet五层卷积benchmark代码实现.mp4
│  ├─代码
│  │  ├┈tensorflow_cnn_alexnet.py
│  │  ├┈tensorflow_cnn_cifar10.py
│  │  ├┈tensorflow_cnn_mnist.py
│  │  └┈tensorflow_cnn_vgg.py
│  └─资料
│  └─├─test_data_home
│  └─└┈TensorFlow热恋.pdf
└─15_Keras深度学习框架
└─├─01.视频
└─│  ├┈01_Keras开篇.mp4
└─│  ├┈02_Keras构建模型_Keras使用MNIST数据集训练CNN.mp4
└─│  ├┈03_Keras调用VGG16来训练.mp4
└─│  └┈04_深度学习更种优化算法.mp4
└─├─代码
└─│  ├┈00_hello_keras.py
└─│  ├┈01_keras_model_sequential_.py
└─│  ├┈01_keras_model_sequential.py
└─│  ├┈02_keras_model_model.py
└─│  ├┈03_keras_mnist.py
└─│  └┈04_keras_vgg16.py
└─└─资料
└─└─├─test_data_home
└─└─└┈TensorFlow热恋.pdf